跳到正文
#数据/训练
  1. arXiv 机器人论文摘要

    VLA 中有多少能力来自 kNN 检索

    研究发现，在无需策略训练的情况下，检索相近演示并复用其动作块即可在 LIBERO 上达到 91.7% 成功率，而 VLA 模型已超过 95%。在 LIBERO-Plus 扰动下，检索方法在所有受评策略中降幅最小；对九个公开 VLA 的分析显示，微调主要让视觉语言骨干成为更好的检索键，其动作仍接近演示数据。

    推荐理由：通过无策略训练的检索基线与九个公开 VLA 对照，研究呈现了 LIBERO 高分中训练演示复用的潜在比重。

  1. NVIDIA Blog

    NVIDIA 在 CoRL 发布 GR00T 2，并推出机器人仿真与评测技术

    NVIDIA 在 CoRL 发布开放世界动作模型 GR00T 2，并推出 Isaac Lab 3.0、Isaac Lab-Arena 0.4、DexBench、VABAR 等机器人仿真与评测技术。

    推荐理由：材料串联世界动作模型、仿真训练和工业评测，呈现机器人从技能学习到部署验证的一套完整技术路径。

  1. 亚马逊云科技中国博客

    在 Amazon Bedrock AgentCore 上构建受治理的进程内 DuckDB Data Agent

    亚马逊云科技给出一个基于 Amazon Bedrock AgentCore 的受治理 Data Agent 参考实现，将 DuckDB 嵌入 Agent 进程，并就地读取 Amazon S3 Tables。

    推荐理由：方案把数据智能体的成本、权限与准确率问题映射到确定性架构层，并给出可复用的完整代码与评测闭环。

  1. GitHub Blog · AI & ML

    GitHub 的密钥检测模型如何减少误报并提升扫描效率

    GitHub 介绍了秘密扫描所用的上下文感知分类器，以更低噪声识别真实凭据，并将通用秘密检测扩展到推送保护。该方案先用正则表达式生成候选，再由微调的 ModernBERT 结合文件路径、变量名和周边代码分类，模型以 ONNX 格式导出并进行 8-bit 量化。相比此前的 LLM 流水线，其线上接受率提高 11.5%，推送后扫描执行时间中位数降低 86%，服务成本降低超过 98%。

    推荐理由：文章拆解了正则候选生成与微调 ModernBERT 分类的两阶段方案，并给出训练数据、部署优化和线上评估结果。

  1. GitHub Blog · AI & ML

    GitHub 引入 ModernBERT 分类器，将推送保护扩展至非结构化密钥

    GitHub 与 Microsoft Applied Sciences 开发了新的 ModernBERT 分类器，用代码上下文识别非结构化密钥，批量评估候选密钥耗时不到 2 ms，可使推送保护阻止的密钥数量增加一倍以上。

    推荐理由：九个季度的数据将密钥泄露增长归因于代码规模而非单次推送风险上升，并说明自动拦截为何比人工补救更易扩展。

  1. GitHub Blog · AI & ML

    GitHub 发布 AI 代码审查开放基准 ReviewBench

    GitHub 发布 AI 代码审查开放基准 ReviewBench，提供公开数据集、排行榜、自助评估工具以及可复现的评估方法。该基准分析了 103.9M 个 GitHub pull request，并选取来自 187 个公开仓库、覆盖 19 种语言的 219 个 pull request；其黄金集经资深工程师独立复核，判断一致率为 96.6%。

    推荐理由：ReviewBench公开了数据集、评估规则和运行工具，并用线上实验对照说明离线指标如何辅助代码审查智能体迭代。

  1. Berkeley AI Research

    Berkeley AI Research 分析近乎免费智能时代的智能体数据系统

    Berkeley AI Research 研究者提出，随着 GPT-4 级能力的每百万 token 成本从约 $30 降至 $1 以下，数据系统需要围绕智能体重新设计。文章将研究方向分为服务智能体的数据系统、承载智能体的数据系统和由智能体生成的数据系统，涉及重复查询优化、结构化记忆、多智能体协调以及定制系统的验证与可信性。

    推荐理由：文章以推理成本快速下降为背景，将智能体与数据系统的共同演进拆分为服务、承载和生成系统三条研究路径。

已经到底了