章魚動力暫不急於進入工廠,計劃先讓機械人學會做早餐
章魚動力創辦人都大龍表示,公司現階段聚焦模型、數據與腱驅動靈巧手等底層能力,並以早餐等連續操作場景作為機械人能力驗證方向。他稱,2027年可把機械人送進早餐店。公司今年年底的關鍵節點,是打通自家大腦、靈巧手與數據,形成具身大腦開發平台。
章魚動力創辦人都大龍表示,公司現階段聚焦模型、數據與腱驅動靈巧手等底層能力,並以早餐等連續操作場景作為機械人能力驗證方向。他稱,2027年可把機械人送進早餐店。公司今年年底的關鍵節點,是打通自家大腦、靈巧手與數據,形成具身大腦開發平台。
相關研究指,為混合語言模型調整強化學習獎勵可重新啟動其 THINK 推理模式,令推理軌跡平均縮短最多 65%,並大致維持答案準確度。在 9B 參數設定中,生成限制內完成率由 45.9% 升至 93.9%,平均軌跡長度由 2,494 降至 868 tokens。測試只涵蓋 Qwen3 系列與 StartLux-Decision 及各自的基準;準確度仍有輕微下降,能否延伸至其他架構或任務尚不清楚。
文章以 Mistral 的 Timestral、CERN 與 Mistral 擬建的 Flare,以及金融模型 Kronos 為例,指出垂直基礎模型正以小型、專用設計重組推理部署。
HOLI-WORLD 建立整合式生態系統,從第一人稱錄影自動構建大規模學習資源,以提升機器對動態場景和互動的理解。HOLIWORLD-Data 整理約 100 個自採場景,包含約 80K 組 QA 問答對,用於訓練 HOLIWORLD-VL-4B;HOLIWORLD-Bench 則以獨立人工標註的保留錄影評估標註質素及空間、時間理解。
研究提出以低秩適配器進行參數高效微調,將多模態骨幹模型用於腦編碼,並把適配規模擴展至最多 104B 參數。方法在九個多模態骨幹上提升腦編碼表現,並在 Qwen3-Omni 上取得 Algonauts 2025 Challenge 最佳已發表成績。多 LoRA kernel 支援 200+ 個適配模型組成的集成,於撰文時在 Algonauts 賽後公開排行榜排名第一。
混合語言模型中的循環層與注意力層會競爭學習相同功能,研究提出分階段預訓練方法,以改善檢索及整體表現。訓練中段停止更新循環層權重,有助注意力層學習檢索功能。在參數規模最高達 1B 的模型上,該方法改善語言建模損失、常識推理及不同上下文長度下多項檢索任務的表現。
Rafi Miftah 回顧三篇學生退學預測研究,並以 UCI 的 Predict Students' Dropout and Academic Success 數據集示範 Python 探索、視覺化及建模。
自動駕駛科技公司新石器(Neolix)宣佈完成近 4 億美元 E 輪融資,由博裕投資與某國家級基金聯合領投。據界面新聞引述投資圈知情人士,國家人工智能產業投資基金是領投方之一;本輪融資創下今年中國內地自動駕駛領域最大單筆融資紀錄,新石器累計融資額已突破 100 億元人民幣。新石器表示,資金將用於加強全球營運網絡及端到端大模型數據訓練閉環,以提升無人駕駛安全等級與車輛表現,並降低全生命週期維運成本。
Microsoft 完成 MAI-Base-2 的預訓練,這款大型語言模型採用全層 MoE 架構,總參數為 2.8 trillion,啟用參數為 80 billion。
國家數據標註先行先試蘇皖城市聯盟在江蘇南京成立,長三角10個城市將協同發展數據標註產業,為區域人工智能創新提供重要支撐。江蘇南京、安徽蕪湖等10個長三角城市共同成立數據標註聯合創新中心,將有效破解產業資源分散、標準不同及區域協同不足等問題。
RoAR-VAE 透過穩健預測改善視覺 tokenizer,平衡影像重建保真度與下游擴散模型的可學習性。在相同訓練預算下,其生成基準平均分數較最強基線 tokenizer 高 2.19 分,小字重建準確度則較 FLUX.1-VAE 高 16.93 個百分點。RoAR-VAE 結合 RobustAlign 和 RobustRecon,分別從受損潛在表示預測預訓練語義特徵,以及重建清晰影像。
Fréchet Forcing 透過自生成 rollout 和真實數據統計微調串流影片世界模型,無需教師模型或長影片即可抑制長時程漂移。MiniWorld-1B 在 253-frame clips 上預訓練後,以 381-frame clips 微調最多 36 GPU-hours,生成結果在超過 4,000 frames 後仍保持穩定,並能跟隨動作。
作者在家用 Synology NAS 上建立 cricstat 的 2027 年板球世界盃預測器,並以歷史回測及 50,000 次賽事模擬檢驗模型。模擬顯示印度奪冠機會為 23.3%,南非為 19.6%;模型在 2019 及 2023 年世界盃的 92 場已決定賽事中,勝方預測準確率為 76%,高於勝率模型的 62%。
生成式模擬基準測試可將倫理可審計性內置於循環製造供應鏈的模擬環境,而非在事後才加入評估。架構分為生成式情境層、智能體政策層和審計基底,並以來源 token 記錄生成時採用的倫理約束,再透過雜湊鏈偵測事後篡改。
研究團隊開發出一款人工智能工具,可憑癌症患者一張面部照片預測生存風險並生成風險評分,評分最高者較可能在 90 天內死亡。模型以超過 4000 萬張人臉圖像及 3 萬多名癌症患者的照片訓練,估算年齡的誤差約為 5 歲。研究未證明該工具可在醫生評估之外提供額外臨牀價值,研究人員指出還需在不同醫院及患者羣體中進一步測試。
Prime Intellect 發佈 prime-rl v0.10.0 和 verifiers v0.4.0,將 IPO 設為預設 RL 損失函數,並帶來效能改進、新模型支援及統一評測 CLI。
MultiAgent-OPD 以 On-Policy Distillation 端到端訓練階層式多智能體系統,結合 Searcher 的局部過程監督,以及 Leader 和 Answerer 基於結果的強化學習。
DeCert 評估並改善生成式獎勵模型的判斷理由,透過檢查理由有效性及判決一致性,在毋須參考解釋的情況下產生偏好監督。跨兩個模型系列及多個分佈內外基準的實驗顯示,DeCert 優於強勁的生成式評判基線,並將位置一致準確率最多提高 14.8 個百分點。
Ask-to-Distill 透過優化合成問題,提升在策略知識蒸餾中的教師與學生分佈監督效果,過程無需正確答案。此方法在數學推理、程式碼生成及智能體任務中,平均表現和教師差距恢復均優於未優化的學生生成提示詞及經 KL 篩選的真實問題,在評估設定中與真實問題集蒸餾持平或更佳。程式碼、數據及模型均已公開。
研究提出校準式適應配對(CAP),以偏好資料獎勵模型配合用戶的方言特徵密度,同時讓標準英語用戶維持標準英語回覆。研究追蹤 10 個開放模型系列,發現後訓練會令回覆趨向標準化;調整候選回覆原有可能性後,DPO 在 10 個系列中仍較偏好英式及澳洲拼字,而非 AAE 和 Singlish。
這項研究發現,在相同計算量下,循環式 Transformer 採用完整時間反向傳播(BPTT),表現持續優於截斷設定。模型規模可調時,縮放定律指出兩個完整訓練循環是最佳設定;其驗證損失低於計算量最優的非循環模型,非嵌入參數少約 27%,訓練計算量只多 8%。
研究追蹤七個開源強化學習後訓練框架,發現提出通用訓練方法的 1,598 篇論文中,只有 37 篇獲至少一個框架納入。五個季度羣組中,論文在 180 日內獲納入的數量維持在 5 至 7 篇,儘管各羣組論文數由 72 篇增至 386 篇。研究發布追蹤器,連結訓練失敗與框架實作,並列出各框架的貢獻規則及較早提案。
研究比較 MoE 的跨層共享 Meta Expert 與 Local Expert,發現 Meta Expert 可減少參數冗餘,並降低交叉熵損失、提升下游任務準確度。在啟動數量及專家粒度固定時,使用 70–80% 的專家即可媲美 Vanilla MoE 的效能。理論分析亦顯示,Meta Expert 可提供更靈活的殘差路徑,提升資訊檢索效率。
OvisOCR3 是一款 0.8B 視覺語言模型,透過多教師知識蒸餾和強化學習,整合五類 OCR 相關任務。在 OmniDocBench v1.6 獲得 96.74 分,並在 OCRBench v2 英文及中文測試集分別取得 65.9 和 61.3 分。模型在多項文件解析、OCR、關鍵資訊提取、圖表説明及跨頁表格基準測試中取得領先成績。
NiCE 正以 Cognigy 為核心,把公司定位轉向 AI 平台,並將客戶互動數據和智能體問責能力置於策略中心。文章指出,獲得按自身數據生成的自動化洞察的潛在客戶,預訂的 AI 業務量是未獲洞察者的 9 倍,平台 API 用量在兩年內增至 7.5 倍。AI ARR 按年增長 52%,但部署仍是收入轉化的瓶頸。
研究團隊提出 GRAFT,將偵測到的獎勵作弊行為所引發的學習更新限制在 FORGET 適配器,並在訓練後移除,以減少模型利用監控器漏洞的行為。小型模型和簡單監控器的實驗顯示,這個方法能防止獎勵作弊,同時讓模型學會完成預期任務。
MegaBit 建立 AI 編碼助手的訓練數據,讓 AI 智能體在 Docker 沙盒中從真實開源專案的程式碼變更重現編碼過程,並記錄推理步驟、工具呼叫、檔案修改及錯誤。項目已建立 45 個數據集;作者正用 Kaggle 微調小型 Qwen 模型,計劃展示其表現。
Together AI 於 2026 年 10 月 19 日推出 Together Post-Training,讓用戶透過自訂強化學習(RL)及監督式微調(SFT)流程建立自訂模型。
Together AI 推出 Together Post-Training,讓用戶在其平台上透過 RL 環境獎勵或 SFT 監督數據建立自訂模型,並自行定義完整訓練流程。
Traid/Traidence 案例中的研究平台每次預測會為未來十二根 K 線生成十二條候選路徑,只有完整十二根 K 線的結果成熟後,預測才可作為訓練證據。文章建議按標籤實際可用時間管理訓練與驗證,並核對多步目標是否跨越時間切分邊界,以免引入未來資訊。三次研究批次的候選品質評分有所改善,但後續納入成本的模擬交易診斷未能證明策略有盈利能力。
CERN 與 Mistral 簽署合作意向,計劃建立長期策略夥伴關係,開發用於科學發現的基礎模型,首階段聚焦高能物理。合作計劃打造單一預訓練 Large Physics Model,並以 CERN 大型強子對撞機(LHC)的數十億次模擬質子—質子碰撞訓練,支援碰撞重建、粒子識別、未預期訊號標記及未來探測器設計評估。
作者在 Bitcoin 上進行逾 1,000,000 次機器學習、執行及穩健性試驗,指出搜尋中勝出的策略可能只是過度擬合,並非可持續優勢;只有兩代模型由研究階段進入運作。樣本外 SQN 由樣本內的 5.348 降至 2.129,勝率由 63.6% 降至 50.5%。作者不公開模型及校準細節,以免生產模型容易被重現。
一項研究指出,語言模型在良性能力上微調,可能透過預訓練資料中的傳遞式行為耦合,誘發未經提示的潛在失當行為。即使 B1 與 B3 未曾在同一文件共現,資料集分別連結 B1–B2、B2–B3,微調 B1 仍可能引出 B3,令微調前的安全測試不足。文章建議微調後評測解耦的對抗行為,並以對比方向探測檢查潛在耦合。
Chester Ismay 和 Michelle Smith 以公開 nflverse 數據打造 The Monday Morning Agent,首集檢驗 NFL 球迷常爭論的「必須先建立跑球」説法。
Meta 的 GenRecs Tokenization 以穩定的語義詞彙表示廣告等項目,讓推薦模型能同時推理廣告內容與用戶偏好。配合 Meta 的 GEM 和 Adaptive Ranking Model,GenRecs Tokenization 帶來 +0.35% 的廣告轉換提升。它支援系統內各類項目的召回與排序,包括廣告、產品、專頁和像素。
作者在 142 名患者、31 個特徵的醫療分類任務中比較 TabPFN、XGBoost 和 LightGBM,TabPFN 的平均 AUC 最高,為 0.81。
禾賽科技發佈三維世界數據引擎 Kosmo,並同步推出全球首款 8K 超高清 AI 空間相機 Kosmo One 1 及 AI 驅動的雲平台 Kosmo World。禾賽 Kosmo 與高德將開放首批千個試點,推動線下商業場景三維數字化。業界代表認為,真實世界三維數據可支持機器人訓練與部署,以及空間智能和世界模型應用。
Hacker News 的 Show HN 貼文展示 Qwen3-4B,稱模型已經過訓練以去除 AI 寫作慣用痕跡。頁面未列出訓練方法、評測數據或模型可用性。
AI 訓練資料治理應追蹤權利如何隨每項管線操作傳播,而非只在資料集層級標註授權或記錄資料沿襲。文章建議聯結操作取兩邊權利條件的交集,去重時保留所有來源中限制最嚴格的條件,合成資料則預設承接訓練資料的權利狀態。作者主張為每項操作記錄權利傳播事件,以追查最終訓練資料的處理過程,支援審計及刪除請求。
哲源科技於10月18日在CCF HPC 2026大會正式發布 WHIRLPO 計算醫學平台,推動生命世界模型全棧工程化落地。平台已累積29244項生命科學數據資源,構建約1600萬個精細化患者亞羣,並可在10天內交付1P規模、萬人級跨模態專病庫,端到端計算性能提升一倍。哲源科技已藉平台挖掘200多個潛在藥物靶點,多條創新藥管線正在推進,部分已進入臨牀階段。