大語言模型會否「吞噬」具身大腦?GPT-6 Astra引發業界重新評估
OpenAI 的 GPT-6 Astra 展示機械臂操作能力,令大語言模型與獨立具身大腦公司的競爭升温;現階段通用推理與專用操作的混合架構仍較可行。RoboDojo 十類複雜操作任務共 50 次測試中,Astra 單獨成功率為 26%,接入 π0.5 後升至 48%;Astra 只修正 14.4% 的執行控制步。
OpenAI 的 GPT-6 Astra 展示機械臂操作能力,令大語言模型與獨立具身大腦公司的競爭升温;現階段通用推理與專用操作的混合架構仍較可行。RoboDojo 十類複雜操作任務共 50 次測試中,Astra 單獨成功率為 26%,接入 π0.5 後升至 48%;Astra 只修正 14.4% 的執行控制步。
Fireworks AI 宣佈 Training API 和 Fireworks Lab 正式開放,分別提供自訂訓練基礎設施及專家協作服務。
Fireworks AI 梳理企業從租用封閉前沿大語言模型、透過 AI 工程和開放模型優化,走向微調自有模型以建立專門化智能的路徑。在 UIPad 測試中,Kimi K3 與 GPT 5.6 Sol 整體同為 87.7 分,但 K3 執行成本為 $56,低於 Sol 的 $115;細分類別中,Sol 在座標題領先 13 分。
文章提出一套用於仿生軟體機械人維護的保護私隱主動學習架構,由機械人利用自身的不確定性訊號選擇值得學習的經驗,無須把原始感測器數據傳送至伺服器。架構結合裝置端不確定性估算、主動查詢選擇、差分私隱與聯邦式聚合,以及更新模型後的具身反饋迴路。作者的測試顯示,本體感覺預測誤差可捕捉集成模型未察覺的機械異常,而模型集成則能識別本體感覺誤差未能反映的感測器異常。
十項可重現普查發現,SNLI 與 MultiNLI 分別有 568,404 個及 412,222 個唯一樣本,經精確比對或統一空格與大小寫後,均沒有共用樣本。SNLI、MultiNLI 和 ANLI 的重複樣本標註衝突只出現在訓練集,所檢查的評估集沒有衝突。其他普查亦檢查了 BoolQ、PIQA、CommonsenseQA 和 GSM8K 的重複樣本、資料重疊及標註一致性。
ThinkingBox-Training 已在 GitHub 開放,將智能體完成任務後的資料庫終態可執行檢查用作後訓練獎勵。以 GRPO 對 Qwen3.8-27B 訓練 50 步後,在 ThinkingBox-Bench 的 507 項任務(每項測試 20 次)中,pass@1 由 51.70% 升至 60.78%,20 次全部成功的任務由 38 項增至 107 項。
推薦理由:文章展示如何把資料庫終態的可執行檢查轉成智能體後訓練獎勵,並按基礎策略成功率篩選任務,説明混合成敗回報如何為 GRPO 提供組內對比。
前 OpenAI 科學主管 Kevin Weil 創辦的 Warp Sciences 正式成立,並獲得 $215M 融資,主攻藥物發現化學服務。公司在美國建立化學合約研究機構,首項服務是先導化合物優化的類似物合成,為客戶製作可供比較的分子變體。實驗數據將用於訓練 AI 模型,實驗室亦會在化學家指導下逐步增加自動化。
Meta 修改商業帳戶條款,刪除以抓取內容訓練產品的明確表述,但法律專家認為修訂仍未排除抓取新聞網站內容的可能。新條款將於 10 月 30 日生效,仍允許 Meta 使用相關內容開發「任何商業產品」;專家認為「開發」可能涵蓋訓練,Meta 則稱更新不會凌駕網站透過 robots.txt 表達的偏好。
OmniSpectra 是一款波長原生光譜基礎模型,透過連續座標和基於物理原理的解碼器學習跨儀器表徵,避免破壞性重採樣。模型在八個巡天數據集上預訓練,並與七個基線模型比較,以 12.2M 參數達到最先進的表現,勝過規模大得多的模型。
CLACT 和 WorldCast 透過結合 3D 點雲引導與幾何對齊記憶注意力,實現大角度鏡頭運動下的一致角色影片生成。CLACT 是涵蓋多種大角度鏡頭軌跡、具備準確鏡頭幾何與多視角角色觀測的數據集及基準;WorldCast 則以幾何引導和 GAMA 檢索、注入相關角色特徵。評估顯示,WorldCast 能跟隨不同的大角度軌跡,同時保留角色幾何、外觀與身份。
LEMS 逐層誤差模型搜尋與 KFAC-SVD 透過改善秩分配及分解品質,提升大型語言模型的低秩 SVD 壓縮效果。在 Mistral、Qwen3 和 Llama 3 系列中,LEMS 的零樣本準確率提升最高達 4.8 p.p.,並可延伸至 70B 參數規模的模型;KFAC-SVD 的平均困惑度改善 15%。
Test-Time Memory Evolution(TTME)在五項數學任務中均勝過測試時訓練(TTT),並降低計算成本。TTME 透過持續更新外部記憶來引導後續探索,不更新模型權重;在相同發現框架下,FLOPs 減少 82.8-84.6%,執行時間縮短 47.7-58.4%。
On-Policy Self-Training(OPST)將 on-policy self-distillation 重構為自我訓練框架,讓大型語言模型在無需人工整理問答的情況下提升語言及多模態推理,並勝過其他訓練策略。模型根據高層次主題描述自行生成問題、答案及特權推理示範,再以偽驗證篩選可在新語境及改述下重現答案的問題。
DiscoDemo以強化學習生成多樣而成功的機械人操作軌跡,並將其整理成靜態數據集,供下游視覺運動模仿學習使用。在四項操作任務中,模擬環境的下游成功率由最強基線的40%升至62%,真實機械人上的成功率則由39%升至78%。研究顯示,成功解法的多樣性有助改善預訓練 flow-matching VLA 的模仿學習表現。
AWS 為 Amazon SageMaker AI 加入 training session APIs,讓用戶以本機 Python 自訂訓練迴圈,並由服務管理 GPU 運算。
推薦理由:文章以 GSM8K 數學題及競賽編程 RL 範例,拆解本機訓練迴圈如何組合抽樣、獎勵計算與梯度更新,並由 SageMaker 管理 GPU 執行及檢查點。
AWS SageMaker AI 正式推出 Serverless Training Sessions,讓用戶自訂模型後訓練迴圈、損失函數及獎勵訊號,而無需管理底層 GPU 基礎設施。
推薦理由:Training sessions 讓團隊自訂後訓練迴圈,同時由 SageMaker AI 管理 GPU 密集運算;文中以 GRPO 説明採樣、評分和權重更新如何串接。
Warp Sciences 結束隱身模式並獲得 $215M 融資,計劃在美國建立結合化學家、AI 和機械人技術的化學合約研究機構,為生物科技及製藥客戶提供研究用化合物。公司起步於先導化合物優化的類似物合成,由客戶選擇研究分子並保留藥物項目的控制權。Warp Sciences 計劃記錄成功及失敗實驗以支援模型改進,但公告未提供周轉時間改善數據或模型基準,也未顯示全自動實驗室已投入運作。
LCGA Local 發佈 v0.1.0(https://github.com/byjameson/lcga-local),展示在 6 GB VRAM 手提電腦上運行 Qwen3-4B-Instruct-2507,並全參數更新 3.09B 個模型參數。
國家數據集團有限公司於2026年10月20日在河北雄安新區揭牌成立,主業為數據資源開發利用。報道指出,國家數據局負責數據基礎制度建設和政策設計,集團則負責數據資源開發利用等市場營運。集團將為人工智能產業提供高質量數據集和語料庫,並提供普惠安全的數據服務及行業數據治理服務。
在不改變訓練目標或 sampler 的情況下,對均勻擴散語言模型循環使用早期 Transformer 層,可提升訓練效率。
AGIBOT 於10月22日公佈 AGIBOT WORLD 2026 Release 4「Physical Reasoning」數據集,收錄在不同場景條件和任務進度下通往同一目標的多種行動路徑。
Steam Reviews Scraper 透過 Valve 的公開評價端點匯出 Steam 遊戲評價及玩家遊玩時間,整理成可分析的資料列。教程示範按週追蹤正面評價比例,以及比較不同遊玩時數玩家的推薦評價;費用為每則評價 $0.0003。
OlmoEarth 發佈 v1.3 衞星嵌入模型,並提供全球預先計算的年度嵌入向量及 OlmoEarth Embeddings Explorer。模型為每個 10 米像素提供 128 維嵌入,亦可使用 64 維版本;在 27 項評測中,兩者分別於 20 項和 18 項評測表現領先,2023 至 2025 年的嵌入資料覆蓋全球。
推薦理由:這次發佈把全球預先計算的嵌入向量與免登入探索工具一併提供,讀者可瞭解如何免用 GPU 進行衞星資料比較和簡單分類。
Tom Fairey 指出,資料遮蔽的保護成效取決於能否先識別個人資料,尤其是須結合背景資訊才可辨認個人的間接識別資訊。Hou 等人比較四種偵測方法,最佳者只找出 65.7% 的姓名、地點和機構;另一項研究中,GPT-3.5 從已匿名化的 20 名英國公眾人物描述中,約能在 100 次嘗試中正確辨認 73 次。作者建議按領域界定識別資訊、訓練語義本體、在內部處理敏感資料,並控制誤報。
前 OpenAI for Science 主管 Kevin Weil 推出 Warp Sciences,完成由 Lightspeed 領投的 $215M 融資,公司估值為 $865M。
Physical AI 的概念與方法已廣泛流通,真正左右系統表現的差異,正轉向難以取得的真實世界數據。機械人面對的主要挑戰多與接觸、環境變化及任務標記有關,訓練數據須在現實環境中刻意收集,並由人一致地標註。可重複、達到生產標準的數據收集與判斷,因而成為能力差異的關鍵。
Google DeepMind、Google Research、WRI 及 IIASA 發佈 Forest Typology (ForTy) 2020 全球地圖,以 10 米解析度將土地分為六類森林及土地利用類型。
推薦理由:ForTy 將全球土地分為六類森林及土地利用類型,並追蹤 2017 至 2025 年的變化,補充樹冠覆蓋地圖難以呈現的天然林轉為種植園或農地等轉換。
Ai2 的 PLANTEUR 將 PASTIS 作物製圖基準擴展至六個熱帶地區。數據集包含 2,750 組對齊的 Sentinel-2、Sentinel-1 和 Landsat-8 時序,以及覆蓋 4,506 km²、涵蓋七類作物的地塊標註。所有受測方法在 PLANTEUR 上的得分均明顯低於 PASTIS;模型在未參與訓練的島嶼測試時,準確率約減半。
Maxinsights 利用 5,000 多名承辦商佩戴的攝影機拍攝的第一身影片,製作用於訓練機械人的資料。公司獲 Peak XV 領投 $30M 種子輪融資。
文章探討以 Decision Transformers(DTs)調度智能農業微電網,並在設計中加入人類對齊及倫理審計。作者將單一回報改為涵蓋成本、碳排、作物安全和電網友善度的多目標向量,並以安全防護機制限制不符合物理或倫理條件的操作。
Ai2 發佈衞星地圖嵌入模型 OlmoEarth v1.3,並提供全球預先計算的年度嵌入向量及瀏覽器地圖工具 OlmoEarth Embeddings Explorer。v1.3 訓練所需計算時間為 v1.2 的 53%、v1 的 18%,碳排放則分別為 50% 和 22%。Explorer 無需登入,初步分析只需數秒且無需 GPU,並可比較不同年份的地表變化。
Ai2 發佈衞星嵌入模型 OlmoEarth v1.3,並提供年度預計算嵌入資料及免登入的 OlmoEarth Embeddings Explorer。
Hugging Face 發佈開源模型 Carbon-X,讓研究人員以日常語言查詢 DNA 序列,並取得答案及解釋。
馬斯克在 Tesla 第三季業績電話會議表示,公司需要製造 10,000 至 20,000 部 Optimus 人形機械人,讓它們透過練習學習執行任務。機械人將在 Optimus Academy 練習多種任務,透過 self-play 產生的數據改進控制它們的 AI;Tesla AI 軟件團隊主管 Ashok Elluswamy 表示,機械人初期亦會透過觀看人類執行任務學習。
Hugging Face 發佈開源 AI 模型 Carbon-X,結合 DNA 序列分析、生成與自然語言,讓研究人員可用對話方式研究 DNA。模型以 Qwen3-14B 為基礎,使用人類、其他哺乳動物、植物及真菌的 DNA 序列和自然語言訓練,也可生成 DNA 序列,協助研究基因療法。
A. Chen 採訪中國研究人員、創業者及數據採集工作者,梳理人形機械人第一人稱視角數據採集的技術演變與產業現況。報道比較遙操作、同構式及第一人稱視角三代方法,指出數據成本與買方需求仍影響市場走向,部分買方仍偏好 UMI 數據。文章亦呈現採集者的工資與工作條件,並探討工作場所錄影涉及的勞動保障和私隱問題。
一個 GitHub Python ML 速查表 Repo 整理了 9 份涵蓋完整機器學習流程的 Markdown 速查表,內容包括 NumPy、Pandas、Scikit-learn、資料預處理、模型評估及深度學習等。毋須設定或執行 notebook,用戶可在 GitHub 開啟查閲,亦可複製到本機離線使用。
Valve 擴大 Counter-Strike 2 的 VACNet 入口,讓更多玩家檢視可疑對戰片段,協助反作弊系統改進。玩家的標註不會直接影響被檢視者,而是用作訓練反作弊系統的未來模型。Valve 表示,近期對戰品質改善直接得益於標註者的工作,但未公佈相關數據。
Perplexity 與 NVIDIA 研究人員推出語言模型後訓練方法 JOLT,以同一個模型擔任教師和學生,並同時訓練教師。MATH 達到相同準確率時,JOLT 比 GRPO 少用 6.5 倍已處理訓練 token;JOLT+ 在 AppWorld 的通過率為 72.09%,較 GRPO 高 9.9 個百分點。
NVIDIA 擴展 Cosmos 平台,加入訓練工具、模擬檢查點及 Cosmos Data Factory 藍圖,支援世界模型訓練、評估和部署。Cosmos Data Factory 提供五種雲端原生藍圖;Cosmos Framework 則支援透過微調和強化學習調適開源模型,並以知識蒸餾和量化作最佳化。
推薦理由:文章串連數據整理、模型調適與模擬測試等更新,並列出 Porsche、ANYbotics 等企業案例,呈現 Cosmos 工具鏈在實體 AI 開發流程中的應用。