跳到正文
11月6日週五
  1. IT之家70

    螞蟻百靈發佈 Ling-3.2-flash,三項基準得分高於 Claude Opus 5(max),前 2 週限時免費

    螞蟻百靈官方團隊推出原生多模態模型 Ling-3.2-flash,官方評測中三項基準均高於 Claude Opus 5(max)。其 OmniDocBench1.5、ZEROBench(Sub)及 Vision2Web 得分分別為 92.21、43.71、85.86;模型具備 560B 總參數、25B 激活參數及 1M 上下文窗口,支援圖像、文字與影片輸入。

  2. HuggingFace Daily Papers(社區熱門論文)51

    PhysioWave-T:面向生理訊號的高 token 效率小波基礎模型系列

    PhysioWave-T 論文提出面向 EEG、ECG 及 sEMG 的小波基礎模型系列,透過動態尺度折疊減少 token 數量。其 30M 參數 EEG 模型以超過 15M 個窗口預訓練;在四種 EEG 路線中,尺度折疊相較尺度擴展使 Transformer 延遲降低 4.0–7.2 倍、峯值記憶體降低 6.8–12.7 倍,準確度沒有下降。

  3. DEV Community31

    Amblyotube:在家透過 VR 訓練重拾立體視覺

    Seven Sports 開發的 Amblyotube 是一款可在 Meta Quest 商店下載的 VR 應用程式,讓用戶觀看 YouTube 內容時,為雙眼提供不同的視覺體驗,進行弱視訓練。應用程式以數碼模糊、AI Sharpener 和色彩提示等功能,引導雙眼融合視覺訊號。Amblyotube 只屬輔助訓練工具,不能取代處方或手術,使用者須同時諮詢眼科專科醫生。

  4. Hugging Face Blog61

    NVIDIA 發佈 Cosmos 3 四個開放權重模型,支援互動式世界模擬

    NVIDIA 為 Cosmos 3 模型系列新增四個開放權重 checkpoint,用於互動式世界模擬及多感測器、多視角駕駛場景生成。四個模型均以 Cosmos 3 Nano 為基礎進行後訓練,各有 16B 可訓練參數,並按 OpenMDW1.1 條款供商業及非商業用途。

    推薦理由:四個 checkpoint 涵蓋多視角駕駛資料、同步攝影機與 LiDAR 串流、模擬器控制轉影片及雙臂機械人互動,並分別交代用途與後訓練流程。

  5. HuggingFace Daily Papers(社區熱門論文)51

    Glyph:用於臨牀數據科學發現的 AI 可解釋性引擎

    Glyph 利用基礎模型和稀疏自編碼器,從多模態臨牀資料中抽取並解讀臨牀概念。研究分析來自不同機構 41,628 名患者的腹部 CT 影像、CT 放射科報告及化驗測量資料,找出 397 個具預測性的概念,以及 4,463 項經 Bonferroni 校正後達顯著水平的關聯。

  6. DEV Community41

    VR 頭戴式裝置由「遊戲設備」走向「訓練場所」:EXOSHOCK 熱潮與視覺訓練的設計課題

    EXOSHOCK 登陸 Quest 和 PC VR 進入搶先體驗,帶出 VR 頭戴式裝置作為視覺訓練平台的設計可能。Amblyotube 利用 Meta Quest 的雙眼獨立顯示,對 YouTube 影片作左右眼不同的影像處理,並內置 LogMAR 視力檢查。軟件定位為輔助訓練工具,建議每日使用 30–40 分鐘,每次最多 1 小時。

  7. Google Research62

    Google Research 發表以智能手錶感測器檢測高血壓徵兆的研究

    Google Research 在《Nature》發表研究,提出 AI-PPG-ACC-HTN 系統,利用消費級智能手錶被動檢測高血壓徵兆,無需袖帶校準,並以 24 小時動態血壓監測(ABPM)作為臨牀基準。

    推薦理由:研究以 24 小時動態血壓監測作臨牀基準,分別檢視手錶系統在初篩及確認測試中的表現,並交代多日生理訊號聚合的做法。

  8. Unite.AI47

    SoundCloud 為 ElevenMusic 創作者新增直接發布功能

    SoundCloud 宣佈,創作者可直接將 ElevenMusic 製作的音樂發布至 SoundCloud,省去另行匯出及上載步驟。新舊 SoundCloud Artist Pro 訂戶可免費使用 ElevenMusic Pro 三個月;直接發布的曲目會標示 ElevenMusic 為創作來源,並須遵守 SoundCloud 的內容政策及相關權利要求。

  9. CAIR 中科院香港人工智能與機器人創新中心35

    聆音EchoCare超聲大模型亮相TVB,CAIR聯同香港中文大學及威爾斯親王醫院開展臨牀研究

    聆音EchoCare超聲大模型亮相TVB《AI智有計》第四集,展示CAIR與香港中文大學及威爾斯親王醫院合作測試超聲切面識別和尺寸測量功能。相關算法已能識別不同心臟超聲切面,團隊正評估其在檢查中的表現及減少手動操作的潛力。

11月5日週四
  1. DEV Community31

    感知能力可以訓練:幽靈獵人 App 揭示的雙眼分視視覺訓練

    Amblyotube 以 Meta Quest VR App 將 YouTube 影片轉化為雙眼分視訓練,透過向雙眼呈現不同影像,訓練視覺協調和注意力。內置 LogMAR 檢查會以 Landolt C 視標測試每隻眼及雙眼視力,並可按測得的視力自動調整治療設定。Amblyotube 是輔助視覺訓練工具,並非診斷、治療或療法;弱視須由眼科及視覺矯正專業人員評估。

  2. HuggingFace Daily Papers(社區熱門論文)40

    LiveFoley:為沉浸式互動世界動態即時生成影片音訊

    LiveFoley 提出串流因果自回歸擴散架構,以極低延遲改善影片轉音訊生成的視聽對齊和音訊質素。Trailing Sliding Window 可將非因果分段編碼器轉為串流模組,而 Unified Varhop Framework 適應不同延遲和運算預算。實驗顯示,LiveFoley 的時間對齊能力媲美離線模型,生成質素領先串流系統。

  3. 新浪科技49

    奧迪創新技術中心開業:聚焦駕駛輔助系統與 AI 智能座艙研發,2028年起四款全新車型將陸續投入中國市場

    奧迪與上汽集團在上海為 AUDI 品牌研發實體奧迪創新技術中心(AITC)舉行開業典禮,中心將主導車型由概念定義至量產交付的端到端開發。AITC 聚焦駕駛輔助系統與 AI 智能座艙,並推進第二代智能數字平台(ADP 2.0)研發。自2028年起,基於 ADP 2.0 的四款全新車型將陸續投入中國市場。

  4. 新浪科技50

    Multimodal Flow 為多模態模型提出「全連續」第三條路

    華中科技大學王興剛團隊與地平線機器人等機構提出 Multimodal Flow,以全連續架構和共享 Flow Matching 目標統一語言與視覺建模。從零預訓練的 MF-1 有 1.6B 參數,使用 150B Tokens;GenEval 得分為 0.821,VQAv2 得分為 72.6。受控對比顯示,Multimodal Flow 在同等數據與參數預算下,整體表現超越混合式及全離散架構。

  5. 雷鋒網44

    上海交大鄧志傑解析擴散語言模型如何兼顧速度與生成質量

    上海交通大學副教授鄧志傑解析擴散語言模型如何在保證生成質量的同時提升速度,涵蓋 LLaDA、Dream、多塊並行生成、後訓練及推理系統優化。LLaDA2.1-mini 經 CForce 訓練後,四項任務平均得分由 85.57 提升至 86.41,平均 TPF 由 6.94 提升至 9.08。演講亦介紹擴散語言模型在流式影片、語音修復、多模態及智能體中的應用探索。

  6. 雷鋒網37

    除了更強模型,ACM MM 2026 還關注甚麼?

    ACM MM 2026 的四位主題演講嘉賓,將探討多媒體 AI 如何回應具體的人、複雜環境及長遠影響。議題包括具身 AI 參與人際交流、多人對話中的選擇性聆聽、AI 摘要的取捨責任,以及讓青少年參與安全設計。大會將於 2026 年 11 月 10 日至 14 日在巴西里約熱內盧舉行。

  7. 阿里雲開發者社區 AI54

    阿里雲 OSS 如何成為 AI 數據底座:三種 Bucket 的技術分工

    阿里雲 OSS 以 Object、Table、Vector 三種 Bucket 管理非結構化、結構化及向量數據,三者共用 SDK、權限策略、日誌審計和生命週期管理。Vector Bucket 支援隨向量儲存標量元數據、按元數據篩選及匯出至表格儲存。Table Bucket 原生支援 Apache Iceberg,並由儲存端處理 Compaction、快照管理和孤兒文件清理。

  8. 新浪科技42

    上海交大鄧志傑:擴散語言模型如何兼顧速度與質量

    上海交通大學副教授鄧志傑在CNCC 2026演講中,探討如何透過並行生成、後訓練及推理系統優化,提升擴散語言模型的生成速度並維持質量。LLaDA2.1-mini經CForce訓練後,四項任務平均得分由85.57升至86.41,平均TPF由6.94升至9.08。Fast-dLLM結合近似KV緩存與置信度解碼後,速度由6.7升至54.4 TPS,準確率則由79.3%變為78.5%。