利用虛擬實境人類示範修正點雲抓取策略的持續失敗
研究提出人機協作失敗挖掘流程,將強化學習點雲抓取策略持續失敗的案例轉化為虛擬實境中的人類示範,再用於訓練。模擬中,強化學習將未見物件的抓取成功率由 Contact-GraspNet 的 55% 提升至 83%;加入 58 個人類示範後,難例成功率由 24% 升至 45%。這方法亦恢復了強化學習在相似未示範案例上的表現,且未降低未見物件的成功率。
研究提出人機協作失敗挖掘流程,將強化學習點雲抓取策略持續失敗的案例轉化為虛擬實境中的人類示範,再用於訓練。模擬中,強化學習將未見物件的抓取成功率由 Contact-GraspNet 的 55% 提升至 83%;加入 58 個人類示範後,難例成功率由 24% 升至 45%。這方法亦恢復了強化學習在相似未示範案例上的表現,且未降低未見物件的成功率。
DySENSE 是一個多模態 GenAI 框架,可結合靜態城市衞星影像與空間對齊的每月動態建築能源消耗圖,合成帶有能源數據的城市影像。該框架在四個城市的實驗中,使用少於 25% 的已標註數據,令下游預測的 mIoU 提升 8%;相較現有方法,預測準確度提升 8.7%,CVRMSE 預測誤差降低 9%-18%。
G-CAST 是面向電商智能體的治理式持續自我訓練系統,將日常生產證據轉化為訓練資料,並透過受控的模型更新應對需求與能力變化。真實電商智能體實驗顯示,與自主後訓練基線相比,G-CAST 更能適應新需求,同時保留用戶已接受的行為。G-CAST 現已部署於 Alibaba 1688 平台的 B2B 採購智能體 Yuancai。
PaperCritic 以強化學習訓練,透過同時提升論文可靠性審查要點的精確率與召回率,在同領域測試中勝過前沿模型及其他訓練方法。研究以 1K 篇 ICLR 投稿及 23K 個人手撰寫和 LLM 生成的審查要點,建立 PaperSound-23K 數據集。模型亦能遷移至 Nature 系列論文審查,以及程式碼審查、法律合約審查和故事寫作回饋等任務。
論文公開 CANTraj 自然駕駛數據集及 CANTraj-Bench,用於評估從 CAN 訊號還原車輛軌跡的方法;數據集包括 3,940 段駕駛紀錄和 454 名司機,基準涵蓋 3,675 段紀錄、431 名司機、1,380 小時及 85,919 km。
Orakl Oncology 完成由 Norrsken VC 與 Singular 共同領投的 $34M A 輪融資,利用 AI 預測癌症藥物在臨牀試驗中的表現,累計融資達 $50M。
Orakl Oncology 獲 Norrsken VC 與 Singular 共同領投的 $34M A 輪融資,總融資額達 $50M。公司計劃把數據生成量增至五倍,將研究範圍由結直腸癌和胰臟癌擴展至肺癌和胃癌,並在超過 10 個藥物項目部署預測。SCOPE 預印本屬早期研究,可能尚未經同行評審;其外部驗證涵蓋 23 項已發表試驗的 32 個治療組,預測中位無惡化生存期的 R² 為 0.85。
Epoch AI 根據衞星影像及公開資料估算,華為和林格爾 AI 數據中心目前約有 81,000 H100e 算力,約為全球最大 AI 數據中心 Colossus 2 的 7%。
作者指出,模型平台熱門榜單近半項目其實是既有基礎模型的衍生版本,反映權重轉換、合併和微調活動,而非模型品質。榜單上不少 Qwen3.8-27B 衍生項目包括不同量化格式、合併模型及加入 LoRA 的版本;作者另曾因聊天模板內置系統提示詞而花兩天排查指令遵循問題。他建議先查閲 base_model 和 chat_template,並在相同測試流程及提示格式下比較衍生模型與基礎模型。
Hugging Face Blog 提供 TRELLIS.2 微調指南、腳本及 Docker 容器,示範如何用 LoRA 針對鞋類 3D 幾何生成進行微調。實驗使用 GSO 的 188 件鞋類物件,只微調 sparse-structure flow DiT 和 shape flow DiT,並凍結 texture flow DiT;其中 9 件留作評估。
推薦理由:文章示範如何按任務與資料特性選擇 TRELLIS.2 的微調部件,並以留出鞋類物件的幾何指標比較調整前後結果。
中國石油集團昆侖製造及昆侖資本、宇樹科技與北京泛界智能擬新設合營企業,主攻工業具身智能機械人方案。交易完成後,昆侖製造及昆侖資本合計持股60%,宇樹科技與泛界智能各持股20%;昆侖資本今年8月已在宇樹科技科創板IPO獲配903,290股,獲配金額約1.36億元。工業具身智能正由樣品演示轉向工程交付,能源場景落地亦受可靠性、安全要求及高質素真機數據等制約。
企業 AI 項目應按模型缺的是知識還是行為來選擇 RAG 或微調:RAG 補充可更新、可追溯的事實,微調則塑造格式、語氣和領域語言等任務行為。文章建議先建立 RAG 並獨立量度檢索質素,再按剩餘問題決定是否微調。Anthropic 的 contextual retrieval 將檢索失敗率降低 49%,配合 reranking 時降低 67%。
LoRA 透過訓練小型低秩更新矩陣,微調凍結的模型,而非修改所有原有參數。其流程包括凍結預訓練權重、插入可訓練的低秩適配器、以領域示例優化適配器、在推理時合併或載入適配器,以及評估專業化效果與能力遺忘。
Google DeepMind 發佈基因組研究 AI 模型 AlphaGenome 2,根據指定生物狀態預測 DNA 序列及變異對特定細胞類型的影響。
EUROPA consortium 使用 PyTorch 和 TorchTitan,在 JUPITER 訓練約 1T 參數 MoE,將吞吐量由每 GPU 90 提升至約 1,300 tokens/s,總計使用 1,536 張 GH200 GPU。
Google DeepMind 發佈新一代 DNA 序列模型 AlphaGenome 2,將基因變異影響預測由組織平均層面推進至單個細胞類型與細胞狀態層面。模型以超過1億個單細胞圖譜數據訓練,涵蓋68個組織的人類與小鼠樣本;在28種原代免疫細胞測試集中,因果變異識別比例由16%升至30%,在90%精度下召回率翻倍。模型現免費開放予非商業研究,商業研究須申請私有預覽,且未獲臨牀或診斷用途許可。
Biomatter 完成超額認購的 $18 million A 輪融資,將擴大 AI 酵素設計、商業業務及實驗測試能力。公司計劃於 2027 年在維爾紐斯啟用 2,000 平方米設計與測試設施,目標把開發週期縮短至數天。公司表示已向超過 25 家企業客戶交付逾 50 種定製酵素。
知情人士稱,騰訊 28 週年直播後傳出的「裁員 50%」説法是誤讀,管理層所談的是面向 AI 時代加快組織變革與資源調度。報道梳理指,騰訊過去一年整合 AI 研發團隊,混元在 2026 年推出 Hy3、Hy4 系列。2026 年第二季度研發支出為 272.8 億元、資本開支為 527.8 億元。
張一鳴在近期面向字節跳動 AI 團隊的全員會議上表示,字節有能力與 OpenAI 和 Anthropic 競爭,但追平前沿技術最早要到2029年或2030年。他指出,Seed 系列模型的預訓練數據集規模仍少於海外頂尖 AI 公司,並主張不依賴蒸餾追趕。字節已開始預訓練一款參數規模最高可達10萬億的模型,報道另稱字節在視頻生成方面憑藉抖音視頻語料具備優勢。
機器學習應以訓練集擬合模型、驗證集調整設定,並只在最後使用未觸碰的測試集作最終評估,以降低數據洩漏風險。常見比例為 80/10/10 或 70/15/15;分類任務可分層抽樣,時間序列則應按時間先後切分。數據較少時可用 5 或 10 折交叉驗證協助調參,但仍須保留未參與交叉驗證的測試集作最終測量。
速騰聚創與BitRobot於CoRL2026期間宣佈達成戰略合作,並同步發布RoboCap LiDAR-100數據集。該數據集收錄100小時廚房、汽修及汽車美容等真實作業資料,並同步記錄激光雷達、RGB圖像及慣性測量數據,輸出QVGA分辨率的深度資訊。
長鑫科技在 IC China 展示面向伺服器、手機及汽車三大場景的記憶體產品矩陣,並指出算力與記憶體需求正呈現分層。伺服器方面,DDR5 RDIMM 覆蓋 32GB 至 128GB 容量及 5600Mbps 至 8000Mbps 速率,MRDIMM 最高速率達 12800Mbps。
Google DeepMind 於 11 月 11 日發佈 AlphaGenome 2,將基因變異影響預測由組織平均細化至指定細胞類型或細胞狀態。TenK10K 測試中,其因果變異比例為 30%,高於單細胞數據微調後第一代 AlphaGenome 的 16%,效應方向預測則為 43% 對 23%。
阿里雲 Qwen3 蒸餾方案以大模型生成的資料微調 Qwen3-0.6B,將大模型能力蒸餾至專精特定任務的小模型,示例流程約需 30 分鐘、預估費用約 5 元。資訊提取測試中,未微調的 Qwen3-0.6B 準確率約 14%,微調後表現接近大參數模型。方案適合高頻、單一的結構化任務,不適合開放式對話及多領域問答。
據多方知情人士,張一鳴近期在字節 AI 團隊全員會議上表示,字節有能力與 OpenAI、Anthropic 競爭,但追平前沿技術最快也要到 2029 年或 2030 年。
彭博社援引知情人士稱,張一鳴在近期 AI 團隊全員大會上表示,字節跳動有能力與 Anthropic 和 OpenAI 競爭,但追平前沿技術最早要到 2029 年或 2030 年。他稱,字節跳動 Seed 語言模型所用的預訓練數據集,比領先競爭對手的數據集小幾個數量級。報道還提到,字節跳動雖有豐富的國內內容生態,但取得全球優質、多語言、高知識密度語料時面對物理壁壘和版權障礙。
MIT 研究人員研發訓練技術,以較少數據提升氣候模擬器的預測效能和適應能力。經優化的合成數據可令模型準確預測未見過的情境,而傳統模型未能適應;生成訓練數據所需的完整地球系統模型運算,也可由六至八次減至一次。
作者介紹如何把基於 Google 的 T5Gemma 2、擁有 270M 參數的 Gev 決策模型接入日常服務,並透過選項描述在推理時調整判斷,毋須重新訓練。文章亦説明如何用 Gemma 4 生成合成樣本與軟標籤,再以自有領域的保留校準集重新擬合温度參數,並建議使用 500 至 1,000 個實際數據樣本校準。Gev 在單 GPU 上的決策延遲為 45 ms,完整微調約需 14 GiB VRAM。
DeepMind 發佈新一代 DNA 序列模型 AlphaGenome 2,加入單細胞數據以預測遺傳變異在不同細胞類型及狀態下的影響。在涵蓋 28 種原代免疫細胞的測試中,模型識別出約 30% 的相關因果變異,第一代經單細胞數據微調後為 16%;AlphaGenome 2 已透過 AlphaGenome API 向非商業研究開放,商業研究則處於私有預覽階段。
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,三位23歲聯合創辦人按此估值各自身家約42億美元。公司由早期AI招聘工具轉向為模型公司提供專家編寫的任務、評分標準及模擬工作環境,OpenAI、Anthropic和Google DeepMind均為主要客戶。
作者以情感支持對話為任務,比較從零訓練的 253M、757M 模型與微調後的 Qwen2.5-0.5B-Instruct;在所測提示中,自建模型的輸出質素較弱。初期語料缺少説話者標記,曾令回覆離題;基準測試亦顯示,沒有 KV cache 的 757M 模型生成速度比 Qwen2.5-0.5B-Instruct 基礎模型慢 2.1 倍。
文章梳理中國「55% 的 Token 消耗用於 AI 短劇與影片生成」説法的傳播,指出原始數字未交代統計口徑和方法,不能直接當作全國算力佔比。文中援引字節方面的數據,指影片生成約佔其總算力 10%,影視創作類 Token 消耗不到 20%,並指出 Token、算力與收入不可混作同一指標。
阿里雲 2026 雙十一推出 EGS GPU 雲伺服器多款 NVIDIA GPU 實例優惠,涵蓋 T4、V100、A10 和 L20,供不同規模的推理、微調及訓練使用。T4 搶佔式實例低至 1.42 元/小時,A10 目錄價最高直降 25%;活動由 11 月 1 日至 11 月 30 日。文章亦列出計費方式,並示範 GPU 環境校驗、安裝 PyTorch 及使用 vLLM 部署模型。
Meta 團隊透過 vLLM,在 64-chip Google Cloud TPU v7 上優化 Qwen3-0.6B 的 GRPO 訓練,將完整 rollout-to-update 週期由約 100 分鐘縮至最快 56 秒;20 步中位數為 57.9 秒。
文章示範在 Amazon SageMaker HyperPod 的 PyTorch DDP 訓練流程加入三項檢查,以偵測靜默數據損壞並定位可疑 GPU。流程涵蓋非有限梯度檢查、跨節點 ring replay 和權重指紋比對,並説明如何隔離及替換可疑節點,再從可疑窗口前的檢查點恢復。
推薦理由:文章將靜默數據損壞的偵測、定位及節點恢復連成 DDP 實作流程,並説明各項檢查的覆蓋範圍與效能成本。
Google DeepMind 推出 AlphaGenome 2,可按目標組織、細胞類型或細胞狀態,預測 DNA 序列及其變異的影響。模型以超過 1.07 億個人類及小鼠單細胞圖譜訓練,覆蓋 68 種組織;在 28 種原代免疫細胞的 TenK10K 測試中,致病因果變異識別率為 30%,上一代微調後為 16%,基因表達變化方向識別率則為 43%,上一代為 23%。
上下文學習在提示詞加入指示和例子,不改動模型權重;微調則透過例子訓練模型並更新參數,令格式、語氣或特定任務的表現更一致。上下文學習方便即時修改,但每次請求都要處理額外提示詞 token,且受上下文窗口限制;微調則需要準備數據、訓練、評估及重新部署。對於經常變動的資訊,檢索較合適,因為更新資訊來源無需重新訓練。
Runway 開源機械人模型 Praxis-1,採用影片預訓練,並以 Apache 2.0 授權發布。Runway 公佈的 RoboLab-120 成功率為 46.2%,高於 FLUX 3 Action 的 42.9%、Nvidia Cosmos3 Nano 的 36.8% 及 Physical Intelligence π0.5 的 28.0%;這些基準數字尚無獨立核實。
單靠培訓無法縮小 AI 採用與投資回報之間的差距,企業還須明確界定成效、完善數據整合,並讓團隊有空間試用 AI 方案。調查涵蓋 25 個以上國家、逾 800 名職場學習專業人士;75% 指培訓內容製作加快,只有 11% 指在職表現改善。只有 35% 的學習與發展團隊持續衡量在職表現。
Google Research 提出研究框架,利用穿戴式數據評估心血管—腎臟—代謝(CKM)健康風險,並提供個人化生活習慣指導。其中的 SensorWM 以 2.28 million person-weeks 的 Fitbit 數據訓練,根據兩週基線資料預測 20 項生理指標未來 12 週的變化,再由語言模型智能體生成指導方案。