MV2 對 OpenBookQA、SciQ 和 QASC 進行三項可重現答案洩漏普查
MV2 對 OpenBookQA、SciQ 和 QASC 進行三項可重現普查,發現答案標註可能直接包含正確選項,令閉卷評測在未移除標註時測量字串回憶而非推理。
MV2 對 OpenBookQA、SciQ 和 QASC 進行三項可重現普查,發現答案標註可能直接包含正確選項,令閉卷評測在未移除標註時測量字串回憶而非推理。
EnvLunch 利用可執行環境生成可驗證、無需人工標註的訓練軌跡,作為智能體強化學習前的預熱階段,提升下游任務表現。在不同下游訓練預算下,模型平均較基線高逾 9 分;標註資料較少時,基線需要 8 至 32 倍的標註例子,才能達到 EnvLunch 在最低訓練預算下的準確度。
Trajectory2Gym 透過構建具組合覆蓋度、且以決策為依據的互動,改善工具使用訓練,不再只收集成功軌跡。在五種 Qwen3 規模的測試中,它於 Tau1、Tau2 和 BFCL 均取得提升,三項基準等權平均增加 16.9-29.8 個百分點;增益在有狀態及多輪互動中最為顯著。
C^3L(Concept-Consistent Continual Learning)以離線發現的語義概念作為正則化錨點,打破持續學習中的解釋漂移循環。方法無需人工標註概念集,並以全自動方式發現概念及定位其空間位置。在五個基準測試及 20 多個基線上的評估中,C^3L於準確率、遺忘、解釋質素、虛假相關緩解及分佈外穩健性取得最先進表現。
RSI Arena 研究十個自主 AI 智能體能否在兩階段訓練中利用人類反饋,迭代改進以 NVIDIA Nemotron 3.5 Lightning 30B-A3B Base 為起點的語言模型。
FORK 獎勵在基於評分準則的強化學習中,同時最佳化評分準則覆蓋率與精確度,以提升回應質素並減少冗長。精確度要求回應每個部分既有必要性,亦符合事實,分別透過必要性積分和事實正確性評分器衡量。相較原有的召回率獎勵,FORK 在 RubricHub-Medical 和 HealthBench 的勝率分別由 10.6% 升至 68.0%、由 22.1% 升至 74.1%。
Moonshot 表示,已從 Kimi K3.1 Pro 的訓練階段移除網絡安全相關數據,以降低潛在的濫用風險,同時保留模型的一般用途。
SemiAnalysis 實測 Amazon Trainium 的原生 PyTorch 訓練堆疊及 Trainium3,認為新堆疊改善了訓練體驗,但編譯耗時仍是限制。
Databricks 的能源交易方案以統一數據平台支援即時交易、風險管理與分析,讓交易桌和模型流程共用同一數據來源。Spark Structured Streaming Real-Time Mode 以毫秒延遲將市場數據寫入 Lakebase,Databricks Apps 則展示價格、持倉及風險。
Amazon SageMaker AI 的多輪強化學習(MTRL)可按整個任務的結果獎勵訓練 Agent 模型,文章以 Wordle 展示端到端實作流程。以 medium effort、temperature 1.0 評估時,gpt-oss-20b 的解題率由 61% 升至 84%;訓練 token 費用約 $339,AgentCore 執行環境費用另約 $79。
推薦理由:文章以 Wordle 示範按多輪任務整體結果設計獎勵的方法,並拆解 SageMaker AI 訓練流程,提供企業內部工作流可參照的實作脈絡。
大數據是規模龐大、複雜且快速生成的數據集,需依靠專門技術儲存、處理和分析,以提取實用見解。其五項特徵是數量、速度、多樣性、真實性和價值,典型流程包括數據收集、接收、儲存、處理、分析及視覺化。Apache Hadoop、Apache Spark 和 Apache Kafka 等技術支援分散式儲存、數據處理及事件串流。
Baseten 推出 Baseten Environment Network,為客戶配對經審核的 RL environment 公司,根據各自的數據和領域需求建立 RL environments。合作夥伴會直接與客戶合作製作環境,Baseten 則負責訓練及推理。Baseten 計劃開源一批高品質環境,並公開審核及訓練方式,用於研究、標準化評測及建立反映現實世界智能的指標。
Meta 將更新後的 Commercial Terms 和 Self-Serve Ad Terms 生效日期延至 2026 年 11 月 20 日,此前 News/Media Alliance 已要求撤回條款。
Meta 將新商業條款的生效日期延至 11 月 20 日,此前出版商擔憂條款可能允許 Meta 抓取新聞網站內容用於 AI 訓練。條款原定 10 月 30 日生效;Meta 表示延期是為多留時間向合作夥伴及持份者解釋變更,並説明網站仍可透過 robots.txt 表達偏好。
Unitree 創辦人王興興表示,公司正開發 Unitree Rehearsal,讓人形機械人透過 AI 自我改進;計劃包括搜尋研究論文、編寫程式及先在模擬環境測試。Unitree 已利用 AI 進行這類工作,並以真實測試回饋調整模型;王興興預期,人形機械人最快於 2028 年可完成 80% 以語音交辦的任務,涵蓋工廠或家居工作。
文章以房價預測説明,AI 模型本質上是從數據中學得參數的數學函數;訓練是從例子中調整參數,推理則是用已學參數計算新輸入的答案。資料庫查找既有紀錄,模型則依據學到的規律作出預測,並可泛化至未見過的輸入。文中亦提醒,模型預測受訓練數據質素影響,不能視為事實。
跨模態知識蒸餾可讓深海探索棲息地以低功耗感測器學習高耗能感測器提供的資訊,支援自主、長時間運作。文章比較 logit 蒸餾、特徵蒸餾及跨模態對比蒸餾,並分享以 PyTorch 建立教師—學生感知流程的實驗做法;作者指出,聲納與光學影像的模態差異會令直接特徵匹配效果不佳。
中國移動牽頭建設的國家人工智能應用中試基地(製造領域汽車方向)發布業內首個汽車行業 AI 基座,並即日起向全行業開放共享。基座已納管112.7EFLOPS算力,提供算力、數據及模型服務,覆蓋研發、製造、智能駕駛及測評四大領域,並打造六大智能體。成果已在十餘家央國車企落地;其中,視覺質檢智能體將缺陷檢出率提升至99.5%以上,產線適配時間由4周縮至1周。
合成數據管線以真實圖片或影片及設定為輸入,生成可用於模型訓練的合成樣本,補足罕見場景的資料。流程分為輸入、提示詞生成與場景理解、生成、自動驗證,以及回饋與數據集組裝五個階段;不合格樣本會自動返回修正,合格樣本則連同自動標籤組成訓練數據集。每個樣本均保留原始媒體、各次重新生成及最終驗證版本的完整記錄。
AGIBOT 開源 AGIBOT WORLD 2026 的第四個版本 Release 4,推出「Physical Reasoning」數據集,記錄機械人在不同現實狀態與限制下,為同一目標作決策及執行的過程。數據集涵蓋 10 多類邏輯推理情境,提供高層問答及低層動作軌跡,並按 Easy、Medium、Hard 分為三級。它旨在支援高層決策模型與低層動作策略的協同訓練。
Rivian 收購 Third Dimension AI,將真實道路攝影片段重建為可調控的 3D 環境,用於訓練及測試駕駛輔助和自動駕駛軟件。工程師可移動攝影機、調整其他道路使用者的位置,以及改變光線和天氣,重現複雜路況。Philbin 向 TechCrunch 表示,Rivian 每日接收超過 400,000 段駕駛序列;收購條款未有披露。
Maxinsights 完成 $30M 種子輪融資,將人們煮食、清潔和工作的第一身視角影像轉為機械人訓練數據,融資由 Peak XV 領投。公司同步推出 MaxLoop 影片檢查軟件及 MaxGlove 感測手套,後者會記錄握力、物件重量和接觸變化;公司稱已收集超過 2 million hours 影像,當中 1.5 million hours 可供模型使用。
阿里千問與俄亥俄州立大學研究團隊提出 TRACE,透過 Rollout 指導訓練側的 FP4 舍入,減少低精度訓練與生成路徑的差異,讓 MoE 模型在聯合 FP4 W/A 與 FP4 KV Cache Rollout 下維持接近 BF16 Rollout 的表現。
後訓練不能讓 AI 應用公司變成基礎模型公司,也不能單獨挽救應用業務,但可作為優化成本和模型供應鏈的技術手段。後訓練涵蓋 LoRA、SFT、RLHF、DPO 到 RLVR,投入由小規模調參延伸至大規模強化學習,推理成本亦會隨規模增加。文章指出,eval 把業務問題轉成任務分佈和評分規則,是後訓練的基礎;有效投入亦需要充足現金及深入的業務理解。
一名年輕開發者質疑,若開源專案被用來訓練旨在取代自己的模型,維護這些專案還有甚麼意義。他不時為多個開源專案作出貢獻,也維護自己的專案,並表示對未來的看法較年長的資深工程師悲觀。
惠普於 10 月 23 日上架戰99 Ultra(ZHAN99 Ultra 16 G3a AI)流動工作站,標價 59999 元。它搭載鋭龍 AI Max+ PRO 495 處理器和 192GB LPDDR5X 統一記憶體,整機 AI 算力達 131TOPS,最多可分配 160GB 給 Radeon 8065S 核顯;記憶體採板載設計,無法自行升級。
Warp Sciences於2026年10月宣佈完成2.15億美元A輪融資,由Lightspeed Venture Partners領投,多家知名風投跟投。公司為藥企及Biotech提供臨牀前小分子合成與測試服務,不自主研發新藥,並以化學家示教數據訓練實驗機械人,建立自動化濕實驗室,推動AI模型與實驗數據閉環迭代。
印度工人拍攝理髮、縫紉及家務等工作影片,經資料公司整理後供科技公司和研究機構訓練 AI,尤其是可控制現實世界機械人的實體 AI。Rashdan Technologies 每 8 至 10 小時錄影支付 $5 至 $10,並稱會為需要四至六部攝影機的採集工作支付更多。
作者原本希望以深度學習或 XAI 開發機器學習項目,後來轉向統計預測,並開始質疑整體技術方案是否合適。現有實驗流程以合成數據進行統計預測、回測和評估,再用 LLM 生成商業敍述;作者亦試用 Gemma 2B,但推理時遇到 GPU 記憶體限制。作者希望釐清模型選擇、預測評估、LLM 是否必要,以及如何把 Notebook 實驗整理成可重現的項目。
Maxinsights 為 OpenAI 等 Physical AI 頭部企業供應第一人稱視角數據,已交付超過200萬小時,並成為 Dyna-2 的最大數據供應商及 GENE-26.5 的獨家第一人稱數據合作夥伴。公司稱其 ARR 連續多月達到或接近1億美元,2026年第三季度訂單簽約額預計按季增長48%。
PyTorch 將 FlyDSL 高效能內核後端整合至 ROCm 生態,供 AMD Instinct MI350(gfx950)系列加速器使用,開發者無須改動業務程式碼即可透過現有 API 啟用優化內核。
西部數據 CEO 指出,AI 本質上是數據系統,HDD 市場機遇較算力更持久,前七大核心客戶訂單能見度已排至 2030 至 2031 年。西部數據 2026 年 HDD 產能已全部售罄,長期供應協議簽至 2028 年,管理層表示收入和出貨量受供應能力限制。單台 AI 伺服器的儲存配置高達 1.7TB,傳統伺服器為 0.5TB;KV cache 管理等任務亦正由 GPU 顯存轉至共享高效能儲存。
上海市經濟和信息化委員會印發《上海市加快推動人工智能賦能工業服務業高質量發展行動方案(2027-2028年)》,提出降低智能要素使用成本。方案支持企業調用雲平台部署的第三方大模型 API,或採用第三方大模型私有化部署方式推進垂類應用,補貼最高500萬元;租用非關聯方智算資源開展大模型及智能體研發與應用,可獲最高30%租用補貼,購買高質量語料則可獲最高500萬元補貼。
意大利 Generative Bionics 與 AMD 合作建設實體 AI 數據工廠,以訓練歐洲人形機械人。意大利首個 5,000 sq metre 設施預計於 2027 年底投入運作,之後計劃在歐洲其他地點及全球市場各設一處設施。工廠將重現與工業夥伴選定的環境,讓 Gene.01 機械人執行任務並收集視覺和動作數據,用於建立數碼孿生模擬訓練。
Mirendil 以一名研究員和 AI 智能體,在 3.5 個月內從零完成 Mirendil‑Base 預訓練,算力成本不足 1000 萬美元。項目超過 99% 的程式碼開發、實驗除錯和故障排查由 AI 智能體承擔,研究員負責研究方向、結果核驗及關鍵決策。在 7 個未參與訓練的外部程式碼儲存庫測試集上,Mirendil‑Base 平均指標僅次於 Kimi‑K3;團隊稱模型尚未達到完全自主遞歸迭代。
Hugging Face 推出以千問 Qwen3-14B 為基礎的開源 DNA 模型 Carbon-X,參數量為 140 億,可整合 DNA 序列與自然語言,支援序列提問、突變影響預測及序列生成。
SpaceX 快速擴建 AI 算力並對外出租,第三季度營收達145.75億美元、淨利潤44億美元。AI 業務當季收入75.6億美元,佔總營收52%,首次超過星鏈,成為最大收入來源。Anthropic 與 Google 均租用其算力,SpaceX 稱新部署算力回本週期不足一年。
推薦理由:文章串聯算力部署速度、租賃合約與回本週期,呈現 SpaceX 將大型基建投入轉為短約現金流的商業模式。
騰訊於 2026 年 10 月 15 日推出 Hy Memory 2.0,核心是專為寫入持久記憶而訓練的 Hy-Memory-30B-A3B。模型約有 30B 總參數,每個 token 約啟用 3B;發佈內容亦包括 Python SDK 框架及 MemHub 桌面應用。
Cola2 提出分層語言建模框架,聯合優化連續語義壓縮、重建與生成的平衡,以及編碼器與解碼器的協同適配。在八項任務中,一個尚未收斂的檢查點平均得分為 60.10,並在 HellaSwag 和 StoryCloze 超越 Llama-3-8B;其使用 346.03 billion source tokens,而 Llama-3-8B 報告的預訓練預算超出 43 倍以上。
Rivian 宣佈收購專注於生成高精度、可控 3D 虛擬環境的 AI 技術公司 Third Dimension,以提升複雜駕駛場景下的算法訓練能力。Third Dimension 的技術尤其服務於自動駕駛仿真測試;交易金額未披露,整合工作預計於 2027 年初啟動。