跳到正文
今天11月22日週日5 則
  1. DEV Community43

    小樣本生存資料的遷移學習:n=50 時哪些方法有效

    Zhao 等人在結直腸癌 I 期相關隊列研究中發現,遷移學習可提升小樣本生存模型表現,樣本量低至 n=50 時仍觀察到改善。完整目標隊列中,RSF/TSF 的 Ctd 由 0.7940 升至 0.8297,是文中最高值。研究以 TSF 遷移樹結構,並以預訓練和微調處理 DeepSurv、Cox-CC 及 DeepHit;結果限於相關來源隊列。

  2. DEV Community46

    AI 與機器學習的真實侷限

    AI 與機器學習的侷限可分為數據、工程、信任、人類監管及前沿失誤五類,推測性邊界則另行標示。Amazon 2015 年履歷篩選器因「women’s」一詞懲罰女性,COMPAS 對黑人被告錯判高風險的比例是白人的兩倍;SageMaker Clarify 可在訓練前於原始數據計算偏見指標。歐盟《人工智能法案》要求高風險用途接受人類監督,罰款可達 EUR 35 million 或營業額的 7%。

  3. TNW61

    Etsy 因賣家關店抗議將修訂 AI 訓練條款

    Etsy 表示將修訂新服務條款,該條款允許 Etsy 及合作夥伴使用賣家內容開發、訓練、測試及改進人工智能和機器學習技術,原定於 12 月 16 日生效。長期賣家因內容可能用於 AI 訓練且無法退出而開始關店。Etsy 副總裁表示,不會使用賣家內容訓練旨在複製原創作品或取代創意的 AI 模型,並稱第三方可因詐騙偵測和廣告等用途取得賣家內容。

11月21日週六
  1. Engadget59

    Etsy稱不會用賣家內容訓練旨在仿製原作或取代創意的AI模型,賣家因條款更新離開平台

    Etsy表示不會把賣家內容用於訓練旨在仿製原創作品或取代創意的 AI 模型;賣家因新版使用條款引發的疑慮而離開平台。新版條款允許 Etsy 及第三方合作夥伴和供應商使用賣家內容開發、訓練、測試及改進 AI 和機器學習技術,並定於 12 月 16 日生效。Etsy稱現有用途包括自動翻譯商品描述、在營銷活動中展示商品,以及訓練店舖表現工具的模型,並禁止 AI 爬蟲抓取商品列表訓練模型。

  2. 新浪科技32

    我國科研團隊為植物定製專屬「光配方」

    中國科學技術大學先進技術研究院科研團隊研製植物工廠系統,按不同植物定製「光配方」,以調節光強、光譜和光週期。團隊以多通道光量子傳感器測量各波段光子數,並將數據回傳控制系統閉環調光;作物生長數據亦用於訓練植物生長大模型、迭代配方。植物工廠與光電子農業技術已走出實驗室,產品銷往馬來西亞、新加坡等國家和地區。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)72

    65 個 AI 模型測試顯示,不同用戶常收到相同建議

    作者向來自 30 間公司的 65 個 AI 提問 127,918 次,發現不同用戶經常收到相同建議。書籍推薦中,73% 的回答是《Man's Search for Meaning》,而 90% 的求學建議指向電腦科學;在一個可逐階段測量的開放模型中,常見答案於監督式微調階段出現。測試亦顯示,提供個人細節可把常見預設答案比例由 53% 降至 11%,要求列出 10 個選項後自行挑選則降至 17%。

  4. DEV Community39

    人形機械人的低延遲,代價在訓練階段支付

    預印本《Beyond Retargeting》提出一種人形機械人控制策略,將原始人體動作直接映射為機械人關節指令,省去即時動作重定向。該策略在 Unitree G1 模擬環境及硬件上測試,作者報告其延遲和穩健性均優於比較基線。省下的即時轉換工作轉移至訓練階段,控制效果取決於動作數據對不同體型、速度及感測條件的涵蓋。

  5. DEV Community39

    Harness-S 如何利用專門化執行框架訓練可遷移回原始框架的策略

    Harness-S 在 AppWorld、SWE-Gym 和 DBBench 上利用專門化執行框架訓練共享策略,並在原始執行系統 H0 下評估時,表現顯著優於只訓練策略的方法。Qwen3.5-4B 和 Qwen3.5-9B 兩種規模的策略均有提升;在執行器 rollout 次數相同的情況下,Rank-1 推理路由亦帶來增益。原文未提供主要結果表的數值。

  6. 阿里雲開發者社區 AI34

    LLM 文本私隱與匿名化方法綜述

    這項綜述梳理 LLM 文本私隱與匿名化方法的演進,指出研究已由靜態移除個人可識別資訊(PII),轉向兼顧語義效用、任務需求與合規性的動態決策。文中整理語義重寫、局部差分私隱、基準評估及代理私隱對齊等路線,並比較各自在表示質素、適應效率與計算成本上的取捨。

  7. 新浪科技51

    機械人低質數據泛濫:低質數據如何產生

    機械人訓練數據低質的成因包括觀測未涵蓋動作決策依據、EGO 數據重複或與需求不匹配,以及仿真對流體和柔性體的精度不足。文中引用的積木拾取對照顯示,以操作員與機械人同視角觀察的數據訓練模型,手臂操作準確率由約 50% 提高至 100%。姚卯青表示,市場上有企業購入 100 萬小時數據後,最終只有 10% 至 20% 可用。

  8. DEV Community29

    理解線性回歸:機器學習初學者指南

    線性回歸透過學習輸入特徵與輸出的關係,預測連續數值,是監督式機器學習算法。文章以房屋面積和價格的數據集示範如何用 Python 和 Scikit-learn 訓練及評估模型,並説明 MSE 如何衡量預測誤差;數據集為學習用途而人工建立,並非真實房價數據集。

  9. UNWIRE.PRO · 人工智能68

    阿里雲預計 2027 至 2028 年中國算力最緊缺,訓練優先用平頭哥、推理採用多款國產晶片

    阿里巴巴預計 2027 及 2028 年是中國算力最緊缺的兩年,阿里雲 2027 年後以平頭哥國產晶片為主,旗艦晶片優先用於訓練,推理則會盡量採購不同晶片。阿里已在平頭哥晶片上訓練下一代千問(Qwen)模型,下一代平頭哥晶片預計於 2027 年第 1 季全面支援超大規模模型訓練。公司尚未交代外部雲端客戶的晶片配額或價格安排,並初步評估 2032 年全球數據中心規模超過 20GW 的目標可能下調。

  10. DEV Community64

    AI 能寫程式,為甚麼仍要學機器學習?

    AI 助手能快速生成機器學習程式碼,但學習機器學習仍有必要,因為判斷模型是否適用、資料有否偏差及結果是否可靠,不能只看程式能否執行。文章以資料洩漏、預測與因果推論的區別,以及偏差與變異的取捨,説明人工判斷仍然重要。作者建議先界定問題,再用 AI 起草程式,檢查假設、設定簡單基準,並以符合實際情境的資料測試。

  11. 虎嗅63

    腦機接口標準制定,今次中國先行

    中國牽頭制定的腦機接口參考架構國際標準(ISO/IEC 27572:2026)已由 ISO/IEC 正式發布,另有多項國內標準及審評文件相繼推出。由同濟醫院牽頭的全國首個腦機接口高質量數據集項目亦已啟動,涵蓋10類疾病方向及6種數據模態,擬於2027年建成投用。現有標準和審評文件仍主要聚焦腦電及植入式電極,未能全面覆蓋超聲腦機接口需求;受訪者亦提出數據互認和支付是產業化挑戰。

  12. 新浪科技65

    姚順雨率混元團隊在 Reddit 舉行 120 分鐘 AMA,回答開發者提問

    姚順雨與混元團隊在 Reddit 舉行 120 分鐘 AMA,回答全球開發者有關混元模型、訓練、架構、安全及開源部署等問題。團隊表示,下一代 Hy 模型規模將大幅擴大,並持續投入大規模強化學習;Hy4-mini 已列入路線圖,Hy4 的 token 效率問題亦在優化。團隊亦談到 MoE 稀疏度、數據品質須以實驗檢驗、創意寫作與可讀性改進,以及繼續開源和推進 llama.cpp 適配。

  13. MIT News50

    新方法讓混沌系統的 AI 模型符合物理規律

    MIT研究人員提出一種為混沌系統機器學習模型加入物理約束的方法,確保模型預測長期維持有界,避免產生不可能的結果。方法讓模型學習類似能量的函數,並加入投影層,以能量耗散作為硬約束;團隊在多種物理系統測試,結果較傳統方法更貼近實際。

  14. DEV Community59

    Databricks 如何保護 AI 治理指標所用的 Golden Data

    Anil Prasad 整理了以 Databricks Unity Catalog 保護 AI 治理指標所用 golden data 的方法,涵蓋權限、讀取追蹤、版本凍結和欄位遮罩。文中提供可調整的 SQL,並提醒 lineage 只會在可從事件推斷時記錄;Delta 預設保留 30 天表格歷史和 7 天已刪除資料檔,較舊版本可能無法查詢。

  15. DEV Community59

    AdamW:為何將權重衰減與梯度解耦可修正 Adam

    AdamW 將權重衰減直接作用於權重,而非把 L2 項加入梯度後經 Adam 的自適應步長縮放,讓每個權重按相同比例收縮,不受各自梯度歷史影響。文章提供 PyTorch 設定示例,指出 AdamW 常見衰減值為 0.01 至 0.1,從 Adam 切換時不應沿用舊值。標準設定下,權重衰減會隨學習率排程變化,使用 cosine decay 時訓練末段的衰減效果會減弱。

  16. DEV Community38

    數秒內生成 1,000,000 份合成醫療紀錄

    作者打造兩階段生成引擎,以 Class-Conditional Gaussian Copulas 和 Decision Trees 生成合成醫療紀錄,在標準 CPU 上約 6.9 秒生成 1,000,000 份。測試顯示臨牀規則符合率為 100.0%,與真實數據集沒有重複紀錄;以合成數據訓練的分類器在真實測試數據上的 Δ ROC-AUC ≤ 0.0013。

  17. DEV Community44

    我為科倫坡證券交易所建立機器學習訊號平台:模型反而是最簡單的部分

    一名開發者為斯里蘭卡科倫坡證券交易所建立機器學習研究及訊號平台,收集逾 15 年、700 多種證券的價格資料,並以 60 個樣本外區塊進行步進式測試。平台會計入交易成本、每週重訓模型並設有更新門檻,但不會自動交易;所有買賣仍由人手決定。

  18. Hacker News 熱門(buzzing.cc 中文翻譯)68

    語言模型可以重寫自身權重

    研究提出 self-rewriting,讓 27B 語言模型以自身推理改寫權重,無需梯度或訓練。模型在未見問題上的準確率提高 6.6 個百分點,並在連續八次測試修改中保持提升。研究亦報告,模型可修復受損副本,使其在未見圖像任務上的準確率恢復至原模型的 80% 以上。

  19. 新浪科技49

    大模型為何出現「巨大激活」?清華、北大研究從反向傳播找到新線索

    清華大學、北京大學研究團隊發現,注意力匯聚會令少數 Token 集中承接反向訓練信號,形成「梯度匯聚」,而巨大激活可經 RMSNorm 衰減局部梯度。在 0.3B 模型中,採用 V-scale 後梯度匯聚比值中位數由約 40.3 降至 5.6,注意力匯聚仍然明顯;研究成果獲 NeurIPS 2026 接收。

  20. DEV Community59

    搜尋排序系統設計:系統設計面試逐步拆解

    文章逐步講解如何在系統設計面試中設計搜尋排序系統,核心是先把數百萬項目低成本召回至數百個候選,再交由昂貴模型排序。架構分為離線建構嵌入向量、ANN 索引、模型和特徵庫,以及線上召回、排序和可選重排;召回結合詞彙匹配與語義搜尋。排序模型從點擊、觀看等隱式訊號學習,需處理位置偏差及訓練與服務特徵不一致;文章亦提供 60 分鐘面試拆解框架和評估方法。

11月20日週五
  1. DEV Community51

    如何測試 AI 助理處理金錢相關對話?

    Peter Stieglmayr分享以情境對話測試 AI 助理處理金錢議題的方法,重點是區分已知與假設、守住角色界線,並避免作出超出資訊支持的承諾。免費預覽集有九則簡短預覽(各來自九個資料卷)和四個完整情境;作者指出它不是基準測試,測試表現不能代表模型安全、合規或已可投入生產。