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。
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。
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。
Ropedia 發佈 Physical AI 數據集 Xperience 2,將真實場景掃描與人的第一視角活動記錄對齊,涵蓋場景幾何、影片、軌跡及身體姿態。本次發佈包括 1,589 個場景、12 類真實空間;技術報告展示把掃描場景轉成可互動模擬環境,以及將人體動作重定向為機械人軌跡等用途。
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。
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。
研究發現,表現不佳的決策模型仍可透過評判完整行動軌跡,有效教導強化學習策略。JEV以GRPO訓練Qwen2.5-1.5B策略後,ALFWorld成功率由72.8%升至82.9%,WebShop則由56.8%升至71.4%。逐一判斷每個行動是否有幫助,能區分有用和無用的行動。
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%。
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。
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。
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。
雲端微調 Qwen 時,指南按模型規模與單卡 GPU 顯存整理 LoRA/QLoRA 方法和硬件配置。
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。
Unemployment Labs 的分析在四家公司的六款開放權重模型中,發現與 NVIDIA Blackwell GPU 初始化相符的模式。
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。
DeepSeek、Moonshot、MiniMax 和 Ant Group 自 4 月以來發布的六個開放權重模型,被分析指出帶有受出口管制 Blackwell GPU 的特徵。原文未提供相關特徵的具體內容或分析方法。
中國前沿 AI 模型帶有受出口管制 GPU 的「指紋」,標題未提供更多相關細節。
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。
Leeroo 開源 Kapso,這個面向企業數據工作的引擎會執行實驗、部署最佳方案,並從每次運行中學習。它從過往實驗建立經驗庫,按預期回報與預算排序新方案,由 verifier 模組核驗結果,再依據證據更新經驗庫;系統不依賴特定模型或編碼智能體。
作者開源 Task Model Distiller,以三支柱流程把前沿智能體能力蒸餾至可在普通 CPU 本地運行的 sub-2B 模型。流程結合完整多輪工具呼叫軌跡、對抗式裁判,以及包含 30–50 個情境的鎖定回歸基準,並按失敗類型生成修復軌跡。
Arena Physica 將與 AMD 合作,使用 Oak Ridge National Laboratory 的 Lux 超級電腦訓練 Heaviside 電磁模型的後續版本;這是訓練計劃,並非新模型已發佈。
作者在 Vast.ai 的 RTX 4090 主機上,以同一個 Qwen2.5-7B-Instruct 4-bit QLoRA 任務執行 8 次,帳單介乎 $0.19 至 $0.81。
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。
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%。
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。
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。
論文公開 CANTraj 自然駕駛數據集及 CANTraj-Bench,用於評估從 CAN 訊號還原車輛軌跡的方法;數據集包括 3,940 段駕駛紀錄和 454 名司機,基準涵蓋 3,675 段紀錄、431 名司機、1,380 小時及 85,919 km。
Orakl Oncology 完成由 Norrsken VC 與 Singular 共同領投的 $34M A 輪融資,利用 AI 預測癌症藥物在臨牀試驗中的表現,累計融資達 $50M。
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。
Epoch AI 根據衞星影像及公開資料估算,華為和林格爾 AI 數據中心目前約有 81,000 H100e 算力,約為全球最大 AI 數據中心 Colossus 2 的 7%。
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。
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。
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。
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%。
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。
Google DeepMind 發佈基因組研究 AI 模型 AlphaGenome 2,根據指定生物狀態預測 DNA 序列及變異對特定細胞類型的影響。
EUROPA consortium 使用 PyTorch 和 TorchTitan,在 JUPITER 訓練約 1T 參數 MoE,將吞吐量由每 GPU 90 提升至約 1,300 tokens/s,總計使用 1,536 張 GH200 GPU。
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。
Biomatter 完成超額認購的 $18 million A 輪融資,將擴大 AI 酵素設計、商業業務及實驗測試能力。公司計劃於 2027 年在維爾紐斯啟用 2,000 平方米設計與測試設施,目標把開發週期縮短至數天。公司表示已向超過 25 家企業客戶交付逾 50 種定製酵素。
知情人士稱,騰訊 28 週年直播後傳出的「裁員 50%」説法是誤讀,管理層所談的是面向 AI 時代加快組織變革與資源調度。報道梳理指,騰訊過去一年整合 AI 研發團隊,混元在 2026 年推出 Hy3、Hy4 系列。2026 年第二季度研發支出為 272.8 億元、資本開支為 527.8 億元。
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。