IBM 详解 Granite 4.1 大模型的预训练与强化学习流程
IBM Granite 团队发布技术解读，说明 Granite 4.1 系列 3B、8B、30B 稠密模型基于约 15T token 的五阶段预训练流程构建，上下文窗口经长上下文扩展至 512K。
推荐理由：原文完整披露 Granite 4.1 的五阶段预训练数据配比与多阶段 RL 流程，可供同类小模型训练参考。
论文研究
全部主题值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
最新精选
第 41–47 条 · 共 47 条Hugging Face Blog精选AI 评分6161
AI as Normal Technology精选AI 评分7474 Sayash Kapoor 等人提出开放世界评测并发布 CRUX 项目，AI 智能体成功上架 iOS 应用
Sayash Kapoor 与 Arvind Narayanan 等 17 位研究者发布 8000 字论文，定义开放世界评测这一新兴评测类型，并介绍定期开展此类评测的 CRUX 项目。
推荐理由：文章界定了开放世界评测这一新兴评测类型，并以 CRUX 首个实验给出智能体发布 iOS 应用的具体过程与成本细节。
Google Research精选AI 评分7777 Google Research 发表两篇 Nature Cancer 研究，评估 AI 辅助英国 NHS 乳腺癌筛查流程
Google Research 与 NHS 合作开展 AIMS 研究，在 Nature Cancer 发表两篇论文评估 AI 乳腺癌检测系统。回溯评估覆盖约 115,973 名女性的乳房 X 光检查，AI 灵敏度显著高于原第一人类读者，癌症检出率从每千人 7.54 升至 9.33，并检出原双重读片漏掉的 25% 间期癌。
推荐理由：研究给出了AI作为乳腺癌筛查第二读者的端到端验证数据，包括检出率和人力节省的具体结果与仲裁误判风险。
Google Research精选AI 评分6767 Google AMIE 完成 BIDMC 真实门诊前瞻性可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作完成 AMIE 对话式诊断 AI 的前瞻性单中心可行性研究，100 名成人在初级保健就诊前与 AMIE 对话采集病史，全程由医生实时监督，未发生一次安全中止。
推荐理由：这是 AMIE 首次在真实门诊流程中开展的前瞻性可行性研究，给出安全性、诊断质量和医患体验的具体数据。
AI as Normal Technology精选AI 评分7070 AI as Normal Technology 团队发布论文《Towards a Science of AI Agent Reliability》
Sayash Kapoor、Arvind Narayanan 与 Stephan Rabanser 等人发布 66 页论文《Towards a Science of AI Agent Reliability》，将智能体可靠性拆解为一致性、鲁棒性、可预测性、安全性四维共 12 项指标。
推荐理由：论文把智能体可靠性拆成12个维度并实测14个模型，显示18个月内准确率大涨而可靠性仅小幅提升。
Microsoft AI News精选AI 评分6868 Microsoft 发布 MAI-DxO，在 NEJM 病例序列诊断基准上正确率达 85%
Microsoft AI 发布 MAI-DxO 诊断编排器与 SD Bench 基准，将 304 个 NEJM 病例转化为逐步诊断挑战，MAI-DxO 正确诊断最高达 85%，是同一组有经验医生的四倍以上，且以更低检查成本得出正确诊断。
推荐理由：原文同时给出诊断准确率、成本对比和研究局限，并说明 SD Bench 尚未公开，读者可据此理解结果边界。
AI as Normal Technology精选AI 评分6565 Arvind Narayanan 发布长文论文《AI as Normal Technology》，将 AI 视为常态技术
Arvind Narayanan 发布超过 1.5 万字的新论文，提出将 AI 视为“常态技术”的世界观，认为其影响类似电力和互联网等通用技术，变革性经济与社会影响将以数十年为时间尺度缓慢展开。
推荐理由：作者提出 AI 是像电力一样的常态技术，经济影响将以数十年计缓慢扩散，并给出风险与政策的替代框架。