跳到正文
11月10日週二
  1. TNW54

    Hedra 推出 Model Factory,為機械人及實驗室打造客製化 AI

    Hedra 推出 Model Factory,為機械人、製造、生物及國防團隊提供模型首次訓練後的客製化服務。服務包括租用算力、以客戶數據微調及運行模型,並由 Hedra 研究人員與可自主進行實驗的 AI 智能體協作。Model Factory 現已可在 Hedra 網站使用;Hedra 稱曾在不到一週內,使用相同的 AMD 晶片將 Krea 3 加速約六倍。

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

    SWAM:透過跨模態對齊擴展世界動作模型

    SWAM 研究如何在動作學習中維持語言與影片的對齊,並擴展世界動作模型。研究整理約 47,000 小時影片及示範數據;模型在 Easy 和 Hard 條件下的成功率分別為 88.10% 和 61.56%,三項真實世界任務的成功率為 40.00%,高於最強基線的 23.33%。團隊公開整理後的數據、訓練程式碼及模型權重。

  3. 禾賽科技27

    禾賽科技發布《空間智能白皮書》,展示 Kosmo 進展與產業應用機遇

    禾賽科技發布《空間智能白皮書》,闡述空間智能的技術演進、產業趨勢與應用機遇,並介紹三維世界數據引擎 Kosmo 的進展。Kosmo 包括 Kosmo One 空間相機及 Kosmo World 雲平台,提供 Sim-ready 和 Production-ready 兩類應用。白皮書指出,高質量、多模態三維空間數據的規模化供應,是推動物理 AI 發展的關鍵基礎設施。

  4. Google DeepMind64

    Google DeepMind 開放 SatWeave 和 PARDIG 天氣數據集

    Google DeepMind 開放 SatWeave 和 PARDIG 的即時資料及歷史檔案,供研究人員和開發者用於天氣、水文及氣候應用。SatWeave 每小時更新,涵蓋 17 個可見光、水汽及紅外線通道;PARDIG 提供時間解析度為 15 分鐘、約 10 公里解析度的全球降水圖,平均延遲約 5 小時。

    推薦理由:兩套數據集分別提供全球衞星影像拼接與降水估算,並開放即時資料和歷史檔案,呈現它們支援天氣、水文及氣候應用的資料基礎。

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

    InfraRSI:以遞歸自我改進訓練基礎設施

    InfraRSI 是一套智能體工作流程,將開放式指令轉化為經驗證的 LLM 訓練優化,並透過跨硬件經驗與線上更新模型先驗,協調設定和程式碼修改。在四種單節點及多節點的 dense 和 MoE LLM 工作負載中,InfraRSI 最多提升速度 2.75 倍,並將平均 MFU 從 17.4% 提高至 30.0%。

  6. DEV Community24

    數據科學問答

    數據科學問答涵蓋數據預處理、模型評估、特徵工程及常見機器學習方法,説明各方法的原理、適用情況與限制。內容包括交叉驗證、L1 和 L2 正則化、K-Means、Random Forest、梯度下降及 SVM,並解釋類別不平衡時準確率可能造成誤導。

  7. 新浪科技40

    微軟擬利用遊戲電腦閒置顯卡算力訓練 AI 模型,專利尚未轉化為 Windows 功能

    微軟公開一項專利申請,描述將遊戲電腦等邊緣設備的閒置顯卡算力分配給 AI 模型訓練任務。系統會按設備性能和空閒情況分配任務,並在高負載或達到温度限制時降低或暫停計算;用戶可按貢獻獲得積分。微軟尚未宣佈推出相應 Windows 功能,也未要求用戶參與。

  8. DEV Community41

    在 RX 6600 上嘗試超網絡

    作者在 RX 6600(8 GB)上訓練出一個 36M 參數的超網絡,根據提示詞生成各層權重,並以 Qwen2.5-0.5B 的第 6 層作為基礎層。模型使用 11,264 個詞彙、8 層生成深度及 Wiki 資訊,訓練約 8 小時、處理約 60M tokens。示範中,模型能自行決定何時呼叫工具,並根據檢索到的資料綜合回答。

  9. 阿里雲開發者社區 AI52

    《AI工程師踩坑實錄》第 3 篇:如何排查標籤與圖像順序錯位

    作者以本機實驗展示,標籤與圖像順序錯位會令模型學習錯誤答案:錯位 10% 時準確率由 0.962 降至 0.893,全部錯位時為 0.098。即使錯位 10%,訓練 loss 仍降至 0.022,因此單看 loss 曲線難以發現問題。文中建議訓練前抽樣可視化,並以相同索引同步打亂及用哈希校驗 X/y 順序。

  10. 創業邦37

    寵物硬件企業轉向以 AI 解讀寵物健康

    小佩 PETKIT 發佈 PETKIT TRACE,整合餵食器、飲水機和貓砂盆記錄的數據,建立可回溯的寵物健康檔案,並由 AI 分析寵物狀態。Moonback 也計劃擴展穿戴設備、睡眠窩墊和 AI 攝像頭,從多個維度採集數據。寵物科技企業正探索以持續數據分析和訂閲服務,突破硬件同質化;但要把數據轉化為可靠洞察和可執行建議,仍有距離。

  11. DEV Community27

    UK Biobank 8萬份蛋白質數據如何在 VR 分子實驗室中找到平面螢幕上難以看見的模式

    UK Biobank 的蛋白質數據在 VR 分子實驗室中呈現出平面螢幕上難以辨識的結構關係與模式。文章以 Quest 3 和 Nanome 示範查看胰島素結構,並指出 2D 圖表中不明顯的三個離羣殘基在 VR 中清晰可見。該流程以 WebXR 和 Unity URP 渲染,支援最多 10 萬個原子並維持 90 FPS。

  12. 新浪科技34

    四維圖新 CEO 程鵬:搭建數據合規基礎設施,擔任可信中間層

    四維圖新 CEO 程鵬表示,公司願擔任可信中間層,搭建數據合規基礎設施,協助車企理解法規、匹配技術路線並推進項目落地。公司推出“數據本地化、模型全球化”和“合規數據出入境”兩套數據閉環合規方案,以適配不同車企的海外銷量規模。四維圖新海外業務今年實現盈利,服務覆蓋160多個國家。

  13. 新浪科技64

    「辰光一號」搭載國產25P算力伺服器,北京太空數據中心關鍵技術通過在軌驗證

    北京星空院宣佈,「辰光一號」技術試驗衞星搭載的北京太空數據中心關鍵技術,在軌測試結果通過第三方專業機構評測。衞星採用270V母線電壓,搭載經抗輻照加固的國產商用伺服器,總算力為25P(INT4),並成功驗證多個大模型訓練及推理任務。其散熱方案採用空間全液冷商用伺服器及大面積石墨烯柔性輻射器,可承載6000W峯值熱耗,三項核心技術均通過在軌驗證。

  14. 新浪科技48

    北大助理教授創業押注即時 RSI,探索讓 AI「出廠後」持續學習

    無涯智遠由北京大學助理教授張牧涵創辦,正探索即時 RSI,讓模型在發布後把新經驗寫入參數,持續學習,而非只靠上下文或外部記憶。團隊以超網絡生成參數更新,旨在降低頻繁更新成本並減少災難性遺忘;內部測試顯示,連續數百 K 次寫入後,通用能力幾乎沒有下降。

  15. TechPowerUp46

    Microsoft 專利申請描述如何付費讓 PC 用戶以閒置 GPU 訓練 AI

    Microsoft 專利申請提出把大型訓練工作拆成微型任務,交由有閒置運算能力的手機、筆記簿型電腦和遊戲 PC 執行,並以積分、免費軟件、模型存取權或現金作為回報。用戶須明確選擇參與,系統會監察硬件負載,並可在超出限制時暫停任務。目前 Microsoft 尚未宣佈推出 Windows 或 Xbox 服務,專利申請亦未列明報酬率或支援硬件。

  16. DEV Community65

    抽樣層:測量過不等於涵蓋全部

    文章指出,追蹤、評測及調查所得的數字只反映特定抽樣方式下的樣本,不能直接代表整個目標羣體。head-based sampling 在請求開始時抽樣,可能漏掉之後變慢的請求;tail-based sampling 則在完整 trace 後決定保留內容,可保留錯誤及超過 2 秒的請求。作者建議在指標旁列明分母、抽樣方法、未涵蓋羣體及樣本量,評測亦應交代測試集內容、更新時間和與實際流量的相似程度。

  17. Apple Machine Learning Research39

    理解 Private Evolution 作為學習增強型聚類

    研究將差分私隱演算法 Private Evolution(PE)重新表述為生成模型增強的 Wasserstein 學習,並提出具幾何感知能力的新版本。理論分析顯示,若生成器能在與目標分佈相同的低維空間生成樣本,樣本複雜度便取決於內在維度,而非環境維度;標準 PE 變體則可能無法在簡單的良好聚類案例中收斂。實驗顯示,新算法可與標準基線競爭,並提升召回率。

  18. Apple Machine Learning Research48

    透過聯邦 API 進行差分私隱選擇的複雜度

    研究指出,依賴標準雜訊聚合原語的私隱選擇算法需要 Ω(d/ϵ) 個樣本,這是聚合模型本身的限制。研究提出實作稀疏向量技術(SVT)版本的新原語,並設計 ε-差分私隱選擇算法,達到 O(log(dn)ε) 的加法誤差,預期 SVT 查詢數為 O(dlog∗d)。結果顯示,SVT 模型與 shuffle 或聚合模型之間存在指數級差距。

  19. Hacker News 熱門(buzzing.cc 中文翻譯)56

    e-means:相同損失下,k-means 速度提升 10 倍

    在多種數據集及規模上,e-means 用 1.2 至 3 個 epoch,便達到低於 Lloyd 執行 25 個 epoch 時的測試損失。端到端速度方面,GPU 較 Flash-KMeans 快 10–45 倍,CPU 較 Faiss 快 8–15 倍。e-means 以小批次指數移動平均更新聚類中心,並用尺度律自動設定批次大小和步長,另改良初始化及死簇復活策略。

  20. HuggingFace Daily Papers(社區熱門論文)53

    Mobile AI Factory 提出按任務與手機定製小語言模型的智能體系統

    Mobile AI Factory 是一套智能體系統,會按指定任務和手機自動構建經微調及量化的小語言模型。研究在 10 項任務和 4 款 Android 手機上評估,模型在未見測試集的 5 項任務中勝過兩個採用 five-shot 設定的前沿模型,最高差距為 0.34,另有 3 項表現相當。

  21. HuggingFace Daily Papers(社區熱門論文)76

    Bonbon 分子相互作用基礎模型展現湧現生物學能力

    Bonbon 是一個僅以序列預訓練的生物學基礎模型,規模由 42M 擴至 1.6B 參數後呈現多項分子相互作用能力,並獲 NeurIPS 2026 主會議 Oral 接收,屬投稿前 0.4%。

    推薦理由:Bonbon 在外部盲測中,跨 9 個疾病靶點達 61.5% 命中率,呈現序列模型如何連接分子作用判讀與候選分子篩選。

  22. HuggingFace Daily Papers(社區熱門論文)34

    PolyRoute:面向類型決策路由的 12 種語言及混合語言基準測試、基線與排行榜

    PolyRoute 提出一套類型決策路由基準測試,涵蓋 12 種語言、9 種文字系統及混合語言訊息,並提供 13 個系統的排行榜。多語言檢查點得分為 77.3%,最佳微調模型為 96.6%,TF-IDF 搭配邏輯迴歸則達 91.9%。所有文本和標籤均由 LLM 生成。

  23. Latent Space65

    前沿 AI 實驗室購買甚麼:Handshake AI 數據深度解析

    Latent Space 與 Handshake AI 團隊製作深度訪談,現場展示金融、生物科學及安全領域的智能體訓練與評測環境。Handshake 的 AI 訓練業務在約一年內由推出發展至 $1 billion 的年化總收入。演示涵蓋 VIALS 腦組織影像判讀、模擬銀行金融任務,以及檢視智能體檔案存取和工具操作的安全評測。

  24. Unite.AI39

    micro1 創辦人兼行政總裁 Ali Ansari 專訪

    micro1 創辦人兼行政總裁 Ali Ansari 在專訪中談及如何把人類專業知識轉化為訓練數據和評估,協助提升 AI 模型能力。micro1 透過專家提供的任務、判斷和審核,以及真實工作環境,訓練前沿模型並評估 AI 智能體。其 Company Data Partnerships 計劃向企業購買營運數據,具價值的企業數據集收購金額超過 $2 million。

  25. Latent Space65

    前沿實驗室採購甚麼數據?Handshake AI Garrett Lord 團隊深入解析

    Latent Space 邀請 Handshake AI 的 Garrett Lord 等團隊,透過現場演示解析前沿實驗室採購的專家數據,以及相關評測環境如何設計。Handshake 的 AI 訓練業務約一年內由推出發展至年化總收入 $1 billion。演示涵蓋銀行金融任務、VIALS 科學影像基準,以及模擬檔案操作和安全情境,呈現評測對模型判斷與操作過程的檢查方式。