RepoFactory:以環境演化循環擴展長期編碼智能體的訓練環境
RepoFactory 從真實軟件倉庫建構完整專案開發環境,透過環境演化循環,以驗證執行和程式碼分析提供即時、低成本的代理指標,持續改進任務環境。
RepoFactory 從真實軟件倉庫建構完整專案開發環境,透過環境演化循環,以驗證執行和程式碼分析提供即時、低成本的代理指標,持續改進任務環境。
TPHC 結合張量並行分片與 Hyper-Connections 殘差流,降低語言模型損失並提升零樣本推理表現。8B 模型採四條流時,訓練時間較 mHC 多 9%;流數由四增至十六,訓練時間僅多 19%。1.1B 模型以 100B tokens 訓練後,驗證損失較同流數 mHC 低 0.7-1.0%,六項常識推理基準的平均零樣本準確率高 0.3-0.7 個百分點。
四川省版權局、四川省教育廳主辦的四川省高校版權主題辯論賽近日在成都開賽,初賽有16支高校代表隊圍繞8組辯題交鋒。辯題涵蓋人工智能生成內容權屬、大模型訓練數據使用等前沿問題,以及民間文藝版權保護和文旅 IP 等實踐議題;西南財經大學、四川師範大學等8支隊伍晉級復賽。
Sumama-Jameel 免費公開 megabit-trajectories 編碼軌跡數據集,收錄 66 段錄製及 2,541 次真實工具呼叫,採 MIT 授權並附驗證腳本:https://github.com/Sumama-Jameel/megabit-trajectories。
作者以 Epoch AI 截至 2026 年 10 月 30 日的 ECI 數據追蹤開放權重與封閉前沿的差距,估算 2026 年至今平均落後 6.7 個月。中國實驗室自 2024 年 12 月起持續保持開放權重模型紀錄,而美國與歐洲的開放權重前沿落後更多。文章亦指出,Kimi K3 曾持有 93 天紀錄,但其非商業授權限制部分企業將模型用於生產部署。
阿里雲專有雲 OpenTrek-AI Studio支援企業以私域數據和業務經驗進行模型後訓練,將基礎模型訓練成專屬模型。案例中,27B模型首輪準確率達93%;另一項文檔問答任務中,8B模型準確率超過98%,端到端時延由26.3秒縮短至3.4秒。平台支援專有雲飛天企業版及線下本地化部署,並提供訓練、評測、發布和持續迭代能力。
Neysa 透過 Tytan 裸機 AI 基礎設施平台,在孟買部署並啟用由 8,192-GPU 組成的 AMD Instinct MI350X 集羣,支援大型語言模型訓練、微調、生成式 AI 和高吞吐量推理。集羣結合 AMD EPYC 處理器及 AMD ROCm 軟件生態,客戶可選擇裸機、裸機搭配 Slurm 或裸機搭配 Kubernetes。
ENTRONYX CLOUD 以其歐洲 GPU 租用目錄為例,説明如何按模型參數量估算顯存、選擇 GPU,並核對計費方式與供應情況。文章以 NG-RTX4000 為例,列出 24 GB 顯存、每小時 EUR 0.2932 淨價及每月 EUR 214.00 淨價上限;租用 72 小時約 EUR 21,而非月費上限。
迅策科技出席2026年APEC工商領導人峯會,分享以數據基礎設施及專用Token推動企業AI應用落地的實踐。其能力已拓展至11個行業,擁有400餘個AI數據基礎設施產品模組,客戶留存率超過90%。今年上半年,公司海外業務收入達1186萬元,同比增長264%。
企業建成數據中台後,AI 問數仍可能對同一業務問題給出不同結果,原因是缺少出口質量校驗,無法確認獲業務認可的統計口徑。雙端治理由源端減少問題數據,並在數據進入分析、決策及 AI 應用前校驗質量、對齊口徑,再將規則迴流源端。文中提出分層校驗及事前、事中、事後閉環管控,並以五維質量評估將數據可信度轉化為可追蹤指標。
文章整理 AI 資料處理協議簽署前應核對的九項條款,並以阿聯酋 PDPL 説明合約須涵蓋的 AI 特有風險。清單包括處理範圍、禁止以客戶資料訓練模型及限制人工查看、跨境傳輸與分處理者、保存和刪除、安全、事故通知、審計、資料主體權利及自動化決策。
文章整理 GDPR 對 AI 客服聊天紀錄的要求,指出留存期限須按處理目的設定,法規沒有統一的固定天數。刪除請求一般須在一個月內回覆,但法律索賠等情形可能適用例外;處理紀錄、告知、安全措施及跨境傳輸保障亦須納入流程。AI 客服系統可按既定政策執行到期刪除或匿名化、定位刪除請求及記錄操作,留存期限和例外判斷則由人確認。
Jason Wei 加盟 AI 初創公司 Mercor,出任首席科學家,並將協助建立研究團隊,推進數據與評測研究。Mercor 於 11 月 10 日宣佈完成 7.5 億美元 D 輪融資,估值達 200 億美元,並正加碼模型評測、後訓練及讓 AI 智能體學習複雜工作流程的環境。
MIT 與 Cornell University 研究人員展示,測試時適應(TTA)可提升 AI 文字檢測器應對寫作習慣變化及偽裝文本的能力。在模擬人類寫作隨時間變化的實驗中,TTA 檢測準確率為 85%,傳統方法為 73%;面對偽裝成真人撰寫的 AI 文本,TTA 可識別超過 93%,現有方法約為 27%。
拼多多在雄安落地並帶動就業與產業發展,成為當地進入「應用時刻」的代表性企業。《民營經濟助力雄安新區發展指數(2026)》綜合指數達234.4點,2021-2025年年均複合增長20.3%,就業帶動維度較2025年提高22.6%。拼多多雄安公司落地三個多月提供5000個崗位,超八成員工來自京津冀。
LanceDB 開發基於開放格式 Lance、供 AI 訓練使用的多模態 lakehouse,並完成 $57.5M B 輪融資。此輪融資由 Bessemer 和 Innovation Endeavors 領投。
貝索斯建議英偉達若不請回黃仁勳,應從內部提拔 CEO;他認為在高度複雜的公司,外部空降 CEO 成功機會微乎其微。他與維克·巴賈傑共同領導的普羅米修斯(Prometheus)開發面向實體製造業的專用模型,稱模擬晶片、無線電設備等設計可由10至20人耗時六至九個月縮短至12小時。
香港大學團隊提出 A-GRAE,以「隱式優勢對稱性」統一解釋 GRPO 在探索能力和難度適應上的瓶頸。A-GRAE 無需增加額外計算成本,並在涵蓋文本數學推理和多模態推理的 7 個基準上提升表現;在 AIME2025 上,DAPO+A-GRAE 的平均表現為 53.3%,高於 DAPO 的 52.2%。論文獲 NeurIPS 2026 錄用,程式碼已開源。
柏川數據(ByteTree)完成 5000 萬元 Pre-A 輪融資,資金將用於物理 AI 數據管線建設、具身智能算法研發、高質量數據集構建及特殊場景機器人研發和應用。公司具身智能數據月產能超 5 萬小時,數據集規模上萬小時,覆蓋 12 類真實場景。柏川數據已累計交付超 20 萬小時具身智能有效數據,並計劃於 2027 年將交付量提升至百萬小時以上。
研究發現,讓大型語言模型在不使用梯度訓練下編寫權重時,會設計稀疏表格或聯想記憶模型,而非 Transformer。三個前沿 LLM 設計的模型測試準確率最高達 54.4%;其中一個模型的參數量約少 1,800x,準確率仍高於同一 LLM 編寫的最準確已發布 Transformer,聯想記憶模型在 GPU 上則快達 17x。預訓練 LLM 的準確率仍較高。
生命模型智能公司觀壹智能(OneX Intelligence)宣佈完成首輪數億元融資,由IDG資本領投,創世夥伴創投(CCV)、澐柏資本、交大菡源資產及雲啟資本跟投。資金將主要用於生命智能基礎模型研發、濕實驗平台建設和產業合作驗證。謝偉迪於10月31日在2026世界頂尖科學家論壇獲頒首屆「青年科學家獎」,是全球六位得獎者之一。
AI 學科錯題錯因智能診斷系統透過採集作業、分析錯因、個性化答疑及變式訓練,協助教培機構打通課前測試、課中診斷到課後學習的數據閉環。系統可按知識圖譜定位錯因,並根據學生表現調整訓練內容,讓老師掌握班級學習盲點及跟進個別進度。文章指出,機構可藉此減輕批改與答疑負擔,提升教學效率。
法國通用機械人公司 Genesis AI 完成 5 億美元 A 輪融資,估值達 35 億美元,是歐洲機械人行業規模最大的融資項目之一。公司行政總裁 Zhou Xian 表示,資金將用於提高通用機械人 Eno 的產量,並擴大數據採集和 AI 訓練規模。
美國艾倫人工智能研究所發佈新一代地球觀測基礎模型 OlmoEarth v1.3,並免費開放全球預先計算數據及分析工具。模型以每個10米網格的128個數值表徵年度地表特徵,另提供成本較低的64維版本;跨六大洲27項地表識別評測中,兩個版本分別有20項及18項領先同場對手,GPU耗時則降至v1.2的約53%。
本教學示範如何以 Temporal Fusion Transformer(TFT)和 PyTorch 建構 CGM 預測系統,預測未來 60 分鐘的血糖水平。系統使用 MQTT 串流及 Pandas 處理感測器數據,並在預測值超過 160 時發出警示。原型亦介紹以 5 分鐘間隔數據建立預測流程。
Google 更新 Gemini 應用程式的控制選項,讓用戶可保留聊天記錄,同時選擇不將記錄用於生成式 AI 模型訓練。用戶仍可調整記錄保存期限,並手動查看或刪除記錄。關閉新的「歷史記錄」設定後,之後的聊天內容仍會保存約兩個月,用於提供回覆、處理用戶回饋,以及保障 Google、用戶和公眾安全。
UIUC、香港科技大學及德克薩斯農工大學等機構的研究者提出 A2D,透過強化學習優化問題生成器,為在策略蒸餾合成更有學習價值的問題。A2D 根據教師與學生的預測分佈評估問題,不需外部訓練問題或正確答案。實驗中,合成問題令學生回答長度減少約 20%,累計學習信號增加約 28%。
Microsoft 表示,MAI Licensed Weights 讓客戶可使用專有資料客製化 MAI 前沿模型,並在自己的 Azure 環境中部署,以提高對模型客製化及部署環境的控制。Microsoft 尚未交代授權條款、支援的客製化方法、模型規模、價格、地區供應情況及營運要求。
谷歌更新 Gemini 應用程式的控制選項,讓用戶可保留聊天記錄,同時選擇不將記錄用於生成式 AI 模型訓練。用戶仍可調整聊天記錄的保存期限,並手動查看或刪除記錄。關閉新的「歷史記錄」設定後,之後的聊天內容仍會保存約兩個月,用於提供回覆、處理用戶反饋,以及保障谷歌、用戶和公眾的安全。
模型在正式環境的準確度出現漂移時,產品路線圖應轉向定位失效區段,並把數據管道、評估和監控納入同一生命週期。更新策略可按情況採用分段微調、數據增強、護欄或 Canary Deployment;發布門檻應以表現指標為準,並設立獨立評估集及自動監控。
Hammerspace由數據編排軟件供應商拓展至硬件市場,推出整合儲存、數據編排及數據智能功能的 Hammerspace Data System,支援 AI 訓練及推理。Hammerspace Open Flash Platform 每個機架單位的吞吐量達 350 gigabytes per second,較全面的效能測試仍在進行。現有客戶可透過軟件升級取得數據智能功能,硬件則屬可選配置。
文章解釋 AI API 的數據保留有兩種標準設計:客戶上載數據、執行工作後自行刪除,或把請求傳送至端點處理並取回結果,不在應用程式狀態中保留數據。ZDR 的適用範圍取決於端點、請求設定及帳戶設定,並非供應商層面的統一承諾;批次、檔案及數據集功能會保留數據,直至刪除或到期。
LanceDB 宣佈完成 $57.5 million B 輪融資,將資金用於擴展其多模態 lakehouse,總融資額達 $98.5 million。公司稱平台每秒可支援超過 130,000 個請求,95% 請求的延遲低於 210 毫秒,並支援在 8,000 張 GPU 上並行訓練。
AWS 於 2026 年 11 月 17 日為 Amazon SageMaker AI 加入數據準備功能,涵蓋合成數據生成、品質評估、轉換、自動標註及人工覆核。這些功能已在 US East (N. Virginia) 和 US West (Oregon) 一般提供,相關工作以 SageMaker 管理作業執行,數據存於客戶的 Amazon S3 儲存桶。
Amazon SageMaker AI 推出 AI 數據準備功能,擴展模型開發工作流,可生成合成數據、評估及改善現有數據集,並納入專家意見。功能涵蓋自動標註、人工覆核、合成數據生成、數據品質評估及數據轉換,可透過 SageMaker Python SDK APIs 或 AWS AI-ML agent skill 使用。
等變神經網絡將任務本身具備的對稱性直接融入架構,令模型無須從數據中反覆學習相同模式,並能泛化至訓練時未見的方向。相較數據增強以例子統計學習對稱性,等變性會對每個輸入強制遵守對稱規則;但前提是所設定的對稱性符合任務。羣卷積是實現等變性的核心方法,並可將架構延伸至三維旋轉等對稱羣。
OpenTSLM-Flamingo 現已可在 Amazon SageMaker JumpStart 部署,文章示範如何以數值時間序列和文字上下文進行推理。
AWS 宣佈 OpenTSLM-Flamingo Gemma 3 4B 已在 Amazon SageMaker JumpStart 提供,客戶可將模型部署至自有 AWS 環境的即時推理端點。
Lance 是多家 AI 實驗室及基礎設施公司的訓練與推理 Lakehouse,並已用於 Exa、Runway、Microsoft AI、Adobe 和 NVIDIA 的生產部署。
TabBioMed 建立涵蓋 94 個經整理公開數據集的生物醫學表格學習基準,統一分類、回歸及多目標任務的評估,並比較 23 個模型。基礎模型整體預測表現最佳,但在推理時間或訓練成本受限時,樹模型和經調校的多層感知器仍具競爭力,且往往表現較佳。研究同時公開數據集及切分、預處理程式碼、基線模型和結果。