跳到正文
10月31日週六
  1. HuggingFace Daily Papers(社區熱門論文)44

    以單一演算法訓練基礎模型

    研究提出以單一基於似然的演算法統一基礎模型各訓練階段,將訓練流程轉化為選擇數據、比例與時機的問題。研究團隊建立混合靜態數據與強化學習生成內容的統一訓練系統。實驗顯示,這種方法改善準確度與計算量的取捨及任務覆蓋範圍,同時保留較廣泛的能力,並為持續學習提供更強的起點。

10月30日週五
  1. unwire.hk · 人工智能65

    Wikimedia Foundation 就《紐約時報》控告 OpenAI 案主張 AI 訓練若產出有別於原文的新內容可屬合理使用,複述原文須授權

    Wikimedia Foundation 就《紐約時報》控告 OpenAI 及 Microsoft 的版權案向法庭提交意見,主張 AI 訓練與複述原文應分開判斷。它認為,預訓練若產出有別於原文的新內容可屬合理使用;若向用戶提供原文複本並取代其接觸原作,則應取得授權。Wikimedia 並非訴訟一方,亦沒有支持任何一方。

  2. IT之家51

    Apple 與 Ascend.io 運營方達成協議,取得知識產權許可及聘用員工權利

    歐盟委員會公佈的交易資料顯示,Apple 今年早些時候與 Ascend.io 運營方 Ascension Labs 達成協議,取得 Ascend.io 知識產權的非獨佔許可、受讓部分專利的權利,以及聘用部分員工的權利。這並非收購整家公司,相關技術在許可範圍內仍可能供其他企業使用。Ascend.io 官網已發布逐步結束業務運營的通知,但未説明原因,也未提及 Apple 或這宗交易。

  3. InfoQ61

    Netflix 將 GPU 可靠性視為分散式系統問題

    Netflix以Kubernetes建構GPU可靠性平台,結合分層健康檢查、自動修復和容錯訓練;Netflix報告GPU節點可用率超過99.95%,工作成功率由約98%升至超過99.5%。平台監測GPU、網絡與節點狀態,按故障情況逐步阻止新工作、排空或重啟機器,並以檢查點和彈性工作者恢復長時間訓練;亦會識別拖慢同步作業的單一慢速 rank。

  4. 雷鋒網49

    蓋倫獎提名一年後,希格生科的邊界、驗證與野心

    希格生科在獲蓋倫獎提名一年後,推進與晶泰科技合作研發的兩條管線進入臨牀階段。SIGX1094臨牀一期基本結束,與信達生物合作治療NSCLC的Ⅱ/Ⅲ期臨牀試驗IND已獲NMPA批准;SIGX2649已獲中美IND批准,預計11月啟動臨牀試驗。希格與晶泰以「類器官+AI」平台迭代藥物研發,希格已完成心臟、腎、肝、腸及腫瘤五個模型的方法學驗證。

  5. DEV Community35

    甚麼是人工智能?規則式程式碼與學習行為的分別

    人工智能的核心轉變,是由編寫明確規則,轉為讓演算法從數據中提取模式。傳統程式由開發者設定規則並輸出答案;機器學習則以數據和正確答案為輸入,學出規則,即模型權重。若邏輯能以靜態、確定的規則清楚描述,就不應使用 AI;高維、嘈雜或非結構化模式則適合用 AI 處理。

  6. DEV Community53

    股票排序模型應勝過的兩項隨機對照測試

    Quantooo Lab 以兩項隨機對照檢查股票排序模型是否勝過機遇,以及訓練流程有否資料洩漏。一項是隨機挑選股票或打亂日期區塊,另一項則以隨機打亂的標籤訓練完整模型;LightGBM 的打亂標籤版本得分約為零。作者的模型結果及測試的十二個模型系列,均未能明確勝過隨機對照。

  7. DEV Community34

    炎熱天氣混凝土施工的機器學習:預測新拌及早齡期行為的批判性綜述

    這項批判性綜述整理機器學習預測炎熱乾旱施工環境下混凝土新拌及早齡期行為的研究,涵蓋工作性與坍度損失、凝結與水化、蒸發與塑性收縮裂縫、早齡期升温與熱裂縫,以及現場強度發展。研究指出,樹模型集成與神經網絡在實驗室及模擬數據上準確度高,但採用現場炎熱天氣數據訓練的模型很少,外部驗證亦罕見;物理資訊學習、遷移學習、可解釋性及感測器驅動的數碼孿生是值得探索的方向。

  8. 新浪科技33

    2026工業數據要素大會聚焦工業數據價值化

    2026工業數據要素大會聚焦數據要素制度建設、數據資源開發利用及數據賦能人工智能,探討釋放工業數據價值的新路徑。會上發布面向東盟的工業數據要素合作倡議宣言及《工業互聯網數據要素登記要求》國家標準,並啟動「智造」工業人工智能服務平台建設。

  9. Thurrott61

    Reddit 將在美國以外部分市場試行登入後瀏覽要求

    Reddit 行政總裁 Steve Huffman 表示,平台將於未來數月在美國以外的部分市場試行要求用戶登入後才能瀏覽。登出用戶仍可從搜尋或其他來源查看分享貼文,首頁亦可登出瀏覽;匿名模式則仍可用於私下搜尋及只讀瀏覽。Huffman 將改動與 AI 聊天機械人擷取 Reddit 資料的情況相連,並表示公司會繼續有意授權資料,商業協議設有使用限制。

  10. 雷鋒網54

    IROS 2026:哥倫比亞大學李昀燭團隊分享 FlexiTac 開源實踐,探索觸覺感知規模化

    哥倫比亞大學李昀燭團隊在 IROS 2026 介紹開源柔性壓阻式觸覺感測器平台 FlexiTac,分享降低製作門檻及擴展觸覺數據採集的實踐。團隊公開完整物料清單、組裝説明及讀取軟件,組裝只需 3 分鐘,並將技術棧整合至 LeRobot。演講亦展示把觸覺感測器接入 UMI,以同步採集視覺與觸覺數據,以及透過彈簧阻尼系統進行仿真校準的做法。

  11. 阿里雲開發者社區 AI30

    寵物面部識別如何提升魯棒性:多策略融合與邊緣部署實踐

    文章探討如何提升寵物面部識別在複雜光照和多變姿態下的魯棒性,並兼顧邊緣部署。策略包括數據增強、光照歸一化、姿態校正、注意力機制、多任務學習及模型輕量化。部署方案涵蓋知識蒸餾、INT8 量化與剪枝,並提出以增量學習和在線微調適應寵物外觀變化。

  12. The Verge · AI67

    Wikimedia Foundation 警告,過於簡化的 AI 版權裁決或威脅開放網絡

    Wikimedia Foundation 在涉及 The New York Times、OpenAI 和 Microsoft 的一系列 AI 版權訴訟中提交法庭之友意見書,主張保障以受版權保護作品訓練的 LLM,但不應容許聊天機械人向用戶重現作品。基金會認為,未經授權使用作品預訓練 LLM,並產生有別於原作的新內容,可構成合理使用;若 AI 輸出取代原作並減少讀者接觸原文,則應取得授權。

  13. EleutherAI:Blog39

    研究更新:局部體積測量的應用

    研究團隊將 tyche 局部體積測量用於模型錯位偵測及機制異常數據點偵測,兩項任務的表現均不及其他策略。在機制異常偵測中,meta local volume 的平均 AUROC 為 0.380,meta local volume mahalanobis 為 0.572。團隊目前不打算繼續這方向的研究。

  14. EleutherAI:Blog64

    EleutherAI 研究顯示預訓練數據過濾可降低開放權重模型的 WMDP-Bio 表現

    EleutherAI 的 Deep Ignorance 研究發現,預訓練數據過濾可令 6.9B 模型在 WMDP-Bio 接近隨機水平,同時大致保留無關知識基準的表現。過濾模型即使以 300M tokens 專家標註的生物風險論文微調,WMDP 表現仍低於未過濾基線。但在提供論文摘要作上下文的開卷測試中,過濾模型表現接近基線,顯示數據過濾不能阻止模型利用上下文中的相關資訊。

  15. EleutherAI:Blog53

    EleutherAI 研究以 Reasoning Interpolation 偵測獎勵破解的早期訊號

    EleutherAI 研究以 reasoning interpolation 配合重要性抽樣,監測模型訓練期間獎勵破解的早期訊號。在其實驗設定中,重要性抽樣早期將破解機率低估 2–5 個數量級,但估算趨勢對預測最終會出現哪些破解類型達到 perfect AUC。研究使用 SFT 而非實際 RL 訓練,且預測設定較容易,作者指出仍需在實際 RL 訓練中驗證。

  16. TNW51

    前 Palantir 員工創辦的 Dream 獲 $17M 種子融資,開發 AI 建築設計模型

    Dream 於週四正式公開並獲 $17M 種子融資,開始聚焦建築、工程及施工行業。其所稱的 built world models 以超過 100 million square feet 的美國實際獲批建築資料訓練,Dream 稱模型可產出承包商足以據以施工的圖紙。Dream 已在加州及德州的10個項目擔任法定設計責任方,並表示已支援總值 $20m 的房地產開發。

  17. DEV Community48

    利用人工覆寫數據改進醫療 AI

    醫療 AI 應把臨牀人員的人工覆寫視為調查訊號,而非自動視為正確標籤,以識別模型、介面或工作流程的限制。分析時應記錄適當背景、按失效原因分類並檢視不同臨牀場景的模式,同時遵守私隱及治理要求。覆寫數據用於重新訓練前須經驗證、治理及評估;智能體系統亦應讓獲授權用戶中止行動、重新導向工作流程及撤銷權限。

  18. 新浪科技44

    告別知識截止日:Google 讓 AI 學會「睡眠」,邊用邊學且不忘舊知識

    Google Research提出 Sleep Framework,讓大語言模型透過清醒與睡眠階段持續學習新資訊,並整合記憶以避免遺忘舊知識。實驗中,模型可處理最長約 1000 萬 token 的上下文,並在未見語言的多階段持續學習中保持接近零的性能下降。框架在 AIME 24/25 等數學基準上取得更高準確率。

  19. 新浪科技46

    告別知識截止日:Google 讓 AI 學會「睡覺」,邊用邊學並保留舊知識

    Google研究團隊公佈「睡眠框架」(Sleep Framework),讓大語言模型透過清醒階段接收資訊、睡眠階段整合記憶並自我改進。框架以記憶鞏固和合成訓練樣本練習,將新資訊納入長期參數,同時避免覆蓋舊知識。實驗中,模型可處理最長約 1000 萬 token 的上下文,並在未見語言的多階段持續學習中保持接近零的性能下降,在 AIME 24/25 上取得更高準確率。

  20. DoNews32

    谷歌提出「睡眠框架」解決大語言模型知識固化難題

    10月27日,谷歌研究團隊提出持續學習新方法「睡眠框架」,旨在解決大語言模型部署後知識難以更新及容易出現災難性遺忘的問題。框架模擬睡眠中的記憶鞏固機制,在「清醒」階段處理輸入並暫存短期記憶,在「睡眠」階段整合資訊、擴展參數、蒸餾知識,並以生成式「做夢」強化推理能力。實驗顯示,模型在1000萬token長上下文及多階段持續學習中保持性能穩定,數學推理等任務的準確率有所提升。

  21. IT之家45

    告別知識截止日:Google 讓 AI 學會「睡眠」,邊學邊保留舊知識

    Google 研究團隊提出持續學習研究「睡眠框架」(Sleep Framework),讓大語言模型吸收新資訊時保留舊知識。框架把模型運作分為清醒和睡眠階段,透過記憶整合及合成訓練樣本提升自我改進能力。實驗中,模型可處理最長約 1000 萬 token 的上下文,並在未見語言的多階段持續學習中保持接近零的表現下降;在 AIME 24/25 數學基準上的準確率亦高於多種基線方法。