Mistral 与 NVIDIA 携手推进工程领域 AI
Mistral 与 NVIDIA 合作,将 Mistral Large 4 与数据生成、物理建模管线结合 NVIDIA CUDA-X 与 NVIDIA Warp,加速工程仿真并打通仿真、模型开发与工程设计的闭环流程。
Mistral 与 NVIDIA 合作,将 Mistral Large 4 与数据生成、物理建模管线结合 NVIDIA CUDA-X 与 NVIDIA Warp,加速工程仿真并打通仿真、模型开发与工程设计的闭环流程。
NVIDIA 扩展开源 NVIDIA Agent Toolkit,新增 Agent Knowledge Foundation、OpenShell 安全运行时与 NemoClaw 蓝图等组件,让企业智能体基于公司数据回答问题并执行行动,同时支持监控与治理。
奇瑞在 2026 全球创新大会上发布自研「紫微」芯片系列、CheryMind 垂类大模型和「全维世界引擎」CHERY AWE 智驾系统,把芯片、模型到智驾的核心环节全做了一遍。
JuiceFS 企业版从 v5.2 到 v5.4 围绕元数据引擎、数据生命周期、数据路径和客户端控制面四条主线演进,以支撑 EB 级数据、千亿文件和百万级客户端。
JuiceFS 企业版围绕元数据引擎、数据生命周期、数据路径与客户端控制面四条主线持续演进,以支撑 EB 级数据、千亿文件与百万级客户端的 AI 存储压力。其全内存元数据引擎将单文件元数据内存占用降至约 100 B,v5.3 分区上限提升至 1,024 个、单文件系统可支持超过 5,000 亿个文件。
阿里云 SLS 推出 Session Store,将 OpenTelemetry Trace / Log 关联为标准化 Trajectory 执行轨迹,为 Agent 观测、数据集、LLM 评估和 RSI 自进化提供数据底座。
阿里云 PAI 在 2026 云栖大会发布 PAI-DLC 3.0,以算力、网络、存储、框架四层协同支撑万卡训练,TurboX 实测模型吞吐提升 3.24 倍;预发布的 PAI-RLS 提供一站式 Agentic RL 服务,长序列 RL 端到端训练最高加速 3.16 倍,已覆盖 12 种 Agent 框架与 30+ 基准评测。
作者以打造读书智能助手为例,在 Apple Silicon 上用 mlx-lm 对 Qwen2.5-1.5B-Instruct 做 LoRA 微调,再转换为 GGUF 量化格式并由 llama.cpp 部署,完整走通数据准备到端侧上线的全链路。
本文介绍如何用 PySR(Python 符号回归)从工业历史数据中自动进化出人类可直接读懂的数学公式,以替代不敢用的黑盒模型。
一套基于 YOLO11n 的海底垃圾视觉巡检系统实现 15 类海底垃圾自动检测,并配套开箱即用的 Streamlit 可视化界面。YOLO11n 权重仅 6 MB,CPU 单图 100 ms 内完成推理,支持单图、批量、视频、摄像头四种输入,可离线部署于科考船或 ROV 控制台。模型在浑浊低光水体下仍能稳定识别目标,批量检测可汇总类别分布数据,辅助清污作业排程。
Transformer 从 2017 年的机器翻译架构到现代 LLM 通用推理引擎的演进可归纳为七个阶段,27 篇经典论文串联起这条完整脉络。BERT 与 GPT 确立先预训练、再微调的范式后,模型相继突破长文本限制、统一生成任务,并扩展至视觉、语音与代码多模态。GPT-3、InstructGPT、DPO 及 DeepSeek-V3/R1 则进一步推动超大模型、人类对齐与强化推理。
据泄露给 The Wall Street Journal 的 S-1 文件,Anthropic 难以从 AWS、Google 和 Microsoft 获得足够云算力,这些云厂商日益将这家 Claude 开发商视为竞争对手而非客户。
推荐理由:原文披露了 Anthropic 在云算力采购上的困境与相关财务数据,读者可借此了解其上市前面临的供应链与责任风险。
i14 与 AWS 合作,通过 TorchNeuron Native 的原生 PyTorch 后端将 Laplace 3B 线性注意力模型移植到 AWS Trainium2,其 GLA 循环状态固定为每序列 29.5 MB,不随上下文长度增长。
Meta 在遭遇 AI 相关争议后,将商业服务条款中的 train 一词移除,并调整了 AI 爬取政策,但拒绝加入遵守 robots.txt 的条款。
Meta 被要求点名批准为 AI 训练下载种子的高管,但 Meta 辩称没有人“决定”盗版书籍来训练 AI。报道指出 Meta 试图让下载种子的员工担责,以免高管被追责。
AWS 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B,解决其链式思考默认用英语、50 例多语言测试中仅 22% 使用目标语言的问题。
初创公司 Electric Plant 打造了大语言模型 Bombadil,通过解读植物茎干内的微电信号向种植者反馈植物需求,目前已覆盖约 125 个物种。公司完成 1120 万美元种子轮融资,由 Onto Ventures 与 Climactic 领投。其传感器成本仅数十美元、每英亩只需几个,据称可提升产量并减少 20% 以上用水。
Strategy Mosaic 作为维度化语义层,使 Amazon Bedrock AgentCore 上托管的 Strands 智能体可经 MCP 端点查询跨 Amazon Redshift 与 Amazon Aurora 的 Customer 360 数据。
Dressage 的 Staleness 控制在 Trajectory 与 Batch 两个粒度上限制异步 RL 的版本偏移。
Cloudflare 发布 AI 模型 Clairic,已在 Workers AI 开放预览,用户指定字段后它一次性从非结构化文本返回匹配值、格式和置信度,缺失值返回 null。
作者用 10,617 场足球比赛回测发现,模型整体命中率接近 50%,但置信度 ≥65% 的子集命中率达 74.5%,且自报概率与实际命中偏差很小。样本外测试显示,同一批投注按全平台最高价成交的回报率为 +9.9%,高于按收盘价成交的 +6.9%,仅比价带来的收益就超过翻倍训练数据的预期提升。作者同时提醒样本量小(n=36、n=191),真实回报可能接近 0,应做前向验证并预设停止条件。
本文讲解 DPO(Direct Preference Optimization)的数学原理、工程优势与适用边界。其核心是利用最优策略与奖励函数的一一对应关系把奖励模型从目标函数中消去,训练退化为类似监督微调的稳定流程,同时驻留的模型从四个降到两个。代价是失去在线探索能力且对偏好数据噪声和长度偏置更敏感,因此它适合语气、格式等局部偏好对齐,而推理等需要探索的能力训练仍依赖在线强化学习。
AI 产品经理能力可拆解为初级四项硬技能与高级四项软技能两级体系。硬技能覆盖模型评估、数据质量管理、Prompt 工程与技术工具应用,软技能转向商业洞察与 ROI 驱动、跨部门协作、伦理与合规治理、战略权衡。中国该岗位 2025 年同比增长 369%、薪资高出行业均值 35%,传统产品经理转型约需 3-6 个月,技术背景人才约需 4-8 个月。
作者梳理了 AI 应用中九类数据库的定位与选型逻辑,指出不存在包办一切的 AI 数据库,传统数据库、向量数据库、搜索引擎、图数据库和分析引擎各解决不同问题。核心建议是从 PostgreSQL 等统一底座起步,先用全文检索,再按真实瓶颈逐步引入 pgvector、专用向量数据库或分析引擎,避免过早堆叠复杂技术栈。
推荐系统的粗排位于召回与精排之间,需在10到20毫秒内从召回的1万个候选中筛选出1000条交给精排。粗排的核心目标不是直接预测点击率,而是借助LTR中的配对法RankNet预测精排模型的排序结果。其架构从统计打分、逻辑回归、双塔模型演进到阿里巴巴的COLD方案与知识蒸馏的教师-学生模式,在速度与精度间取得平衡。
2026云栖大会上,阿里云展示从数据采集、标注到训练、推理的端到端全栈方案,以"数据闭环"与"模型闭环"协同支撑多模态AI走向生产。卓驭科技、中国电信、乐享元游与微财等企业分享了多模态湖仓ZLake、TeleAgent、实时湖仓与特征开发自动化等实践,其中乐享元游经营报表更新周期由一天缩短到一分钟。
该笔记把 bias(准不准)与 variance(稳不稳)定义为“用数据估计未知量”的两个属性,指出它们属于整个估计流程而非模型本身。模型大小、回归目标(MC/TD)、损失函数、数据量与正则化都是可调旋钮,MC/TD 之于 RL、OLS/Ridge 之于回归、小/大模型之于 LLM 在数学上完全平行。
CubeStudio 解析了云原生分布式训练的调度与加速设计,核心是用 CRD+Operator 按需自动建集群,配合亲和反亲和、修正 kube-scheduler 打分策略和 kube-batch/volcano 的 gang 调度避免资源死锁。GPU 利用率低多因 CPU 操作阻塞,平台给出数据加载优化、DALI 预处理、共享 GPU 与资源动态调整等手段,目标是让多机算力线性转化为训练速度。
空中目标检测数据集包含约 8900 张高质量标注图像,将空中目标细分为飞机、鸟类、无人机 3 类,重点解决飞鸟与无人机易混淆导致的误报痛点。数据采用 YOLO 标准格式与 Bounding Box 标注,已划分 Train/Valid/Test,适配 YOLOv5/v7/v8/v10/v11/v12 及 Faster R-CNN 等主流检测框架,可通过网盘直接下载。
在职前端 Leader 转行 AI Agent 学习进入第 81 天,本日复盘 Transformer 架构并实战 Transformers pipeline 的五大任务。
作者用 NumPy 从零实现了一个 784→30→10 结构的 MNIST 手写数字分类网络,测试集准确率达到 95.90%。网络采用 Sigmoid 激活函数与二次损失,以 0.1 的学习率进行 10 轮单样本随机梯度下降训练。完整代码保存在 neural_network_numpy.py 中,普通 CPU 即可快速完成训练。
拥有 11 年数据工作经验的作者指出,数据治理落地难源于未绑定业务收益、权责不清、工具先行与范围过大,破局关键是从小闭环开始。在信贷风控数据治理实践中,作者将 16 项任务砍至本季度必做 5 项,并坚持先落实具体责任人再制定标准。同时采取先定衡量维度再定目标值、按 10 月底至 12 月分设检查节点的方式,确保治理过程可见、结果可验证。
记忆张量正式发布并开源 MemT 1.0 记忆原生大模型,记忆不再依赖外挂检索,而是内化进底层架构,由模型经训练自主读写、更新和调用。
作者在两张 RTX 4090 上从零训练面向中文用户的 4B 模型,指出词表一旦开训就与 embedding 锁死、更换等于重训。最终以 OpenAI o200k 为基础构建 mgt-v1-o200k 词表,embedding 共 201216 行,并为对话、思考、工具调用、FIM 和多模态预留特殊 token。
哔哩哔哩 Index LLM 团队推出 Index-Translate 系列翻译模型,文本翻译覆盖 150 种语言,提供 2B、9B 和 35B-A3B(preview)三种规模,同时支持图文翻译。
AI 生命科学正从单点分子建模转向预测完整生命系统变化的“生命世界模型”。美国 Biohub 联合能源部、NIH、Meta、Google DeepMind 等承诺投入 18 亿美元搭建生命预测模型的数据底座;10 月 17 日哲源科技发布 WHIRLPO 计算医学平台,整合异构算力、多组学数据与实验验证链路,支撑此类模型的训练与运行。国内也已将计算医学首次纳入“十五五”医药工业重点技术方向。
2026物理AI与世界模型大会医疗健康世界模型分会场在南京国际博览中心举行,八场主旨演讲与六方面创新成果集中亮相。江苏省人民医院与南京可信数据服务有限公司等发布“医疗健康世界模型一体机”及五项慢病世界模型,东南大学附属中大医院与医渡科技发布“医疗世界模型高质量数据底座”。医疗世界模型仍需经外部验证与临床评价明确适用范围,不能替代医生诊疗决策。
通衍灵智依托北京通用人工智能研究院体系,聚焦递归自进化个性化智能(RSI):以共享基础模型加 Personal LoRA 承载专属能力,由 Evaluator 筛选有效反馈做增量更新,退化即回滚。
单卡 A100 实测论文(arXiv 2610.21555,NeurIPS 2026 OPT2026)发现:等 token 时 Muon 四个负载全胜、20 组配对全赢,但等墙钟时间时语言任务被 AdamW 反超,因为参考实现中 Muon 优化器一步吃掉 56%~70% 的训练时间;调参预算只有 1 次时 Muon 期望 regret 13.66%,接近 AdamW 的两倍。
研究人员开发出一款 AI 工具,仅凭一张面部照片即可预测癌症患者生存几率,研究发表于《柳叶刀 · 数字健康》。模型使用超过 4000 万张人脸图像和 3 万余名癌症患者的照片训练,可为患者生成风险评分,高分患者更有可能在 90 天内死亡,估算年龄误差约 5 岁。未参与研究的外部专家认为,该工具尚未与医生的整体健康评估做对照,目前不能投入临床使用。