Atria 团队论文：AI 智能体承担更多模型开发工作，但人类仍掌握最终决策
Atria 团队发布论文，介绍基于 7440 亿参数 MoE 架构的智能体语言模型 Atria Dawn Preview 的开发过程。数据显示 AI 参与了 96.5% 的任务，约三分之一的任务离开 AI 无法完成，但人类在 85.5% 的方法与参数决策和 93.4% 的目标决策中拥有最终决定权。论文认为 AI 正从研究对象演变为项目伙伴，而递归自我改进仍是开放问题。
#数据/训练
#数据/训练
今日 1 条The DecoderAI 评分6262
Google ResearchAI 评分3838 Google 用 Retrieve-for-Train 加速复杂 AI 搜索：53.9M 扩散模型实现单次查询扇出
Google 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，通过离线强化学习将查询扇出行为编译为监督信号，并蒸馏进一个 53.9M 参数的扩散检索器，在推理时以单次非自回归前向传播完成集合级查询扩展，无需链式推理 token。该框架基于 Gemma3-4B 和 Qwen3-4B 微调，旨在解决零样本 LLM 在数据库感知查询分解中的同义重复与自回归延迟瓶颈。
Google ResearchAI 评分5050 ToolGrad：用文本“梯度”高效生成工具使用数据集
Google Research 提出 ToolGrad，采用“答案优先”范式，先生成真实工具调用链再标注用户提示词，替代传统查询优先的深度优先搜索方法。
Microsoft Research精选AI 评分7373 微软 Echoverse：为计算机使用智能体构建深度演化的合成训练环境
微软研究院发布 Echoverse，一套面向计算机使用智能体的深度合成训练环境，包含十个全领域世界和两个能力世界，并开源其中四个。在全部十二个世界上训练后，一个 9B 模型将基础分从 36.5% 提升到 67.1%，与 GPT-5.4 的差距缩小到 14 分。
推荐理由：原文给出深度合成环境、能力定向与共进化循环的完整实验数据，读者可据此判断高保真训练环境对计算机使用智能体的实际增益。
Berkeley AI ResearchAI 评分3838 信息驱动式成像系统设计
伯克利AI研究团队提出一种直接基于信息内容评估与优化成像系统的新框架，无需依赖人类可解读的图像或任务特定解码器。该信息度量在彩色摄影、射电天文、无透镜成像和显微镜四个领域均能预测系统性能，且优化后的设计在匹配最先进端到端方法的同时，所需内存和计算更少。相关成果发表于NeurIPS 2025论文。