Kaggle Digit Recognizer 题解
Kaggle Digit Recognizer 题解采用加入 BatchNorm 与 Dropout 的改进版 LeNet-5,对 42000 张 28×28 灰度手写数字图做 10 分类。
Kaggle Digit Recognizer 题解采用加入 BatchNorm 与 Dropout 的改进版 LeNet-5,对 42000 张 28×28 灰度手写数字图做 10 分类。
本文系统解读 Kimi K3 的 Attention Residuals 机制,把标准残差的深度维等权累加替换为逐层可学习伪查询的深度维 softmax 注意力,并梳理其演进脉络与消融结论。
Otter.ai 宣布推出多语言转写功能,可在同一场会议中自动检测语言切换并继续转写,同时新增 27 种语言,完成后将共支持 31 种语言。13 种新语言现已可用,包括普通话、韩语、德语、意大利语、粤语、葡萄牙语等,其余 14 种(瑞典语、丹麦语、芬兰语、阿拉伯语等)即将推出。
Hugging Face 首席政策官 Irene Solaiman 警告,开放平台的开放门禁与丰富数据正使其成为攻击首选目标,开源 AI 可能因此收紧。OpenCode 在 10 月遭攻击,用户第三方 API key 被窃取并造成财务损失;AI 基础设施公司 Fireworks 于本周一披露攻击者访问了部分客户的模型权重、数据集和账单信息。
Kaggle Digit Recognizer 属于图像分类模板题:给定 N 张 28×28 的灰度手写数字图,每张图对应 0~9 的标签,需对测试集中的图像完成分类,最终评测指标为 Accuracy。
Anthropic 启动 IPO 路演,公开发行 825 million 股 Class A 普通股,定价 $70 至 $78,目标估值最高 $1.02 trillion,股票将以 ANT 代码在 Nasdaq 交易。
推荐理由:原文汇总了发行区间、基石投资者与营收数据,读者可据此对照 AI 公司上市定价背后的逻辑。
乌克兰抗干扰光纤无人机依赖中国进口的光纤材料,但 AI 数据中心的全球需求推高了其成本,迫使乌克兰无人机制造商做出调整。这类无人机通过物理光纤与操作员相连,可规避电子战干扰,常规作战距离达数十英里,极端情况下可达 62 英里(100 公里)。俄罗斯于 2024 年在库尔斯克州率先部署此类无人机,乌克兰随后跟进自主研发。
Google DeepMind 研究人员用多 LLM 智能体框架 AlphaProof Code,对 Signal 协议实际运行的代码完成深度形式化验证,证明其核心加密代码满足关键安全属性。
推荐理由:原文展示了多智能体框架将 Signal 加密协议的形式化验证压缩到四周,读者可据此评估安全验证自动化的新路径。
OpenAI Academy 将在美国五座城市为照护者提供免费的 ChatGPT 实操工作坊。这些工作坊旨在帮助照护者掌握适用于日常生活的实用 AI 技能。
Figure AI 在美国加州圣克拉拉招聘人形机器人夜班协调员,时薪 40 至 45 美元,负责夜间监督机器人运行、排查故障并管理与机器人协同的员工,岗位为合同制、需承担周末班次。同期全球机器人和具身智能企业今年上半年共获 334 亿美元投资,已超过 2025 年全年 287 亿美元的融资总额。
路透社公布的最新招股说明书草案显示,Anthropic 计划通过 IPO 筹集最多 644 亿美元,并准备启动上市推介。公司还拟向谷歌、英伟达和 AMD 等基石投资者私募配售 260 亿美元,计入博通、美光、微软和台积电等其他基石投资者后,募资规模最高可达 904 亿美元。
推荐理由:原文对照了路透社两版募资口径,读者可以看出招股书草案从 693 亿美元撤回到 644 亿美元的变化过程。
智元发布 WITA-Omni(硅光动语全模态大模型),官方称其为行业首个具身全模态端到端交互大模型。模型基于机器人本体感知数据训练,除音视频外新增触觉、本体状态等输入,以及机器人动作、表情等输出;采用流式全双工架构,可边听边想边应边动,交互响应最快约 400 毫秒、平均约 600 毫秒,较业内平均水平快近 3 倍。
Google DeepMind 开放两套基础数据集 SatWeave 与 PARDIG,供全球研究者与开发者构建天气、水文和气候应用,二者均为 WeatherNext 3 模型的关键支撑。
推荐理由:原文交代了两个数据集的来源、分辨率与开放方式,读者可据此判断它们能否支撑自己的天气或气候应用。
Fable 5.2 发布后首批实测出炉,智能体编程、科学研究、计算机操作等基准几乎全线超越 Opus 5.5,编程测试超过 Opus 5.5 的 45.5%,软件工程测试达 69.9%。
蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,把磁触觉、视触觉和压阻式触觉三类传感器信号统一编码为触觉 Token,再交给动作模型。直接喂原始触觉信号会让 π0.5 拉拉链成功率从 39% 跌到 15%,接入 LingBot-Touch 后升至 59%;在未参与预训练的 XHand 上零参数调整,π0.5 六项任务平均成功率从 48% 升至 74.17%。
达卯科技与浦东环保能源签署战略合作协议,围绕数据中心节能优化与智慧管控、电力市场化运营、算电协同智能化体系建设、协同生态共建四大领域展开合作。首个落地项目黎明智算中心算电协同平台已启动建设,该中心为国家级算电协同试点,设计总功率18兆瓦。平台将落地资源监控、负荷预测、协同调度等核心功能,持续优化PUE,并为参与电能量交易与电力辅助服务筑牢技术底座。
TensorWorld物原科技成立仅四个月,一个月内连续完成天使轮及天使+轮过亿美金融资,主攻物理驱动的世界模型路线。其 GeoPT 通过融合几何与合成动力学的预训练获得可迁移物理表征,在工业物理仿真任务中减少 20%至60%的有标签数据需求,并将收敛速度最高提升至 2 倍。天使轮由凯辉基金、红杉中国联合领投,天使+轮由蚂蚁集团、和玉资本、美团战投联合领投。
openJiuwen 提出 TTSE(Two-Track Self-Evolution)双轨自演进框架,将 Agent 任务经验分为 FACT 环境事实与 TIP 条件式技巧两条轨道,分别验证、归因和更新。
11月10日,蚂蚁灵波科技开源触觉基础模型LingBot-Touch,基于近5000小时真实触觉数据预训练,将磁触觉、视触觉、压阻式三类传感信号转化为统一的触觉表征,供不同灵巧手和动作模型使用。
迪士尼正与机器人公司 Field AI 合作测试一批 AI 停车机器人,帮助游客在客流密集的度假区寻找停车位。这些非人形四轮机器人在迪士尼加速器项目展示日上首次亮相,外形借鉴《汽车总动员》角色,配有可动眼睛的大型显示屏、可变方向标牌和带红色指示灯的指引机械臂。迪士尼尚未公布具体部署时间,也未确认它们最终一定会在迪士尼乐园投入使用。
戴森在 Dyson Unveiled 发布会推出 R3 Nurovi Spot+Scrub UV Ai 智能扫拖机器人,以 UV 紫外线显渍、近 200 种污渍与物体识别和「洁癖算法」,构建「清洁-检测-复扫」的反馈循环。
据彭博社披露,苹果新任 CEO 约翰·特努斯在闭门会议中警告软件团队,苹果在 AI 上已远落后于对手,要求加速路线图、超越对 Siri 的修补式迭代。为倒逼激进 Agent 架构,代号 iOS 28 的研发将改为 6 周编码探索 + 2 周系统整合,并上线 Skills 框架、在 iWork 套件引入 MCP 接口。
第十一届「移动应用创新赛」在浙江大学紫金港校区落幕,今年各赛道报名人数首次突破万人,达到近 1.2 万人。进入决赛的团队中 98% 深度调用了大语言模型,最终入围作品已有 5 款上架 App Store、16 款处于 TestFlight 测试阶段。最高奖项「最具创新奖」由 3D 虚拟实验平台《HoloGrip》获得,社会责任奖则颁给了东乡语学习 app《萨尔塔音》。
少数派 Matrix 社区《社区速递 165》重点介绍 FoloToy AI Passport 透明工牌:114 元入手,60×95×8.5 毫米、50 克,开源硬件,社区有 1000 多款玩法可经 Type-C 一键烧录。
AI Gateway 把调模型从业务代码抽出来,变成一层统一基础设施,解决多供应商场景下协议不统一、故障处理零散、成本不可见、Key 管控分散的问题。文章接着拆解协议归一化、模型路由、虚拟 Key、Token 可观测性四个核心能力,并给出 LiteLLM 从安装、配置到客户端调用的完整示例,同时点明多一层故障点、供应商特有功能可能被抹平等代价。
作者在 Rocky 8.10 老服务器上用 MinerU 4.0.12 解析试卷和杂志数月,整理出安装、档位选择、API 调用与运维避坑的实战笔记。glibc 2.28 环境需跳过 mineru-llama-cpp 并改用 vLLM 加 onnx 后端,standard 档优先回填原生表格、advanced 档换来更细标题层级,没有通吃的一档。
HarmonyOS SDK 的 Basic Services Kit 提供 isNeedGetPermissionFromUser() 前置判断接口,开发者在拉起剪贴板权限弹窗前校验剪贴板是否有数据、内容是否匹配、数据有无变化,从源头拦截无效弹窗。
11 月 10 日,豆包官方宣布图片设计能力升级,正式接入全新图像创作模型 Seedream 5.5。该模型由字节跳动 Seed 团队发布,支持围绕同一作品多达 100 轮的持续编辑、原生 RGBA 透明素材生成,并改善光照材质表现与复杂文字渲染。
泰国内阁批准针对数据中心的环境新规,要求不间断电源系统运行噪音控制在约 70 分贝以内,场地边界温度升幅限制在 1 至 2 摄氏度。冷却用水必须循环利用,排放废水须接受检测,工业园区内设施还面临额外要求。今年前九个月泰国投资促进申请金额超过 500 亿美元,其中人工智能相关项目约占 70%。
安全公司 Apiiro 发现超过 10 万份 Claude Code 本地设置文件被上传至公开 GitHub 仓库,其中约 1100 份含数据库密码、API Token、私钥等机密,共识别出 1994 个代码库中的 2539 个真实凭资,涉及 63 个组织。
推荐理由:文章还原了凭据泄露的机制与规模,开发者可据此检查本地设置文件是否被误提交到公开仓库。
ThinkYoung 发布新研究,并结合 OpenAI 在 EMEA 地区教育合作的经验,探讨如何弥合教育中的 AI 指导差距。研究围绕支持教师、提升 AI 素养以及促进学生独立学习三个方面,分享教育实践中的经验与启示。
作者把 DSH 当 AI 工位用了 64 天,通过解析本机会话存档得出 1093 个唯一会话、117 681 个步骤、338 207 次工具调用、22.62B Token 的运行总账。
推荐理由:作者用本机会话存档算出真实运行数据,读者可对照自己的 AI 工位拆解长任务、控制上下文成本。
博客园团队正式推出 cnblogs-publish skill,Agent 可将协作过程整理成博文并一键发布到博客园,默认私有可见,也可选择公开发布或发布到首页。该 skill 还支持查询、阅读、更新、删除文章和上传图片,凭据保存在操作系统安全凭据库中;发布时默认在正文顶部标注 AI 生成或辅助来源,可由用户关闭。
高通调查全球 6 个市场、超 12,000 名可穿戴设备用户及潜在购买者,发现 AI 智能体正成为可穿戴设备的下一个核心卖点。近 60% 的用户每周使用 AI,约 70% 期待 AI 通过自然语音交互管理设备、应用和日常事务,近一半受访者对实时翻译及能理解日程习惯并自动行动的 AI 感兴趣。
日本肯德基确认,试售商品"冰淇淋可乐饮品"和"冰淇淋哈密瓜汽水"的宣传图片确实使用了生成式 AI,但拒绝回应是否会在其他商品宣传中继续使用。在 X 平台上,许多用户对这些图片持负面看法,认为画面观感违和,担心图片与实物不符,也有人认为 AI 制图会损害品牌形象。
XGo 团队推出基于 LLVM 的 Go 编译器 LLGo,保留 Go 语法并通过 LLVM 后端原生对接 C/C++/Python 生态,以替代繁琐的 cgo。
Simon Willison 用 Claude Fable 5.2 Medium 生成 three.js 动画项目 Yonkers Rises:扬克斯(Yonkers)边界化身巨型机甲,在纽约市 3D 微缩模型中起身并巡游踩踏曼哈顿、布鲁克林、皇后区和布朗克斯。
Meta AI 发布新模型 Muse Ember,官方称其为最小、最高效的模型,面向复杂推理执行以及智能体重复执行的工具调用、编码子任务、路由、提取和长文档解析。
推荐理由:原文将 Muse Ember 与 GPT-6 Luna、Claude Haiku 5.5 的定价及 Artificial Analysis 效率前沿放在一起比较,可帮助读者判断小模型选型。
马斯克在巴伦资本年度会议上预测,数字超级智能将满足人类的一切需求,让白领工作效率翻倍,并推动全球经济增长 20% 至 30%。他预计人形机器人生产效率可达人类的 5 倍,2000 万至 3000 万台机器人即可达到目前全美国在职劳动者的总产出水平。他还称未来经济体系与货币制度将显得原始落后,人人都能拥有极高收入并享受优于当今顶尖水平的全民医疗服务。
小米联合北京大学正式发布《物联网设备模型(Thing Model)技术白皮书》,并将超 11.6 亿台 AIoT 设备上验证过的技术与经验开放给全行业。