语料授权定价为何难？海外标价与国内困局
哈珀·柯林斯与微软达成单本三年5000美元AI训练授权，Anthropic因盗版下载超700万本书支付15亿美元和解金。但中国大模型企业付费意愿低，且多数模型以MIT等宽松许可证分发，免费获取数据意愿天然偏低。浙江虽已建设数据采集平台，实际交易量仍较少，市场化定价机制尚未形成。
#数据/训练
#数据/训练
今日 3 条钛媒体AI 评分4040 Latent SpaceAI 评分4242 Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理平台 Minos
Leash Bio 用 DNA 编码文库（DEL）为每个分子打上数十条条形码，采集可复现的蛋白-小分子相互作用数据。其 Hermes 模型仅用自研数据训练，在公开 benchmark 上与 Boltz 持平。团队把多年数据转化为数万条"lab-in-the-loop"模拟，已发展为智能体科学推理平台 Minos，并发布预印本、博客与开放数据集。
The DecoderAI 评分6060 Google 称自我改进 AI 尚未到来
Google 工程师 Haydn Belfield 表示，自我改进 AI 仍遥遥无期，Google DeepMind 没有观察到 AI 驱动 AI 研究的可测加速。
钛媒体AI 评分2929 智源王鹏伟谈悟界·RoboBrain Orca：当下世界模型都只学到了片面的世界
智源研究院具身模型研究中心负责人王鹏伟在2026年智源大会发布悟界·RoboBrain Orca世界模型，采用Next State Prediction建模范式，预训练未用任何action数据，使用约12.5万小时视频、130m事件级状态转移数据和VQA数据。
雷峰网AI 评分3939 IROS 2026 观察：具身智能学术与产业边界正在消融
IROS 2026 于 9 月 27 日至 10 月 1 日在美国匹兹堡举行，具身智能技术路线明显收敛为四大趋势：基础模型内化物理规律、“大小脑”分层架构成行业标配、触觉成为精细操作核心变量、数据采集成本大幅下降。
爱范儿AI 评分5252 为什么 ChatGPT 会话标题会混入色情赌博小广告
爱范儿作者梳理了 ChatGPT 会话标题末尾混入色情、赌博外语词元的现象：该问题从年初的 Codex CLI 蔓延到 API 端，再到 8 月普通用户会话标题，OpenAI 在 7 月 25 日首次回应称会在未来模型更新中解决，但至今未根除。
Latent SpaceAI 评分3232 AlphaFold 为何没有解决蛋白质折叠问题——Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 对谈
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对谈中指出，AlphaFold 的突破只是开始，蛋白质折叠远未解决，静态结构预测无法覆盖蛋白质动态与无序区域。
Interconnects · Nathan LambertAI 评分3131 Nathan Lambert：AI 将迎快速工程进步，但不会走向通用超级智能
Nathan Lambert 认为 AI 的快速进步主要来自基础设施与工程能力的加速，模型将在几年内成为超人的分布式 GPU 工程师，但这不会让模型本质发生剧变。他指出，训练与推理指标高度可验证、可优化，模型智能的有效成本未来几年或近指数级下降，预训练研究（架构与数据选择）有望在 2-3 年内自动化；而 RL 环境质量普遍低劣是另一块可修复的工业级低垂果实。
钛媒体AI 评分5454 谷歌为何押注RSI：递归式自我改进的布局与争论
钛媒体发布深流研究所文章，分析谷歌为何把 RSI（递归式自我改进）作为核心方向。文章称谷歌 9 月连续公布四项相关进展，包括 Gemini 3.8 Flash 由长时间运行的智能体循环参与开发、Dream-RSI 减少无效试错、RRSI 让 AI 改造自身操作台，以及已进入数据中心与芯片流程的 AlphaEvolve。
钛媒体AI 评分3232 RSI 出圈背后：AI 自我进化卡在哪里？
RSI（递归自我改进）概念热度快速升温，OpenAI、Anthropic、Google DeepMind 频频提及相关进展，Anthropic 和 OpenAI 还数次预警其失控风险、呼吁放缓研发进度。
MIT News · AIAI 评分2323 MIT 教授 Sasha Rakhlin 谈 AI 时代学术界的最佳路径
MIT 统计与数据科学中心主任 Sasha Rakhlin 发表文章，讨论 AI 如何改变学术界，尤其是数学、统计、机器学习和工程领域的研究生科研与培养。他指出，去年有模型在国际数学奥林匹克达到金牌水平，一年后模型已能产出新研究结果，验证速度与可靠性是决定各学科 AI 进展快慢的关键。他建议院系重新思考学术贡献认定，并建设共享 AI 研究基础设施，以捕捉假设、干预、失败与解读等隐性知识。
Latent SpaceAI 评分3838 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在访谈中提出"合成超级智能"路线：以物理实验为环境的强化学习、AI 材料表征与高通量自主实验室，让模型在真实世界中试错而非只靠互联网数据训练，把数十年材料试错压缩到数月。
雷峰网AI 评分3232 我所知道的张磊：一场MSRA赛马与半个中国AI江湖
2002年微软亚洲研究院内部进行人脸检测算法赛马，博士毕业不到两年的张磊带队击败人脸识别专家李子青，将误报率从"买一送一"降至1%，方案被集成进Windows。其带过的实习生包括黄峥、颜水成、朱珑等人。他后来加入Bing，搭建名人识别系统并公开MS Celeb数据集，其图文匹配思路被OpenAI参考用于训练CLIP模型。
MIT News · AIAI 评分1616 MIT 教授 Christina Delimitrou 用 AI 缓解数据中心能耗与环境压力
MIT 电子工程与计算机科学系副教授 Christina Delimitrou 用机器学习提升大规模数据中心的效率、安全性与可靠性，通过重新设计云计算系统、管理共享硬件资源、精简服务器架构，让运营方在现有硬件上获得更多算力。她与团队发现多数大型系统利用率仅约 15%，开发出用深度学习预测并预防 Web 应用故障的工具 Seer，并借助 AI 帮助程序员定位云端应用问题、减少停机。
雷峰网AI 评分3333 对话如祺出行COO韩锋：世界模型越强，真实数据才是真壁垒
如祺出行COO韩锋表示，世界模型能力越强，真实数据的重要性不会降低，合成数据负责定向扩展已知场景，真实数据负责发现和验证未知问题。如祺出行不自己训练大模型，而是从2023年起搭建智驾数据工具链，2026年6月推出具身智能数据平台，做自动驾驶与具身智能背后的数据基础设施。其AI数据服务收入2026年上半年同比增长274.4%，半年收入已超过1亿元。
雷峰网AI 评分3333 吴佳俊 IROS 2026 演讲：结构化表征是机器人学会推理的脚手架
斯坦福大学助理教授吴佳俊在 IROS 2026 的 RoBoWoMo 研讨会报告《Building Physical Agents via Structured Representations》中提出，结构化表征是机器人学会推理的脚手架而非答案。
钛媒体AI 评分3838 谁在给大模型出题、卖题、判卷？聊聊AI数据行业的野蛮生长
Scale AI后训练与评测研究者何允中、Agents' Last Exam项目研究者孙一铀拆解AI数据行业：数据公司交付物正从人工标注、专家rubric评分细则转向含任务、工具与验证机制的强化学习环境。ALE覆盖55个非体力类职业，何允中称rubric数据需求已趋饱和，孙一铀则认为专家主观判断类rubric仍远远不够。
Microsoft ResearchAI 评分1616 Microsoft 研究员 Jennifer Neville：AI 为何出错、失败能教会我们什么
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中与 Chad Atalla 对谈，讨论评估如何推动 AI 系统性能边界、模型超出传统基准测试时出现的"意外失败"，以及数据为何值得细看。
钛媒体AI 评分6464 卖铲人不灵了：AI资本开支的4%回报比，正在重定价整个算力链
文章梳理微软、谷歌、亚马逊、Meta合计约7300亿美元的年度资本开支与约250亿美元直接AI年收入，二者比值仅约4%，认为市场已从奖励花钱转向惩罚花钱。报道援引分析称，资本开支已消耗巨头约90%的经营现金流，五大厂商表外义务约1.65万亿美元，自2022年以来膨胀约八倍，并给出开支占现金流比例、AI收入对开支比值、巨头与芯片股相关性三类观察指标。
钛媒体AI 评分3838 当AI开始制造AI：从AlphaEvolve到递归自我改进的赛博狂飙
Google的AlphaEvolve用Gemini提出候选程序并自行评价改进，找到的一项优化让Gemini关键计算核加速23%，对应整个训练时间缩短约1%。Anthropic承认完整RSI尚未实现且并非必然实现。Klarna实验发现部分AI生成的更快训练代码无法保证可复现结果，工程师因此将可复现性加入筛选条件。
Latent SpaceAI 评分3737 Latent Space 对话 MIT Alex Zhang：从 GPU Kernel 到递归语言模型 RLM 与智能体集群
Latent Space 播客本期嘉宾为 MIT 的 Alex Zhang，他因递归语言模型（RLM）受到关注，其 RLM 框架是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
The Pragmatic EngineerAI 评分3535 Peter Mattis 谈分布式数据库：从 GIMP、Gmail 到 Cockroach Labs
Cockroach Labs 联合创始人兼 CTO、GIMP 原始作者 Peter Mattis 在播客中回顾了从 GIMP、Gmail 到创办数据库公司的经历，并讨论分布式数据库在规模下的性能、可靠性与正确性权衡。
Ahead of AI · Sebastian RaschkaAI 评分5656 从词袋到 Jev：Sebastian Raschka 梳理文本分类技术史并实测 Jev
Sebastian Raschka 撰文梳理文本分类从词袋模型、朴素贝叶斯、RNN、CNN 到 BERT、GPT、T5 的演进，并实测了 TypeSafe AI 新发布的分类模型 Jev。
Latent SpaceAI 评分5050 Foundries vs Navigators：AI 如何降低科学研究的成本
Adrian Sanborn 在 Latent Space 客座文章中提出，AI 对科学的改造分为两条路径：Foundries 用下一代测序、多重检测和物理自动化把实验数据产出速度提升一个数量级，Navigators 则把模型嵌入公司日常决策流程，且无需自有模型或大规模数据集。他认为导航式改造正发生在所有公司，而铸造厂式投入只集中在数十家。
MIT News · AIAI 评分2525 MIT 新书《How AI Sees the City》解析视觉 AI 研究城市的潜力与风险
MIT Senseable City Lab 团队出版新书《How AI Sees the City: Urban Visual Intelligence》，系统梳理视觉 AI 用于城市研究的可能与隐患。
Latent SpaceAI 评分3232 Radical Numerics 谈生物安全：AI 军备竞赛与基因组语言模型
Radical Numerics 联合创始人兼 CEO Eric Nguyen 认为生物安全正成为一场 AI 军备竞赛，当前防御方处于落后，主张更激进地推进前沿。
Latent SpaceAI 评分6262 John Platt 谈 Google ERA：把科研问题变成可打分任务
Latent Space 对话 Google 的 John Platt，讨论其团队提出的 Empirical Research Assistance（ERA）：把可用分数函数描述的科研问题交给 Gemini 维护实验树、用 UCB 规则选择笔记本并批量提出变异，已产出至少十篇论文。
MIT News · AIAI 评分1212 MIT 政治学者 Naoki Egami 研究如何精确测量社会现象
MIT 政治学副教授 Naoki Egami 专攻研究方法论，重点审视社会科学研究中的"外部效度"，即特定研究结论能否推广到其他情境。他的研究还涉及 AI 工具引入研究后的问题，早在 ChatGPT 掀起 AI 热潮前就已开始，探索如何系统识别并校正 AI 工具带来的误差。他 2025 年加入 MIT，同时是 IDSS 统计与数据科学中心教员。
Interconnects · Nathan LambertAI 评分2222 开源 AI 与开放模型阅读清单：Nathan Lambert 汇总近年最佳写作
Nathan Lambert 发布了一份开源 AI 与开放模型阅读清单，收录近年关于开放模型的最佳写作，覆盖开放模型的定义与发布动机、商业战略、风险与安全、中美竞争等主题，清单最后更新于 2026 年 9 月 15 日，并持续接受补充。
Ahead of AI · Sebastian RaschkaAI 评分6565 GPT-6 Astra、循环 Transformer 与隐藏思维链
Sebastian Raschka 结合 GPT-6 Astra 的基准表现与计算机使用能力，详细解释循环 Transformer 复用同一组 Transformer block 的机制，并评估 The Information 关于 Astra 使用循环 Transformer 并隐藏思维链的报道。
IEEE Spectrum · AIAI 评分5050 CPU 回归：智能体 AI 为何重新推高 CPU 需求
IEEE Spectrum 报道称，智能体 AI 的兴起正让 CPU 重新成为 AI 基础设施的关键环节。AWS 此前要求工程师尽一切代价节省 CPU 周期，因为 AI 工作负载令其云上 CPU 服务器等待时间激增。
Interconnects · Nathan LambertAI 评分2424 Nathan Lambert 写完一本 AI 教科书后发问：AI 还要多久才能写得更好？
Nathan Lambert 完成了一本关于 RLHF（Reinforcement Learning from Human Feedback）的后训练教科书，并用 LLM 辅助排版、文字编辑和绘图。他认为当前模型在长篇非虚构写作上已停滞：GPT 5.5 Pro 能在 200-300 页书稿中找出细微笔误，Claude 更适合当编辑，但模型仍难以把内容组织成连贯章节，错误会复合累积。
Import AIAI 评分3232 Import AI 468：23 条 RSI 政策建议、PostTrainBench+，以及信任与透明度如何影响 AI 竞赛
Import AI 第 468 期收录智库 IFP 提出的 23 条应对 AI 研发自动化风险的政策建议，分属透明度、风险管理和算力分配等 7 个类别。MIT 与 Columbia 的论文 Racing to Ruin 用博弈模型分析前沿 AI 企业的研发竞赛，认为透明度和对手可信度是达成协调减速的关键变量，低信任下所有均衡都会奔向灾难。
MIT News · AIAI 评分5757 MIT JARVIS Challenge 测试 AI 副驾能否加速喷气发动机设计
MIT 航空航天系在 2026 春季学期举办 JARVIS Challenge，让 31 名本科生分成 7 队，用四周时间借助 AI 设计、制造、组装并测试一台推力 50–100 磅、使用 Jet-A 燃料的小型单轴喷气发动机。
Berkeley AI ResearchAI 评分3030 Intelligence is Free, Now What? 智能体时代的数据系统：为智能体、由智能体
UC Berkeley 团队提出近零推理成本将带来三类数据系统挑战：为智能体（Data Systems For Agents）、由智能体运行（Of Agents）、由智能体合成（By Agents）。文中举例指出，GPT-4 级能力在 2023 年初约 $30/百万 token，如今已降至 1 美元以下，部分厂商低于 $0.10，推理价格年降幅在 9 倍到 900 倍之间，中位数约 50 倍。
MIT News · AIAI 评分2424 MIT 专访：智能体 AI 今天是什么，我们又希望它成为什么？
MIT News 专访 MIT EECS 副教授、CSAIL 成员 Phillip Isola，解析智能体 AI 与 ChatGPT、Claude 等生成式 AI 的区别。
Hugging Face BlogAI 评分3232 超越 LLM：企业级 AI 规模化落地为何取决于 Agent 逻辑
企业 AI 试点普遍失败，症结在于智能体缺乏引导逻辑。IBM 用 Agent 逻辑（知识图谱、程序分析库等）在智能体层缩小上下文，测试显示：watsonx Code Assistant for Z 在百万行代码级遗留系统上保持略优理解性能，token 消耗降低约 30 倍；Aster 在 75+ Java 应用中使行、分支、方法覆盖率提升 20%-45%，token 消耗最多降低 15 倍。
Google DeepMindAI 评分3434 AlphaGo 十年：从围棋到生物学，再到更多领域的影响
Google DeepMind 回顾 AlphaGo 击败围棋世界冠军十周年，称其标志现代 AI 时代的开端。此后其搜索与强化学习方法衍生出 AlphaGo Zero、AlphaZero，并推动 AlphaFold 2 破解蛋白质折叠难题，AlphaFold 数据库已被超 300 万研究人员使用，相关成果于 2024 年获得诺贝尔化学奖。
Hugging Face BlogAI 评分4040 Hugging Face 回顾"DeepSeek 时刻"一周年：中国开源 AI 生态崛起
DeepSeek 发布 R-1 模型一年后，其开源权重成为 Hugging Face 史上获赞最多的模型。R1 以 MIT 许可开放推理路径与后训练方法，降低了技术、采用与心理三重门槛。百度 2024 年在 Hugging Face 零发布，2025 年增至 100 余个，字节跳动与腾讯发布量增长八到九倍。
Hugging Face BlogAI 评分3838 Hugging Face 解析全球算力格局变迁：中国芯片开始承载国产开源模型
Hugging Face 发文分析全球 AI 算力格局的迁移：中国国产芯片已开始承载 Qwen、DeepSeek、GLM、Kimi 等开源权重模型的推理，部分模型开始用国产芯片训练。文章指出，美国出口管制与华为 Ascend、寒武纪等国产芯片产能的加速高度相关，芯片受限也倒逼出 MLA、GRPO 等算力效率创新。