ChatGPT Work 的銷售工作流程
ChatGPT Work 的實用銷售工作流程涵蓋銷售管道簡報、會議準備、客户計劃、預測檢視及交易診斷等場景。
ChatGPT Work 的實用銷售工作流程涵蓋銷售管道簡報、會議準備、客户計劃、預測檢視及交易診斷等場景。
Deutsche Telekom 正與 OpenAI 推進轉型,邁向 AI 原生電訊商,並重塑客户服務、員工工作流程和網絡營運。這項轉型亦關乎語音的未來。
Hugging Face Blog 的《PyTorch 效能分析》第 3 篇以 profiler traces 對照手寫注意力與 PyTorch SDPA 各後端的執行情況。
推薦理由:文章對照 CPU 與 GPU trace,展示如何從 kernel 數量、資料搬移及 CPU 開銷,辨認注意力實作的效能收益與成本。
ChatGPT 入門指南説明如何使用 ChatGPT、開始首次對話,並探索以 AI 寫作、腦力激盪和解決問題的簡單方法。
OpenAI 宣佈,GPT-5.6 現已成為 Microsoft 365 Copilot 的首選模型。它為 Word、Excel、PowerPoint、Chat 和 Cowork 提供更強的 AI 能力,旨在讓工作更快、品質更高。
Mistral Studio 現已為 Prompts 和 Skills 提供集中記錄系統,涵蓋版本、負責人、完整歷史和追溯能力。AI 開發者及非開發者均可即時編輯和測試,正式部署仍須經企業既有測試與審批流程,標籤亦可觸發 CI/CD。Studio 支援版本比較、回滾和審計記錄,並透過 Observability 將生產輸出追溯至相應資產版本。
GPT-5.6 主打每個 token 帶來更多智能、每美元效能更強,並可按需提供更多能力,支援最艱鉅的工作。
ChatGPT Work 是一款可跨應用程式和檔案執行操作、並將目標轉化為完成工作的智能體。它可按需持續處理一個項目數小時。
OpenAI Bio Bounty 計劃聚焦 GPT-5.5 生物漏洞賞金,頁面提供該計劃詳情。
Google Research 提出 SensorFM 大型感測器基礎模型,以來自五百萬名參與者的逾一萬億分鐘未標註穿戴式裝置訊號學習通用生理表徵。凍結模型編碼器後訓練的線性探測,在 35 項健康任務中的 34 項勝過特徵工程監督基線。在 31 份參與者檔案的評估中,加入 SensorFM 預測提升個人健康智能體摘要在五個評分維度的表現;與以真實測量值作依據的摘要評分則沒有統計顯著差異。
OpenAI 説明其與政府及國家安全領域建立合作夥伴關係的方針。相關原則包括負責任地使用 AI、民主問責及公共安全。
OpenAI 的新分析指出,熱門編碼基準 SWE-Bench Pro 存在問題,引發對 AI 模型評測可靠性與準確性的疑慮。
Mistral AI 發佈 8B 模型 Robostral Navigate,讓機械人根據 RGB 圖像和自然語言指令自主導航。模型在 R2R-CE 已見及未見驗證集分別取得 79.4% 和 76.6% 成功率;未見集成績較最佳單相機方案高 9.7 個百分點,較採用深度感測或多相機的最佳系統高 4.5 個百分點。
OpenAI Academy 與 Walton Family Foundation 正為 K–12 教育工作者帶來實作型 AI Skills Jams,協助他們培養可應用於課堂的實用 AI 技能。
Hugging Face 更新 vLLM 的 Transformers 建模後端,令多種相容 LLM 架構的推理吞吐量達到或超過 vLLM 手寫原生實作。測試涵蓋 Qwen3-4B 單 GPU、Qwen3-32B 張量並行,以及 Qwen3-235B-A22B-FP8 MoE 在同一 8×H100 節點上的數據並行與專家並行,三者均達到或超越原生實作吞吐量。
推薦理由:文章以三種不同規模及並行配置的 Qwen3 模型對照 vLLM 手寫實作,並説明 torch.fx 分析與運行時融合如何使相容模型達到原生推理速度。
OpenAI 介紹 GPT-Live,將其定位為面向自然人機互動的新一代語音模型,並稱其現正為 ChatGPT Voice 提供支援。
Hugging Face 與 Amazon SageMaker AI 推出深連結整合,讓開發者可從受支援的模型頁面一鍵進入 SageMaker Studio 的微調或部署流程,並預載所選模型。新流程會在數秒內自動建立已配置權限的 Studio 網域;Studio 亦會顯示 G5、G6 GPU 配額的可用情況。
Google Research 在 10 座美國城市以 Google Maps 進行導航改道實驗,發現少於 2% 行程收到改道建議,也可提升行車速度並降低燃料消耗。
推薦理由:研究在 10 座美國城市以全市交叉實驗測試導航改道,呈現少於 2% 行程受影響時,行車速度上升、燃料消耗下降的路網效益。
Hugging Face 與 Microsoft 將每週更新的精選開放權重模型目錄加入 Microsoft Foundry Model Catalog,並可一鍵部署至 Foundry Managed Compute。
推薦理由:文章梳理模型篩選、權重預置和執行環境掃描的上架流程,説明企業如何在私有網絡內部署而毋須連出 Hugging Face Hub。
MUFG 使用 ChatGPT Enterprise 建設 AI 原生組織,改善工作流程,並大規模提供 AI 驅動的金融服務。
Australian Payments Plus 使用 ChatGPT Enterprise 和 Codex,加快應對支付業務的複雜性。AP+ 節省時間、改善品質,並以人類判斷為核心。
LeRobot v0.6.0 新增世界模型策略、統一六項模擬基準的 lerobot-eval,以及用於部署和收集人工修正資料的 lerobot-rollout CLI。
推薦理由:版本把策略部署、人工接管修正與資料回訓串成可重複流程,並以統一 CLI 整合六項模擬基準,呈現機械人學習由實作到評估的工作流。
Hugging Face Storage 現已成為 SkyPilot 的一級儲存後端,可透過 hf:// URL 將 Bucket 或 Hub 倉庫接入跨雲任務。
推薦理由:這項整合把模型與數據集的存放位置和 GPU 雲端選擇分開,並明確呈現讀取不收 egress 費與跨雲寫回仍需付費的成本差異。
Hugging Face 為 Kernels 項目推出重大更新,新增 Hub 的 kernel 倉庫類型(https://huggingface.co/kernels),並加入可信發佈者及程式碼簽署機制。
Google DeepMind 與 A24 宣佈建立首創研究合作夥伴關係,合作將涵蓋多個研發項目,並協助藝術家發展新工作流程與技術。合作初期聚焦連結尖端科技與新一代娛樂,具體目標、技術成果及創作里程碑將隨時間演進。Google 亦已投資 A24。
Mistral AI 發佈 Leanstral 1.5,這款 Apache-2.0 授權模型總參數量為 119B、活躍參數為 6B,面向 Lean 4 形式化驗證。
推薦理由:文章不只列出形式化數學基準,也以 AVL 樹複雜度證明及 57 個程式庫的漏洞排查,呈現 Leanstral 1.5 將定理證明延伸至實際程式驗證的應用。
Berkeley Artificial Intelligence Research(BAIR)Lab 慶祝 2026 屆博士畢業生,展示他們在機械人、大語言模型推理、電腦視覺、生成模型及 AI 安全等領域的研究。畢業生曾發表研究、建構具實際影響的系統並指導同儕,去向包括教職與博士後、業界研究實驗室及初創公司;部分人仍在探索下一步。
Hugging Face 推出開放基準 ScarfBench,評測 AI 智能體遷移企業 Java 框架的能力。它涵蓋 Spring、Jakarta EE、Quarkus,包含 34 個應用程式、102 個框架實作及 204 項遷移任務,並驗證建置、部署和行為。現有最強智能體的行為成功率低於 10%,Jakarta EE 遷移尤其具挑戰。
Google Research 將建築物屋頂反射率數據集擴展至 9 個國家的 50+ 座城市,並透過新推出的 Heat Resilience Earth Engine App 開放使用。
推薦理由:數據細化至單棟建築並覆蓋 9 個國家的 50+ 座城市,讓城市規劃者可據此識別優先採用高反射屋頂的地點。
Google DeepMind 推出 Nano Banana 2 Lite,並首次向開發者開放 Gemini Omni Flash。
推薦理由:兩款模型分別面向高速批量圖像生成與影片生成、對話式編輯,文中列出成本、延遲及 API 限制,可供評估多媒體工作流的取捨。
Google Research 發佈 TabFM,這款表格數據基礎模型以上下文學習執行分類與回歸,並可在單次前向傳遞中預測。TabFM 以結構因果模型動態生成的數億個合成資料集訓練,並在 TabArena 的 38 個分類與 13 個回歸資料集上評測。
OpenAI Signals 的新數據顯示,ChatGPT 在全球的使用普及正在擴大。用户增加使用量、探索更多能力,並帶動不同地區及語言的增長。
Every Eval Ever(EEE)與 Hugging Face Community Evals 現已互通,評測結果可同步顯示於 Hugging Face 模型頁面及基準排行榜,並連回 EEE 完整記錄。
OpenAI 推出 GeneBench-Pro,這項新基準使用複雜的真實世界數據集,測試 AI 在基因組學、生物學及科學研究中的表現。
OpenAI 的新報告描繪 AI 可能如何重塑歐盟各地的工作崗位。報告指出,部分職業可能面臨自動化、增長或工作流程變化。
HP Inc. 擴大與 OpenAI 的 Frontier 戰略合作夥伴關係。合作將 AI 部署至客户體驗、軟件開發及企業營運。
Google Research 已將 Multi-Token Prediction(MTP)架構部署至 Pixel 9 和 10 系列的 Gemini Nano v3,透過凍結主模型權重加快裝置端文字生成。
推薦理由:文章對照整合式 MTP head 與獨立草稿模型,説明直接利用主模型狀態如何提升候選 token 準確度,並改善 Pixel 端的速度與記憶體效率。
OpenAI 預覽新一代模型 GPT-5.6 Sol,其程式編寫、科學及網絡安全能力更強,並配備 OpenAI 最先進的安全技術堆疊。
Hugging Face Blog 示範用一條命令在 HF Jobs 上以 vLLM 啟動私有、OpenAI-compatible 的 LLM 端點。內容提供 curl 和 Python OpenAI client 呼叫範例,並示範以 SSH、Gradio 及 Pi 延伸使用;每次請求須附上具該 Job 讀取權限的 HF token。
推薦理由:文章把 HF Jobs、vLLM 與 OpenAI-compatible API 的部署、驗證和停止流程串成可複用命令,並説明私有端點的 token 權限與成本控制。
Google Research 提出線性彈性快取,將頁面淘汰建模為 ski rental 問題,按即時工作負載動態調整快取容量,以降低快取管理的總擁有成本。在 Spanner 生產環境測試中,記憶體用量減少 15.5%,快取未命中僅增加 5.5%,總擁有成本約降低 5%,實際 I/O 成本影響僅 0.5%。