跳到正文
11月4日週三
  1. DEV Community40

    通往 AI 超級智能的新公式:System‑1 與 System‑2 協同設計

    清華大學自動化系的論文提出,通往 AGI 不應只擴大 System‑2,而要與輕量 System‑1 協同設計,預先篩選有價值的交互。理想情況下,算力可縮減至接近 $1/\rho_u$,但預測錯誤和探索需求會削弱節省效果。論文並提出以有效資訊算力,而非總算力,描述模型縮放規律。

  2. 阿里雲開發者社區 AI19

    2026 年 CAD AI 圖元與圖例識別:技術演進與系統構建

    CAD AI 圖元與圖例識別融合多模態視覺大模型(VLM)及三維幾何深度學習,用於圖紙審核、工程算量、數字化轉錄及 BIM 逆向建模。系統結合矢量解析、柵格向量化、語義分割、拓撲重建與人機協同校核,工業級應用通常要求準確率達到 99% 以上。大型圖紙可透過分塊並行流式處理與 R-Tree 加速。

  3. Hacker News:AI 熱帖16

    不存在後訓練數據共享庫

    文章指出,目前不存在後訓練數據共享庫。評論認為,這類共享庫可能需要一定保護,因為建立相關數據需要付出大量努力,而且可能影響人們透過工作賺取收入的能力;也有人提出,政府可能為提升競爭力而以公共項目形式建立共享庫。

  4. 新浪科技46

    AI進軍數學界,人們才明白柯潔原來是一種處境

    OpenAI 等 AI 公司正攻關數學,Lean 等形式化證明工具可嚴格檢查 AI 生成的證明。Mathlib 已累積超過兩百萬行形式化數學內容,通過驗證的證明亦可為 AI 提供反饋,但以此推動自進化的成效仍未可知。Lean 不能判斷問題是否正確表述或有實際價值,也不適用於難以形式化的現實問題。

  5. DEV Community46

    AI 產品開發生命週期指南

    AI 產品開發應設立明確決策關卡,按問題界定、資料權限、實驗、驗證及生產審查五個階段推進,避免未通過檢查便進入下一階段。訓練前須核實資料來源、使用權及私隱保障;部署前則要確認模型勝過簡單基準,並完成安全與偏差評估。上線後需持續監察數據漂移、延遲及錯誤率。

  6. HuggingFace Daily Papers(社區熱門論文)48

    DreamFree:面向無想像世界動作模型的未來表徵蒸餾

    DreamFree 透過未來表徵蒸餾,構建無需生成未來影片的世界動作模型,並能隨影片模型規模及影片數據增加而提升控制表現。在 DROID 數據集上訓練後,DreamFree 在 10 項真實世界任務中取得 64% 成功率,高於 DreamZero 的 56% 和 π0.5 的 16%。其 14B 影片骨幹在單張 H200 上以 11 Hz 運行,推理速度較 DreamZero 快 17.8 倍。

  7. HuggingFace Daily Papers(社區熱門論文)41

    Zuse:面向歐洲語言的決策模型

    Zuse 由 4B、9B 和 27B 三個決策模型組成,面向 27 種歐洲語言,以凍結的開放權重基礎模型為底座,訓練低秩適配器和指針頭。涵蓋 27 種語言、9 個任務組別的評測中,27B 模型準確率為 87.5%,整體期望校準誤差為 0.016。研究發現,校準偏差主要按任務而非語言區分,且超出訓練語言的表現受基礎模型所涵蓋語言影響。

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

    TailSteer 如何減少多輪圖片編輯中的累積視覺漂移

    TailSteer 是一種最終階段訓練框架,透過令早期去噪動態貼近基礎模型,並在軌跡尾段學習保留修正,減少多輪圖片編輯中的累積視覺漂移。FLUX、SenseNova 和 Qwen 系列的實驗顯示,TailSteer 在 15-20 輪編輯中大幅減少漂移,同時大致保留基礎模型在文字生成圖片及單張圖片編輯基準上的表現。

  9. HuggingFace Daily Papers(社區熱門論文)46

    Hyper-Connections 的設計:簡化、穩定性與可擴展性

    對 Hyper-Connections 架構的系統研究提出 SimpleHC,透過移除殘差混合及共用記憶體存取,在維持 mHC 相若表現的同時簡化架構。SimpleHC 在最大測試規模下,端到端訓練時間僅較標準殘差基線多 2.4%。模型由 15B 擴展至 30B MoE 時仍維持相若表現,訓練期間梯度變化較平順,並在壓力測試下保持穩定。

  10. DEV Community78

    權重空間編程奏效:GPT-6 Astra 僅修改 Qwen3.5-0.8B 的 0.016% 權重,修復數學循環問題

    MIT CSAIL 研究團隊的權重空間編程研究顯示,GPT-6 Astra 無需梯度下降或微調,便可修改 Qwen3.5-0.8B 的 131,072 個權重以修復重複循環。

    推薦理由:文章並列成功與失敗案例,呈現直接編輯權重較適合移除單一故障障礙,未能補足模型原本欠缺的能力。

  11. Ai2 / Allen Institute for AI59

    StateBench 評估語言模型追蹤長篇文件狀態變化的能力

    Ai2 推出 StateBench,這套基準評估語言模型在長篇文件中追蹤實體狀態變化的能力,並將任務按複雜度分為四級。從零開始訓練、參數量為 275 million 的模型在最長 64,000 次變數賦值序列測試中,Gated DeltaNet 及混合模型在前三級幾乎完美泛化;Transformer 則未能學會最難的通用有限狀態任務。

  12. CNET51

    女性真正需要的 AI,並非「AI wife」

    Bo Young Lee 認為,女性真正需要的不是把育兒及家務管理外判的「AI wife」,而是正視性別偏見、讓女性參與建構和審核的 AI。她引用的 2024 年 UNESCO 委託研究指出,模型會把女性名字與「家居、家庭、子女」等詞關聯;Meta 的 Llama 2 回答關於女性的句子時,約每五次有一次產生性別歧視或厭女內容。

  13. Hugging Face Blog48

    Palette:教小型模型以你的設計語言製作簡報

    Palette以LoRA微調20B開放權重模型,讓模型按指定設計語言規劃並生成簡報,並以檢查器核驗版面。訓練數據依據 IBM Design Language 合成,涵蓋約 1000 份簡報、約 10,000 張投影片;模型在 PresentBench 測試的三個領域中有兩個排名第一。設計與編寫程式碼分工後,每張投影片可並行處理,編碼階段快約 6–7×。

11月3日週二
  1. Hacker News 熱門(buzzing.cc 中文翻譯)52

    大型語言模型讀寫神經網絡權重並非超人能力

    作者認為,GPT-6 Astra 直接讀取及修改神經網絡權重的表現雖然出色,但不代表它具備超越人類研究者的 AI 研究能力。Astra 能從小型網絡的權重辨認其訓練遊戲,並修改 0.8B Qwen 模型的權重,修正模型在生成超過 32k tokens 時陷入循環的問題,使其能處理需要超過 32k tokens 的數學題。

  2. IT之家59

    Meta 爬蟲為藝術家網站帶來逾 55 萬次訪問,主機持續不穩

    兒童繪本作家兼插畫師 Chelsea Paulus 的網站遭 Meta 爬蟲帶來逾 55 萬次訪問,主機資源被耗盡,至週一仍不穩定。Meta External Agent 和 Meta Web Indexer 先後出現;她修改 robots.txt、配置防火牆後仍未能即時阻止請求,並暫時移除 Instagram 個人頁面的網站連結,以免真人訪客令網站宕機。

  3. TNW71

    Nvidia要求雲端合作夥伴將中國業務上限設為49%,《金融時報》報道

    《金融時報》報道,Nvidia 要求數據中心合作夥伴至少 51% 的雲端服務售予非中國企業,規定只適用於新合約,既有協議不受影響。報道引述五名知情人士稱,Nvidia 透過銷售及區域團隊口頭傳達要求,未發出書面指示;Nvidia 未向 AFP 確認或否認。許多中國科技公司依賴中國境外雲端供應商提供算力訓練 AI 模型,這項限制為相關公司增添障礙。

  4. HuggingFace Daily Papers(社區熱門論文)31

    DRAP:面向 Physical AI 持續學習的動態風險自適應可塑性方法

    DRAP 提出一種免重播持續學習方法,按軌跡放大風險調節模型組件的可塑性,以提升 Physical AI 對舊有行為的保留能力,同時學習新任務。方法在固定的 OpenVLA 子網絡上評估,並於 LIBERO Spatial、Object 和 Goal 測試套件進行序列適應;相比標準 AdamW 微調和 EWC,DRAP 改善了舊行為保留,並維持新測試套件的學習能力。

  5. 阿里雲開發者社區 AI27

    企業數碼轉型如何選擇適合自身需求的數據治理方案?

    企業選擇數據治理方案,應按自身數據規模、AI 項目進度、合規要求及團隊配置,評估治理成果能否供 AI 使用、元數據和血緣能否隨數據加工同步生成,以及治理效率如何實現。數聚股份的數聚治理平台 DGP 涵蓋語義、元數據與血緣、AI 賦能治理,據披露可縮短 AI 建模前數據準備週期 65%,並減少約 68% 審計準備時間。

  6. HuggingFace Daily Papers(社區熱門論文)35

    FLAMIA:面向 Blackwell 的快速且因果安全訓練注意力

    FLAMIA 提出面向 Blackwell 的注意力核心,透過 MXFP8 及混合精度訓練路徑加速前向與反向計算,並防止因果資訊洩漏。涵蓋量化的 MXFP8 路徑,在 B200 的加速幅度為 1.10–1.40 倍,在 B300 為 1.06–1.42 倍。研究亦在 Llama 類預訓練模型上驗證訓練穩定性及品質維持。

  7. LG AI Research:官方研究博客43

    [ICML2026] 結構化數據基礎模型與時間序列深度學習的最新發展

    LG AI Research 在 ICML 2026 回顧結構化數據與時間序列深度學習研究,並介紹其為緩解 TabPFN 類別偏差而提出的 DistPFN。團隊分析 OpenML 的 253 個表格數據集,發現約 85% 存在類別不平衡;極端情況下,TabPFN 將 98.3% 的測試樣本預測為多數類別。DistPFN 在推理時調整預測機率,以減少訓練數據類別比例對預測的影響。

  8. Analytics India Magazine39

    Dispatch Network 獲 Antler India 領投 ₹5 Cr 種子前融資,打造 AI 配送網絡

    Pune 的 Dispatch Network 獲 Antler India 領投 ₹5 crore 種子前融資,將資金用於擴充 AI 團隊及開發大型物流時空模型 LLSTM,以改善配送訂單分配並減少騎手閒置時間。公司稱,其網絡騎手每月收入較業界平均高約 55%,空駛里程少三分之二。公司計劃於 November 擴展至 Mumbai。