如何使用 Databricks Feature Views 構建即時下一最佳優惠推薦系統
Databricks 的 Solution Accelerator 示範如何以 Feature Views 構建零售銀行即時下一最佳優惠(NBO)推薦系統,讓批次及串流特徵共用定義,支援按時間點正確訓練與低延遲線上服務。
Databricks 的 Solution Accelerator 示範如何以 Feature Views 構建零售銀行即時下一最佳優惠(NBO)推薦系統,讓批次及串流特徵共用定義,支援按時間點正確訓練與低延遲線上服務。
Alibaba 發佈大語言模型 Qwen4-Max,稱其輸出品質高於前代、成本更低,並採用 Qwen4 架構及升級的注意力機制。模型骨幹包含 2.4 trillion parameters,每次只啟用 71 billion;Alibaba 內部基準測試中,它完成任務最多少用 35% tokens,在 Terminal-Bench 4.0 少用 49%。
NVIDIA 推出 Nemotron for Science,以 Nemotron 3.5 Super VL 配套科學評測、後訓練配方及近 50,000 條問題的 LitmusBench v0.2 化學數據集,模型和數據集均可在 Hugging Face 取得。
Databricks 發佈在 AI Runtime 執行表格基礎模型的技術指南,並提供公開程式碼庫,用於比較 TabPFN、TabFM、TabICL、Nori 和 KumoTabular,以及測試微調流程。
NVIDIA Vera Rubin NVL72 在 MLPerf Training v6.1 的性能最高達 Blackwell Ultra 的 2 倍。Vera Rubin 架構在該版評測中首次亮相,NVIDIA 在七項基準測試中全數勝出。NVIDIA 表示,早期結果顯示其 CUDA 軟件堆疊已相當成熟。
NVIDIA Nemotron 的後訓練可提升模型在特定科學領域的準確度。自主智能體可根據研究人員以自然語言描述的科學假設,規劃任務、執行模擬、評估結果,並透過多輪迭代自行修正。
Google 發佈開源 AI-Hypercomputer/tpu-codesign 指南,整理 TPU 模型設計與優化方法,涵蓋形狀對齊、架構選擇及並行策略。指南建議將歸約維度及輸出維度對齊 256,並按 TPU 實體鏈路配置並行軸;改造既有模型時,也可只調整並行方式而不改動 checkpoint。
論文探討透過跨視角共識緩解虛假相關性;頁面只列出論文標題及引用、連結資訊,未提供方法細節或實驗結果。
NVIDIA 推出 Nemotron for Science,整合 Nemotron 3.5 Super VL 開放模型、化學數據集及後訓練配方,協助研究人員建立科學智能體。
NVIDIA Vera Rubin 平台首次亮相 MLPerf,在 MLPerf Training v6.1 橫掃所有基準項目,並於首次 MLPerf Endpoints 提交中領先智能體基準。
特朗普政府準備推出新出口管制規則,要求企業向世界各地數據中心出口、再出口或轉移 AI 晶片及伺服器前申領許可,若相關設施可能向中國等受限制國家的企業提供算力。規則適用於總處理性能超過 12 million TPP 的數據中心或網絡,亦涵蓋透過中介或經紀商取得算力;向馬來西亞、新加坡、印尼、泰國及巴西出口先進半導體亦新增許可要求。
推薦理由:規則把管制延伸至境外數據中心及中介轉接,並以算力門檻、客戶背景審查和許可要求勾勒適用範圍。
Origin Data Partners 整理了數據集授權前的開源工具指南,按個人資料、表格、人臉、程式碼憑證、第三方程式碼、近似重複資料和文件記錄分類。
Knit Health 宣佈完成 NEA 領投的 $35 million A 輪融資,將擴充團隊並在更多臨牀場景部署 Med-BEAM。Med-BEAM 是以數十億項醫療決策及數億份患者紀錄訓練的醫療世界模型,初期應用包括患者導航、專科轉介、排期及醫院營運。
Airbnb 研究人員推出 CASTLE,利用去識別化的預訂紀錄及大型語言模型生成合成搜尋查詢和相關性標籤,讓自然語言搜尋模型在真實搜尋流量不足時也能訓練。CASTLE 與最佳基線 Promptagator 的 KL 散度分別為 1.01 和 9.33,散度降低 9.2 倍;三名專家對其相關性判定的認同度介乎 91% 至 93%。
Alibaba 發佈 Qwen4-Max,稱其相較 Qwen3.8-Max 將專業任務平均成本降低 62%,並加入針對攻擊性網絡安全能力及其他高風險用途的防護措施。
AI 在金融領域的判斷能力,取決於財務數據是否互通、及時且定義一致,而非單靠模型或應用。Xero 報告顯示,美國小型企業平均需等候 29.3 天收款,年度銷售增長 4.0%,低於長期平均。文章建議建立明確的數據合約、事件驅動數據流程及一致的財務指標定義,並以實際帳目核驗 AI 洞見。
ROBOTERA 於 2026 年 11 月 16 日推出 XHAND 1 Pro-U 商用版,並為首批 40 台五指靈巧機械手開放訂購。該手配合 NVIDIA GEAR Lab 的 DexUMI 外骨骼收集示範資料,GR00T 2 在香蕉乳酪製作、格蘭諾拉麥片取料和火焰化學三項雙手任務的整體成功率分別為 60%、80% 和 75%。
「elsewhere」將於本週日舉辦數據主題活動,邀請模廠、數商及「小武」參加,討論數據行業的重要議題。活動規模限定在30人以內,議題包括公允數據驗收標準、供需雙方溝通,以及不同類型數據的價值共識。
mmops 的 wheel 包可公開下載,配合 Python 3.11 及以上版本和 Ray,可先在本地試跑具身操作影片標註小樣本;新用戶亦可試用基礎版 8ACU、100GB 一個月。
阿米奧機器人正經歷再融資受阻與團隊收縮,原 CTO、COO 及產品負責人據報已離職,團隊由高峯約130人縮減至70餘人。文章指出,公司已有欣旺達、加拿大 CAMT Automotive 等客戶,迪比科亦把方案部署到海外工廠;但訂單金額、交付台數、驗收情況、復購率及收入規模均未公開。
作者的 Ai-Email-summariser 以 TF-IDF 和 Random Forest 在本機分類重要及垃圾電郵,並透過用戶修正的標籤逐步訓練模型。分類毋須 API 呼叫;只有開啟電郵閲讀時,才會使用 GPT-3.5-turbo 撰寫摘要。修正記錄會去重並用於按需重新訓練,模型則儲存至 joblib 檔案。
Moth 宣佈,Tessa 在 IBM 的 Phoenix Nighthawk r2 處理器全部 120 個量子位元上編碼並恢復 1,568 個實數值。Tessa 按晶片的物理連接排列資料與地址量子位元,毋須 SWAP 閘、路由或輔助量子位元;論文稱這是按其定義規模最大的同類實驗。Moth 表示,Tessa 可在 Atlas 平台用於影像處理實驗。
影響函數透過微幅增加單一訓練樣本的權重,估算它對模型參數及測試損失的影響,避免逐點刪除資料並重新訓練。實作上可用共軛梯度或隨機 Neumann 級數估算 Hessian 逆矩陣與測試梯度的乘積,再為訓練樣本排序。分數屬局部近似,作者建議抽樣實際重訓檢查方向與幅度,並測試阻尼變化對排序的影響。
AI 系統的數據品質決定輸出上限,換用更強模型無法修正有問題的數據,反而可能更有把握地重現錯誤。標籤是人的判斷,標註不一致會成為模型學習的雜訊,因此應制定清晰指引、衡量標註者之間的一致程度並處理分歧。若訓練和評估數據同樣有缺陷,評分可能看似理想,卻無法反映系統的真實表現。
作者以實際程式碼示範 Hugging Face 2026 生態系統中的模型載入、數據集處理、微調與應用部署。
安納智芯 AX100 模擬計算晶片於10月完成流片,求解一次矩陣方程不到100納秒,單次功耗約80毫瓦。安納智芯稱,AX100 是世界首顆全集成、一步求解矩陣方程的模擬計算晶片;它把方程映射成電路,電路自平衡後一次讀出結果,毋須迭代,並可採用現有成熟製程。
Datasetseek提供面向醫療 AI 團隊的一站式數據集服務,涵蓋數據檢索、治理、標註、交付及定製生產。平台提供醫學影像、臨牀文本、基因生物等多類數據集,支援檢索下載、API 調用及按需定製。
阿里巴巴於 2026 年 11 月 16 日推出 Qwen4-Max,稱平均每項任務成本較 Qwen3.8-Max 低 60%,輸入價格為 $0.075 per million tokens。模型採閉源,沒有可下載權重;阿里巴巴亦稱訓練加入網絡安全檢查及 CBRN 風險緩解措施。編碼成績、安全措施及 48 小時自主研究結果均來自阿里巴巴的説法,文中指出尚無獨立驗證。
建發股份參加廈門高質量數據集供需對接活動,展示大宗商品供應鏈數據集及產業生態平台的建設成果。其「1+2+3+N」全球數智基座涵蓋鋼鐵、漿紙、農產品等核心品類的120多類高質量數據集,並支援上千個應用場景。建發雲鋼、紙源網、漿易通等平台已匯聚上下游夥伴超1.8萬家。
阿里雲瓴羊 Dataphin 2026版以「OneData+治理即研發」為核心,透過標準、資產、開放三大支柱及 AI 引擎,提出由統接入、統建模、統開發至統服務的四階段路徑。平台支援 50+ 連接器,並以 DataAgent 自然語言找數及 API 服務化推動數據進入業務;AI 輔助可降低 70% 以上的重複性數據開發工作量。
SoccerDream AI 作者分析其平台的模型投票數據,發現 2,722 個至少有五名投票者的賽事平均有 10.34 個模型,卻只有 1.46 個有效意見。多數投票準確率為 56.95%,略低於成員平均的 57.00%;改按 training_word_id 所示的模型譜系投票後,可決策率由 78.18% 降至 72.44%,可決策票中的準確率為 57.35%。
阿里巴巴稱,已過濾 Qwen4-Max 的訓練數據,移除攻擊性網絡能力,並降低化學、生物、放射性及核風險。
作者以一次損失值變成 NaN 的除錯經歷,説明 2016 年的《Deep Learning》如何解釋數值下溢及梯度出現 NaN 的原因。當 float32 中錯誤類別的 logit 比目標類別高 104 或以上,先計算 softmax 再取 log 可能令目標概率下溢至 0;改用 PyTorch 的 F.cross_entropy 可在 log 空間保持數值穩定。
阿里雲瓴羊 Dataphin 以 OneData+AI 將數據標準、質量和血緣嵌入研發流程,並透過 AI 引擎支援自然語言生成 SQL 和異常任務根因診斷。平台支援50多種異構數據源,公開信息顯示可降低70%以上重複性數據開發工作量。文章亦比較 Collibra、Atlan、Informatica Axon 等工具,並建議按企業實際場景驗證選型。
神經網絡縮放定律指出,語言模型的測試損失會隨參數量、訓練 token 數和計算量增加而按冪律下降,並趨近不可約損失下限。Kaplan 建議按 C^0.73 和 C^0.27 分配模型規模與數據;Chinchilla 研究則提出兩者應按 C^0.50 等比例擴展。
Dwarkesh Patel 預測,AI 研發能力可能最快數月後追上頂尖人類研究員,超級智能則可能在 2030 年前到來,最快明年。他以 AI 數學能力的進展及 AI 參與研發的數據為依據;Anthropic 稱,截至 8 月,Claude 主導 26% 的 AI 研發工作,該比例今年 2 月尚不到 1%。
文章建議遊戲訓練素材直接上傳至私有物件儲存,由後端簽發短效、限單一操作的上傳權限,並由應用程式管理租戶歸屬及保留政策。實作需以伺服器控制物件鍵、記錄素材生命週期,並在驗證後才供訓練使用;作者亦提出跨租戶、過期權限、重複通知及清理重試等測試案例。此方案適合大型通用檔案,但轉換、公開媒體交付或寫入前檢查等需求,可能更適合媒體服務或應用程式代理上傳。
黃仁勳離職可能令中國 AI 前沿在未來兩年更受掣肘,卻也可能為國產晶片及算力帶來更確定的需求。文章認為,美國若收緊晶片出口及海外租用英偉達算力的渠道,需求可能轉向國內;較低電價有利西部承接訓練和存儲,東部則保留推理及應用。文中亦指出,國產算力仍受單卡性能、產能和數據中心利用率限制。
作者以 Affon 探索 TypeScript 可承載的機器學習工作,展示既有模型的本地推理及自行訓練的流程。WikiText-2 本地訓練記錄為 12 epochs、52,128 steps,訓練損失為 4.55、驗證損失為 5.09;作者指出這不是與其他框架的比較。
南洋理工大學 S-Lab、商湯研究院與 Ropedia 研究團隊發布 NEO‑VLA,一款不設獨立視覺編碼器、將像素直接輸入視覺—語言主幹的機械人策略模型。模型主幹為 2B 參數,在 LIBERO 完整微調後平均成功率為 95.3%;LIBERO-Plus 分佈偏移測試加權總分為 89.7%,RoboTwin 2.0 隨機場景成功率為 69.4%。