景爍科技獲數千萬美元 Pre-A 輪融資
文遠知行旗下景爍科技已獲嘉御資本、HKSTP香港科技園、天狼星資本等共同投資數千萬美元,完成 Pre-A 輪融資。其WorldEngine、GENESIS-Robotics及EGOK構成數據與模型產品體系;公司稱已有100+客戶與生態合作夥伴,在手訂單金額數十億元,年收入增長超100%。
文遠知行旗下景爍科技已獲嘉御資本、HKSTP香港科技園、天狼星資本等共同投資數千萬美元,完成 Pre-A 輪融資。其WorldEngine、GENESIS-Robotics及EGOK構成數據與模型產品體系;公司稱已有100+客戶與生態合作夥伴,在手訂單金額數十億元,年收入增長超100%。
超衍智能於10月28日發布首個35B模型Apex-35B-V1.0,並將RSI引入模型研發,讓AI參與實驗設計及結果分析。公司公佈的評測結果稱,模型在研究能力、智能體與編碼、推理等多項評測中超越Flint,並在部分任務上超越參數規模達500B和800B的模型。
每日沽空成交比例變化能反映同一結算窗口的沽空未平倉量變化,但不能預測下一個窗口;在 2025 年至 2026 年 7 月的回溯測試中,26,213 參數的 Transformer 得分為 +0.414。測試涵蓋 6,959 隻股票的 660,246 個結算窗口,模型權重、ONNX graph 和輸入規格已在 Hugging Face 以 Apache-2.0 授權提供。
作者用一個提示詞指示 AI Agent 透過 FiftyOne Skills,從 LeRobot 社羣數據集抽取涵蓋 50 種機械人形態的 497 個 episode,並建立影片嵌入向量及可查詢相似度索引。
文章介紹如何用 FiftyOne 插件框架,為 MCAP 和 LeRobot 數據集建立可對整個數據集執行的自訂數據整理檢查。lerobot_data_curation 和 demo_quality_scorer 分別整理 LeRobot v3 episode 和 MCAP 錄製資料,按品質指標由差至好排序並支援背景執行;分數用來安排人工覆核,最終判斷仍由人作出。
文章整理 11 個機械人學習數據集,將其重新格式化或抽取子集為 LeRobot v3.0,並載入 FiftyOne,供檢視影片串流、狀態與動作向量及任務標籤。其中 4 個數據集為完整匯入,另外 7 個因磁碟容量限制而採用子集;內容涵蓋 6 個真實數據集及 5 個模擬數據集,並列出感測器、授權和匯入限制。
機器人數據品質堆疊正逐層形成,評分工具快速商品化,而連接分數、同步檢視與可逆決策的驗證環節仍未成形。文中引用的研究顯示,平滑度指標在早期夾爪釋放等結構性錯誤上,可能把缺陷示範評得更好;缺陷檢測準確度亦未必與策略成功率相關。作者建議把品質分數用作分流而非刪除門檻,並以同步播放、狀態感知訊號及可逆標籤支援人工核查;文末介紹 FiftyOne 1.19 的 MCAP 支援、同步多模態回放及其開源插件。
文章示範如何使用 FiftyOne 載入及檢視 KITScenes-LongTail,這套資料集收錄 103 個真實長尾駕駛事件。現時釋出的 103 個場景包括 100 個測試場景及 3 個 few-shot 訓練範例;每個場景有六路同步影片與 VGGT-Omega 三維重建,而三語專家推理記錄只涵蓋 3 個訓練範例。
這份指南整理了 14 個農業電腦視覺數據集,按任務與標註類型分類,並列出媒體類型、標籤欄位及 Hugging Face 連結。內容涵蓋作物與雜草分割、植物表型、植物病害分類、3D 點雲、衞星田界測繪及農業機械人追蹤,並提供各數據集的規模、年份和授權。
作者以 FiftyOne 載入並探索 Hugging Face 上的 Voxel51/motor_two_wheel_rider,這是 MOTOR 完整語料的 324 段子集。
摩爾線程開源大模型訓練基礎設施項目 Megatron-MUSA-Titan,面向 MUSA 平台上的萬卡級、萬億參數 MoE 模型訓練。項目覆蓋預訓練與強化學習,並已在摩爾線程萬卡級叢集的萬億參數 MoE 預訓練中持續應用;據介紹,項目實現高 MFU 與長穩訓練。
SPIQA 是面向科學論文理解的大規模數據集,納入論文全文、圖表及相關説明文字,以支援多模態科學 VQA。數據集涵蓋超過 25,000 篇論文、150,000 張圖及 117,000 個表格。研究團隊結合 LLM 自動生成問題與專家人工篩選,89% 的 LLM 生成問題在人類評估者眼中與人工撰寫的問題難以區分。
Helex 分享一系列公開 GitHub 專案,涵蓋 38 項基準測試式任務,涉及軟件工程、機器學習、除錯、數據處理及評測。其他專案示例包括分析訓練記錄、批次大小與運算成本,探討資料庫並行處理的正確性,以及計算和理解服務錯誤預算。
銀行數據科學系列首篇以 Wine 公開數據集示範如何用淺層決策樹尋找明確規則,並從候選條件建立凍結模型、檢視錯誤。實驗比較 24 組候選設定及一個常數基線,以三折交叉驗證的 macro-F1 選擇設定。Wine 不含借款人,實驗結果不代表貸款表現。
Cohere Labs 提出 AfriGuard,一個涵蓋 10 種非洲語言及英語、用於研究有害意圖、安全類別理解和拒答行為的多語言數據集。防護模型在安全意圖及安全類別分類上的表現遜於開源及閉源大語言模型;模型對恰當安全行為的理解得分低於 60% F1,亦常因語言表達不足而未能提供適切協助,而非明確拒答。
研究提出多教師自適應 on-policy 自我蒸餾(MTA-OPSD),讓訓練中的每個 Token 都能在候選教師池中自適應選擇偏好的教師。Qwen3 模型的數學推理實驗顯示,MTA-OPSD 持續優於現有 OPSD 方法,相對基礎模型的平均增益最高達 +5.9。
Mage-VL-Cowork 是一款 4B 混合式電腦操作智能體,經五階段訓練後在 OSWorld-Verified 取得 66.0%,達到同參數規模的最先進表現。Mage-CUA-Forge 合成了 293,806 項桌面及網頁任務,涵蓋 6,915 項技能,並將重複任務開支減少 82.6%。
研究團隊提出可擴展的模板式資料增強流程,並發布涵蓋 60 種語言的 MSafeTemp 語料庫,用於多語言安全對齊與評估。研究發現,僅以英語評估會誤判多語言安全:在英語中無法奏效的攻擊,翻譯後可奏效;加入文化本地化變體則會揭示單靠翻譯未能發現的失效。研究亦指出,以模板擴充安全訓練資料可提升多樣性和對齊質素,並改善英語以外的安全表現。
CodeSpecWeave 透過合成帶有互相依存規格及經驗證測試的軟件開發任務,訓練編碼智能體,提升其在長期基準測試上的表現。研究團隊以此流程建立 4,670 項訓練任務,涵蓋 2,865 個程式碼庫;在這些任務上進行強化學習,模型表現顯著優於基礎模型及現有基準方法。
這項研究追蹤 LLM 強化學習中訓練與推理不匹配的來源,並提出差異—滯後校正(DLC)以穩定訓練。研究將不匹配拆分為引擎數值差異和策略滯後,並在有效樣本量低於一半時重新同步取樣器。DLC 在 Qwen3-0.6B 和 Qwen3-1.7B 上,將與 on-policy 訓練的 KL 散度維持在兩次獨立 on-policy 訓練之間 KL 散度的兩倍以內。
研究提出以 BookNavigator 配合強化學習和細粒度獎勵,訓練大語言模型從長篇教材中自主檢索、學習並應用知識,完成數學證明題。Intern-S2-Preview-35B 的整體證明準確率由 51.5% 升至 79.5%,並在 BrowseComp-Plus 和 CL-bench 上分別較基礎模型提升 1.7 和 2.3 個百分點。
使用 TOME-Math 微調後,語言模型在數學評測中的非加權平均分數較基礎模型提高 16.7 個百分點,整體表現亦超越受評估的三種公開指令數據基線。TOME-Math 將 2,118 本大學數學教科書轉換為約 380K 筆結構化證明監督記錄,並保留章節順序、命題與證明連結、依賴關係及來源資訊。研究團隊表示將公開這個語料庫,以促進結構化數學監督研究。
SynthFaces 以 Arc2Face 擴散模型結合身份嵌入向量上的 flow matching,生成具多元身份、標籤分佈均衡的合成人臉數據集,供生成模型訓練及微調。數據集中的圖像與身份均為合成,旨在減少對真實個人圖像的直接依賴,並以最近鄰非洩漏指標檢查身份分離。研究亦展示以該數據集微調現有的 adapter-based 個人化生成方法。
作者以自建的智能體工具使用軌跡微調 Qwen2.5 1.5B Instruct,schema valid rate 由 43.2% 升至 79.6%,工具名稱準確率由 31.1% 升至 47.4%。但編碼、數學推理及不應調用工具時的表現下滑,held-out loss 亦惡化,顯示模型過度擬合。新一輪訓練改用 LoRA、混合一般及推理數據,並以 held-out loss 作為停止依據。
AWS 示範以 Ray Train DLC、KubeRay 和 EFA 在 EKS 上用 FSDP 微調 Qwen2.5-1.5B。
推薦理由:文章逐一説明容器、叢集與傳輸設定如何分工,並展示以預建映像部署多機訓練及檢查 EFA 網絡路徑的方法。
Cartesia 比較多種從 bytes 學習的語言模型方法,發現 H-Net 能兼具壓縮帶來的預訓練計算效率與 byte-level 模型的下游遷移表現。研究以 compute-to-loss 和 loss-to-loss scaling laws 評估模型,指出 H-Net 在 compute-to-OLMES 比較中相對 BPE 約有 2.06× 計算效率優勢。
Eli Lilly 獲 Alzheimer’s Drug Discovery Foundation(ADDF)授權使用 SpeechDx,將以這個縱向語音與生物標記數據集研究語音能否用於阿茲海默症研究。Lilly 是第三個獲授權機構,前兩個是 Siemens Healthineers 和 Callyope;ADDF 的計劃頁稱研究涵蓋 2,650 名參與者,並每季收集語音數據,為期三年。
NVIDIA 於 2026 年 10 月 28 日發佈開放權重語音模型 Nemotron 3.5 Transcribe,並同步推出 Granary v2 語音數據集及整理流程。
推薦理由:Nemotron 3.5 Transcribe 將多語轉錄、説話者標註、翻譯與音訊問答整合於單一檢查點;Granary v2 公開清單涵蓋 48 種語言及 463,062 小時,呈現模型功能與數據集範圍。
Nvidia 發佈 Nemotron 3.5 Transcribe 開放權重模型,可轉錄 40 種語言、翻譯其中 31 種,並在最長一小時的錄音中標記最多 8 位説話者。
Meta 表示,若與業界團體及領袖的諮詢延續至 11 月 20 日之後,將再次延後更新商業條款的實施。條款原定 10 月 30 日生效,後來已延至 11 月 20 日;出版商擔心條款可能容許 Meta 以使用 Facebook 和 Instagram 的新聞網站內容訓練 AI 模型。諮詢期間,Meta 現行條款維持生效。
研究人員調整 Ai2 開源模型 olmOCR 2,將歷史檔案照片及考古手寫記錄轉為可搜尋文字,並讓檔案機構可按研究需要在本地運行和微調模型。考古團隊以 LoRA 在 57 份記錄上微調模型後,在另外 450 份測試記錄上的轉錄錯誤率由 15.58% 降至 1.11%。團隊希望將方法擴展至 Carnuntum 約 70,000 份陶器記錄。
NVIDIA 推出開放權重的 Nemotron 3.5 Transcribe,並公開 Granary v2 多語言語音資料及整理流程。模型支援 40 種語言轉錄,其中 31 種可與英文互譯,並支援 13 種語言的説話者標註;Granary v2 公開清單涵蓋 48 種語言、463,062 小時及 16 個來源語料庫。醫療語音案例中,微調令留出説話者的 WER 較最佳提示詞基線相對下降 45.8%。
推薦理由:文章串連提示詞控制、資料整理與微調流程,並以留出説話者的醫療語音評估呈現 WER 相對下降 45.8% 的結果。
Artificial Analysis 改版 Intelligence Index,令開放模型與排行榜頂尖模型的分差由 3 點擴至 12 點。新版首次有 60% 的指數依據私人測試集;Kimi K3.1 Pro 從第四跌至第九,Grok 4.7 亦下跌 12 點。
Meta 商業條款調整後,英國及歐盟用戶可透過 Instagram 提交異議,反對 Meta 使用其資料。條款生效日期由 10 月 30 日改為 11 月 20 日;Meta 其後移除允許用途清單中的「train」,並將用途限於廣告及商業產品。用戶可在 Instagram 點按帳戶的三條線,前往私隱中心選擇「object」,再填寫表格説明反對理由;文中提到有用戶收到電郵確認異議獲批。
豆包公關負責人劉星迴應稱,橫店與字節合作、將15萬名羣演的肖像和聲音餵給字節大模型的傳言嚴重失實。橫店影視AI服務平台項目旨在把影視基地實景等資產製作成高質量數據集,協助劇組選景、籌備和拍攝,並降低中小影視企業使用 AI 的門檻。火山引擎是技術支持方,相關數據不會用於訓練字節大模型,涉及肖像和聲音使用須取得本人授權。
超衍智能發布 35B 模型 Apex-35B-V1.0,並讓 AI 參與實驗與結果分析,將遞歸自我改進(RSI)引入模型研發。在 21 項基準測試中,該模型較 Qwen3.6-35B-A3B 領先 20 項;對比 Recursive SuperIntelligence 的 Flint,則領先 18 項、1 項持平。
峯瑞資本認為,AI for Science(AI4S)是 AI 走向物理世界的重要橋樑,將模型能力延伸至原子、分子層面的計算與設計。文章以 AI 制藥、電池材料、生物製造及醫療等案例,指出 AI4S 正由基礎科研走向產業應用,並提及 AI 參與設計的藥物已進入 III 期臨牀。
字節豆包公關負責人表示,橫店與字節合作、將15萬名羣演的肖像和聲音用於訓練字節大模型的傳言嚴重失實。橫店影視 AI 服務平台建設項目目前處於中標階段,火山引擎僅提供技術支持,數據資產歸橫店或授權方所有。涉及個人肖像和聲音須獲本人授權,項目數據不會用於訓練字節大模型。
啟明創投投資企業本期十條要聞涵蓋 AI 影片生成、具身智能、醫療創新及自動駕駛等領域的合作、產品發布與研發進展。生數科技旗下 Vidu 為中國首部獲國家電影局公映許可證的 AI 超寫實院線電影提供首席技術支持;RLinf v0.4 開源發布,SharpaDex v1.0 數據集則已在 Hugging Face 開放獲取。
摩爾線程宣佈開源 Megatron-MUSA-Titan,這是一個面向其全功能 GPU、為萬卡級集羣訓練萬億參數 MoE 模型設計的訓練基礎設施項目。項目覆蓋預訓練與強化學習,並已在實際萬卡集羣完成長期穩定訓練驗證。框架整合 blockwise FP8 訓練、DeepEP 與 ACE 異步通信引擎,並支援 slime、miles、SGLang。