跳到正文
10月23日週五
  1. Hugging Face Blog68

    OlmoEarth v1.3 發佈全球衞星嵌入模型

    OlmoEarth 發佈 v1.3 衞星嵌入模型,並提供全球預先計算的年度嵌入向量及 OlmoEarth Embeddings Explorer。模型為每個 10 米像素提供 128 維嵌入,亦可使用 64 維版本;在 27 項評測中,兩者分別於 20 項和 18 項評測表現領先,2023 至 2025 年的嵌入資料覆蓋全球。

    推薦理由:這次發佈把全球預先計算的嵌入向量與免登入探索工具一併提供,讀者可瞭解如何免用 GPU 進行衞星資料比較和簡單分類。

  2. DEV Community53

    資料遮蔽流程的成效取決於能否識別個人資料

    Tom Fairey 指出,資料遮蔽的保護成效取決於能否先識別個人資料,尤其是須結合背景資訊才可辨認個人的間接識別資訊。Hou 等人比較四種偵測方法,最佳者只找出 65.7% 的姓名、地點和機構;另一項研究中,GPT-3.5 從已匿名化的 20 名英國公眾人物描述中,約能在 100 次嘗試中正確辨認 73 次。作者建議按領域界定識別資訊、訓練語義本體、在內部處理敏感資料,並控制誤報。

  3. DEV Community37

    Physical AI 的技術已公開,訓練數據仍未公開

    Physical AI 的概念與方法已廣泛流通,真正左右系統表現的差異,正轉向難以取得的真實世界數據。機械人面對的主要挑戰多與接觸、環境變化及任務標記有關,訓練數據須在現實環境中刻意收集,並由人一致地標註。可重複、達到生產標準的數據收集與判斷,因而成為能力差異的關鍵。

10月22日週四
  1. Google DeepMind68

    超越樹冠覆蓋:Google DeepMind 等機構繪製全球森林類型地圖 ForTy 2020

    Google DeepMind、Google Research、WRI 及 IIASA 發佈 Forest Typology (ForTy) 2020 全球地圖,以 10 米解析度將土地分為六類森林及土地利用類型。

    推薦理由:ForTy 將全球土地分為六類森林及土地利用類型,並追蹤 2017 至 2025 年的變化,補充樹冠覆蓋地圖難以呈現的天然林轉為種植園或農地等轉換。

  2. Ai2 / Allen Institute for AI50

    PLANTEUR 將作物製圖基準擴展至六個熱帶地區

    Ai2 的 PLANTEUR 將 PASTIS 作物製圖基準擴展至六個熱帶地區。數據集包含 2,750 組對齊的 Sentinel-2、Sentinel-1 和 Landsat-8 時序,以及覆蓋 4,506 km²、涵蓋七類作物的地塊標註。所有受測方法在 PLANTEUR 上的得分均明顯低於 PASTIS;模型在未參與訓練的島嶼測試時,準確率約減半。

  3. SiliconANGLE60

    Ai2 發佈 OlmoEarth v1.3,並提供全球年度衞星嵌入向量和地圖工具

    Ai2 發佈衞星地圖嵌入模型 OlmoEarth v1.3,並提供全球預先計算的年度嵌入向量及瀏覽器地圖工具 OlmoEarth Embeddings Explorer。v1.3 訓練所需計算時間為 v1.2 的 53%、v1 的 18%,碳排放則分別為 50% 和 22%。Explorer 無需登入,初步分析只需數秒且無需 GPU,並可比較不同年份的地表變化。

  4. TNW54

    馬斯克稱訓練 Tesla Optimus 機械人如養育幼兒

    馬斯克在 Tesla 第三季業績電話會議表示,公司需要製造 10,000 至 20,000 部 Optimus 人形機械人,讓它們透過練習學習執行任務。機械人將在 Optimus Academy 練習多種任務,透過 self-play 產生的數據改進控制它們的 AI;Tesla AI 軟件團隊主管 Ashok Elluswamy 表示,機械人初期亦會透過觀看人類執行任務學習。

  5. Business Insider Tech56

    Hugging Face 發佈 Carbon-X AI 模型,讓研究人員以對話方式分析及生成 DNA 序列

    Hugging Face 發佈開源 AI 模型 Carbon-X,結合 DNA 序列分析、生成與自然語言,讓研究人員可用對話方式研究 DNA。模型以 Qwen3-14B 為基礎,使用人類、其他哺乳動物、植物及真菌的 DNA 序列和自然語言訓練,也可生成 DNA 序列,協助研究基因療法。

  6. ChinaTalk54

    人形機械人第一人稱視角數據採集的技術演變與產業現況

    A. Chen 採訪中國研究人員、創業者及數據採集工作者,梳理人形機械人第一人稱視角數據採集的技術演變與產業現況。報道比較遙操作、同構式及第一人稱視角三代方法,指出數據成本與買方需求仍影響市場走向,部分買方仍偏好 UMI 數據。文章亦呈現採集者的工資與工作條件,並探討工作場所錄影涉及的勞動保障和私隱問題。

  7. NVIDIA Blog66

    NVIDIA Cosmos 擴展工具,支援世界模型訓練、評估及部署

    NVIDIA 擴展 Cosmos 平台,加入訓練工具、模擬檢查點及 Cosmos Data Factory 藍圖,支援世界模型訓練、評估和部署。Cosmos Data Factory 提供五種雲端原生藍圖;Cosmos Framework 則支援透過微調和強化學習調適開源模型,並以知識蒸餾和量化作最佳化。

    推薦理由:文章串連數據整理、模型調適與模擬測試等更新,並列出 Porsche、ANYbotics 等企業案例,呈現 Cosmos 工具鏈在實體 AI 開發流程中的應用。

  8. Dify Blog50

    Dify 更新資料集功能,新增 Dataset API 操作及引用來源導覽

    Dify 更新資料集管理功能,加入引用文件來源導覽及 Dataset API,並擴展文件管理操作。手動啟用「Citations and Attributions」後,輸出會顯示引用文件名稱,並可直接前往相應資料集文件編輯頁;API 涵蓋建立及查詢資料集、以文字或檔案新增文件、查看索引狀態、刪除文件和管理分段。

  9. Chroma Research61

    Chroma Context-1:訓練具上下文自我修剪能力的 20B 參數搜尋智能體

    Chroma 訓練並公開 Context-1,一個以超過 8,000 項合成任務訓練的 20B 參數搜尋智能體,模型權重採 Apache 2.0 授權。Context-1 會把高層問題拆成子查詢並多輪搜尋,按相關性修剪檢索內容;研究稱其檢索表現可與前沿模型相比,推理速度最高可達 10x,成本較低。Chroma 亦公開合成任務生成流程的完整程式碼,以支援重現和後續研究。

  10. elsewhere:文章42

    元示科技連續完成近億元兩輪融資,道彤投資佈局 AI 通用細胞模型,加速虛擬細胞技術落地

    元示科技連續完成近億元人民幣天使輪及天使+輪融資,資金將用於模型研發、數據與實驗平台建設,以及藥物研發應用驗證。公司正以模型分析、實驗驗證及結果回饋構建虛擬細胞自我進化系統,旨在提升通用細胞模型跨環境零樣本泛化預測能力。

  11. DoNews70

    Flapping Airplanes 完成 10 億美元 A 輪融資

    Flapping Airplanes於2026年10月22日宣佈完成10億美元A輪融資,由Lux Capital與Index Ventures聯合領投,英偉達、紅杉資本、GV等十多家機構跟投。該公司聚焦數據高效AI,致力於模仿生物學習機制,探索低數據依賴、高認知效率的AGI路徑。公司目前尚無商用產品,全部資源投入長線基礎研究;本輪融資將用於擴大全球科研團隊及算力基礎設施建設。

  12. HuggingFace Daily Papers(社區熱門論文)47

    DONIC:基於人類示範的通用靈巧雙手追蹤控制

    DONIC 利用多樣化的人類動作數據訓練通用雙手追蹤器,無需微調即可在未見物件上進行靈巧操作。研究亦提出 BiHOI 多視角數據集,涵蓋 1,575 段序列及 229 件物件。單一檢查點在訓練物件的未見軌跡上成功率為 86.79%,在保留物件上為 57.32%,較現有基準分別高出 77.36 及 45.73 個百分點。

  13. HuggingFace Daily Papers(社區熱門論文)42

    TraceForge:以自身推理風格進行蒸餾

    TraceForge提出兩階段監督式與對抗式方法,根據上下文及教師模型答案合成符合學生模型風格的推理痕跡,無需依賴隱藏輸出。在使用相同5,000條問題及教師答案的編碼測試中,最終檢查點的 HumanEval+ 提升3.7分,MBPP+ 提升7.1分。研究在五個基準測試中評估此方法。

  14. DEV Community41

    為何大學生延遲畢業?閲讀以深度學習預測準時畢業的研究

    作者梳理三篇2026年探討學生畢業預測的期刊研究,聚焦深度學習預測準時畢業及其與樹模型的比較。研究中,XGBoost在2.456名學生的數據上準確率為91.7%,高於Random Forest的89.2%;另一項研究的MLP結合學術及非學術特徵,準確率為0.8478。系統綜述指出,神經網絡和深度學習在相關研究中較少使用,模型可解釋性仍是弱點。

  15. HuggingFace Daily Papers(社區熱門論文)41

    Harness Scaling 如何提升具泛化能力的智能體強化學習

    Harness Scaling 透過多種執行配置訓練智能體強化學習模型,提升模型對未見過 harness 的泛化能力。研究以因子化 harness 空間選取訓練子集,並安排跨 harness 訓練;在多個基準測試、模型規模和強化學習算法中,這種方法均改善了對未見白盒配置的泛化。以結構化白盒變化訓練的模型,也能有效遷移至未見的外部黑盒 harness。

  16. HuggingFace Daily Papers(社區熱門論文)36

    VX-One:用於即時邊界分流的類型化校準決策頭——未知攻擊識別、級聯灰色地帶與漂移下校準的實證研究

    VX-One 是一款用於邊界分流的多任務神經網絡,以 100K-10M 參數輸出經校準的類型化決策,CPU p50 延遲約 0.7-1.7 ms。測試顯示,它在 UNSW-NB15 及 CIC-IDS2017 時間漂移下的檢測表現較佳,但三個基準的多類別歸因均由 XGBoost 勝出。所有方法在時間漂移下的校準均明顯下降,ECE 由 0.04 升至 0.40。

  17. DEV Community60

    16 歲作者花約一年打造 780B 參數的 Ganymede,分享訓練心得

    16 歲的 Afonso Faro 分享他約一年來打造自有大語言模型 Ganymede 的經驗,並整理五項訓練心得。Ganymede 1.1 採用 MoE,總參數量為 780B、每個 token 約啟用 20B;模型以約 5T tokens 公開網頁文字和開源程式碼預訓練,並使用分佈於法國、葡萄牙和荷蘭數據中心的 450+ 張 H200 GPU 訓練。

  18. SiliconANGLE67

    Flapping Airplanes 融資 $1B,據報估值 $6B

    AI 研究實驗室 Flapping Airplanes 宣佈完成 $1B 融資,Bloomberg 報道該輪交易估值為 $6B。這家成立約一年的公司尚未推出商業產品,目標是開發所需數據遠少於現有前沿系統的 AI 模型。公司稱其 megakernel framework 可在同一 GPU kernel 中執行完整訓練、推理及遊戲,並讓記憶體受限的推理與運算受限的訓練重疊進行。

  19. DEV Community47

    CSV Rescue:讓本地 AI 處理繁瑣的 CSV 清理,不交出資料控制權

    CSV Rescue 是一款本地優先的開源應用程式,使用 AI 推薦 CSV 清理操作,由用戶審核後透過可預測的 Python 程式碼套用變更。示範中,它處理了 500 行資料,移除 25 行重複資料,完成 739 項儲存格變更,並標記 61 個問題供檢查。應用程式使用 Ollama 和 Qwen3:8b 在本機推理,不會覆寫原始檔案,也不會執行模型生成的任意 Python 程式碼。

  20. 第一財經64

    Meta 將資本開支預期上調 50 億美元

    Meta 將今年資本開支預估上調至 1,350 億至 1,450 億美元,並把該區間低端上調 50 億美元。Meta 拒絕透露 2027 年的具體展望,但表示會繼續大舉投資,並稱現有算力足以讓公司在核心業務增長、新產品開發和基礎 AI 模型訓練之間保持靈活。Meta 預計,在新 AI 產品及 AI 對核心業務的影響帶動下,2027 年全年整體收入將強勁增長。

  21. HuggingFace Daily Papers(社區熱門論文)59

    FLORA 提出用於擴展機械人數據引擎的開源模型套件

    研究提出 FLORA,一套面向機械人基礎模型的開源工業級數據引擎,提供帶時間戳的字幕生成、結果與過程獎勵標註,以及預訓練資料整理。FLORA 在 WGO-Bench、RoboReward 和 Robometer 上取得 SOTA 成績,內部基準測試表現可與 GPT-6 Astra 相比,成本比 GPT-6 Astra 低約 125 倍。