醫療人工智能數據安全標準即將截止徵集,誠邀參編全國首部相關規範
智合標準中心組織編制的全國首部聚焦醫療人工智能應用的數據安全與私隱保護標準,現仍有最後參編機會。標準涵蓋數據取得、標註與預處理、訓練與微調、驗證評估、部署推理及退出等全流程,並將數據安全保護級別分為一級至四級。
智合標準中心組織編制的全國首部聚焦醫療人工智能應用的數據安全與私隱保護標準,現仍有最後參編機會。標準涵蓋數據取得、標註與預處理、訓練與微調、驗證評估、部署推理及退出等全流程,並將數據安全保護級別分為一級至四級。
機器學習的新視角是把 AI、DL、ML 工程師視為教師、模型視為學生,並把數據視為教材;工程師須透過訓練引導模型學習數據中的模式。模型會以未見過的測試數據評估,常用指標包括 R² score、MSE、ROC AUC、Accuracy、Precision 和 recall。
作者認為,GPT-6 Astra 直接讀取及修改神經網絡權重的表現雖然出色,但不代表它具備超越人類研究者的 AI 研究能力。Astra 能從小型網絡的權重辨認其訓練遊戲,並修改 0.8B Qwen 模型的權重,修正模型在生成超過 32k tokens 時陷入循環的問題,使其能處理需要超過 32k tokens 的數學題。
Snowflake在 Expedition 2026 宣佈擴展 AI 智能體平台,推出 Business Ontology、擴充 Cortex AI Gateway,並公佈自主數據工程及 Cortex Training。
文章指出,將 Astra 描述為僅讀取原始權重便提升 Qwen3.5-0.8B 數學表現並不準確,因相關實驗使用 Python,並讓模型最多執行 50 批練習題。
指令微調透過指令與期望回應的例子,對預訓練模型進行監督式微調,令模型在互動任務中更實用、可控及一致。它不同於沒有明確用戶—助手目標的原始文本預訓練,並可按模型對未見指令的泛化能力評估。
Shivam Dwivedi 指出,權重空間編程即使禁止梯度更新,仍可透過目標模型的行為回饋引導權重修改。研究團隊報告,GPT-6 Astra 可直接讀寫神經網絡權重;Qwen3.5-0.8B 在可使用 Python 分析和行為回饋的數學實驗中,MATH-500 得分由 7.9% 升至 48.1%。
兒童繪本作家兼插畫師 Chelsea Paulus 的網站遭 Meta 爬蟲帶來逾 55 萬次訪問,主機資源被耗盡,至週一仍不穩定。Meta External Agent 和 Meta Web Indexer 先後出現;她修改 robots.txt、配置防火牆後仍未能即時阻止請求,並暫時移除 Instagram 個人頁面的網站連結,以免真人訪客令網站宕機。
深度原理於11月2日發佈首款通用大模型 Hydrogen-1.0,基於 GLM-5.3 訓練並同步開放模型權重。Hydrogen-1.0 在 FSR 評測的解題成功率為38.3%,高於 GPT-6-Astra 的33.3%;在 GPQA-Diamonds 的準確率為93.0%,接近 Kimi-K3 的93.5%。
《金融時報》報道,Nvidia 要求數據中心合作夥伴至少 51% 的雲端服務售予非中國企業,規定只適用於新合約,既有協議不受影響。報道引述五名知情人士稱,Nvidia 透過銷售及區域團隊口頭傳達要求,未發出書面指示;Nvidia 未向 AFP 確認或否認。許多中國科技公司依賴中國境外雲端供應商提供算力訓練 AI 模型,這項限制為相關公司增添障礙。
DRAP 提出一種免重播持續學習方法,按軌跡放大風險調節模型組件的可塑性,以提升 Physical AI 對舊有行為的保留能力,同時學習新任務。方法在固定的 OpenVLA 子網絡上評估,並於 LIBERO Spatial、Object 和 Goal 測試套件進行序列適應;相比標準 AdamW 微調和 EWC,DRAP 改善了舊行為保留,並維持新測試套件的學習能力。
Bright Data 公關及傳訊高級總監 Jennifer Burns 建議,想阻止 AI 智能體存取內容的出版商,應要求用戶登入後才可瀏覽。她認為,毋須登入即可瀏覽的內容屬公開資料,也應向 AI 開放;付費牆亦算登入門檻,Bright Data 不會接觸其後內容。
企業選擇數據治理方案,應按自身數據規模、AI 項目進度、合規要求及團隊配置,評估治理成果能否供 AI 使用、元數據和血緣能否隨數據加工同步生成,以及治理效率如何實現。數聚股份的數聚治理平台 DGP 涵蓋語義、元數據與血緣、AI 賦能治理,據披露可縮短 AI 建模前數據準備週期 65%,並減少約 68% 審計準備時間。
FLAMIA 提出面向 Blackwell 的注意力核心,透過 MXFP8 及混合精度訓練路徑加速前向與反向計算,並防止因果資訊洩漏。涵蓋量化的 MXFP8 路徑,在 B200 的加速幅度為 1.10–1.40 倍,在 B300 為 1.06–1.42 倍。研究亦在 Llama 類預訓練模型上驗證訓練穩定性及品質維持。
LG AI Research 在 ICML 2026 回顧結構化數據與時間序列深度學習研究,並介紹其為緩解 TabPFN 類別偏差而提出的 DistPFN。團隊分析 OpenML 的 253 個表格數據集,發現約 85% 存在類別不平衡;極端情況下,TabPFN 將 98.3% 的測試樣本預測為多數類別。DistPFN 在推理時調整預測機率,以減少訓練數據類別比例對預測的影響。
元環智能(MetaCircle)宣佈完成連續兩輪共計數億元融資,資金將用於元模型核心演算法迭代、階段性產品探索、擴充團隊及持續發布自研基準。公司明年將推出不限定場景的通用元模型1.0,近期亦會發布 Architecture IQ,用於評估大模型和人類研究員對模型訓練的直覺水平。
AI數據公司融資升温,正為大模型後訓練提供真實場景資料、操作環境及專家評分,成為模型廠商的重要供應方。文中引述業內人士稱,帶用戶行為軌跡的資料每條報價可達1000至3000元,包含完整操作過程的工作場景資料約1萬元。隨着供應擴張,模型廠商開始收緊採購、核算ROI並追溯交付質量,文中亦提及資料品質、私隱及外洩風險。
Pune 的 Dispatch Network 獲 Antler India 領投 ₹5 crore 種子前融資,將資金用於擴充 AI 團隊及開發大型物流時空模型 LLSTM,以改善配送訂單分配並減少騎手閒置時間。公司稱,其網絡騎手每月收入較業界平均高約 55%,空駛里程少三分之二。公司計劃於 November 擴展至 Mumbai。
Weight-Space Programming 研究展示,前沿大語言模型可按自然語言目標直接讀取及編輯神經網絡權重,而毋須梯度下降或訓練循環。研究報告稱,編輯 Qwen3.5-0.8B 僅 0.016% 的權重後,MATH-500 得分由 7.9% 升至 48.1%。文中指出,目前展示集中於簡單遊戲與強化學習策略;討論者亦質疑基線低分可能源於模型重複輸出,未必反映普遍數學能力提升。
浙江大學團隊等在 CoRL2026 發佈 GR‑BC 機械人操作演算法,從不完美試錯軌跡中提取有效動作片段訓練模型。算法將多輪嘗試構成狀態圖,透過反向 Dijkstra 搜索及動作片段加權,無需完整完美示範或額外訓練獎勵模型。
MIT 研究稱,GPT‑6 Astra 可直接分析並局部改寫模型權重,令 Qwen3.5‑0.8B 無須梯度下降,數學表現大幅提升。研究僅修改 0.016% 權重,MATH‑500 得分由 7.9% 升至 48.1%;觸及 32768token 輸出上限的樣本比例由 93.0% 降至 33.1%。
選擇基礎模型是微調大型語言模型的關鍵策略,應按模型架構、上下文長度、語言覆蓋、硬件需求及授權,配合目標任務作比較。Llama 4 Scout 的上下文長度最高可達 10 million tokens;Qwen 3 支援 29+ 種語言,選型亦須考慮成本及部署限制。
文章以一組合成數據説明,研究分類器即使準確率達 95%,仍可能漏掉全部 5 個正例候選項。另一組預測的準確率為 93%,找出 5 個正例中的 4 個,召回率為 80%、精確率為 40%,同時有 6 個假陽性。文中提供標準 Python 算術核對及 AI 助手審核提示詞,並指出示例是合成教學數據,不能代表實際模型的實驗結果。
國家數據局表示,將深入實施國有企業數據效能提升行動,發揮國家數據集團在數據資源開發利用方面的重要作用,培育一批創新活躍的數據企業。當局亦將加強高質量數據集建設,推動六個專項行動,深化數據標註先行先試工作,以更好賦能人工智能發展。
麻省理工學院 CSAIL 團隊提出「權重空間編程」,以 GPT-6 Astra 修改阿里雲 Qwen3.5-0.8B 的模型權重,令 MATH-500 準確率由 7.9% 升至 48.1%。方法只調整 0.016%(131072個)參數,繞過梯度下降與反向傳播;GSM8K 和 IFEval 成績亦顯著提升,且未新增模型固有知識。
菲爾茲獎得主鄧煜批評OpenAI存在雙重標準,指大模型訓練依賴人類知識,廠商卻以防止模型被蒸餾為由拒絕公開推理邏輯和思維鏈。鄧煜質疑數學家向AI服務提供專業思路卻未獲回報,並提出建立可追溯機制,釐清AI與研究者的思想貢獻。
作者公開並以 $15 一次付款出售 321 宗已平倉往返交易紀錄,當中 153 勝、168 負,扣除費用後淨虧 $35.85。按時間戳分成訓練集和測試集後,兩部分的做空交易、$1–$10 價格區間交易及 00:00–06:00 UTC 入場交易均錄得虧損,作者已在策略中停用相關交易。放寬止蝕策略的測試結果對滑點敏感,加入 0.25% 滑點後,測試集轉為負數。
五個隨機種子的 CIFAR ResNet18 實驗顯示,weight decay=0.05 令 Adam 準確率跌至 64.97%,卻是 AdamW 測試值中表現最佳的一檔,準確率達 89.66%。
一項 HAR 模型實驗顯示,將 IMU 採樣率由 50 Hz 降至 12.5 Hz,並先作抗混疊濾波,準確率提升 0.47 個百分點(t = 4.3),50 組配對受試者切分中有 35 組勝出。這項設定保留完整 2.56 秒時段,只用四分之一數據;每組最差受試者平均提升 1.93 個百分點。
MIT CSAIL 研究人員展示 GPT-6 Astra 可在不使用梯度的情況下編輯 Qwen3.5-0.8B 權重;Mandiant 則追查到被盜 API 金鑰令部分受害企業單日遭收取超過 $100,000,累計費用達 $1 million。
Trajectory 正為非技術用戶開發 AI 模型後訓練工具,並完成由 Sequoia 領投的 $45M Series A 融資,估值達 $300M。融資消息由 TechCrunch 報道。
研究提出一套將基於 Attention 的 Transformer 蒸餾至 Mamba 類架構的兩階段方法,讓改編的 Mamba 不使用 Attention 區塊。
Trajectory 完成由 Sequoia 領投的 $45M A 輪融資,估值為 $300M,並公開提供其 AI 模型後訓練平台。企業可將開源模型連接至應用程式,由平台收集模型表現回饋並據此重新訓練。Harvey、Rogo、Decagon、Mercor 及 Nvidia 已使用其平台。
分散式 AI 訓練規模擴大時,硬件及軟件依賴項故障會中斷訓練進度,快速可靠的復原因而變得重要。訓練 rank 停滯可能觸發 NVIDIA Collective Communications Library(NCCL)逾時,GPU 節點可能無法回應排程器,延遲的工作亦可能拖慢整個訓練工作。
MIT CSAIL 團隊以「權重空間編程」測試 GPT-6 Astra 直接讀取和修改神經網絡權重,並修復 Qwen3.5-0.8B 的推理循環。在 50 次前向計算下,Astra 修改 131,072 個權重,佔總數 0.016%,令 MATH-500 成績由 7.9% 升至 48.1%,GSM8K 由 13.8% 升至 67.1%。
MIT CSAIL 研究人員讓 GPT-6 Astra 修改 Qwen3.5-0.8B 的 131,072 個權重,以解除推理循環,令多項基準分數上升。MATH-500 由 7.9% 升至 48.1%,GSM8K 由 13.8% 升至 67.1%;觸及 32,768-token 上限的 MATH-500 答案比例則由 93% 降至 33%。
作者以 MLX 從頭訓練小型 NCM 模型,發現教師強制下的損失愈低,模型自行生成的故事反而愈差,表現也不及使用相同 Transformer 區塊的自回歸(AR)基線。減少訓練時的程式碼損壞後,clean code CE 由約 2.25 降至約 1.39 nats per code,但兩個生成器種子的 GPT-2 large perplexity 均上升,最高由 45.568 升至 93.833。
AI 應用沒有通用的最佳數據架構,數據倉庫、data lake 與 lakehouse 分別適合不同數據類型、使用者和工作負載。監督式機器學習與 BI 常以數據倉庫為起點,深度學習所需的圖像、音訊等非結構化數據通常存於 data lake;lakehouse 則可在 lake 的儲存層上加入 ACID、schema evolution 和 time travel。
這份技術報告記錄一套面向 EcoFit Smart Bottle 的決策支援系統,以單一需求預測生成庫存與人手規劃建議,並以 INR 成本比較方案。使用正確滯後變數的 Prophet 將 MAPE 由 7.77% 降至 3.39%,誤差減少 56%。系統供規劃人員參考,不會自動下單或聘請員工。
AI 模型由神經網絡中的參數構成,訓練會逐步調整參數,令模型更能產生有用回應。增加參數需要更多數據和運算資源,也會提高每次使用的成本,但模型規模加倍不代表智能加倍。模型即使完成訓練,仍可能自信地生成錯誤內容,這稱為模型幻覺。