生物安全是一场 AI 军备竞赛——对话 Radical Numerics CEO Eric Nguyen
Radical Numerics CEO Eric Nguyen 认为，提升生物能力的同一类基因组语言模型（GLM）也能让防御不落后，而目前防御正在这场生物安全军备竞赛中落败。
#数据/训练
#数据/训练
今日 0 条Latent SpaceAI 评分3939
Berkeley AI ResearchAI 评分5252 Berkeley 研究者提出智能体时代数据系统研究议程：For、Of、By Agents
UC Berkeley 的 Aditya G. Parameswaran 团队发文认为近零成本推理时代将重塑数据系统，提出三类议程：For Agents 重新设计系统以应对智能体高并发重复查询（实验中仅 10-20% 子计划不同）。
Hugging Face BlogAI 评分5757 MiniMax M2 智能体对齐复盘：泛化的关键是对全操作空间扰动的适应
MiniMax 团队成员分享 MiniMax M2 后训练中智能体对齐的关键经验。结论包括：智能体需要 Interleaved Thinking，思考可在任务任意阶段发生以应对工具输出等外部扰动。
Hugging Face BlogAI 评分5151 中国 AI 全球化扩张简析：巨头与初创为何出海、如何出海
Hugging Face 博客发文综述中国 AI 企业的全球化扩张。截至 2024 年，全球 1500 家活跃 AI 公司中 751 家在中国，其中 103 家已出海。
Hugging Face BlogAI 评分4242 Hugging Face 伦理与社会通讯 #6：构建更好的 AI——数据质量的重要性
Hugging Face 伦理与社会通讯第 6 期探讨 AI 数据质量：Reddit 与 Google 的内容合作因 RAG 搜索引擎输出“披萨加胶水”等错误推荐而受挫，说明并非所有数据都同样优质。好数据的关键在于与任务匹配，需具备相关性、全面性、时效性并缓解偏见。文章还阐述高质量数据可提升模型性能、鲁棒性、效率与可复现性，并建议通过去重、内容过滤、人工反馈和数据治理框架来保障质量。
Hugging Face BlogAI 评分4343 Hugging Face 回顾 2023：开源 LLM 之年
Hugging Face 发布 2023 年开源大语言模型年度回顾，指出开源模型可复现研究、便于社区参与和审查模型偏差，并通过复用 checkpoint 降低碳排放。
Hugging Face BlogAI 评分4545 聊聊机器学习中的偏见：Hugging Face 伦理与社会通讯 #2
Hugging Face 伦理与社会团队发文探讨机器学习中的偏见问题，指出 ML 模型作为社会技术系统会放大会加剧不公的社会趋势，且随部署环境不断演变，任何单一技术手段都难以解决。文章分享了在任务定义、数据集构建和模型训练各阶段应对偏见的经验，并介绍了团队开发的相关分析工具。
Hugging Face BlogAI 评分2424 机器学习专家访谈：Hugging Face 研究科学家 Sasha Luccioni
Hugging Face 研究科学家 Sasha Luccioni 在 Machine Learning Experts 节目中分享她的职业经历与研究方向。
Hugging Face BlogAI 评分3131 大语言模型：新的摩尔定律？
Microsoft 与 NVIDIA 发布了基于 Transformer 的 Megatron-Turing NLG 530B，被称为“全球最大最强生成式语言模型”。
OpenAI News精选AI 评分7171 OpenAI 分析：2012 年以来最大 AI 训练算力以 3.4 个月翻倍
OpenAI 发布分析，指出 2012 年以来最大 AI 训练所用算力呈指数增长，翻倍时间为 3.4 个月，远快于摩尔定律的 2 年翻倍；累计增长超过 300,000 倍，而 2 年翻倍仅带来约 7 倍增长。算力提升是 AI 进展的关键组成部分，若趋势延续，需为远超当前能力的系统做准备。
推荐理由：原文以自家分析给出最大 AI 训练算力的增长数据，读者可据此理解算力在 AI 进展中的作用与后续影响。