跳到正文
  1. Hugging Face Blog71

    Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平

    英伟达团队从 Nemotron 3 出发,用 SFT、RL 和生成-验证-改进的推理循环做领域微调,在 IOI 2026 与 IMO 2026 两个竞赛上均达到金牌水平。

    推荐理由:原文给出了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方,可看数据、训练与推理循环如何配合。

  1. Microsoft Research62

    微软研究院:把物理 AI 推理卸载出机器人可提升任务成功率与续航

    微软研究院对移动操作机器人负载做了系统性测量,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,可提升任务成功率、支持更大模型并延长续航。

    推荐理由:微软研究院对机器人推理负载的系统性测量,给出了端侧 GPU 与卸载到边缘或云端的性能与续航对比数据。

  1. Berkeley AI Research62

    从 CUDA 到 MLX:K-Search 如何把内核优化经验带到 Apple Silicon

    Berkeley AI Research 与 IBM Research 将进化式内核搜索框架 K-Search 扩展到 MLX 后端,并加入结构化的 CUDA 到 MLX 翻译层,让已有 CUDA 内核经验迁移到 Apple Silicon。

    推荐理由:原文给出跨平台内核迁移的具体方法与实测数字,可了解 CUDA 经验迁移到 Apple Silicon 的可行路径。

已经到底了