Disney 與 Adobe 合作開發生成式 AI 工具
The Walt Disney Company 與 Adobe 宣佈多年合作,將共同開發支援迪士尼製作流程的專有生成式 AI 模型。透過 Adobe Firefly Foundry,雙方會按迪士尼角色特徵、環境和視覺風格等知識定製模型,以生成商業安全、可投入製作的內容。Disney 將可提前使用 Adobe 最新技術,涵蓋主題樂園、郵輪及 ESPN 內容。
The Walt Disney Company 與 Adobe 宣佈多年合作,將共同開發支援迪士尼製作流程的專有生成式 AI 模型。透過 Adobe Firefly Foundry,雙方會按迪士尼角色特徵、環境和視覺風格等知識定製模型,以生成商業安全、可投入製作的內容。Disney 將可提前使用 Adobe 最新技術,涵蓋主題樂園、郵輪及 ESPN 內容。
迪士尼與 Adobe 達成多年期戰略合作,將共同開發度身訂造的生成式 AI 模型,並計劃把相關工具推廣至主題公園、影視製作及體育媒體等領域。合作將以 Adobe 的 Firefly Foundry 平台為基礎,使用迪士尼旗下 IP 訓練專屬模型,模型不會對外開放。合作初期聚焦迪士尼體驗部門,並涵蓋 StudioLAB 的創意探索,以及 ESPN 的球迷互動和檔案內容推送。
Elith 與 NVIDIA 發佈 Nemotron-Personas-Finance-Japan,提供 900 萬個用於 AI 開發的日本金融合成人物。資料集加入家庭財務、理財行為及金融素養資訊,採 CC BY 4.0,供商業及非商業用途,讓團隊測試面向客戶的系統而不使用真實客戶紀錄。
Databricks 在 AI Runtime 推出 Beta 版 Unity Catalog Dataset(UCDataset),這款原生 PyTorch 數據載入器可將 Unity Catalog 數據表直接串流至訓練工作中的 GPU,毋須匯出或複製數據,也毋須編寫自訂載入器程式碼。
Elith 與 NVIDIA 發佈 Nemotron-Personas-Finance-Japan,這是一個以日本官方統計及家庭金融資訊為基礎、供金融 AI 開發使用的合成人物資料集。資料集共包含 9M 個人物設定,每筆記錄涵蓋 50 個欄位,並以 CC BY 4.0 授權提供商業及非商業使用。它可用於建立客服智能體、評估銷售對話和市場推廣、進行用戶模擬,以及紅隊測試面向客戶的 AI。
推薦理由:資料集把日本官方人口與勞動統計、家庭財務及金融素養欄位結合,並列出客服智能體、用戶模擬和公平性測試等具體用途。
遊戲平台可在熱門榜單的兜底層之上,疊加個人化推薦層與營運層,按玩家興趣、遊戲屬性及即時行為調整排序,並讓營運人員置頂或降權指定遊戲。OmniGRE 公開的指標以約定生產負載下的服務端 P99 推理延遲低於 100ms 為目標,不包括客戶端與公網鏈路。多品牌平台可由一套模型棧服務多個品牌,同時按商戶隔離玩家標識、數據集和模型流程。
特種化學品製造商 Lubrizol 正建立連接業務流程、現代數據平台與雲端基建的數碼基礎,支援研發團隊更快測試構想,並作出更有根據的決策。數據科學家可協助識別模式、測試假設及模擬不同可能性,融合團隊則透過小型試點建立信任。數碼建模亦可協助研究人員評估更多配方,探索澱粉及玉米基替代材料。
創材深造創辦人王軒澤表示,團隊以大模型、小模型及自動化實驗重構金屬材料研發,已研發近20款新材料,部分已量產。自動化實驗室已迭代至3.0版本,累積數萬條涵蓋720個維度的數據。王軒澤預計,數據達數十萬條時,金屬材料的 GPT 時刻或將到來。
類別不平衡是指目標類別的出現比例懸殊,令整體指標及標準訓練忽略可能最重要的少數類別。處理時須按真實運作羣體衡量比例、分層切分資料以避免相關紀錄洩漏,選用適合不平衡資料的評估指標與閾值,再重加權、重抽樣或重新設計資料收集,並在部署後監察少數類別的表現。
作者開發 ResearchLens AI,協助用戶探索 CSV 數據集、檢查數據質素及比較基線分類模型。工具比較 Logistic Regression 和 Random Forest,並呈現 balanced accuracy、macro F1 及混淆矩陣;預處理步驟只在訓練數據上擬合,以減少數據洩漏。
訓練集與測試集含有近重複影像時,模型可能因認出已看過的畫面而令測試分數虛高;文章提供約 50 行 Python 程式檢查此類資料洩漏。程式將影像縮至 16 × 16 灰階縮圖,以相似度篩選配對,示例閾值為 0.90,並建議逐對人工檢查;長期可按零件、拍攝時段或影片分組切分。
刻行時空宣佈完成新一輪近億元融資,並正推進超兩億真機數據訂單的海外合規交付。本輪由詠歸基金領投,天機TIANJI、常州智融等跟投,資金將重點投入機器人預部署環境、高精度姿態追蹤與多維標註的數據理解專用模型,以及「採集-訓練-仿真-推理」數據基建。9月,刻行已向海外合規交付上千小時宇樹真機數據,通過率超過99%。
星憶智能創始人宋知珩表示,具身數據的瓶頸不在採集,而在處理與標註;公司以算法提升手部及人體姿態處理效率和精度。星憶智能訂單已達「千萬級」,收入不止2000萬元,並與Being(智在無界)及京東合作。宋知珩稱,某公有雲平台的具身數據中,只有不到5%經過精細處理,可反覆用於模型訓練。
AMR AI and Embodied Intelligence 第 11 章講解自監督機械人學習,説明系統如何從未標註數據自動產生監督訊號,學習環境表徵。內容介紹對比學習、遮罩建模及時間預測,並列出 SimCLR、MoCo、BYOL、DINO 和 VICReg 等方法。
Learnovate 的 Learning Signals Survey 2026 發現,近半受訪機構未有積極應對員工技能差距,企業日常營運中使用 AI 的比例則升至近三成,較前一年增加 5pc。調查收集約 225 名不同界別專業人士的數據;四分之三受訪者指出時間及資源不足,是提升技能的主要障礙。
無涯智遠團隊對 GPT-6 Astra 的權重編輯進行對照測試,發現 Qwen3.5-0.8B 不改權重、只關閉思考模式,MATH-500 得分達48.95%,高於編輯後的48.1%。
Vale Biolabs 獲 Venture Kick 資助 €164,000(CHF 150,000),推進研究腦部疾病及評估潛在療法的平台。資金將用於進一步開發自動化平台、擴展人類腦類器官模型、生成訓練及驗證預測式 AI 模型的數據集,並推進與研究及業界夥伴的合作。
Nous Research 發布以 Qwen3.8-27B 為基礎的開源模型 Arete-27B,調整政治價值觀後,測得宣傳率下降,能力測試與原版大致持平。在 803 條提示的評估集中,事實分由 2.32 升至 3.07,帶有中國官方框架的回答比例由 22% 降至 0.6%。
戴盟機器人團隊聯合廈門大學、南京大學、大灣區大學及復旦大學提出 Touch-R1,將強化學習用於跨感測器觸覺推理,論文獲 NeurIPS 2026 接收。團隊同時建立 TouchReason-1M 資料集及包含 4,800 組問答的 TouchReason-Bench。
Megaspeed 將搭載 NVIDIA 晶片的設備部署在馬來西亞和印尼的機房,再透過網絡出租算力,令受管制晶片的遠端使用落入美國出口管制難以覆蓋的灰色地帶。報道引述貿易紀錄稱,其馬來西亞關聯公司在2024年6月至2026年2月購入至少48億美元含 NVIDIA 晶片的 AI 設備;馬來西亞和印尼海關紀錄顯示,Megaspeed 進口約13.6萬顆 NVIDIA 晶片。
Pinterest 將用戶旅程推斷系統由多階段聚類流程改為微調的 4B Qwen3 語言模型,並報告電郵點擊率提升 1.1%、推送開啟率提升 1.3%。模型讀取最長 360 日、最多 150 項用戶行為及精簡用戶檔案,生成排序後的旅程名稱。
文章認為,國產開源大模型正面臨蒸餾追趕窗口收窄、API 價格競爭受壓,以及 Reflection AI 的 Beam 對主權 AI 場景形成競爭的三重挑戰。文中指出,Claude Haiku-5.5 在四項長程編碼基準的性價比高於 Kimi-K3,而 Beam 的基準成績接近 GLM-5.2,其 RL 訓練使用 10500 張 GB300。
本地瀏覽器規劃工具按用戶聲明的羣組分配訓練、驗證及測試集,讓每個羣組完整分配至同一資料集;工具不判定羣組是否可信,也不證明資料獨立。相同文字會透過 union-find 合併為分配單位,NFC 與空白正規化只用於切分後列出待審核候選,結果可交由同一項目的 0.1 CLI auditor 檢查。預設的 36 條合成記錄分配為 30/3/3,狀態為 REVIEW。
Preferred Networks(PFN)於2026年11月9日以開放權重方式發布金融領域專用的8B參數模型 PLaMo 3.0 Fin。模型以 PFN 與 NICT 共同開發的 PLaMo 3 NICT 8B Base 為基礎,經日本金融數據持續預訓練及 SFT、DPO 後訓練,支援以日語逐步輸出推理過程,並可調用網頁搜尋、計算及內部數據庫等工具。
大型企業可按五步螺旋框架推進數據治理:戰略規劃與現狀評估、標準構建與資產沉澱、開發治理一體化、安全與合規,以及持續運營與價值反哺。框架主張把治理規則嵌入數據生產流程,透過持續度量和迭代,避免治理停留在事後補救。文中以瓴羊Dataphin及多家企業實踐説明各階段的落地方式。
周鏡天認為,生物學存在 Scaling Law,但持續擴大模型和數據並不代表能解決所有生物學問題。對 DNA 序列重建等明確任務,增加訓練數據和模型參數可以提升表現,但這種提升能否轉化為更廣泛、複雜的生物學預測能力,仍需探索。周鏡天表示,虛擬細胞研究最終仍須回到真實的生物學實驗,驗證模型能否協助解決具體問題。
osFoundry 桌面應用程式可用本機 AI 模型,將客戶評論分類為投訴、稱讚或問題。示例以 7B 模型處理 312 則評論,並檢查分類結果;其中 87 則屬於投訴。用戶可篩出投訴評論,閲讀內容以判斷需要優先處理的問題。
劣質 B2B 資料會破壞企業的 AI 技術堆疊;AI 不會修復錯誤資料,反而會放大問題。Experian 的 2026 年英國研究顯示,93% 的受訪決策者有信心信賴所用的外部商業資料,但 95% 在過去 12 個月遇過劣質資料造成的商業後果。文章估算,B2B 聯絡資料每月約有 1–3% 失效,企業應預計每年有 20–30% 的資料庫資料變得過時。
人工智能場景數據平台雲刻行 coScene 宣佈完成近億元人民幣 Pre-A 輪融資,由天機智能與詠歸基金聯合投資。公司聚焦自動駕駛、機械人、物聯網及 AR 等複雜場景,自主研發 SaaS 平台,應對多模態數據處理投入高、效率低的痛點。融資將用於產品迭代、擴充團隊及拓展市場。
文章認為,國產開源模型面臨蒸餾追趕窗口收窄、API 價格戰幾乎無勝算,以及 Reflection AI 的 Beam 對主權 AI 市場構成威脅等壓力。文中指出,Beam 以 4 週、10500 張 GB300 進行大規模 RL,基準測試成績接近 GLM-5.2,而國產模型的核心限制仍是算力。
虎嗅文章認為,美國中期選舉後民主黨取得國會兩院多數,可能加大對英偉達 AI 晶片對華出口的限制,令國產大模型的算力瓶頸加劇。文章指出,數據中心建設放緩可能拖慢美國 AI 發展,但不至於顛覆美國 AI 產業。文中認為,沃倫若出任參議院銀行委員會主席,可透過公開調查及傳喚增加對英偉達和 BIS 的壓力,B300 對華流通也可能因此更受限制。
自我改進指人工通用智能透過經驗、評估、適應和修正提升自身效能,並調整認知與行動方式。系統可運用記憶、反思和實驗找出改進方向,也可調整架構、計算資源及學習內容。改動須經多維度評估和不同情境驗證,並防止災難性遺忘。
本章探討因果表徵學習如何從觀測數據中捕捉生成數據的因果因素,而非只編碼統計相關性。結構因果模型、幹預、時間數據及多重環境等資訊,有助學習潛在因果結構;但僅憑被動觀測數據通常無法識別真實因果變數。這類表徵可連結感知、預測、規劃與控制,並支援模型在分佈變化下重用知識。
《因果與科學 AI》第 07 章説明如何把原始資料轉化為可供因果分析、模型訓練、評估及部署使用的可靠輸入。資料管道須保留來源、時間同步、介入狀態及環境脈絡,並妥善處理驗證、清理、多模態整合和資料集分割。版本管理及可重現的處理流程,則有助追溯模型訓練所用的資料。
猿聲先達科技(深圳)有限公司於11月6日新增9名股東,註冊資本增加約18.8%,本輪融資金額尚未公佈。新增股東包括五源資本、線性資本、拓普集團、速騰聚創及上富電技;公司產品涵蓋 TACTA 多維觸覺傳感器、HEXSKIN 電子皮膚及 Magic Glove 數據採集手套,並延伸至觸覺數據與模型。
羣眾外包透過分配細小任務,收集人類知識、判斷、標註和回饋,支援 AI 系統的訓練與評估。參與者管理、任務設計和品質管控有助提升回應可靠性,並可配合主動學習及人類回饋強化學習(RLHF)。應用亦包括生成式 AI 評估和機械人數據集建立,並須顧及私隱、安全及公平報酬。
人機迴圈學習(HITL)的數據管道連接原始數據、人工標註、模型訓練及生產環境回饋,支援持續學習。管道涵蓋數據驗證與預處理、人工標註及品質管理、主動學習和數據版本管理,並須保留追溯與重現所需的記錄。
人在迴路基準測試系統評估整合人類判斷、回饋、修正及監督的 AI 系統,並衡量人類參與對學習效率、可靠性、適應能力、營運成本及整體表現的影響。評估範疇包括主動學習、人類回饋、監督、人機協作及營運工作流程,並以準確度、標註效率、介入表現和適應速度等指標衡量結果。
MLOps pipeline 將數據工程、模型訓練、驗證、部署、監控和持續改進整合為運維生命週期,以維持 AI 系統的可重現性、可觀測性和可靠性。文章説明數據集版本管理、實驗追蹤、自動驗證、模型註冊、CI/CD/CT、容器化及工作流程編排在 pipeline 中的作用。ավարման
大語言模型課程第 8 課梳理了將 Common Crawl 原始網頁轉化為模型訓練數據的六道工序,包括採集、去重、過濾、配比、合成及評估。正文抽取後約只剩 10%~20%,經去重和質素過濾後最終留存遠低於一半;DCLM 和 DoReMi 研究説明數據篩選與配比對訓練效果及成本的影響。