跳到正文
11月5日週四
  1. 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%。

  2. HuggingFace Daily Papers(社區熱門論文)44

    NEO-VLA:從像素到動作,邁向原生視覺語言動作策略

    NEO-VLA 提出一種無固定視覺編碼器的視覺語言動作框架,讓圖像與語言在骨幹網絡中共同演化,供動作專家從不同深度讀取視覺表徵。在受控比較中,原生架構勝過依賴編碼器的架構;完整微調可縮小差距,但不能消除差距,單靠擴大規模亦無法追回。在多種操控情境及分佈轉移下,NEO-VLA 的控制表現更強、更穩健。

  3. 新浪科技24

    愛立信中國區總裁方迎:夯實智能網絡底座,釋放通訊業深遠價值

    愛立信中國區總裁方迎解讀新一代通訊網政策、AI趨勢及網絡與AI融合實踐,並表示愛立信將以智能網絡底座支持中國網絡建設和AI應用發展。愛立信研究預計,到2030年前,38%智能手機用戶會把日常任務交由人工智能處理;到2030年,AI重度用戶比例將約達30%。愛立信以AI優化網絡調度,並透過5G-A切片、上行增強等技術提升可靠性、降低時延。

  4. 阿里雲開發者社區 AI29

    2026年教育機構如何構建 AI 錯題錯因智能診斷與追問式答疑係統?

    教育機構可結合多模態大模型、認知圖譜與自適應蘇格拉底式追問引擎,構建涵蓋錯因診斷、啟發答疑、變式訓練及教研反饋的 AI 系統。落地時需處理手寫公式與圖表識別,並透過提示詞工程及輸出護欄限制模型輸出,避免直接洩露答案或產生幻覺。

  5. 第一財經27

    券商晨會觀點速遞:AI算力、券商板塊及AI眼鏡機會

    多家券商晨會研報聚焦AI算力產業鏈業績、2027年券商板塊配置機會,以及AI眼鏡全綵顯示與AI交互帶來的產業變化。中信建投稱,2026年前三季度測試儀器、GPU/ASIC、線纜板塊歸母淨利潤分別增長1160%、720%、214%。華泰建議把握2027年券商板塊配置機會;國金認為鏡片與渠道有望受益。

  6. 阿里雲開發者社區 AI54

    深度偽造投資騙局的信任建立機制與防護策略

    生成式 AI 驅動的深度偽造投資騙局,會利用名人背書、偽造平台、關係經營及漸進誘導建立信任,並在提款時以附加費用收網。澳洲證券及投資委員會數據顯示,2025 年利用深偽名人形象為投資計劃背書的騙局數量同比上升 25%,虛假投資每年令澳洲民眾損失接近 10 億澳元。文章提出結合技術核驗、機構仿冒識別及去污名化溝通防範此類騙局。

  7. 阿里雲開發者社區 AI56

    職場人 AI 能力四階進階路線,從人機溝通到企業級項目落地

    文章參照 CAIE 人工智能工程師體系,提出職場人由人機溝通、資料處理與任務拆解、AI 工作流搭建,進階至企業級項目應用的四階學習路線。前三階對應 CAIE 一級的基礎與應用能力,第四階延伸至 CAIE 二級;學習應圍繞真實工作任務,逐步加入流程核驗、人工審批,以及企業項目的數據權限、成效驗收和維護安排。

  8. 新浪科技81

    月之暗面開源 Kimi K3.1 Pro 權重,總參數 2.8 萬億

    月之暗面已將 Kimi K3.1 Pro 的模型權重上載至 Hugging Face,正式開放權重。模型採用 MoE,總參數為 2.8 萬億,每次推理啟用其中 1040 億,支援 100 萬 token 上下文及看圖;Artificial Analysis 綜合智能指數為 46.5 分,較 DeepSeek-V4.1-Flash 的 32.6 分高約 14 分。

    推薦理由:文章交代授權例外及部署所需硬件,呈現權重開放後商用與自行部署各自面對的實際門檻,方便判斷其適用範圍。

  9. DEV Community43

    Dharma-AI 推出 2B Field Extractor,將文件欄位提取為 JSON

    Dharma-AI 推出 2B Field Extractor,從文件提取欄位並輸出結構化 JSON;文件中不存在的欄位會回傳 null。模型在供應商自家基準測試中得分 0.834,高於四種前沿模型配置的 0.741 至 0.816;Dharma-AI 稱成本約低 6 至 147 倍。文章提供試用示範,但未確認授權條款、模型權重是否開放或有否商業方案。

  10. DEV Community35

    從華沙 voxel 城市地圖到可步入的蛋白質:NexoPeek 對沉浸式視覺化的啟示

    NexoPeek 將 voxel 式縮放帶入蛋白質結構探索,讓用戶在 Meta Quest 上以互動 3D 場景查看和操作蛋白質模型。應用程式提供 12 個以真實 PDB 結構為基礎的導覽,並支援多來源結構搜尋及本機檔案載入。文中測試的離線口袋預測與晶體學確定的結合口袋重合 96%,RMSD 約 0.8 Å。

  11. DEV Community28

    評估 AI 圖像、影片及音訊模型的心得

    自由身 AI 評估員分享評估圖像、影片、音訊及用戶介面模型輸出後的心得,指出遵從指示比外觀出色更重要。評估時,誤報問題比漏掉小問題更糟,簡短而清晰的意見也比冗長解釋更有用。模型的改進仍有賴人員仔細、持續地檢查輸出。

  12. DEV Community49

    Amazon Bedrock AgentCore:AWS 如何為工程決策工作流程構建多智能體協調機制

    AWS以Amazon Bedrock AgentCore協調專責智能體評估航空航天零件替代,把跨文件人工核對由數天縮短至數分鐘,工程師仍保留最終決策權。系統以結構化證據在智能體之間傳遞資料,並透過多模態嵌入搜尋文字及圖像資料。人工審批可暫停工作流程,狀態儲存於DynamoDB,待工程師返回後恢復。

  13. DEV Community41

    VR 中誰控制 AI?VRChat 標籤爭議與 Amblyotube 的視覺訓練設計

    VRChat 在徵詢用戶後決定不為 AI 生成內容加上標籤,引發社羣反彈;Seven Sports 的 Amblyotube 則讓用戶設定視覺訓練強度及 AI 鋭化效果。這款 Meta Quest 應用透過雙眼不同畫面進行訓練,並支援 YouTube 風格影片及離線播放的兒童影片目錄。Amblyotube 是輔助視覺訓練及教育軟件,不可取代專業醫療指導。

  14. DEV Community74

    騰訊發佈 Hy4,加入視覺理解與電腦操作能力

    騰訊於 2026 年 11 月 4 日發佈 Hy4,為其旗艦語言模型加入視覺理解、圖表分析、視覺數學推理,以及操作命令列工具和圖形介面的能力。騰訊稱 Hy4 的上下文窗口為一百萬 tokens;TechNode 將其描述為 770 billion parameters,文章亦列出其遊戲開發基準較 Preview 提升 19.1%,GameLogic 提升 9.8%。

  15. Hacker News 熱門(buzzing.cc 中文翻譯)82

    Kimi K3.1 Pro 開放權重模型推出,提供 1-million-token 上下文窗口

    Kimi K3.1 Pro 以開放權重、多模態智能體模型形式推出,提供 1-million-token 上下文窗口。模型由 Kimi K3 經大規模聯合強化學習後訓練,涵蓋數百個下游領域;總參數量為 2.8T,啟用參數為 104B。

    推薦理由:模型卡列出多類編碼、智能體、推理與多模態基準,並附上評測工具、設定及數據來源,方便理解各項分數的比較口徑。

11月4日週三
  1. DEV Community22

    破壞開放網絡也阻止不了惡意機械人

    CAPTCHA、IP 封鎖及裝置指紋識別等防禦措施未能阻止惡意機械人,反而可能排除視障人士、長者及重視私隱的正當用戶。Amblyotube 利用 Meta Quest 將 YouTube 影片分別呈現給左右眼,作弱視訓練;它是輔助工具,不能取代專業治療。

  2. 新浪科技70

    中國內地版 Apple 智能的創作內容及查詢結果會同步至千問 App

    iOS 27.3 首個開發者預覽版為中國內地用戶帶來 Apple 智能,並在部分體驗中接入千問;查詢結果及以千問完成的文字創作內容會同步至千問 App。用戶可在 Siri、寫作工具和視覺智能中調用千問,使用文字與圖像理解能力;千問 App 對查詢結果提供語音播報、分享、複製、收藏及重新生成等功能。

  3. DEV Community28

    拍攝《Knives Out》的好萊塢色彩專家解説其走紅的 iPhone 相機 App

    Steve Yedlin 的 Chromagraph Camera 售價 13 美元,使用他為電影製作採用的色彩數學處理照片。文章亦詳述 Seven Sports 開發的 Meta Quest App Amblyotube,透過分別調整雙眼影像,將影片轉化為弱視訓練;建議每日使用 30–40 分鐘,每日最多 1 小時,適用於 13 歲或以上人士。

  4. IT之家70

    國行 Apple 智能創作內容及問詢結果會同步至千問 App

    國行 Apple 智能以千問完成的文字創作內容及問詢結果,會同步至千問 App。iOS 27.3 首個開發者預覽版為國行 iPhone 帶來 Apple 智能與 Siri,用戶可在 Siri、寫作工具和視覺智能中調用千問,涵蓋文字及圖像理解相關能力。同步至千問 App 的內容可語音播報、分享、複製、收藏或重新生成。

  5. HuggingFace Daily Papers(社區熱門論文)45

    LongBanana:長上下文多參考圖像合成的專家驗證基準

    LongBanana 是一個針對長上下文多參考圖像合成、由專家設計及驗證的基準,包含 90 項任務及共 4,670 個專家指定的原子評估項目。每項任務約有 32 張參考圖像和 20 項約束,並以圖像中的實體與關係圖評估內容保真度、關係綁定及整體約束滿足度。研究亦提出 LongBanana-Gen;實驗顯示,精簡的智能體框架優於直接生成,而 RPR 工作流程的成效視乎框架而異,程式碼及數據已公開。

  6. IT之家43

    魔芯科技發布基於華為昇騰原生的 4D 世界模型 MoWorld 2.0,場景可互動、編輯及調用

    魔芯科技發布基於華為昇騰原生的 4D 世界模型 MoWorld 2.0,將多種物理要素融入空間建模和互動,生成可用於仿真、實時渲染及反覆調用的 4D 高斯資產。影片推理速度由 MoWorld 1.0 最高約 50 幀每秒提升至約 70 幀每秒,3D/4D 高斯資產渲染速度達 500 幀每秒以上。該模型在全國產昇騰算力基座上完成訓練和部署,相關方案推理成本最低可降至同等規模 GPU 方案的 30%。

  7. DEV Community56

    Home Assistant 和視覺模型如何監測邊境車龍,協助選擇出行日期

    作者用 Home Assistant 在指定日期窗口和日間每 30 分鐘拍攝沿途 13 個交通攝影機畫面,交由視覺模型評估車龍,再把結果存為感應器數據,以圖表比較不同路口及行車方向。流程會檢查影像是否有效,並將非即時畫面記為無數據。作者估算整個季節的 API 費用約 $11,影像佔用約 640 MB。