在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
AWS 介绍如何用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，训练环境提供 BM25 词法搜索与向量搜索两个工具。MTRL 支持 PPO、CISPO、IS 损失与 GRPO 等优势估计器，采用无服务器按 token 计费，并可在 MLflow 中逐轮查看轨迹与奖励。
#数据/训练
AWS Machine Learning BlogAI 评分4747
Microsoft Research精选AI 评分6262 微软研究院发布 Skala 1.1，并集成到 CP2K 等电子结构软件
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据比上一版多 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差为 2.8 kcal/mol。Skala 已在 CP2K 中可用，并正在集成到 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续更新的性能基准报告。
推荐理由：Skala 1.1 用 2.5 倍训练数据提升精度，并给出多款电子结构软件的集成进展与性能基准。
Berkeley AI ResearchAI 评分4242 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调它们，被视为高效推理扩展的下一个范式。现有并行推理方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!