人機協作:如何設計審核佇列
Slava Kotenev 提出一套人機協作審核佇列設計方法,涵蓋入列條件、工作量估算、審核流程及持續監測。他的工單分類示範使用公開資料及測試數字,約 24% 工單低於信心門檻;他建議先按每日項目數、覆核比例和單項所需分鐘估算每日審核工時。他亦建議把更正保存為標註範例、追蹤覆核者改動提案的比率,並加入已知答案項目,檢查覆核是否流於照單全收。
Slava Kotenev 提出一套人機協作審核佇列設計方法,涵蓋入列條件、工作量估算、審核流程及持續監測。他的工單分類示範使用公開資料及測試數字,約 24% 工單低於信心門檻;他建議先按每日項目數、覆核比例和單項所需分鐘估算每日審核工時。他亦建議把更正保存為標註範例、追蹤覆核者改動提案的比率,並加入已知答案項目,檢查覆核是否流於照單全收。
OpenAI 於 2026 年 10 月 30 日加入 Google、Microsoft 和 Anthropic,支持透過 robots.txt 共用信號表達網站對 AI 訓練的偏好。
Google Cloud 更新了 Professional Machine Learning Engineer(PMLE)考試指南,2026 年 6 月 1 日版本列出六個考試範疇及各自比重。
滑坡損毀房屋實例分割數據集收錄 3320 張滑坡場景圖像,支援完好、損毀及受損建築、滑坡損毀房屋和滑坡土體共 5 類實例分割。數據集的 mAP@50 為 51.8%,並提供 YOLOv8 訓練程式碼及預訓練模型,可用於災情識別、房屋損毀評估和無人機地質災害監測。
雙層最佳化由外層選擇變數、內層在該選擇下求解構成,元學習的共享初始化與新任務快速適應便呈現這種結構。文章介紹兩種計算外層梯度的方法:根據內層最優條件的隱式微分,以及沿內層最佳化步驟反向傳播的展開微分。前者適合內層接近收斂且不希望梯度依賴求解軌跡的情況,後者適合刻意截斷的適應流程,但會增加記憶體成本,並受非凸性及驗證資料過度擬合等問題影響。
Google、Microsoft、Anthropic 和 OpenAI 宣佈計劃支援一項新的網站爬取標準,讓網站營運者透過 robots.txt 的單一項目,封鎖收集生成式 AI 訓練資料的所有爬蟲。
文章示範如何只用 NumPy 從零實作線性迴歸,透過矩陣運算理解模型權重、成本函數與預測。內容涵蓋普通最小二乘法(正規方程)和梯度下降,並説明學習率如何影響權重更新及收斂。
聯邦學習讓 AI 模型在分散的裝置上協作訓練,原始用戶資料留在本地,中央伺服器只彙總模型更新,再將升級後的模型送回裝置。這種方式可減少傳輸大量資料的頻寬需求,並用於醫療、智能手機工具及金融欺詐識別等場景。
開放權重模型公開訓練後的權重,任何人可下載、自行運行及微調;封閉權重模型則只可透過開發公司或其授權雲端使用。
OpenAI 刊出多個團體、專家及美國政府提交法院的意見摘錄,支持將受版權保護作品用於生成式 AI 訓練屬合理使用。部分意見認為,訓練用途具轉化性且不取代公眾接觸原作,並指出限制訓練或會影響研究、教育、無障礙服務及創作者使用 AI。
推薦理由:文章並列法律學者、圖書館、創作者及政府提交的論點,呈現合理使用爭議如何牽涉訓練方式、作品市場影響與公共利益。
Anthropic、Google、Microsoft 與 OpenAI 同意支援讓網站表明是否退出 AI 模型訓練的共同訊號,並將此選擇與搜尋索引及封存分開處理。
數據驅動模型透過大量已標註的睡眠夜晚擬合判斷邊界,令非接觸式睡眠感測的睡眠狀態序列更平穩,也較能處理入睡、醒來等轉變及個人基準。雷達無法測量腦部活動、眼球運動或肌肉張力,因此睡眠階段仍是依據相關訊號作出的推斷,已發佈的協定亦沒有 REM 階段。
Base Labs 以玩具實驗研究 RL 中訓練價值函數的額外計算成本是否值得,發現羣組基線上加入評論模型帶來的幫助比預期更小。 在兩項單輪任務中,即使是「完美評論模型」,最多也只能消除 40-60% 的優勢值變異;小型價值頭或有幫助,但效益可能有限。
一項小型 RAG 實驗微調了預訓練重排器,確認權重更新及檢查點載入正常,但在合成留出測試中沒有觀察到排序提升。測試只有兩條可回答問題,原始與調整後的重排器 nDCG@5 均為 1.0,配對差異為 0。真實領域評估及人工評分尚未完成,現有結果只支持實驗流程可運作,不能證明微調改善了答案品質。
作者探討讓神經網絡生成多個答案、挑選最佳答案進行訓練,能否改善訓練效率。這個想法與選擇性反向傳播及拒絕採樣有相通之處,但不等同於兩者或提早退出架構。生成和評分額外答案也會耗時,成效取決於評分能否選出真正有助模型進步的答案。
GameVerse 是面向長時程互動世界建模的分鐘級遊戲影片數據集,包含 69.7K 段影片、共 1,655 小時及 349.6 million 幀。數據集提供事件對齊標註,並包含 1,358 小時連續兩分鐘序列;實驗顯示,以 GameVerse 訓練可延長互動世界模型的時間跨度。
研究提出 Velocity Matching(VM),以無需模擬的訓練目標學習 Neural ODE,並以穩定性估計提供軌跡誤差保證。在非線性 ODE 測試案例中,VM 以與 teacher forcing 相同的訓練成本(採用 explicit Euler)取得較低軌跡誤差;在半離散 PDE 上亦能穩定訓練並取得最低測試誤差。
中國模型廠商正以訓練流程、推理系統、Harness 和沙箱等工程環節推進 RSI,但目前尚未有廠商讓 AI 改寫模型權重。智譜的 Infra Agent 在 10 萬張國產晶片組成的集羣上,兩週內建成 GLM-5.3-Flash 生產級推理服務,端到端吞吐量達初始基線的 3.2 倍;深度求索(DeepSeek)的 DSec 每日可建立約 300 萬個沙箱。
OpenAI 於 2026年10月30日宣佈,將尊重 robots.txt 中的共享訊號,讓網站營運者一次向多家參與服務供應商表達 AI 訓練偏好。訊號以 User-Agent 政策 token `__usage_ai-training` 表達,OpenAI 計劃於未來數月實施。這項自願機制不取代 OpenAI 現有的 robots.txt 控制,偏好是否獲遵從則由接收方決定。
OpenAI 宣佈將遵守 robots.txt 中讓網站表達其內容能否用於基礎生成式 AI 訓練的共用訊號,網站可藉此一次向多個參與供應商傳達偏好。網站營運者以往須為各供應商分別設定爬蟲規則,OpenAI 計劃在未來數月實施共用訊號,並會再公佈細節。新訊號不會取代現有 robots.txt 爬蟲控制,現有控制仍會繼續適用並獲尊重。
這篇教程示範如何在 AWS SageMaker 上訓練自訂 CNN,為 ASL 圖像分類,並將模型儲存及上載至 S3。訓練使用 ml.g5.xlarge GPU 執行個體,配備 24 GiB VRAM 的 NVIDIA A10G;法蘭克福價格為每小時 $1.258。
英國競爭及市場管理局(CMA)於 2026 年 10 月 30 日對 Meta 展開反壟斷調查,審查其擬議條款是否容許收集企業及出版商網站內容,供自家產品(包括 AI 功能)使用。CMA 關注相關企業是否沒有選擇內容用途的實際空間,並將判斷 Meta 是否在相關英國市場佔支配地位,以及條款是否構成濫用。Meta 已於 10 月 28 日暫停推行,稱沒有調查理據,並表示會先諮詢出版商及其他持份者。
製造商要做好 AI 準備,必須確保產品資料、配置邏輯和業務規則準確一致,否則 AI 可能加快錯誤,而非改善決策。傳統抽查難以覆蓋所有組合;一個有 30 個變數、每個變數有五個選項的模型,約有 10²¹ 種組合,正式方法可比較模型所允許的有效產品組合是否一致。
小米技術發布並開源 0.8B 參數的文件理解模型 Xiaomi-OCR-0,整合文件解析、關鍵資訊抽取及 OCR 視覺問答。
研究提出以單一基於似然的演算法統一基礎模型各訓練階段,將訓練流程轉化為選擇數據、比例與時機的問題。研究團隊建立混合靜態數據與強化學習生成內容的統一訓練系統。實驗顯示,這種方法改善準確度與計算量的取捨及任務覆蓋範圍,同時保留較廣泛的能力,並為持續學習提供更強的起點。
這項研究提出 Platonic Representation Theorem,指出若正樣本視圖是同一場景的兩個觀測,且其他情況的錯位有界,不同模態分別訓練的 JEPA 會學到只差一個旋轉的相同表徵。
Wikimedia Foundation 就《紐約時報》控告 OpenAI 及 Microsoft 的版權案向法庭提交意見,主張 AI 訓練與複述原文應分開判斷。它認為,預訓練若產出有別於原文的新內容可屬合理使用;若向用戶提供原文複本並取代其接觸原作,則應取得授權。Wikimedia 並非訴訟一方,亦沒有支持任何一方。
中汽創智智能數據驅動平台業務總經理拱印生表示,未來智駕水平將靠數據評價,而非企業自行表述。中汽創智在年會發布星辰數據聯盟 2.0與車路雲星全域智能技術架構。拱印生認為,數據共建共享有助中小企業降低成本,數據流通與交易亦將逐步推動。
小米開源 0.8B 文件理解模型 Xiaomi-OCR-0,並在 Hugging Face 和 GitHub 同步公開模型權重與推理程式碼。模型以 Qwen3.5-0.8B-Base 為基座,涵蓋文件解析、關鍵資訊抽取及 OCR 視覺問答,支援 Markdown、LaTeX 和 JSON 輸出。
歐盟委員會公佈的交易資料顯示,Apple 今年早些時候與 Ascend.io 運營方 Ascension Labs 達成協議,取得 Ascend.io 知識產權的非獨佔許可、受讓部分專利的權利,以及聘用部分員工的權利。這並非收購整家公司,相關技術在許可範圍內仍可能供其他企業使用。Ascend.io 官網已發布逐步結束業務運營的通知,但未説明原因,也未提及 Apple 或這宗交易。
Netflix以Kubernetes建構GPU可靠性平台,結合分層健康檢查、自動修復和容錯訓練;Netflix報告GPU節點可用率超過99.95%,工作成功率由約98%升至超過99.5%。平台監測GPU、網絡與節點狀態,按故障情況逐步阻止新工作、排空或重啟機器,並以檢查點和彈性工作者恢復長時間訓練;亦會識別拖慢同步作業的單一慢速 rank。
希格生科在獲蓋倫獎提名一年後,推進與晶泰科技合作研發的兩條管線進入臨牀階段。SIGX1094臨牀一期基本結束,與信達生物合作治療NSCLC的Ⅱ/Ⅲ期臨牀試驗IND已獲NMPA批准;SIGX2649已獲中美IND批准,預計11月啟動臨牀試驗。希格與晶泰以「類器官+AI」平台迭代藥物研發,希格已完成心臟、腎、肝、腸及腫瘤五個模型的方法學驗證。
Intel 因記憶體成本上升、PC 市場疲弱及 AI 熱潮相關供應短缺而股價大跌,正文稱其盤前一度下跌 25%。第三季收入為 $16.5 billion,按年升 20%;公司預測第四季收入為 $15 billion 至 $16 billion,每股盈利 $0.25,低於第三季的 $0.52。
FDSML提出以生成參數提供關係監督的度量學習方法,結合 FineFractalDB 和 PA-Triplet Loss,利用迭代函數系統參數空間中的距離設定正、負樣本,訓練影像嵌入向量。
人工智能的核心轉變,是由編寫明確規則,轉為讓演算法從數據中提取模式。傳統程式由開發者設定規則並輸出答案;機器學習則以數據和正確答案為輸入,學出規則,即模型權重。若邏輯能以靜態、確定的規則清楚描述,就不應使用 AI;高維、嘈雜或非結構化模式則適合用 AI 處理。
Quantooo Lab 以兩項隨機對照檢查股票排序模型是否勝過機遇,以及訓練流程有否資料洩漏。一項是隨機挑選股票或打亂日期區塊,另一項則以隨機打亂的標籤訓練完整模型;LightGBM 的打亂標籤版本得分約為零。作者的模型結果及測試的十二個模型系列,均未能明確勝過隨機對照。
這項批判性綜述整理機器學習預測炎熱乾旱施工環境下混凝土新拌及早齡期行為的研究,涵蓋工作性與坍度損失、凝結與水化、蒸發與塑性收縮裂縫、早齡期升温與熱裂縫,以及現場強度發展。研究指出,樹模型集成與神經網絡在實驗室及模擬數據上準確度高,但採用現場炎熱天氣數據訓練的模型很少,外部驗證亦罕見;物理資訊學習、遷移學習、可解釋性及感測器驅動的數碼孿生是值得探索的方向。
2026工業數據要素大會聚焦數據要素制度建設、數據資源開發利用及數據賦能人工智能,探討釋放工業數據價值的新路徑。會上發布面向東盟的工業數據要素合作倡議宣言及《工業互聯網數據要素登記要求》國家標準,並啟動「智造」工業人工智能服務平台建設。
Reddit 行政總裁 Steve Huffman 表示,平台將於未來數月在美國以外的部分市場試行要求用戶登入後才能瀏覽。登出用戶仍可從搜尋或其他來源查看分享貼文,首頁亦可登出瀏覽;匿名模式則仍可用於私下搜尋及只讀瀏覽。Huffman 將改動與 AI 聊天機械人擷取 Reddit 資料的情況相連,並表示公司會繼續有意授權資料,商業協議設有使用限制。
哥倫比亞大學李昀燭團隊在 IROS 2026 介紹開源柔性壓阻式觸覺感測器平台 FlexiTac,分享降低製作門檻及擴展觸覺數據採集的實踐。團隊公開完整物料清單、組裝説明及讀取軟件,組裝只需 3 分鐘,並將技術棧整合至 LeRobot。演講亦展示把觸覺感測器接入 UMI,以同步採集視覺與觸覺數據,以及透過彈簧阻尼系統進行仿真校準的做法。