跳到正文
11月17日週二
  1. Google Developers Blog62

    Google TPU 模型設計考量與優化指南,涵蓋形狀對齊、架構選擇及並行策略

    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。

11月16日週一
  1. TechCrunch · AI77

    美國擬收緊 AI 晶片出口管制,遏止中國企業遠端取得算力

    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。

  2. InfoQ48

    Airbnb 推出 CASTLE,利用合成數據訓練自然語言搜尋模型

    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%。

  3. Unite.AI40

    AI 的智能取決於背後的財務數據

    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。

  4. 創業邦53

    阿米奧機器人融資遇阻、團隊收縮,訂單交付數據仍未披露

    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。

  5. Unite.AI50

    Moth 的 Tessa 在 120 量子位元晶片上編碼並恢復 1,568 個數值

    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。

  6. DEV Community52

    影響函數:單一訓練樣本為何會改變模型預測

    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。

  7. DEV Community36

    你的模型沒有問題,問題在數據:每個 AI 系統的隱性瓶頸

    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。

  8. 阿里雲開發者社區 AI25

    醫療 AI 數據集痛點總結

    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。

  9. DEV Community74

    阿里巴巴推出 Qwen4-Max,稱平均每項任務成本降低 60%、輸入價為 $0.075 per million tokens

    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。

  10. 新浪科技21

    建發股份亮相數智化產業交流活動,分享數智賦能產業新實踐

    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。

  11. 阿里雲開發者社區 AI26

    數據資產化時代,企業如何建設數據系統以賦能業務?

    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。

  12. DEV Community51

    27 個模型的集成只有 1.5 個有效意見?以 Fleiss' kappa 衡量多樣性並按模型譜系加權投票

    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%。

  13. DEV Community57

    我的損失值變成 NaN,2016 年的《Deep Learning》解釋了原因

    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。

  14. 阿里雲開發者社區 AI28

    有哪些好用的數據治理工具

    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。

  15. DEV Community52

    如何為遊戲訓練素材設計安全且兼顧成本的瀏覽器直傳

    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。

  16. 虎嗅75

    華爾街:黃仁勳辭職或成中國的「夢幻劇本」

    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。

  17. DoNews59

    研究團隊發布 NEO‑VLA 原生視覺—語言—動作機械人策略模型

    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%。