跳到正文
11月5日週四
  1. IT之家50

    中國科大發佈開源 RNA 序列基礎模型 structRFM,研究成果刊於 Nature

    中國科學技術大學團隊發佈開源 RNA 序列基礎模型 structRFM,相關研究於 11 月 5 日凌晨發表於 Nature。團隊以約 2100 萬條經計算註釋的序列—二級結構配對數據進行預訓練,令模型同時學習序列上下文與結構依賴。測試顯示,structRFM 提升二級結構預測表現,並支援剪接位點預測、內部核糖體進入位點識別等功能推斷;研究團隊已開放配對數據、模型權重及源代碼。

  2. HuggingFace Daily Papers(社區熱門論文)38

    GraphMuon:面向圖神經網絡的模塊感知優化

    GraphMuon 將 Muon 的矩陣更新適配至圖傳播表示的協方差結構,以減輕圖引致的更新放大。在三個大型 OGB 基準上,GraphMuon 相比 AdamW 將驗證損失達標時間加快 1.32 倍至 2.42 倍。涵蓋 15 組數據集與架構配置的測試中,GraphMuon 在 13 組達到較短的達標時間,同時維持具競爭力或更佳的預測表現。

  3. 新浪科技47

    科學家破解絕經激素治療「應答之謎」

    朱蘭、陳蓉團隊聯合武漢華大生命科學研究院,揭示治療前腸道及陰道菌羣分型與絕經激素治療應答相關。研究團隊基於14個中心356名女性的隊列,建立機器學習模型,可高精度預測治療4周後能否快速緩解,效果優於傳統臨牀特徵模型。

  4. The Decoder67

    GPT-6 Astra 透過直接操作權重分析並改寫其他 AI 模型

    研究人員提出「Weight-Space Programming」,讓 GPT-6 Astra 直接分析和修改其他 AI 模型的權重,毋須按常規流程重新訓練。在 Qwen3.5-0.8B 上,Astra 只改動 0.016% 權重,MATH-500 準確率由 7.9% 升至 48.1%,指令遵循能力由 21% 升至 62%。不過,仍有三分之一回應達到文字長度上限,低於修改前的 93%。

11月4日週三
  1. Hacker News 熱門(buzzing.cc 中文翻譯)68

    AI 尚無後訓練數據共享庫,任務數據需刻意建構

    目前沒有後訓練數據共享庫,因為強化學習消耗的是任務,而預訓練消耗的是文件。SWE-bench 從 12 個 Python 儲存庫逾 90,000 個 PR 中,最終整理出 2,294 項原始任務;SWE-bench Verified 抽查的 1,699 項任務中,逾三分之二被標記移除。作者主張,後訓練共享庫需要有系統地記錄並轉化人類工作流程,否則建構相關能力的資源可能集中於少數公司。

  2. DEV Community20

    機器學習中的資料洩漏:案例與修正方法

    機器學習中的資料洩漏會令模型評分過度樂觀,並削弱模型對未見數據的泛化能力。文章以垃圾郵件分類為例,説明訓練、驗證或測試數據混用,以及時間戳記、發件人 ID 等敏感資料造成的問題。移除敏感特徵、遮蔽資料及謹慎進行特徵工程,有助減低洩漏風險。

  3. 第一財經35

    《2026 AI+高端製造產業應用圖譜》全文發布:以「上海方案」破解 AI 落地製造深水區難題

    上海現代服務業聯合會等8家機構聯合編製《2026 AI+高端製造產業應用圖譜》,並於10月31日全文發布,梳理上海 AI+製造產業鏈、落地優先級及發展建議。圖譜將智能質量檢測列為場景落地優先級首位,並指出工業智能體落地的核心壁壘在於工藝理解與高質量現場生產數據。

  4. SiliconANGLE47

    Oumi 的 Frontier AI Engineer 現可構建 AI 智能體並重新訓練其底層模型

    Oumi 擴展 Frontier AI Engineer,讓它可為客戶構建 AI 智能體,並重新訓練這些智能體所依賴的模型。團隊可用日常語言描述智能體目標;智能體在實際運作中遇到的問題會轉化為評估集和訓練數據。Oumi 新增直接偏好最佳化和羣組相對策略最佳化,後者現正以私人預覽形式推出。

  5. DEV Community24

    機器學習模型訓練的常見錯誤

    機器學習模型訓練常見問題包括資料集偏差、格式或資料類型不一致,以及離羣值,均可能影響模型表現。模型過於複雜會過度擬合,過於簡單則會欠擬合;交叉驗證、正則化及調整模型複雜度有助改善泛化能力。

  6. IT之家54

    京東披露具身智能數據採集進展,覆蓋逾百個細分場景、採集超 10 萬項真實作業任務

    京東披露,其具身智能數據採集已覆蓋 100 多個細分生產服務場景,累計採集超過 10 萬項真實作業任務。京東計劃兩年內累計採集超過 1000 萬小時高質素人類真實場景影片數據,以及超過 100 萬小時機械人本體運行數據。JoyAI-Sim 物理模擬引擎測試中,模擬評測與真實評測結果的一致性約為 90%,評測效率達真機評測的 3.2 倍。

  7. 新浪科技31

    700億項數據訓練AI智能體「鈞寶」:瑞浦蘭鈞如何築起品質護城河

    瑞浦蘭鈞以逾700億項核心工藝控制數據訓練自研AI智能體「鈞寶」,將其應用於電芯全生命週期的質量管理。公司累計完成逾10萬項電池測試,總測試時長達5.5億小時,並結合數億電芯出貨及實際運行數據。鈞寶覆蓋研發設計、生產製造、檢測驗證及終端運維,提升缺陷識別、異常預警和質量追溯效率。

  8. DEV Community61

    全文抽取變化如何令情緒圖表波動

    全文抽取的可用範圍改變,會令基於全文的情緒趨勢代表不同文章集合,因此圖表波動可能同時反映文章情緒與正文可用性的變化。教程示範按 fullTextStatus 分開統計抽取狀態,並把未納入評分的文章保留在涵蓋率分母中。作者亦建議比較不同時段的媒體來源權重,並把文本依據和抽取狀態與評分結果一併保存。

  9. elsewhere:文章63

    一個小人物在 AI 數據交易江湖的沉浮

    創業失利後,小武轉做 AI 數據交易,從海外網站爬取資料、串聯標註者,到撮合企業出售數據,作者藉其經歷呈現這門生意的多個環節。文章還寫到,部分中轉站轉售企業調用模型留下的軌跡數據,甚至以相關收入補貼 token;有大廠發現自己的使用軌跡被買賣後,這類生意開始降温。

  10. 創業邦52

    租下30套房訓練機器人?機器人未大規模銷售,數據生意已先升温

    具身智能機器人尚未大規模銷售,圍繞其訓練數據的採集、標註和訓練服務已開始形成市場,模式包括集中式訓練場、眾包採集及全鏈路服務。覓蜂科技的眾包業務截至10月已在北京、廣州、深圳、上海等40個城市落地,參與者每小時可獲10元至30元。不過,不同廠商的機器人構型、感測器、控制系統和模型架構各異,數據未必能跨企業直接使用,家庭場景採集亦涉及私隱安全。

  11. 虎嗅54

    2026年 AI4S 融資升温,資本更看重訂單與產業交付

    2026年前10個月,國內 AI4S 賽道融資超過80筆,已披露總額超200億元,資本關注點不只在金額,也在融資節奏及訂單落地。小飯桌盤點的50家公司中,11家於2026年成立並在同年獲投。文章指出,投資邏輯正由演算法敍事轉向場景敍事,訂單、乾濕閉環及高質量數據生產能力成為重要考量。

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

    VidUEU-Agent:面向多模態理解、編輯與統一任務的數據整理智能體

    VidUEU-Agent 是一個數據整理框架,可從原始影片自動構建用於多模態理解、圖像編輯及統一理解與生成任務的指令數據。團隊以 8,268 段影片構建 VidUEU-100K,包含近 20,000 條密集中繼資料標註及 100,000 個指令樣本。框架透過四輪訓練及評測結果調整數據分佈,每輪以 30K 個樣本從同一初始檢查點微調 BAGEL,三個反饋基準的整體表現均有提升。