TimeNet 推出面向時序基礎模型的開源數據基礎設施
TimeNet 提供面向時序基礎模型(TFMs)的開源數據基礎設施,將自有或倉庫數據納入統一數據層,並支援多類時序任務。團隊稱,在多個時序數據集上訓練後,OpenTSLM 和 SLIP 的 F1 表現平均分別提升 14% 和 22%。
TimeNet 提供面向時序基礎模型(TFMs)的開源數據基礎設施,將自有或倉庫數據納入統一數據層,並支援多類時序任務。團隊稱,在多個時序數據集上訓練後,OpenTSLM 和 SLIP 的 F1 表現平均分別提升 14% 和 22%。
研究以理論分析和實驗指出,門控機制會令狀態空間模型(SSMs)先學會把資訊記在權重中的「記憶化」解法,並延遲甚至阻礙模型收斂至正確的上下文學習解法,即使架構或記憶容量並無根本限制。另一方面,門控通常有助模型推廣至更長的序列,研究結果揭示門控對 SSMs 訓練動態與泛化的關鍵作用。
EgoX 以 Embodiment Dreaming 預訓練模組化 Transformer,從人類、真實機械人及模擬示範中學習,再以目標具身示範進行微調,提升操作任務進度。涵蓋 5 項任務及 6 種機械人具身的 13 組任務-具身配對中,MXT+ 的平均正規化任務進度由從零開始訓練的 0.63 升至 0.80;在分佈外條件下則由 0.53 升至 0.77。
研究以 PIZZA 訂餐基準測試 Qwen3.5-0.8B 和 LFM2.5-350M,發現輸出格式會影響小模型語義解析中格式正確但語義錯誤的隱性錯誤率。在 300 次訓練中,普通文字編碼於兩個模型的準確度均最高;Qwen 的 exact match 為 87.5%,高於原生 s-expression 的 85.8%,且少輸出 4.1 倍 token。
eDMD 提出端點分佈匹配蒸餾方法,只以學生模型的最終輸出訓練共享假模型,並加強教師監督,以改善少步擴散模型的蒸餾。實驗顯示,在 SD3-Medium、FLUX.2-klein(4B 和 9B)及 Qwen-Image-2.1 上,eDMD 在 4 步生成中持續勝過現有的分佈匹配方法。
EvenVLM 提供首個面向瀕危 Even 語言的文本與多模態 VQA 數據集,並以 Qwen3-VL-4B 的 LoRA 微調提升文本任務、翻譯和 VQA 表現。
一種新的數據集蒸餾方法在特徵提取器的潛在空間中調整合成樣本,使其逼近各類別的數據分佈,且不使用分類目標。研究發現,漂移後的數據比現有方法更能覆蓋真實分佈,同時仍可作為有效的分類訓練樣本。該方法亦可用於模型視覺化,並由圖像擴展至其他模態。
Stanford Wu Tsai Neurosciences Institute 與 Stanford HAI 頒發第二輪 AI and Neuroscience Grants,資助五個探索神經科學與 AI 交匯的項目。研究涵蓋抑鬱症腦影像、嬰兒學習、神經元細胞類型、心理治療對話與腦活動,以及氣味與人類經驗,目標包括加深對大腦的理解及推進受人類經驗啟發的 AI。
YouGov 發佈白皮書,檢驗 AI 數碼分身 E-twins 模擬個人回答的準確度。研究建立 1,008 個 E-twins,並以 693 名經政府簽發身份證件核實身份、在 48 小時內回覆的受訪者作逐一比對;加入受訪者對 4,000+ 個品牌及實體的評分後,五分制相差不超過一分的準確率由 78% 升至 90%,有關小説的未訓練題目亦達 90%。
在同一欺詐數據集與配方下,手提電腦上的 RAPIDS cuDF 配合 XGBoost CUDA,模型訓練較 pandas 配合 CPU 快 4.6-9 倍。整體資料準備耗時相若;GPU 與 CPU 的 ROC-AUC 分別為 0.9158 和 0.9147。
AI 初創公司 Mercor 宣佈完成 7.5 億美元新一輪融資,估值升至 200 億美元,較一年前的 100 億美元翻倍。Mercor 為 AI 公司連接專業人士,提供模型訓練、數據標註及效能測試;公司年化總收入據創辦人福迪透露,在兩年多內由 100 萬美元增至 30 億美元。據《福布斯》估算,三名創辦人各持有約 21% 股份,個人身家均達 42 億美元。
Nutchapol Dendumrongsup 分享他在 Onclusive 帶領團隊為四家合併公司建立共用中央 AI 系統,並將各自能力整合至統一平台的經驗。策略涵蓋建立數據底座、提升產品體驗及提高組織效率;其中,將媒體分類系統改為單一模型後,該工作負載的基建成本下降逾 90%,維護亦縮減至一個模型。他建議先整理數據,再按任務的處理量和頻率選擇通用或專用方案,並在整合期間維持現有系統運作。
Google DeepMind 發佈 AlphaGenome 2,預測 DNA 序列及其變異對特定人類細胞類型的影響,連接單細胞生物學與人類遺傳學。模型以來自 68 種組織、超過 1.07 億個細胞的單細胞資料訓練,可按指定細胞類型或狀態預測基因表達等讀數,並新增 DNA 甲基化預測。
推薦理由:AlphaGenome 2 在 TenK10K 數據集上將因果變異識別率由 16% 提升至 30%,呈現其針對特定免疫細胞解析變異效應的改進。
Google DeepMind 於 2026年11月11日發佈 AlphaGenome 2,按指定組織、細胞類型或細胞狀態預測 DNA 變異對基因調控的影響。
Google DeepMind 發佈 DNA 序列模型 AlphaGenome 2,從寬泛組織平均預測轉為按單一細胞類型或狀態進行條件式預測。模型以超過 1.07 億個單細胞圖譜訓練,較此前最優模型可識別近兩倍數量、能改變細胞基因表達的變異。目前模型透過 AlphaGenome API 開放非商業研究,商業研究仍處於私密預覽階段;模型僅供研究,未經臨牀或診斷用途驗證與審批。
Google DeepMind 發佈新一代 DNA 序列模型 AlphaGenome 2,可預測 DNA 序列及其變異對特定人體細胞類型的影響。在 TenK10K 數據集測試中,模型識別因果變異的比例為 30%、基因效應方向判斷準確率為 43%,初代 AlphaGenome 分別為 16% 和 23%。
Origin Data Partners 説明出售或授權舊程式碼予 AI 研究機構前,買家會先核查哪些資料,並提供可在終端執行的自查命令。買家會檢查 Git 歷史、Issue 與提交的關聯、程式碼權屬、第三方程式碼及歷史紀錄中的秘密資料;完整的 issue、commit 和測試紀錄可整理成供編碼智能體使用的任務。
Google DeepMind 推出 AlphaGenome 2,使用逾 100M 個、涵蓋 68 種組織的細胞特徵檔案進行訓練,以預測遺傳變異的影響。模型供非商業研究使用。
文章示範如何用 Sentence Transformers 為多向量嵌入模型加入 Token Pooling 感知訓練,令模型同時以原始及壓縮後的文件向量進行檢索訓練。
推薦理由:文章將壓縮後的檢索目標納入訓練損失,並在相同儲存預算下比較一般訓練與池化感知訓練的檢索品質保留差異。
Anthropic 的 Opus 5.5 大模型開發成本超過 100 億美元,但單次訓練成本不可能達到 100 億美元,部分算力卡可供後續訓練和推理使用。文章稱,Opus 5.5 參數量被認為超過 5 萬億,國內 AI 公司目前約為 3 萬億;國內取得 B300 算力資源的渠道有限,價格通常是海外的三倍。
ChinaTalk 調查指,美國數據公司向中國 AI 實驗室出售約 5 億美元訓練數據,其中部分是用於編碼、金融分析或辦公工作的強化學習(RL)環境。報告辨識至少九家涉事公司,並稱中國實驗室採購曾售予 Anthropic 或 OpenAI 的同類產品,以節省內部開發成本和算力,並避免浪費訓練資源。
2026 Humanoid IKEA Assembly Challenge 的 FiftyOne 子集收錄 6 個 MCAP 片段,總長 30.7 分鐘,呈現 35 個馬達的遙測數據、7 條攝影機串流及人工標註的子任務序列。每段取自 6 個錄影日中最短的片段;這個子集適合檢查資料串流格式、建立檢視器或測試解析器,不是用於訓練的完整數據集。
方案以阿里雲構建臨牀 AI 科研系統,透過 DataWorks 匯聚醫療數據、MaxCompute 進行數據治理,並由 PAI-DSW、PAI-DLC 支援建模與 GPU 訓練,PAI-EAS 將模型部署為 API 服務。文章以術後併發症風險預測為例,展示從數據預處理、隨機森林訓練及評估到模型部署的流程。
Google 收購 Spirit Airlines 數據訓練 AI 的計劃,在航空工會與 Google 達成前員工個人資料保護協議後,跨過一項重要私隱障礙。協議排除員工的醫療及傷殘紀錄、藥物或酒精測試紀錄和薪酬紀錄,並要求更嚴格的去識別化程序,禁止 Google 嘗試重新識別資料。
ChinaTalk 作者調查列出至少九家與中國 AI 實驗室有業務往來的美國數據供應商,部分交易涉及支援特定領域後訓練的 RL 環境。重用成熟環境和評分規則可減少試錯及推理資源消耗,但網絡安全、生物等雙重用途領域引發風險。文章指出相關交易監管有限,建議增加政府掌握情況並限制敏感用途;作者亦認為這類交易讓中國實驗室縮小差距,而非超越美國實驗室。
Handshake AI 承包者 Joel Thomas 稱公司仍欠他約 $11,000;Business Insider 另報道,近兩打現任及前任承包者稱今年被少付數百至數千美元。承包者稱過去六個月相關爭議合計 $64,000,報道將付款問題連繫到計時差異、任務審核及項目管理人手不足。Handshake 表示已推出付款儀錶板、增加款項調整説明及簡化申訴流程,並正推出即時計時器。
菜鳥宣佈向產業夥伴開放全球倉網,將生產級物流倉作為 AI 及具身智能的訓練與驗證場景。菜鳥依託數百萬平方米的全球倉儲場景和25個以上國家的本地營運經驗,提供數十個行業、上百種實景 PoC 驗證場景。
AI 數據治理與智能指標平台結合規則引擎和機器學習,監控數據質素、識別異常並統一指標口徑,將治理後的數據轉化為可信的業務指標。方案以 DataWorks、MaxCompute、Quick BI 等阿里雲服務構建,並提供規則檢查、IQR 異常識別及移動平均時序檢測的 Python 示例。文章亦提及數據安全、模型可解釋性、人工復核及持續迭代等注意事項。
中國移動成為全國首批通過 DCMM 2.0 最高等級認證的單位,獲評 DCMM 5級·優化級。公司建成超4700TB高質量數據集,覆蓋105個行業領域,數據資源入表金額超10億。其「九天智能」「梧桐數據」數智產品服務客戶超16萬。
若美國凍結所有尚未開工的規劃數據中心項目,AI 發展會明顯減速但不會停擺。按文中的估算,美國數據中心總容量會在 2028 年前後停在約 120 至 150GW,有效算力年增速則會由約 12 至 15 倍降至約 6 倍。電力固定後,訓練須與推理及智能體服務競逐資源;文章提出提高硬件能效、跨機房分佈式訓練、轉向後訓練與強化學習,以及端側小模型等補充路線。
昆騰動力以通用雙臂機器人切入物流包裹操作,已在真實倉庫完成稱重、供包等崗位的部署驗證,並獲多家電商平台及物流企業合計近 5000 台機器人的批量採購訂單。供包效率每小時 1200 件以上、成功率 99%;杭州倉庫的稱重作業自 9 月中旬上線,持續運行超過一個月,節拍接近人工最高水平。李強主張先把高頻任務做深,再通過部署積累真實數據,逐步擴展至其他任務。
自然資源部、國家發展改革委發布實施意見,推動人工智能在自然資源領域規模化、產業化應用,並分階段提升國土空間規劃「一張圖」的智能化水平。意見提出,到 2028 年建成多個重點方向的高質量數據集、大模型和智能體;到 2030 年,集成打造智能化國土空間治理基礎平台。另將統籌佈局五個人工智能中試平台,推出八大示範場景。
一名獨立開發者耗用逾 10 億 Token,生成並開源涵蓋逾 1.1 萬種鳥類的 AI 貼紙庫,其圖像準確性與參考照片授權引發爭議。參考照片中僅有 1,986 個物種採用開放授權,另有 2,017 種未記錄授權;貼紙曾出現鳥類形態失真,亦未經鳥類學專家系統審校。
這項研究在 6 個模型的 1,668 次實驗中按生成 Token 數及訓練 GPU 小時配平計算量,發現密集過程獎勵用於語言模型推理時不及標準 GRPO,而挑選預測成功率接近一半的提示詞可提升準確率。
Baseten 宣佈 Serverless Loops 正式開放,這款訓練 SDK 支援對前沿開放權重模型進行監督式微調(SFT)和強化學習(RL),並可將訓練所得模型直接部署至 Baseten Dedicated Inference。
Baseten 的研究文章指出,on-policy 自我知識蒸餾(OPSD)並非持續學習的萬靈丹。文章認為,OPSD 在某些情境下仍可能有用,但不值得再投入研究資源。
Baseten 與 Genspark 將 Qwen3.5-397B 後訓練為深度研究模型,在 Genspark 評分器上得分 0.759,高於 Opus 5.5 的 0.738。
作者主張,技術人員可建設衡量與監督技術,藉此改變 AI 開發中的資訊、誘因及可行選項。文章以氣候、食品安全和 COVID-19 為例,説明衡量能提升可見度及問責,降低成本則可令良好做法更容易普及。在 AI 領域,文章聚焦行為基準、可重現評測、算力核算、低成本 Agent 評估,以及兼顧外部審核與知識產權的技術。
Transluce 的 Oversight Foundations 團隊提出訓練監督基礎模型,將關於目標模型行為的自然語言問題轉化為可檢驗的實證問題。方案把目標模型視為可透過 Python 程式介入和測量的「世界」,再訓練模型根據程式及已知輸出預測其他輸出,並透過執行程式取得 ground truth。
浙江紹興柯橋完成6項覆蓋印染行業全鏈條的數據知識產權登記,其中AI識別訓練數據集收錄10萬條疵點實例。依託訓練數據上線的瑕疵檢測系統,典型瑕疵檢出率超過96%,驗布速度最高每分鐘80米。柯橋區纖維印染企業已登記數據知識產權280件,相關質押融資總額突破1億元。