Google Cloud 宣佈 AlloyDB for PostgreSQL 預覽直接存取 Iceberg,並宣佈 AlloyDB sync 與 Lakehouse federation 正式推出
Google Cloud 宣佈 AlloyDB for PostgreSQL 預覽直接存取 Apache Iceberg 表,並宣佈 AlloyDB sync 和 Lakehouse federation 正式推出。
Google Cloud 宣佈 AlloyDB for PostgreSQL 預覽直接存取 Apache Iceberg 表,並宣佈 AlloyDB sync 和 Lakehouse federation 正式推出。
Navalny 團隊介紹如何建立阿列克謝·納瓦利內數碼檔案館,並於 2026 年 6 月 4 日上線,當時收錄逾 14,000 份材料。團隊以 Gemini Flash 初步標註主題、人物和地點,並用 GPT-5.4 翻譯,再由編輯核對和修正模型輸出。
上海現代服務業聯合會等8家機構聯合編製《2026 AI+高端製造產業應用圖譜》,並於10月31日全文發布,梳理上海 AI+製造產業鏈、落地優先級及發展建議。圖譜將智能質量檢測列為場景落地優先級首位,並指出工業智能體落地的核心壁壘在於工藝理解與高質量現場生產數據。
Oumi 擴展 Frontier AI Engineer,讓它可為客戶構建 AI 智能體,並重新訓練這些智能體所依賴的模型。團隊可用日常語言描述智能體目標;智能體在實際運作中遇到的問題會轉化為評估集和訓練數據。Oumi 新增直接偏好最佳化和羣組相對策略最佳化,後者現正以私人預覽形式推出。
評估大語言模型時,開發者應超越示範表現,按性能指標、具體用途及模型訓練細節檢視其能力。測試時可比較回答與標準答案,並在不同任務和數據集上評估;亦要考慮連貫性、流暢度、相關性、模型架構及超參數。
機器學習模型訓練常見問題包括資料集偏差、格式或資料類型不一致,以及離羣值,均可能影響模型表現。模型過於複雜會過度擬合,過於簡單則會欠擬合;交叉驗證、正則化及調整模型複雜度有助改善泛化能力。
StartLux、香港大學與南方科技大學的研究者提出 StartLux-Decision,提供單次預測版本 Instant 及按需推理版本 AutoThink,兩者透過統一的選項機率介面輸出決策結果。
MIT CSAIL 四人團隊展示 GPT-6 Astra 可無須梯度下降或重新訓練,直接修改神經網絡權重並改善 Qwen3.5-0.8B 的數學評分。
元臉FacesMarket完成千萬元級天使輪融資,投資方包括壹城聯合投資、擇因投資等相關產業投資方。融資資金將主要用於持續建設人臉人聲數據庫、核心技術及產品研發、市場拓展和團隊擴充。
祥峯投資管理合夥人夏志進指出,現時不少數據公司被動接單,由模型公司定義需求並推動數據採集。他期望數據公司建立獨特的高價值數據資產,探索數據自用及自主變現,掌握行業主動權。
Google Gemini 個人帳戶在 Keep Activity 開啟時,聊天記錄可用於改善 Google 服務,包括訓練生成式 AI 模型,付費訂閲亦不例外。
嚴駿馳團隊在 CNCC 2026 分享 JTok 與 xHC,探索如何在現有 Transformer 架構上擴展模型容量,並控制額外計算成本。JTok-M 在相同損失下所需訓練算力約為底座的 65%;xHC 相對標準 Transformer 節省約 33% 訓練算力,18B MoE 模型平均分由 44.8 升至 48.8。
MIT CSAIL 研究讓 GPT-6 Astra 直接編輯 Qwen3.5-0.8B 的局部權重,以減少重複推理並改善答案完成情況。在 50 次前向測試預算下,MATH-500 由 7.9% 升至 48.1%,觸及 Token 上限的回答比例由 93.0% 降至 33.1%;編輯涉及第 15、19 層共 131072 個參數。
京東披露,其具身智能數據採集已覆蓋 100 多個細分生產服務場景,累計採集超過 10 萬項真實作業任務。京東計劃兩年內累計採集超過 1000 萬小時高質素人類真實場景影片數據,以及超過 100 萬小時機械人本體運行數據。JoyAI-Sim 物理模擬引擎測試中,模擬評測與真實評測結果的一致性約為 90%,評測效率達真機評測的 3.2 倍。
瑞浦蘭鈞以逾700億項核心工藝控制數據訓練自研AI智能體「鈞寶」,將其應用於電芯全生命週期的質量管理。公司累計完成逾10萬項電池測試,總測試時長達5.5億小時,並結合數億電芯出貨及實際運行數據。鈞寶覆蓋研發設計、生產製造、檢測驗證及終端運維,提升缺陷識別、異常預警和質量追溯效率。
全文抽取的可用範圍改變,會令基於全文的情緒趨勢代表不同文章集合,因此圖表波動可能同時反映文章情緒與正文可用性的變化。教程示範按 fullTextStatus 分開統計抽取狀態,並把未納入評分的文章保留在涵蓋率分母中。作者亦建議比較不同時段的媒體來源權重,並把文本依據和抽取狀態與評分結果一併保存。
創業失利後,小武轉做 AI 數據交易,從海外網站爬取資料、串聯標註者,到撮合企業出售數據,作者藉其經歷呈現這門生意的多個環節。文章還寫到,部分中轉站轉售企業調用模型留下的軌跡數據,甚至以相關收入補貼 token;有大廠發現自己的使用軌跡被買賣後,這類生意開始降温。
具身智能機器人尚未大規模銷售,圍繞其訓練數據的採集、標註和訓練服務已開始形成市場,模式包括集中式訓練場、眾包採集及全鏈路服務。覓蜂科技的眾包業務截至10月已在北京、廣州、深圳、上海等40個城市落地,參與者每小時可獲10元至30元。不過,不同廠商的機器人構型、感測器、控制系統和模型架構各異,數據未必能跨企業直接使用,家庭場景採集亦涉及私隱安全。
LiberAI 發佈世界動作模型 Liber‑0,在 60 項真機零樣本任務中合計測試 600 次,整體成功率為 36.0%;GPT‑6 Astra 在相同任務的對照測試中成功率為 5%。
2026年前10個月,國內 AI4S 賽道融資超過80筆,已披露總額超200億元,資本關注點不只在金額,也在融資節奏及訂單落地。小飯桌盤點的50家公司中,11家於2026年成立並在同年獲投。文章指出,投資邏輯正由演算法敍事轉向場景敍事,訂單、乾濕閉環及高質量數據生產能力成為重要考量。
GigaSpeech 3 建立涵蓋阿爾及利亞、埃及、伊拉克、沙特及敍利亞阿拉伯語的弱標註語音語料庫,包含 39,000 小時及 10 million 段語音。
研究提出 PLatour,以直接透過強化學習訓練的輕量線性橋接器連接凍結模型,讓大型模型處理提示詞,再由小型模型獨立生成回應。使用 35B sender 時,PLatour 在共同數學及編碼基準上的結果超越 Mostik AI 公佈的 753B sender 結果,但訓練設定可能不同。
VidUEU-Agent 是一個數據整理框架,可從原始影片自動構建用於多模態理解、圖像編輯及統一理解與生成任務的指令數據。團隊以 8,268 段影片構建 VidUEU-100K,包含近 20,000 條密集中繼資料標註及 100,000 個指令樣本。框架透過四輪訓練及評測結果調整數據分佈,每輪以 30K 個樣本從同一初始檢查點微調 BAGEL,三個反饋基準的整體表現均有提升。
上海交通大學嚴駿馳團隊提出 JTok 和 xHC,探索在現有 Transformer 架構上擴展模型容量。JTok-M 在同一算力預算下令損失降低約 2.2%,達到同等損失所需訓練算力約為底座的 65%;18B MoE 模型的平均分則由 mHC 的 44.8 升至 xHC 的 48.8。研究仍須權衡推理延遲與訪存開銷。
宇樹科技創始人王興興表示,2027年很大概率成為機械人行業或機械人模型發展的臨界點。他指出,機械人數據利用率仍偏低,物理 AI 模型自我進化有望讓模型自行採集數據、訓練和迭代;他所説的具身智能「GPT時刻」,是機械人在約80%的陌生場景中透過語音指令完成約80%的任務。
這篇指南説明如何以 S3 相容物件儲存承載 AI 訓練數據,並將 RustFS 作為可自託管的 S3 層。管道涵蓋原始資料、預處理分片、檢查點及執行日誌;按 fp16 權重估算,7B 參數模型約 14 GB,70B 約 140 GB,優化器狀態可能令空間需求約倍增。
研究人員獨立重新實作 DNO-Prct,並在 Llama 3.1 8B Instruct 和 Mistral 7B Instruct v0.1 上測試。方法包括按策略取樣、以教師回應評分 LLM、選取偏好對,再進行 DPO 式更新。獨立重現可檢驗 Nash 均衡偏好最佳化能否超越原有實作和標註者而泛化。
南韓 AI 公司 Movin 獲得由 IMM Investment 領投的 10 billion won A 輪融資,IBK Industrial Bank of Korea、Voyager Ventures 及現有投資者亦有參與。
LG Uplus 與首爾女子大學於11月2日簽署合作備忘錄,將共同研究個人資料保障、AI及數據,並培訓相關專才。雙方將利用首爾女子大學的創新區研究匿名化數據的整合與分析技術,並評估數據整合前後的重新識別風險。LG Uplus 亦會參與大學研究生課程,提供課程建議、專題項目、講座及實務指導。
DeepMem 是一種因果多尺度架構,以位元組級處理結合語義壓縮,應對直接處理原始位元組時的計算開銷。快速位元組流以滑動窗口局部注意力處理細節,深層記憶流則將歷史位元組流壓縮成階層式記憶。閘控交叉注意力讓快速位元組流從記憶庫提取歷史上下文,避免回看大量原始位元組,同時保留無損位元組重建能力。
上海創智學院與新序智能聯合發布 801-30B base 模型、輕量 SFT 數據及完整預訓練級 RSI 技術報告。報告把預訓練拆成三類可閉合的小循環,並以共享記憶記錄嘗試及失敗原因。在相同的 1T tokens 訓練量下,22 項基準平均分由初版試訓的 47.78,經修正版試訓的 51.96,升至正式訓練的 56.83;完整後訓練版本將於下一階段發布。
宇樹科技創辦人王興興表示,明年很可能是機械人行業或機械人模型的臨界點。機械人在單一工序或固定工位的任務成功率可接近100%,但效率仍需提升,精細操作亦有待改善。目前包括宇樹科技在內,機械人數據的利用率仍偏低,大量數據未獲充分利用。
車品覺指出,合成數據可補足訓練材料,但難以取代真實的人類行為數據;反覆以模型生成的數據訓練,亦可能令輸出多樣性下降。中國信通院監測到今年6月國內日均 Token 消耗約500萬億,接近去年12月的4倍;Cloudflare 數據顯示,自動化流量佔比達57%,首次超越人類。作者認為,未來3到5年,具稀缺性、來源可追溯、授權清晰及場景綁定的數據資產將重新估值。
MeitY 於 2026 年 10 月 31 日發佈 DEPA AI 訓練手冊草案,提出讓模型進入封閉運算環境,利用銀行或醫院資料訓練而不交出原始資料。方案結合電子合約、差分私隱和資料來源追蹤;部分情況下,資料使用方只會收到決策結果。發佈會展示銀行及 MRI 腫瘤偵測試點,銀行試點兩週處理逾 2 million requests;兩項示範均未經公開獨立審核,而手冊仍是討論草案,並非法律。
文章認為,若 Character.AI 是中國公司,除法律另有規定外,破產後把用戶聊天記錄拍賣予第三方作 AI 訓練,須取得用戶明確同意。美國40個州總檢察長就涉及用戶資料的出售提出九項條件;法院準許資產出售程序繼續,但未批准出售聊天記錄,並拒絕強制委任私隱監察員。文章亦指出,聊天記錄能否透過匿名化排除個人資料規管仍屬法律模糊地帶,色情、暴力、自殘等內容亦引出訓練語料的合規問題。
研究指出,未綁定權重的門控語言模型若出現近零輸入嵌入,梯度可放大最多 35 個數量級並導致訓練不穩,論文提出 GroupClip 和 GateFloor 兩種修正方法。
AI 數據公司正成為大模型競爭的重要供應方,向模型團隊提供專家整理的後訓練資料、任務環境及評分標準。報道稱,部分工作場景數據每條報價可達1000至3000元,帶完整操作過程的數據則約1萬元。模型公司開始收緊採購,追查數據質素及訓練效果;文章亦指出評測失真、供應鏈套利與個人資料私隱等風險。
這篇教程以 6 個問題和簡化數值例子,從 RNN 梯度消失講到 GPT 逐字生成,逐步手算 Self-Attention、Causal Mask、多頭注意力與 KV Cache。
選擇 PPO、DPO 或 GRPO,應按可用的訓練訊號決定:偏好配對適用於 DPO,可由程式評分的答案適用於 GRPO,學習式獎勵模型則適用於 PPO。以 8B 模型完整訓練估算,PPO 約需 295.2 GB、DPO 約需 147.6 GB、GRPO 在關閉 KL 項時約需 131.2 GB;估算未計 activations 及 PPO、GRPO 的生成快取。
印度新創 NeuroDX 的 240M 參數語言模型 Sphota,在公司公佈的約 11 項基準平均結果中取得 52.4%,高於 Liquid AI 同類模型的 52.1%。行政總裁 Siddharth Panwar 稱,Sphota 以少 50 倍的訓練數據達到相若表現,記憶體效率則提高 4.5 倍。相關結果仍屬初步,尚未經獨立公開評測驗證。