跳到正文
11月13日週五
  1. DEV Community48

    Kronos:學會股票圖表語言的 AI 模型

    Kronos 是專為金融 K 線打造的開源基礎模型,利用來自 45 多個交易所的數據預測價格和成交量。模型先將 K 線數據轉為分層離散 token,再以自回歸 Transformer 預訓練。項目採用 MIT 授權,提供不同規模的預訓練模型,並設有 BTC/USDT 未來 24 小時預測示範。

  2. HuggingFace Daily Papers(社區熱門論文)54

    Ropedia Xperience 2 提出具身 AI 環境與行為擴展的黃金標準

    Ropedia Xperience 2 提出以環境和行為共同採集為核心的具身 AI 數據方案。數據包括 1,589 個已公開、具公制尺度的 3D 掃描,以及涵蓋 74 項任務、共 131 小時的 4,230 段第一視角錄影。場景可轉成具物理互動性的模擬環境,人類動作可重定向為全身機械人軌跡,並以虛擬遙操作和自動生成長時程軌跡補充機械人行為,為研究環境與行為的規模擴展規律奠定數據基礎。

  3. HuggingFace Daily Papers(社區熱門論文)46

    PhysLoop:利用大語言模型的物理知識推動影片生成模型自我改進

    PhysLoop 以大語言模型引導影片生成、篩選及修正,協助影片生成模型生成符合物理規律的影片並自我改進。研究團隊公開了涵蓋室內及室外場景的 100K 段影片、生成工具,以及 PhysLoop-Gen 和 PhysLoop-Repair 兩個評測數據集。研究亦以 Physics-IQ Verified benchmark 評估影片的物理表現。

  4. HuggingFace Daily Papers(社區熱門論文)46

    FOAM:面向實用且可擴展 SOAP 的因子化單側 Adam 矩方法

    FOAM 是一種輕量級 SOAP 變體,透過僅輸入端預處理及因子化 Adam 矩估計器,降低記憶體使用量並移除一次特徵分解。LLM 預訓練測試顯示,FOAM 在 124M 至 760M 參數規模下,驗證損失媲美 SOAP 和 Muon,優化器狀態僅為 SOAP 的一半,運行速度則達 Muon 級別。它亦能在三倍學習率範圍內保持穩健。

  5. 第一財經73

    洪波:2026年是中國腦機接口發展具里程碑意義的一年

    洪波在浦江創新論壇2026腦機接口大會媒體通氣會上表示,2026年是中國腦機接口發展具里程碑意義的一年,臨牀應用和數據生態是今年兩項關鍵變化。上海博睿康科技自主研發的NEO於3月13日獲批上市,並於7月13日在復旦大學附屬華山醫院完成全球首例商業化植入手術;截至目前已完成12例,納入上海醫保「滬惠保」,最高報銷30%。

  6. elsewhere:文章43

    腦機,不止想像|道彤 × 腦語科技:困在身體裏的思想

    腦語科技正研發跨患者的語言腦機接口解碼方案,致力減少新患者適配所需的數據和時間。團隊以NOVA架構處理電極位置差異,並以語音參數作為解碼出口,相關方法已在多名患者的數據上完成跨主體驗證。團隊表示,原始解碼正確率須先達到約50%,語言模型補全才會帶來正面幫助。

  7. DEV Community51

    如何在採信 ML 測試分數前檢查來源重疊

    ML 評估應先檢查訓練集與測試集是否包含同一來源的樣本,以免分數反映部分熟悉來源上的表現。按希望泛化至的單位,例如原始圖像、設備、地點或參與者,設定 group ID;示例檢查發現 image-A 同時出現在 train 和 test,應將同一來源的樣本放入同一 split,重新生成 manifest。

  8. DEV Community63

    LoRA 與全參數微調比較:何時 LoRA 已足夠?

    LoRA 在一般規模的指令微調與推理數據集上,配置得當可媲美全參數微調;RL 實驗中亦達相同表現,建議套用至所有權重矩陣,並採用約 10 倍學習率。混合精度 Adam 下,全參數微調的記憶體需求約為 LoRA 的 7.7 倍;訓練涉及數十億個 token 的新知識時,LoRA 則可能受 adapter 容量限制。

  9. Hacker News 熱門(buzzing.cc 中文翻譯)76

    研究報告指六款中國 AI 模型權重呈現 NVIDIA Blackwell GPU 指紋

    Unemployment Labs 的 Will DePue 發表鑑識報告,指 DeepSeek、Moonshot AI、MiniMax 和 Ant Group 的六款模型權重呈現與 NVIDIA Blackwell GPU 初始化配置相符的數值模式。

    推薦理由:報告透過模型權重中的初始化數值模式辨識硬件配置,並説明這類指紋支持哪些推論,以及無法確認哪些出口管制事實。

  10. IT之家76

    SpaceX 計劃投資超過 740 億美元興建兩座 AI 超級計算數據中心園區

    SpaceX 於 11 月 12 日宣佈,計劃在得克薩斯州和亞利桑那州投資超過 740 億美元,興建兩座面向 AI 的超級計算數據中心園區。得州園區投資超過 240 億美元,設於 Starbase 附近並自建燃氣發電能力;亞利桑那州園區投資約 500 億美元,計劃採用乾式冷卻。亞利桑那項目仍待科奇斯縣批准,約 2,400 人已簽署請願反對許可,縣聽證會定於 12 月舉行。

    推薦理由:兩個園區的投資規模、供電與冷卻安排,以及亞利桑那項目的審批阻力,交代 SpaceX 擴張 AI 算力基建所面對的建設條件。

  11. DEV Community39

    AI 模型為何需要高維嵌入?

    語言模型需要高維嵌入,因為更大的表示空間可編碼 token 及其上下文資訊,形成更豐富的表示。原始 Transformer base 架構使用 512 維表示,並在數據集上訓練學得;各維度不一定對應可識別的概念。超位置原理則讓神經網絡透過重疊方向表示多於神經元數量的特徵。

  12. HuggingFace Daily Papers(社區熱門論文)42

    利用虛擬實境人類示範修正點雲抓取策略的持續失敗

    研究提出人機協作失敗挖掘流程,將強化學習點雲抓取策略持續失敗的案例轉化為虛擬實境中的人類示範,再用於訓練。模擬中,強化學習將未見物件的抓取成功率由 Contact-GraspNet 的 55% 提升至 83%;加入 58 個人類示範後,難例成功率由 24% 升至 45%。這方法亦恢復了強化學習在相似未示範案例上的表現,且未降低未見物件的成功率。

  13. HuggingFace Daily Papers(社區熱門論文)40

    DySENSE:結合衞星影像合成與模擬時空能源數據

    DySENSE 是一個多模態 GenAI 框架,可結合靜態城市衞星影像與空間對齊的每月動態建築能源消耗圖,合成帶有能源數據的城市影像。該框架在四個城市的實驗中,使用少於 25% 的已標註數據,令下游預測的 mIoU 提升 8%;相較現有方法,預測準確度提升 8.7%,CVRMSE 預測誤差降低 9%-18%。

  14. HuggingFace Daily Papers(社區熱門論文)39

    G-CAST:需求演變下電商智能體的治理式持續自我訓練

    G-CAST 是面向電商智能體的治理式持續自我訓練系統,將日常生產證據轉化為訓練資料,並透過受控的模型更新應對需求與能力變化。真實電商智能體實驗顯示,與自主後訓練基線相比,G-CAST 更能適應新需求,同時保留用戶已接受的行為。G-CAST 現已部署於 Alibaba 1688 平台的 B2B 採購智能體 Yuancai。

  15. HuggingFace Daily Papers(社區熱門論文)43

    PaperCritic:訓練 AI 評審評估論文可靠性

    PaperCritic 以強化學習訓練,透過同時提升論文可靠性審查要點的精確率與召回率,在同領域測試中勝過前沿模型及其他訓練方法。研究以 1K 篇 ICLR 投稿及 23K 個人手撰寫和 LLM 生成的審查要點,建立 PaperSound-23K 數據集。模型亦能遷移至 Nature 系列論文審查,以及程式碼審查、法律合約審查和故事寫作回饋等任務。

  16. Unite.AI56

    Orakl Oncology 獲 $34M A 輪融資,拓展 AI 癌症藥物預測

    Orakl Oncology 獲 Norrsken VC 與 Singular 共同領投的 $34M A 輪融資,總融資額達 $50M。公司計劃把數據生成量增至五倍,將研究範圍由結直腸癌和胰臟癌擴展至肺癌和胃癌,並在超過 10 個藥物項目部署預測。SCOPE 預印本屬早期研究,可能尚未經同行評審;其外部驗證涵蓋 23 項已發表試驗的 32 個治療組,預測中位無惡化生存期的 R² 為 0.85。

11月12日週四
  1. DEV Community61

    模型平台熱門榜單近半項目其實是基礎模型衍生版本

    作者指出,模型平台熱門榜單近半項目其實是既有基礎模型的衍生版本,反映權重轉換、合併和微調活動,而非模型品質。榜單上不少 Qwen3.8-27B 衍生項目包括不同量化格式、合併模型及加入 LoRA 的版本;作者另曾因聊天模板內置系統提示詞而花兩天排查指令遵循問題。他建議先查閲 base_model 和 chat_template,並在相同測試流程及提示格式下比較衍生模型與基礎模型。

  2. Hugging Face Blog62

    TRELLIS.2 的 LoRA 微調指南:調整鞋類 3D 幾何生成

    Hugging Face Blog 提供 TRELLIS.2 微調指南、腳本及 Docker 容器,示範如何用 LoRA 針對鞋類 3D 幾何生成進行微調。實驗使用 GSO 的 188 件鞋類物件,只微調 sparse-structure flow DiT 和 shape flow DiT,並凍結 texture flow DiT;其中 9 件留作評估。

    推薦理由:文章示範如何按任務與資料特性選擇 TRELLIS.2 的微調部件,並以留出鞋類物件的幾何指標比較調整前後結果。

  3. 第一財經60

    中國石油集團昆侖製造、宇樹科技等擬設合營企業,能源工業場景成具身智能商業化「試金石」

    中國石油集團昆侖製造及昆侖資本、宇樹科技與北京泛界智能擬新設合營企業,主攻工業具身智能機械人方案。交易完成後,昆侖製造及昆侖資本合計持股60%,宇樹科技與泛界智能各持股20%;昆侖資本今年8月已在宇樹科技科創板IPO獲配903,290股,獲配金額約1.36億元。工業具身智能正由樣品演示轉向工程交付,能源場景落地亦受可靠性、安全要求及高質素真機數據等制約。

  4. Unite.AI63

    RAG 還是微調?從企業項目經驗看如何選擇

    企業 AI 項目應按模型缺的是知識還是行為來選擇 RAG 或微調:RAG 補充可更新、可追溯的事實,微調則塑造格式、語氣和領域語言等任務行為。文章建議先建立 RAG 並獨立量度檢索質素,再按剩餘問題決定是否微調。Anthropic 的 contextual retrieval 將檢索失敗率降低 49%,配合 reranking 時降低 67%。

  5. Unite.AI29

    什麼是 LoRA?參數高效微調詳解

    LoRA 透過訓練小型低秩更新矩陣,微調凍結的模型,而非修改所有原有參數。其流程包括凍結預訓練權重、插入可訓練的低秩適配器、以領域示例優化適配器、在推理時合併或載入適配器,以及評估專業化效果與能力遺忘。

  6. 新浪科技66

    Google DeepMind 發佈 AlphaGenome 2,將基因變異預測推進至單細胞層面

    Google DeepMind 發佈新一代 DNA 序列模型 AlphaGenome 2,將基因變異影響預測由組織平均層面推進至單個細胞類型與細胞狀態層面。模型以超過1億個單細胞圖譜數據訓練,涵蓋68個組織的人類與小鼠樣本;在28種原代免疫細胞測試集中,因果變異識別比例由16%升至30%,在90%精度下召回率翻倍。模型現免費開放予非商業研究,商業研究須申請私有預覽,且未獲臨牀或診斷用途許可。

  7. 新浪科技57

    張一鳴稱字節跳動最早要到2029年或2030年追平 OpenAI 與 Anthropic

    張一鳴在近期面向字節跳動 AI 團隊的全員會議上表示,字節有能力與 OpenAI 和 Anthropic 競爭,但追平前沿技術最早要到2029年或2030年。他指出,Seed 系列模型的預訓練數據集規模仍少於海外頂尖 AI 公司,並主張不依賴蒸餾追趕。字節已開始預訓練一款參數規模最高可達10萬億的模型,報道另稱字節在視頻生成方面憑藉抖音視頻語料具備優勢。