§ 01综述

Batch 近期进展

面向BioASQ 14b的问答类型感知LLM管道框架：在BioASQ 14b问答数据集上，通过问答类型感知的LLM管道框架实现了显著的性能提升。

DeepSeek DSpark 投机解码原生集成 vLLM，性能提升显著：DeepSeek DSpark 投机解码原生集成 vLLM，在性能上取得了显著提升。

异步RLHF中陈旧性与学习率的缩放定律：在异步RLHF中，陈旧性与学习率的缩放定律被提出，为模型训练提供了新的视角。

使用NVIDIA Blackwell优化Amazon SageMaker AI模型训练：通过NVIDIA Blackwell优化，Amazon SageMaker AI模型训练得到了显著提升。

GoogleDeepMind 发布 DiffusionGemma：26B 扩散语言模型，vLLM 原生支持：GoogleDeepMind 发布了DiffusionGemma，一个26B的扩散语言模型，原生支持vLLM。

二阶路径核插值公式：机器学习中训练数据如何影响预测：二阶路径核插值公式被提出，用于分析训练数据对机器学习预测的影响。

LangChain 对比 LLM-as-judge 两种评估方式：50 条标准任务：LangChain对比了LLM-as-judge两种评估方式，通过50条标准任务进行测试。

中国叫停Meta收购Manus，收紧AI技术控制：中国叫停了Meta收购Manus，进一步收紧了对AI技术的控制。

Andrew Ng 推出 AI 导师“AI Andrew”，模拟其沟通风格：Andrew Ng 推出了AI导师“AI Andrew”，模拟其沟通风格，为AI教育提供新工具。

当前焦点与观察点

Batch技术在近期的发展中，重点关注了模型性能的提升和训练效率的优化。同时，对于训练数据的影响和评估方法的研究也在不断深入。此外，AI技术的控制和管理也成为了一个重要的议题。

§ 02相关报道10 条在档

§ 03邻近话题