Ai2 招聘 AI for science 岗位
我们正在 Ai2 全面招聘 👋 我们正在扩充 AI for science 方面的工作： • 研究科学家，Asta https://job-boards.greenhouse.io/thealleninstitute/jobs/7723570 • 青年研究员，面向生物学的开放语言模型 https://job-boards.greenhouse.io/thealleninstitute/jobs/8090222 🧵
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
64 条收录动态，更新于 23:08
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
11月9日
星期一，4 条Ai2 扩充智能体系统与开放模型团队
我们也在扩充智能体系统与开放模型团队： • 高级软件工程师，智能体平台（AI for the Planet） https://job-boards.greenhouse.io/thealleninstitute/jobs/8110068 • 高级研究工程师，Olmo + Molmo https://job-boards.greenhouse.io/thealleninstitute/jobs/7980660
Ai2 招募 AI for Science 等方向实习生
我们正在接受以下方向的实习生申请： • AI for Science https://job-boards.greenhouse.io/thealleninstitute/jobs/8293615 • Open Ecosystem https://job-boards.greenhouse.io/thealleninstitute/jobs/8319350 • Robotics https://job-boards.greenhouse.io/thealleninstitute/jobs/8293641
Ai2 招聘多个岗位
探索这些职位并申请——或分享给可能合适的人。 → 查看所有空缺职位：https://allenai.org/careers
11月6日
星期五，12 条Ai2 发布 ToyBlocks：面向机器人学习与评测的受控仿真环境
Ai2 发布开源仿真框架 ToyBlocks，以机械臂和桌面方块构建受控环境，用于机器人学习与评测。它是 Ai2 FoundationWorld 框架的首个受控环境。
Ai2 推出开源仿真桌面 ToyBlocks，用于机器人学习受控实验
Ai2 推出 ToyBlocks，一个开源的仿真桌面环境，用于机器人学习中的受控实验。它让机器人研究者能够对训练数据和模型进行实验控制、运行有针对性的评测，并把失败追溯到具体原因。代码已在 GitHub 开放（https://github.com/allenai/ToyBlocks）。
Ai2 ToyBlocks：用积木学空间推理
幼儿通过玩积木学习规划与空间推理，积木堆倒塌后重新搭建，或翻转积木找到上面的字母。 ToyBlocks 采用同样的设定——一个模拟机器人必须在推、翻、堆叠积木的过程中，推理积木之间如何相互作用。
Ai2 ToyBlocks 用高层任务训练模型
在 ToyBlocks 中，用户定义诸如堆叠方块序列的高层任务。ToyBlocks 规划如何通过低层技能完成这些任务。 模拟每个规划会生成一个演示，用于训练从传感器观测（包括相机图像）出发行动的模型。
Ai2 发布 ToyBlocks 数据集，支持按技能构建训练混合
Ai2 发布 ToyBlocks，研究者可用它构建强调特定技能或填补现有数据集缺口的训练混合。初始版本包含 85K 条长程演示，每条演示按数据集不同由约 6–12 个技能演示组成。
Ai2 ToyBlocks 自定义评测
ToyBlocks 让你可以测试这些内容： 📷 与彩色图像相比，深度输入能否改善机器人控制？ 🧱 模型能否在未用四块堆叠数据训练的情况下堆叠四块积木？ 🔤 模型在规划长任务上的表现如何？ 或者设计你自己的评测。
Ai2 ToyBlocks 工具接口连接前沿模型
ToyBlocks 包含一个工具接口，可连接前沿模型，让用户用自然语言指挥机器人并尝试任务。 通过摄像头图像和技能调用，研究人员可以研究模型如何搜索、规划和处理错误。
Ai2 测试 ManiFlow 等模型的泛化能力
在初步的 ToyBlocks 测试中，ManiFlow、π0.5 和 MolmoAct 2 对新空间配置的泛化表现不佳。 对照实验让我们能够测试训练和模型设计的改动，然后衡量哪些技术能改善泛化能力。
Molmo 2 + ManiFlow 仿真到真机迁移
仅在 ToyBlocks 虚拟世界中训练的 Molmo 2 + ManiFlow，在物理机器人上以 15/30 次尝试成功堆叠字母积木拼出一个单词，而在仿真中为 111/200 次。 仿真训练的模型可以成功迁移到物理机器人，但还需要更多试验。
Ai2 发布 ToyBlocks 机器人学习资源
我们希望 ToyBlocks 能推动机器人将所学应用到陌生任务与环境中。 我们正在发布仿真资产、任务与演示生成器、2 个已训练模型、训练代码、评估代码及验证集。 📝 博客：https://allenai.org/blog/toyblocks
Ai2 发布 ToyBlocks 仿真框架，用于机器人学习的可控实验与评测
Ai2 发布 ToyBlocks，一个围绕机械臂与桌面方块搭建的开放仿真框架，属于其 FoundationWorlds 系列的第一个环境，可自动生成任务与演示数据，并提供成功率之外的执行速度、施力等评测指标。
入选理由Ai2 把机器人学习的数据生成、训练与评测收进一个可控仿真世界，并公开代码与数据，研究者可据此设计可复现的泛化实验。
11月5日
星期四，1 条Semantic Scholar API 429 限流错误如何修复
Semantic Scholar 官方文档显示，无密钥访问为未认证用户共享每秒 1000 次请求，入门级 API key 为每秒 1 次，超限即返回 429。修复应先为所有调用方加上 x-api-key 认证、批量合并已知标识符并统一调度重试节奏，再配合有上限的指数退避。批量匹配单次最多 1000 条、已知 ID 查询最多 500 个，检索每页最多 100 条、总计 1000 条结果。
11月4日
星期三，1 条Ai2 与 Google 合作开发新一代气候模型 NeuralGCM+
Ai2 在 Google.org 三年数百万美元资助和 Google Research 技术支持下启动气候建模计划，开发开源模型 NeuralGCM+。该模型基于 Google Research 的 NeuralGCM，将扩展为大气与海洋联合模拟，聚焦数年至数十年尺度的气候趋势，目标是把区域气温和降雨误差降到低于传统气候模型。Ai2 计划公开模型与建模框架，并优化在常用 GPU 上的性能。
11月5日
星期四，6 条Ai2与Google合作NeuralGCM+气候预测
我们正与@Google合作开发NeuralGCM+，以实现更快、更可靠的气候预测。 来自https://Google.org的数百万美元、为期3年的资助以及Google Research的支持将扩充我们的团队——我们还将开源模型和工作流程。🧵 https://allenai.org/blog/google-climate-partnership
Google Research NeuralGCM 模拟气候
@Google Google Research 于 2024 年推出的 NeuralGCM，利用物理学模拟大尺度大气动力学，并用 AI 模拟云的形成与降雨。 它可以模拟历史气候，但对更温暖未来的可靠预测仍是一项研究挑战。
Ai2 回应 Google：聚焦年代际气候预测
@Google 自发布以来，Google Research 一直在为周至月尺度的预报开发 NeuralGCM。我们的重点将放在年至十年尺度的气候预测，连接大气与海洋模型，以捕捉海洋如何吸收和重新分配热量。
Ai2 与 Google 联合研究降水与水资源变化
@Google 我们旨在回答这样的问题：到本世纪中叶，美国西南部等地区的降雨与水资源可用量可能如何变化？ 将海洋与大气放在一起建模，将有助于探索这对供水意味着什么。
Ai2 公布 NeuralGCM+ 优先事项
@Google 我们的 Ai2 气候模拟器（ACE）已经加速了气候模拟。 我们对 NeuralGCM+ 的优先事项： 🌊 耦合大气、海洋与海冰 🌡️ 加入物理机制并测试更暖气候 💻 发布模型、框架与有文档的工作流程；提升 GPU 性能
11月3日
星期二，1 条Ai2 推出 StateBench：测试语言模型如何追踪长文档中的状态变化
Ai2 推出 StateBench，一个用于评估语言模型长上下文状态追踪能力的基准，按变量赋值方式划分为 r-trivial、aperiodic、soluble 和 general finite 四个难度层级。
11月4日
星期三，5 条Ai2 发布 StateBench 评估大模型状态追踪
大语言模型能否在长文本中追踪状态变化——比如一个物体几经转手，或一个变量被重新赋值？ 在我们新推出的 StateBench 评估中，包括 GPT-6 Sol 和 Claude Opus 5.5 在内的前沿模型，在最难、最长的问题上准确率降至 13% 或更低。🧵 https://github.com/allenai/state-bench
Ai2 推出 StateBench 状态追踪基准
StateBench 将状态追踪分为 4 个层级：r-平凡、非周期、可解与一般有限。 这些层级涵盖从记住固定信息（如生日）到更难的任务（如在杯子反复交换时追踪球的位置）。
Ai2 测试开放预训练模型与前沿模型
我们测试了开放预训练模型和前沿模型，包括 Gemini 3.8 Flash、Claude Opus 5.5，以及 GPT-6 Sol 和 Luna。 前沿模型在较简单的问题上表现良好。但随着任务变难、输入变长，准确率急剧下降——在最长的通用有限问题上降至 13% 或更低。
Ai2 测试架构与预训练对 LLM 失败的影响
为测试失败是源于架构还是预训练，我们直接在 StateBench 上训练 LLM，然后用更长的输入对它们进行评估。 混合模型 + Gated DeltaNets 在前 3 个级别上近乎完美；transformer 随长度增加而退化，且无法解决一般有限问题。
Gated DeltaNet 长序列泛化能力获证明
在 StateBench 最难级别上，灵活的 Gated DeltaNet 处理的序列长度约为训练中所见序列的 10 倍。 我们的新证明表明，即使特征值非负的 Gated DeltaNet，也能在带舍入的固定精度算术下解决某些周期性任务。