跳到正文

全部動態

今日 443 條
7月9日週四
  1. OpenAI：部署安全與系統卡61

    OpenAI 發佈 GPT-5.6 系統卡，列出安全評估結果

    OpenAI 發佈 GPT-5.6 系統卡，公開模型訓練資料、部署安全模擬及生物化學能力評估。部署模擬預測 GPT-5.6 Sol 的違規內容總量與 GPT-5.5 大致相若，性相關違規率由 0.05% 升至 0.07%，心理健康相關違規回應率由 0.03% 降至 0.02%。OpenAI 將 GPT-5.6 系列的生物與化學能力列為 High，並判定三款模型均不需按 Critical 能力處理。

  2. Manus：Blog58

    Manus 推出 Branch，讓對話上下文分岔為多條並行路徑

    Manus 推出 Branch，讓用户從既有對話節點建立並行會話，並保留該節點之前的指令、文件和對話歷史。原始會話保持不變，各分支使用獨立的上下文副本，可從同一節點建立多個分支。Branch 面向所有用户開放，適用於標準 Manus 對話會話，目前不支援 Web Builder 會話。

7月8日週三
  5. Hugging Face Blog75

    Hugging Face 更新 vLLM Transformers 建模後端，多種相容 LLM 架構推理吞吐量達原生實作水平

    Hugging Face 更新 vLLM 的 Transformers 建模後端，令多種相容 LLM 架構的推理吞吐量達到或超過 vLLM 手寫原生實作。測試涵蓋 Qwen3-4B 單 GPU、Qwen3-32B 張量並行，以及 Qwen3-235B-A22B-FP8 MoE 在同一 8×H100 節點上的數據並行與專家並行，三者均達到或超越原生實作吞吐量。

    推薦理由：文章以三種不同規模及並行配置的 Qwen3 模型對照 vLLM 手寫實作，並説明 torch.fx 分析與運行時融合如何使相容模型達到原生推理速度。

  8. Google Research67

    Google Research 探討協同導航如何紓緩交通擠塞

    Google Research 在 10 座美國城市以 Google Maps 進行導航改道實驗，發現少於 2% 行程收到改道建議，也可提升行車速度並降低燃料消耗。

    推薦理由：研究在 10 座美國城市以全市交叉實驗測試導航改道，呈現少於 2% 行程受影響時，行車速度上升、燃料消耗下降的路網效益。

7月7日週二
  1. Hugging Face Blog63

    Hugging Face 精選模型目錄登陸 Microsoft Foundry Managed Compute，開放預覽

    Hugging Face 與 Microsoft 將每週更新的精選開放權重模型目錄加入 Microsoft Foundry Model Catalog，並可一鍵部署至 Foundry Managed Compute。

    推薦理由：文章梳理模型篩選、權重預置和執行環境掃描的上架流程，説明企業如何在私有網絡內部署而毋須連出 Hugging Face Hub。

  4. Hugging Face Blog75

    LeRobot v0.6.0 發佈，新增世界模型策略、六項模擬基準及部署 CLI

    LeRobot v0.6.0 新增世界模型策略、統一六項模擬基準的 lerobot-eval，以及用於部署和收集人工修正資料的 lerobot-rollout CLI。

    推薦理由：版本把策略部署、人工接管修正與資料回訓串成可重複流程，並以統一 CLI 整合六項模擬基準，呈現機械人學習由實作到評估的工作流。

7月6日週一
7月3日週五
  1. Google DeepMind42

    Google DeepMind 與 A24 宣佈展開首創研究合作

    Google DeepMind 與 A24 宣佈建立首創研究合作夥伴關係，合作將涵蓋多個研發項目，並協助藝術家發展新工作流程與技術。合作初期聚焦連結尖端科技與新一代娛樂，具體目標、技術成果及創作里程碑將隨時間演進。Google 亦已投資 A24。

7月2日週四
  2. MIT News35

    媒體聚焦 MIT：為美國未來 250 年推動創新與教育

    MIT 校長 Sally Kornbluth 在 Washington Post Live 討論如何透過好奇心導向研究與教育，培育能引領美國應對 AI 時代的下一代人才。她主張保留基礎學科、加強道德、公民與倫理教育，並讓學生把 AI 作為增強工具，透過團隊協作學習。她警告，聯邦資金雖已撥予大學，款項大多尚未發放；若缺少好奇心導向研究資助，創新及人才培育管道可能枯竭。

7月1日週三
  1. Berkeley AI Research39

    2026 BAIR 博士畢業生研究成果展示

    Berkeley Artificial Intelligence Research（BAIR）Lab 慶祝 2026 屆博士畢業生，展示他們在機械人、大語言模型推理、電腦視覺、生成模型及 AI 安全等領域的研究。畢業生曾發表研究、建構具實際影響的系統並指導同儕，去向包括教職與博士後、業界研究實驗室及初創公司；部分人仍在探索下一步。

  2. Ethan Mollick：One Useful Thing66

    AI 工作模式由聊天機器人協作轉向 Agent 管理

    Ethan Mollick 指出，隨着 AI 系統能持續處理更長任務，工作模式正由人與聊天機器人協作，轉向把工作交給 Agent 執行並由人管理。Epoch 的測試指出，Opus 4.7 獨立工作 14 小時，建成一個相當於人類工程師需花 2-17 週完成的軟件套件，token 成本為 $251。

6月30日週二
  5. Manus：Blog48

    Manus 上的 Mobbin 連接器：將經驗證的應用設計轉化為成品

    Manus 的 Mobbin 連接器可把 Mobbin 中經驗證的應用介面與流程研究，直接轉化為應用程式、簡報、行業分析或設計評審。連接器可搜尋截圖、分析多步使用者流程及檢視網站板塊，並將參考資料融入工作流程。使用者須持有付費 Mobbin Pro 或 Team 計劃；Manus 只會在任務獲授權時讀取資料，連接器為唯讀。

6月29日週一
  2. Hamel Husain 長文58

    「難以評測」是 AI 產品設計的警號

    Hamel Husain 指出，AI 產品若難以評測，往往也難以讓用戶核實輸出，因此產品設計應先降低驗證難度。文章以數據智能體、體育課教案工具和工傷賠償醫療報告工具為例，提出展示來源與假設、提供可核查的中間產物，並把輸出拆成較小的審核單位。這樣可降低標註成本，並為自動評測提供更明確的依據。

6月27日週六
  1. Google Research61

    Google Research 為凍結權重的 Gemini Nano v3 加入 Multi-Token Prediction，加速 Pixel 端生成

    Google Research 已將 Multi-Token Prediction（MTP）架構部署至 Pixel 9 和 10 系列的 Gemini Nano v3，透過凍結主模型權重加快裝置端文字生成。

    推薦理由：文章對照整合式 MTP head 與獨立草稿模型，説明直接利用主模型狀態如何提升候選 token 準確度，並改善 Pixel 端的速度與記憶體效率。

6月26日週五
  3. Hugging Face Blog68

    用一條命令在 HF Jobs 上執行 vLLM 伺服器

    Hugging Face Blog 示範用一條命令在 HF Jobs 上以 vLLM 啟動私有、OpenAI-compatible 的 LLM 端點。內容提供 curl 和 Python OpenAI client 呼叫範例，並示範以 SSH、Gradio 及 Pi 延伸使用；每次請求須附上具該 Job 讀取權限的 HF token。

    推薦理由：文章把 HF Jobs、vLLM 與 OpenAI-compatible API 的部署、驗證和停止流程串成可複用命令，並説明私有端點的 token 權限與成本控制。

6月25日週四
  1. Google Research47

    以線性彈性快取優化雲端經濟效益

    Google Research 提出線性彈性快取，將頁面淘汰建模為 ski rental 問題，按即時工作負載動態調整快取容量，以降低快取管理的總擁有成本。在 Spanner 生產環境測試中，記憶體用量減少 15.5%，快取未命中僅增加 5.5%，總擁有成本約降低 5%，實際 I/O 成本影響僅 0.5%。

6月24日週三