研究揭示 Claude Opus 5.5 与 GPT 模型的 AI 写作“破绽”
Graphite 研究发现，Claude Opus 5.5 最爱说“this matters”，出现频率是人类的 116 倍，而 OpenAI 的 Astra 则偏好“not simply X”式的纠正性框架，频率超人类 100 倍。
#数据/训练
#数据/训练
今日 2 条TechCrunch · AIAI 评分4040 The Verge · AIAI 评分4242 Capcom 计划将 RE Engine 逐步改造为“AI 生成游戏引擎”
Capcom 程序员 Satoshi Ishida 在 Capcom Open Conference RE: 2026 上表示，将把 AI 技术整合进开发工作流，逐步把 RE Engine 改造成“AI 生成游戏引擎”，目标是实现“与 AI 共同创作游戏”的未来。Capcom 此前称不会在游戏中使用 AI 生成素材，而是用 AI 提升开发效率。
The DecoderAI 评分7171 开源 BootLoops 让 Claude 完成精确科学计算，三个月产出 36 篇手稿
哈佛物理学家 Matthew Schwartz 在 Anthropic 客座文章中介绍开源工具 BootLoops，它让 Claude 完成精确科学计算，代码已在 GitHub 发布。
Ars Technica · AIAI 评分3030 Amazon 10 亿美元应对数据中心反对声浪的计划招致更多反对
Amazon 提出 10 亿美元计划以应对数据中心引发的社区反对，但该计划本身招致更多批评。公司因终止保密协议（NDA）获得肯定，同时被批淡化数据中心的污染问题。
TechCrunch · AIAI 评分1212 TechCrunch Disrupt 2026：Blackstone 的 Jas Khaira 谈如何打造下一代 AI 巨头
Blackstone N1 全球负责人 Jas Khaira 将在 TechCrunch Disrupt 2026 的 Builders Stage 发表"打造下一代 AI 巨头"演讲，分享 Blackstone 投资定义品类公司时的评估标准，以及创始人应如何思考规模化过程中的资本问题。
MIT Technology Review · AIAI 评分1212 用自主 AI 重新定义企业智能：MIT Technology Review 报告解析“智能体转型”
MIT Technology Review 报告指出，2026 年全球 AI 投资将达 2.5 万亿美元，同比增长 44%，但多数企业仍未能靠 AI 实现收入增长，智能散落在各业务孤岛中。报告将 AI 从工具转向运营模式的转变称为“智能体转型”，主张企业先重构流程、再选模型，并建设可组合、主权可控的数据底座，让数据在本地即可被查询和准备，而非迁移集中。
Hugging Face Blog精选AI 评分6060 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，并同步开放训练数据。
推荐理由：原文公开了 AstaBrief 的训练数据构造、引用过滤与评测细节，可据此判断小模型做科学报告生成的可行路径。
The Verge · AIAI 评分3030 微软用“仿生学”把数据中心藏进树林，能平息社区反对吗？
微软宣布将“仿生学”设计推广至美国与德国超20个数据中心站点，通过增加花园、本地树木和生态修复，把设施融入自然景观，以减少噪音、绿地和生态破坏引发的社区反对。微软称自2022年起已在荷兰一处数据中心试点，并计划对所有美国新项目采用该方案。
AWS Machine Learning BlogAI 评分3737 Amazon Quick 推出 Live Data in Apps：AI 构建应用可实时查询受治理数据集
Amazon Quick 为 AI 构建的 Quick Apps 推出 Live Data in Apps，应用每次打开时都会实时查询受治理的 Quick Sight 数据集，而非依赖构建时的静态快照。查询以查看者身份执行，现有行级和列级安全规则自动生效，SPICE 与 Direct Query 数据集均支持，查看者需为已认证的 Quick 用户并逐数据集授权。
AWS Machine Learning BlogAI 评分3636 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 接入 Amazon S3 Vectors，作为多智能体系统的持久化记忆层，并部署在 Amazon EKS 上。
AWS Machine Learning BlogAI 评分3434 亚马逊支付如何用 Amazon SageMaker AI 上的上下文 bandit 提升获客漏斗转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周在线 A/B 测试中，一个人群的漏斗末端转化率取得高个位数百分比相对提升，另一个人群则没有改善，问题出在内容而非模型。
Latent SpaceAI 评分7070 InstructGPT 作者 Diogo Almeida 谈 Jev 与 RLCD：为软件而非聊天造模型
TypeSafe AI CEO Diogo Almeida 在 Latent Space 播客中介绍新模型 Jev，称其为面向代码消费的 System 1 模型，按每美元智能而非聊天体验优化。
Mistral AIAI 评分3535 Cloudera 与 Mistral 达成合作，将主权 AI 引入企业数据平台
Mistral 与 Cloudera 建立合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还能在受控环境中用专有数据训练自有模型，数据与模型所有权归企业所有。Cloudera 平台承载 30 exabytes 客户管理数据。
Microsoft Research精选AI 评分7171 微软研究院开源 Orchard 智能体框架，含 SWE、GUI、Claw 三套训练方案
微软研究院发布开源框架 Orchard，核心是 Kubernetes 环境服务 Orchard Env，可跨软件工程、网页导航和个人助理任务复用环境、数据管线与评测流程，并支持在 Codex、OpenClaw、ZeroClaw 等真实部署框架内直接训练智能体。
推荐理由：微软研究院开源 Orchard 框架，读者可了解其环境服务如何让智能体在真实部署框架内训练并复用数据与评测流程。
Berkeley AI ResearchAI 评分3434 无需 TD 学习的强化学习：分治法实现长时程任务的可扩展 off-policy RL
一项新研究提出用"分治"范式替代时序差分（TD）学习来做 off-policy 强化学习，通过将轨迹一分为二、组合两段价值来更新整体价值，理论上把 Bellman 递归次数从线性降到对数级。该方法在 goal-conditioned RL 中实现了可扩展的分治价值学习，作者称这是首个将分治价值学习扩展到高复杂度任务的工作。相比 n-step TD，它无需调 n 超参，也不必然带来高方差或次优性。
Berkeley AI ResearchAI 评分2626 word2vec 究竟学到了什么？伯克利研究给出闭式理论解释
伯克利 AI 研究团队证明，在初始化接近零、梯度步长极小等温和近似条件下，word2vec 的学习问题可化简为无权重最小二乘矩阵分解，其梯度流动力学有闭式解，最终学到的表示等价于对目标矩阵 M* 做 PCA。训练中模型按离散步骤逐个学习正交线性子空间，每步提升嵌入矩阵的秩并降低损失，这些特征即 M* 的顶部特征向量，可由语料统计和超参数预先算出。