「辰光一號」搭載國產25P算力伺服器,北京太空數據中心關鍵技術通過在軌驗證
北京星空院宣佈,「辰光一號」技術試驗衞星搭載的北京太空數據中心關鍵技術,在軌測試結果通過第三方專業機構評測。衞星採用270V母線電壓,搭載經抗輻照加固的國產商用伺服器,總算力為25P(INT4),並成功驗證多個大模型訓練及推理任務。其散熱方案採用空間全液冷商用伺服器及大面積石墨烯柔性輻射器,可承載6000W峯值熱耗,三項核心技術均通過在軌驗證。
北京星空院宣佈,「辰光一號」技術試驗衞星搭載的北京太空數據中心關鍵技術,在軌測試結果通過第三方專業機構評測。衞星採用270V母線電壓,搭載經抗輻照加固的國產商用伺服器,總算力為25P(INT4),並成功驗證多個大模型訓練及推理任務。其散熱方案採用空間全液冷商用伺服器及大面積石墨烯柔性輻射器,可承載6000W峯值熱耗,三項核心技術均通過在軌驗證。
無涯智遠由北京大學助理教授張牧涵創辦,正探索即時 RSI,讓模型在發布後把新經驗寫入參數,持續學習,而非只靠上下文或外部記憶。團隊以超網絡生成參數更新,旨在降低頻繁更新成本並減少災難性遺忘;內部測試顯示,連續數百 K 次寫入後,通用能力幾乎沒有下降。
Microsoft 專利申請提出把大型訓練工作拆成微型任務,交由有閒置運算能力的手機、筆記簿型電腦和遊戲 PC 執行,並以積分、免費軟件、模型存取權或現金作為回報。用戶須明確選擇參與,系統會監察硬件負載,並可在超出限制時暫停任務。目前 Microsoft 尚未宣佈推出 Windows 或 Xbox 服務,專利申請亦未列明報酬率或支援硬件。
文章指出,追蹤、評測及調查所得的數字只反映特定抽樣方式下的樣本,不能直接代表整個目標羣體。head-based sampling 在請求開始時抽樣,可能漏掉之後變慢的請求;tail-based sampling 則在完整 trace 後決定保留內容,可保留錯誤及超過 2 秒的請求。作者建議在指標旁列明分母、抽樣方法、未涵蓋羣體及樣本量,評測亦應交代測試集內容、更新時間和與實際流量的相似程度。
研究將差分私隱演算法 Private Evolution(PE)重新表述為生成模型增強的 Wasserstein 學習,並提出具幾何感知能力的新版本。理論分析顯示,若生成器能在與目標分佈相同的低維空間生成樣本,樣本複雜度便取決於內在維度,而非環境維度;標準 PE 變體則可能無法在簡單的良好聚類案例中收斂。實驗顯示,新算法可與標準基線競爭,並提升召回率。
研究指出,依賴標準雜訊聚合原語的私隱選擇算法需要 Ω(d/ϵ) 個樣本,這是聚合模型本身的限制。研究提出實作稀疏向量技術(SVT)版本的新原語,並設計 ε-差分私隱選擇算法,達到 O(log(dn)ε) 的加法誤差,預期 SVT 查詢數為 O(dlog∗d)。結果顯示,SVT 模型與 shuffle 或聚合模型之間存在指數級差距。
SST-2 測試顯示,LoRA 適配器在噪聲達 3.47× RMS 時到達半增益點。基礎模型準確率為 60.8%,乾淨適配器為 94.5%;高噪聲下準確率跌至約 50%,低於基礎模型。測試涵蓋一個適配器、一項任務及 400 筆資料;8-bit 和 4-bit 適配器在此任務上的結果則完全一致。
睡眠穿戴裝置被指在未取得明確同意下,使用用戶腦電波資料訓練 AI。頁面未交代涉及的裝置、公司或訓練細節。
在多種數據集及規模上,e-means 用 1.2 至 3 個 epoch,便達到低於 Lloyd 執行 25 個 epoch 時的測試損失。端到端速度方面,GPU 較 Flash-KMeans 快 10–45 倍,CPU 較 Faiss 快 8–15 倍。e-means 以小批次指數移動平均更新聚類中心,並用尺度律自動設定批次大小和步長,另改良初始化及死簇復活策略。
Google 宣佈開源 JAX 訓練框架 MaxText 加入 Cloud TPU 長上下文訓練支援,提供四種 context parallelism 策略。策略包括 All-gather、A2A(DeepSpeed Ulysses)、P2P(Ring Attention)及 A2A + P2P(USP)。
作者為多語言持份者參與的傳承語言復興計劃,探索兼顧私隱的主動學習系統。架構結合聯邦學習、差分私隱、安全聚合及知情同意數據治理,讓原始數據留在社羣端。40 個用戶端的模擬中,序列標註任務以 ε ≈ 8、δ = 1e-5 作為可行的運作設定。
在 4-bit Qwen3B 上,AG News LoRA adapter 在評分測試中令 SST-2 準確率降至 0.0%,而 0.5/0.5 合併兩個 adapter 後,SST-2 準確率回升至 98.5%。
Mobile AI Factory 是一套智能體系統,會按指定任務和手機自動構建經微調及量化的小語言模型。研究在 10 項任務和 4 款 Android 手機上評估,模型在未見測試集的 5 項任務中勝過兩個採用 five-shot 設定的前沿模型,最高差距為 0.34,另有 3 項表現相當。
Bonbon 是一個僅以序列預訓練的生物學基礎模型,規模由 42M 擴至 1.6B 參數後呈現多項分子相互作用能力,並獲 NeurIPS 2026 主會議 Oral 接收,屬投稿前 0.4%。
推薦理由:Bonbon 在外部盲測中,跨 9 個疾病靶點達 61.5% 命中率,呈現序列模型如何連接分子作用判讀與候選分子篩選。
PolyRoute 提出一套類型決策路由基準測試,涵蓋 12 種語言、9 種文字系統及混合語言訊息,並提供 13 個系統的排行榜。多語言檢查點得分為 77.3%,最佳微調模型為 96.6%,TF-IDF 搭配邏輯迴歸則達 91.9%。所有文本和標籤均由 LLM 生成。
《Mixed Signals》研究權重空間編程在 EEG、ECG 模型上的應用,指出前沿模型可排查事先植入但未告知的故障,亦能僅憑架構、任務及少量訓練受試者從頭寫出網絡權重。
Latent Space 與 Handshake AI 團隊製作深度訪談,現場展示金融、生物科學及安全領域的智能體訓練與評測環境。Handshake 的 AI 訓練業務在約一年內由推出發展至 $1 billion 的年化總收入。演示涵蓋 VIALS 腦組織影像判讀、模擬銀行金融任務,以及檢視智能體檔案存取和工具操作的安全評測。
micro1 創辦人兼行政總裁 Ali Ansari 在專訪中談及如何把人類專業知識轉化為訓練數據和評估,協助提升 AI 模型能力。micro1 透過專家提供的任務、判斷和審核,以及真實工作環境,訓練前沿模型並評估 AI 智能體。其 Company Data Partnerships 計劃向企業購買營運數據,具價值的企業數據集收購金額超過 $2 million。
Latent Space 邀請 Handshake AI 的 Garrett Lord 等團隊,透過現場演示解析前沿實驗室採購的專家數據,以及相關評測環境如何設計。Handshake 的 AI 訓練業務約一年內由推出發展至年化總收入 $1 billion。演示涵蓋銀行金融任務、VIALS 科學影像基準,以及模擬檔案操作和安全情境,呈現評測對模型判斷與操作過程的檢查方式。
The Walt Disney Company 與 Adobe 宣佈多年合作,將共同開發支援迪士尼製作流程的專有生成式 AI 模型。透過 Adobe Firefly Foundry,雙方會按迪士尼角色特徵、環境和視覺風格等知識定製模型,以生成商業安全、可投入製作的內容。Disney 將可提前使用 Adobe 最新技術,涵蓋主題樂園、郵輪及 ESPN 內容。
迪士尼與 Adobe 達成多年期戰略合作,將共同開發度身訂造的生成式 AI 模型,並計劃把相關工具推廣至主題公園、影視製作及體育媒體等領域。合作將以 Adobe 的 Firefly Foundry 平台為基礎,使用迪士尼旗下 IP 訓練專屬模型,模型不會對外開放。合作初期聚焦迪士尼體驗部門,並涵蓋 StudioLAB 的創意探索,以及 ESPN 的球迷互動和檔案內容推送。
Elith 與 NVIDIA 發佈 Nemotron-Personas-Finance-Japan,提供 900 萬個用於 AI 開發的日本金融合成人物。資料集加入家庭財務、理財行為及金融素養資訊,採 CC BY 4.0,供商業及非商業用途,讓團隊測試面向客戶的系統而不使用真實客戶紀錄。
Databricks 在 AI Runtime 推出 Beta 版 Unity Catalog Dataset(UCDataset),這款原生 PyTorch 數據載入器可將 Unity Catalog 數據表直接串流至訓練工作中的 GPU,毋須匯出或複製數據,也毋須編寫自訂載入器程式碼。
Elith 與 NVIDIA 發佈 Nemotron-Personas-Finance-Japan,這是一個以日本官方統計及家庭金融資訊為基礎、供金融 AI 開發使用的合成人物資料集。資料集共包含 9M 個人物設定,每筆記錄涵蓋 50 個欄位,並以 CC BY 4.0 授權提供商業及非商業使用。它可用於建立客服智能體、評估銷售對話和市場推廣、進行用戶模擬,以及紅隊測試面向客戶的 AI。
推薦理由:資料集把日本官方人口與勞動統計、家庭財務及金融素養欄位結合,並列出客服智能體、用戶模擬和公平性測試等具體用途。
遊戲平台可在熱門榜單的兜底層之上,疊加個人化推薦層與營運層,按玩家興趣、遊戲屬性及即時行為調整排序,並讓營運人員置頂或降權指定遊戲。OmniGRE 公開的指標以約定生產負載下的服務端 P99 推理延遲低於 100ms 為目標,不包括客戶端與公網鏈路。多品牌平台可由一套模型棧服務多個品牌,同時按商戶隔離玩家標識、數據集和模型流程。
特種化學品製造商 Lubrizol 正建立連接業務流程、現代數據平台與雲端基建的數碼基礎,支援研發團隊更快測試構想,並作出更有根據的決策。數據科學家可協助識別模式、測試假設及模擬不同可能性,融合團隊則透過小型試點建立信任。數碼建模亦可協助研究人員評估更多配方,探索澱粉及玉米基替代材料。
創材深造創辦人王軒澤表示,團隊以大模型、小模型及自動化實驗重構金屬材料研發,已研發近20款新材料,部分已量產。自動化實驗室已迭代至3.0版本,累積數萬條涵蓋720個維度的數據。王軒澤預計,數據達數十萬條時,金屬材料的 GPT 時刻或將到來。
類別不平衡是指目標類別的出現比例懸殊,令整體指標及標準訓練忽略可能最重要的少數類別。處理時須按真實運作羣體衡量比例、分層切分資料以避免相關紀錄洩漏,選用適合不平衡資料的評估指標與閾值,再重加權、重抽樣或重新設計資料收集,並在部署後監察少數類別的表現。
作者開發 ResearchLens AI,協助用戶探索 CSV 數據集、檢查數據質素及比較基線分類模型。工具比較 Logistic Regression 和 Random Forest,並呈現 balanced accuracy、macro F1 及混淆矩陣;預處理步驟只在訓練數據上擬合,以減少數據洩漏。
訓練集與測試集含有近重複影像時,模型可能因認出已看過的畫面而令測試分數虛高;文章提供約 50 行 Python 程式檢查此類資料洩漏。程式將影像縮至 16 × 16 灰階縮圖,以相似度篩選配對,示例閾值為 0.90,並建議逐對人工檢查;長期可按零件、拍攝時段或影片分組切分。
刻行時空宣佈完成新一輪近億元融資,並正推進超兩億真機數據訂單的海外合規交付。本輪由詠歸基金領投,天機TIANJI、常州智融等跟投,資金將重點投入機器人預部署環境、高精度姿態追蹤與多維標註的數據理解專用模型,以及「採集-訓練-仿真-推理」數據基建。9月,刻行已向海外合規交付上千小時宇樹真機數據,通過率超過99%。
星憶智能創始人宋知珩表示,具身數據的瓶頸不在採集,而在處理與標註;公司以算法提升手部及人體姿態處理效率和精度。星憶智能訂單已達「千萬級」,收入不止2000萬元,並與Being(智在無界)及京東合作。宋知珩稱,某公有雲平台的具身數據中,只有不到5%經過精細處理,可反覆用於模型訓練。
AMR AI and Embodied Intelligence 第 11 章講解自監督機械人學習,説明系統如何從未標註數據自動產生監督訊號,學習環境表徵。內容介紹對比學習、遮罩建模及時間預測,並列出 SimCLR、MoCo、BYOL、DINO 和 VICReg 等方法。
Learnovate 的 Learning Signals Survey 2026 發現,近半受訪機構未有積極應對員工技能差距,企業日常營運中使用 AI 的比例則升至近三成,較前一年增加 5pc。調查收集約 225 名不同界別專業人士的數據;四分之三受訪者指出時間及資源不足,是提升技能的主要障礙。
無涯智遠團隊對 GPT-6 Astra 的權重編輯進行對照測試,發現 Qwen3.5-0.8B 不改權重、只關閉思考模式,MATH-500 得分達48.95%,高於編輯後的48.1%。
Vale Biolabs 獲 Venture Kick 資助 €164,000(CHF 150,000),推進研究腦部疾病及評估潛在療法的平台。資金將用於進一步開發自動化平台、擴展人類腦類器官模型、生成訓練及驗證預測式 AI 模型的數據集,並推進與研究及業界夥伴的合作。
Nous Research 發布以 Qwen3.8-27B 為基礎的開源模型 Arete-27B,調整政治價值觀後,測得宣傳率下降,能力測試與原版大致持平。在 803 條提示的評估集中,事實分由 2.32 升至 3.07,帶有中國官方框架的回答比例由 22% 降至 0.6%。
戴盟機器人團隊聯合廈門大學、南京大學、大灣區大學及復旦大學提出 Touch-R1,將強化學習用於跨感測器觸覺推理,論文獲 NeurIPS 2026 接收。團隊同時建立 TouchReason-1M 資料集及包含 4,800 組問答的 TouchReason-Bench。
Megaspeed 將搭載 NVIDIA 晶片的設備部署在馬來西亞和印尼的機房,再透過網絡出租算力,令受管制晶片的遠端使用落入美國出口管制難以覆蓋的灰色地帶。報道引述貿易紀錄稱,其馬來西亞關聯公司在2024年6月至2026年2月購入至少48億美元含 NVIDIA 晶片的 AI 設備;馬來西亞和印尼海關紀錄顯示,Megaspeed 進口約13.6萬顆 NVIDIA 晶片。
Pinterest 將用戶旅程推斷系統由多階段聚類流程改為微調的 4B Qwen3 語言模型,並報告電郵點擊率提升 1.1%、推送開啟率提升 1.3%。模型讀取最長 360 日、最多 150 項用戶行為及精簡用戶檔案,生成排序後的旅程名稱。