跳到正文

#資料/訓練

RSS
今日 0 則
11月21日週六
  1. Rohan Paul74

    網路上有很多資料,卻很少記錄資深專家是怎麼做出判斷的。Arcfront 宣佈推出服務,透過 300 多家企業合作夥伴取得醫師、工程師和銀行從業人員逐步做決策的紀錄,再整理成前沿 AI 模型的訓練資料。Arcfront 表示,已有 5 家前沿 AI 研究機構中的 4 家付費使用這些紀錄;公司也稱,募資不到 200 萬美元後,不到一年就達到年營收 10 億美元的年化速度。

    推薦理由:Arcfront把企業專家的決策紀錄整理成模型訓練資料,呈現了網路資料難以取得的專業判斷如何成為訓練來源。

11月20日週五
  1. Solidot61

    阿里巴巴預測中國算力市場 2027 年和 2028 年最吃緊

    阿里巴巴表示,全球各地的算力政策變化,可能影響阿里雲資料中心的建設。公司正在評估是否下調原訂到 2032 年讓全球資料中心規模超過 20 吉瓦的目標,資本支出也可能減少;同時預測,中國算力市場在 2027 年和 2028 年會最吃緊。阿里巴巴管理層認為,美國商務部的新算力管制規定對 AI 產品進度的影響不會持久,並表示公司已用自行研發的晶片訓練下一代大型語言模型。

  2. Silicon Republic56

    Isomorphic Labs 與 MSD 合作,運用 AI 尋找癌症候選藥物

    尋找新的癌症藥物需要大量研究與測試,Isomorphic Labs 和 MSD 將合作尋找一種癌症治療的候選藥物。Isomorphic Labs 會用電腦模擬來預測並設計小分子藥物,再把 MSD 的資料用於自家藥物設計引擎 IsoDDE;MSD 則負責後續的臨床前與臨床開發、製造和上市工作。合作能否找到合適藥物仍取決於研究與開發結果,Isomorphic Labs 也會依約取得前期款項,並有資格在達成指定里程碑後獲得款項。

11月19日週四
  1. Rohan Paul36

    機器人常靠模仿人類學做事,但如果訓練影片都在整齊明亮的實驗室拍攝,機器人到了雜亂、昏暗的工廠地面就可能不會應付。Humyn Labs 用自製的穿戴式攝影眼鏡,記錄工人在真實工作場所的動作,並先篩掉不能用的影片,再把留下的內容切成「伸手、抓取、抬起、放下」等基本動作,讓機器人學會在不同場景完成技能。團隊也會用自家基準測試檢查資料,並宣佈完成 $47M 的 A 輪募資,目標是擴大 Physical AI 的訓練資料。

11月18日週三
  1. PostgreSQL Official News54

    pgSherpa 推出 macOS 桌面工具,方便監控 PostgreSQL

    同時管理 PostgreSQL 伺服器時,健康狀況、資安設定和雲端資料庫資訊分散,可能不容易掌握。CortexRidge 推出免費的 macOS 桌面工具 pgSherpa,可監看 PostgreSQL 12 到 18,並用句子提醒需要處理的狀況,也能檢視鎖定等待、長時間執行的工作、複寫延遲、備份和故障切換等資訊。它也提供 SQL 查詢和常用報表;查詢預設在唯讀交易中執行,只有使用者切換後才會寫入資料。工具不需在伺服器安裝擴充功能或代理程式,密碼和金鑰會留在 macOS Keychain。

  2. TechCrunch · AI64

    Humyn Labs 募得 4,700 萬美元,替美國機器人公司蒐集訓練資料

    機器人要學會做日常工作,需要大量真實的人類活動資料,但蒐集和整理這些資料並不容易。印度新創 Humyn Labs 募得 4,700 萬美元,包含 2,600 萬美元股權融資和 2,100 萬美元創投貸款,打算替美國 AI 與機器人公司提供訓練資料。公司用自製的雙鏡頭裝置拍下人們做家事或日常工作的畫面,再用軟體標記手部動作和物品互動,讓 AI 模型能學習。報導也提到,進入人們家中拍攝會帶來隱私與同意方面的疑慮;Humyn Labs 表示會透過當地夥伴安排拍攝地點並監督過程。

  3. Hacker News (official RSS)58

    Geoscience Australia 開放全澳洲 AUSTopo 地形圖下載

    需要規劃工程、管理緊急事件或到野外工作時,常得先找到涵蓋範圍完整、資料可靠的地圖。Geoscience Australia 已完成 AUSTopo 1:250,000 數位地形圖系列的全國發布,地圖可免費下載、列印,也能存到手機或平板離線檢視。使用者可以選擇最新版本或過去的版本;自 2023 年起,系列中已有超過 500 張地圖更新,舊版也保留下來供比較、教學和研究。

  4. Publickey (日系頂級架構誌)72

    Microsoft 推出 Azure SQL Database 本機開發容器公開預覽

    開發者在本機測試資料庫功能時,常需要確認它和雲端環境是否相同。Microsoft 公開預覽 Azure SQL Database 本機開發容器,讓開發者在自己的電腦上使用與 Azure SQL Database 相同的資料庫引擎、T-SQL 和連線方式,也能沿用原本的框架、程式庫與 Visual Studio Code 進行開發、除錯、建置和測試。搭配 MSSQL extension for VS Code 的 Local-to-Cloud Deployment Wizard,還可把本機資料庫部署到雲端。

    推薦理由:這項預覽讓開發者能在本機使用與 Azure SQL Database 相同的資料庫引擎與工具,方便了解本機開發和雲端部署如何銜接。

  5. Publickey (日系頂級架構誌)68

    Microsoft 推出 PostgreSQL 相容的無伺服器資料庫 Fabric HorizonDB 預覽版

    開發環境有時需要很快開好資料庫,也希望能用同一份資料做日常交易和分析。Microsoft 發布 Fabric HorizonDB 公開預覽版,這款 PostgreSQL 相容的無伺服器資料庫可在幾秒內準備好;閒置 5 分鐘後會暫停運算資源,有查詢時再自動啟動。資料表預設會複製到 Microsoft Fabric 的 OneLake,因此除了交易處理,也能進行分析,並支援向量搜尋和全文搜尋。

    推薦理由:Fabric HorizonDB 把交易資料預設同步到 OneLake,讓同一份資料能同時支援日常操作與分析,也能用於向量搜尋。

  6. Databricks Blog54

    Databricks 分享 Lakebase 駭客松如何用資料庫分支與同步打造應用

    開發應用時,團隊常得在共用測試資料庫和替每位開發者複製一份資料之間取捨;把湖倉資料送進應用,也常要另外建同步流程。Databricks 分享 11 個客戶團隊如何用 Lakebase 嘗試解決這些問題:資料庫分支能快速建立測試環境,修改不會直接影響正式資料;同步功能則讓湖倉資料供應應用查詢,也能把資料庫變更送回湖倉。像 Lyft 的團隊讓 AI 助理在資料庫分支上測試客服處理方式,再讀取資料庫的實際結果調整。這些案例展示 Lakebase 如何支援應用開發、搜尋和即時機器學習。

  7. Tomasz Tunguz Blog60

    LanceDB 募得 $57.5m,多家 AI 公司用 Lance 管理訓練資料

    AI 公司要用大量圖片、影片和程式碼訓練模型,得先有方法管理龐大的資料。Tomasz Tunguz 介紹 Lance 這種資料格式,以及 LanceDB 在多家公司的使用情況:Exa 用它管理網頁資料,Runway 用在影片生成,Microsoft AI 則用它處理訓練和推論資料。Adobe 管理的資料規模達 40pb 到 50pb,NVIDIA 也用 Lance tables 進行大規模訓練。文章也宣佈 LanceDB 募得 $57.5m Series B,並提到公司營收年增超過 10 倍、開源下載量超過 120m。

  8. The Decoder76

    美國擬管制海外資料中心買 AI 晶片,中國業者靠模型蒸餾降低算力需求

    美國想堵住中國透過海外資料中心取得 AI 算力的路,商務部提出新規,要求新加坡、馬來西亞、泰國、印尼和巴西的資料中心購買美國先進 AI 晶片前先取得許可,申請會逐案審查。報導也整理路透社調查:中國業者把美國大型模型的回答、程式碼和解題結果整理成訓練資料,再拿來訓練成本較低的小模型,藉此減少自家運算需求。模型蒸餾本身不違法,但可能違反 OpenAI 和 Anthropic 的服務條款;美方官員也警告,若相關行為涉及竊取智慧財產,可能祭出制裁。

    推薦理由:報導串起美國擬管制海外資料中心購買先進 AI 晶片,以及中國業者以模型蒸餾降低訓練成本的兩條供應路徑,呈現管制與算力需求的拉扯。

11月17日週二
  1. Lobste.rs (Engineering Discussion)66

    Oracle 說明 MySQL 如何開發向量索引,並比較多種搜尋方法

    資料庫要替 AI 找出相近的文字或資料,得先把內容轉成一串數字,再快速找出彼此接近的專案。Oracle 的 MySQL 工程師用文章說明向量和向量索引的概念,並比較 HNSW、IVF、ScaNN 和 Vamana 等搜尋方法:有些方法用圖形連起相近資料,有些先把資料分群。MySQL 原生向量索引仍在開發與評估中,團隊正研究採用哪些方法,以及是否提供可替換不同索引方法的介面。文章也介紹已可下載試用的 MyVector 外掛,支援 HNSW 和 IVF 搜尋。

    推薦理由:文章用文字相似度的例子說明向量索引如何找出相關資料,並比較 HNSW、IVF 等做法,呈現 MySQL 原生支援仍在開發中的選擇。

  2. PostgreSQL Official News58

    Apache Cloudberry 2.2.0 更新至 PostgreSQL 14.10 核心

    大型分析資料庫要跟上 PostgreSQL 的修補,也得照顧不同作業系統和硬體平臺。Apache Cloudberry 2.2.0 把核心從 PostgreSQL 14.4 更新到 14.10,納入多項上游安全修補,並加入六種擴充功能與多項查詢改進。這個版本支援 Rocky Linux 8、9、10 和 Ubuntu 22.04、24.04,Ubuntu 20.04 則不再支援;安裝套件也支援 x86_64 和 ARM64。

  3. The Economic Times · ETtech78

    中國業者用美國 AI 模型的回答訓練本土模型

    中國業者受到晶片取得限制,正設法用較少的運算資源發展本土 AI 模型。Reuters 檢視論文、專利、企業資料和政府檔案後發現,這類做法已從學術實驗擴充套件到產業應用:先讓美國大型模型回答問題或示範解法,再把結果整理成訓練資料,教較小的本土模型完成特定工作。檔案也記載,研究團隊曾用 OpenAI 模型產生的回答來訓練 Qwen。蒸餾能降低部分模型的訓練與使用成本,但無法複製大型模型的全部能力,也不能免除對先進運算資源的需求。美方擔心大規模蒐集輸出可能涉及智慧財產權問題,中方則稱蒸餾是常見的 AI 開發技術;報導也提到,模型進步還受到工程、演演算法、資料與設計等因素影響。

    推薦理由:Reuters 檢視多種檔案,呈現蒸餾如何從學術實驗走向產業使用,也整理美中雙方對其影響與界線的不同看法。

  4. Databricks Blog72

    IFS Copperleaf 如何用 Databricks Genie One 讓 AI 助理理解公司業務

    公司資料分散在近 30 個系統時,不同部門可能連「有多少客戶」都算出不同答案,光把資料整理好還不夠。IFS Copperleaf 用 Databricks Genie One 打造內部 AI 平臺 IONA,先整理財務等重要資料,其他資料則讓 AI 直接讀取,再由業務人員在對話中補充公司的定義。每項定義都有負責人,並由 AI Council 審核;許可權仍依照公司原有設定。文章也分享行銷分析、財務換算和客戶會議準備等用途,以及 70% 的啟用率,說明共同的業務定義如何讓不同團隊更容易取得一致答案。

    推薦理由:IFS Copperleaf 說明如何把高風險資料先整理好,再讓業務人員補充其他資料的意思,呈現企業匯入 AI 助理時治理與彈性的取捨。

  5. Thomas Wolf61

    機器人學習不只看資料有多少,資料是否多樣、品質如何也很重要。hubdotxyz 最近發布一份採用 LeRobot 格式的開放資料集,首批有 10k 小時,之後計畫增加到 100k 小時。資料包含 62,000 多種任務描述、15,000 多種環境,並有 12,000 多名參與者。作者認為,這些不同的任務與環境能為機器人學習帶來多樣的資料;資料集採 CC-BY 4.0 授權,可供商業使用。

  6. Rohan Paul76

    機器人在實驗室學會工作後,到了陌生房間可能就不會做了。Hubdotxyz 開放了一批機器人訓練資料,包含人們在工作坊或家中完成熟練工作的第一人稱影片,目前有 10,000 小時,未來幾週還會再提供 90,000 小時。這些影片來自 12,227 人,讓資料涵蓋不同人的工作環境;資料可免費用於商業用途。

    推薦理由:這批來自不同工作場所的第一人稱影片,呈現機器人訓練資料如何納入更多真實環境與熟練工作的情境。

  7. The Decoder59

    Moonshot AI 將 Kimi 轉向生物與藥物研究,編碼進步放慢

    Moonshot AI 認為 Kimi 在寫程式上的進步開始放慢,因此把模型發展方向轉向生物、化學和藥物研究。北京新創 DP Technology 正把 Kimi K3.1 Pro 放進研究助理 BioMaster;一次測試中,AI 用 90 分鐘分析 3,696 個小鼠胰臟細胞的基因資料,找出 100 個候選基因,原本估計要花研究人員四小時。不過,AI 還無法獨立完成重要突破:在一項理論電腦科學測試中,領先模型能提出可驗證的證明,卻沒有解出任何尚未解決的猜想。藥廠研究主管對 AI 能否明顯提高新藥成功率也較保留。

  8. Databricks Blog55

    Databricks 獲 Gartner 資料湖倉平臺領導者評選,Lakebase Postgres 入選願景者

    企業常把處理日常交易的資料庫和分析資料分開,還得用資料管線複製資料,增加等待時間與管理負擔。Databricks 表示,Gartner 將它列為資料湖倉平臺領導者,並在執行能力上評分最高;在雲端作業資料庫評選中,Lakebase Postgres 則是唯一入選願景者的廠商。文章也介紹 LTAP 架構:Lakebase Postgres 處理交易,分析引擎負責分析,兩者讀取同一份資料,讓分析能看到應用程式剛寫入的內容。文中舉例,PRADA Group 用它提供低延遲的指標 API,約快 130 倍,基礎架構成本約降 50%。

11月16日週一
  1. BlockTempo 動區動趨68

    烏蘭察布趕建 AI 資料中心,算力熱潮與居民生活仍有落差

    AI 資料中心蓋得快、裝置又貴,城市要投入多少土地、電力和人力,才能換來長期收益?《晚點 LatePost》記者走訪內蒙古烏蘭察布,記錄近 3 萬名工人趕建資料中心,液冷裝置和發電機也因需求大增而供不應求。資料中心完工後,常駐維運人員不到 20 人;報導指出,算力產業帶來的稅收多集中在建設期,營運收益則多流向外地總部。這座城市因此成了 AI 基礎設施的重要據點,當地居民卻未必能分享到同等的經濟好處。

11月15日週日
  1. The New Stack80

    DuckLake 1.1 如何用 SQL 資料庫簡化資料湖倉

    資料湖倉常把表格資訊散放在許多檔案裡,資料一多,查詢前就得先找出要讀哪些檔案,還可能被大量小檔案拖慢。DuckLake 1.1 把表格中繼資料放進一般 SQL 資料庫,讓查詢能直接找到要讀的 Parquet 檔案;它也能把多個檔案合在一起,減少檔案數量和讀取請求。DuckLake 1.1 在 10 月推出,並附帶 200 多項錯誤修正。這次訪談由 The New Stack 訪問 DuckLake 開發者,說明這套開源格式如何用熟悉的資料庫方式管理湖倉資料。

    推薦理由:訪談把資料湖倉的檔案與中繼資料管理問題,連到 DuckLake 1.1 的做法,能看出 SQL 資料庫目錄如何減少查詢前的整理工作。

11月14日週六
  1. BlockTempo 動區動趨57

    NTT docomo business 等 4 家公司計畫用資料中心廢熱養白蝦

    資料中心會排出冷卻裝置帶走的熱,陸上養蝦也得花能源維持水溫。NTT docomo business 等 4 家公司計畫把資料中心的廢熱拿來加溫養殖池,2026 年度先測量熱量與溫度,2027 年度開始實際養白蝦,實驗到 2028 年 3 月。團隊會檢查水溫能否維持、加溫能源能省多少,以及養殖是否影響資料中心運作。白蝦約 16 到 18 週能養大;實驗結束後若達到可出貨狀態,才會考慮販賣,目前物件和時程都未定。

11月12日週四
  1. PostgreSQL Official News86

    PostgreSQL 發布 18.7、17.12、16.16、15.20、14.25 與 19 RC 2

    PostgreSQL Global Development Group 發布 PostgreSQL 18.7、17.12、16.16、15.20、14.25 更新版及 PostgreSQL 19 RC 2,修補 52 個安全漏洞與 140 多項錯誤。

    推薦理由:此次更新同時修補多項安全漏洞並處理索引損毀、備份與查詢結果等問題,更新後的重建索引及全量備份需求也有明確說明。

  2. Rohan Paul68

    Microsoft計畫以 Chevron 的 2.67GW 天然氣電廠直接供電資料中心,並承諾不由納稅人或其他公用事業使用者負擔電費。 供電安排:電廠將透過表後發電模式,直接向 Microsoft 資料中心售電 20 年。 審批變數:德州新資料中心許可曾因州長 Greg Abbott 的禁令暫停;其民主黨繼任者已表示立場可能更嚴格。

    推薦理由:材料呈現資料中心自建供電的合作安排與政治審批變數,可供理解大型算力擴建如何牽動能源供應與地方許可。

11月11日週三
  1. The Decoder72

    美國資料商據報向中國 AI 實驗室出售約 5 億美元的 RL 訓練環境

    美國資料商據 ChinaTalk 調查,向中國 AI 實驗室出售約 5 億美元的訓練資料,其中包括用於特定任務的強化學習(RL)環境。 - 調查發現:ChinaTalk 指出至少有 9 家美國資料公司向中國客戶銷售;報導稱,中國實驗室購買曾售予 Anthropic 或 OpenAI 的同款產品,以減少自行開發與訓練所需的運算資源。

  2. AWS What's New35

    Amazon RDS for MySQL 26.10 開放預覽測試

    想升級資料庫,又怕新版本讓工作變慢或不穩?Amazon RDS for MySQL 26.10 已在資料庫預覽環境開放測試,讓使用者先試用新版 MySQL。這次更新改善了繁忙工作時的效能,也會在清理工作累積、可能拖慢資料庫時,把警告寫進錯誤紀錄,方便及早處理。預覽環境中的資料庫最多保留 60 天,之後會自動刪除。

11月10日週二
11月9日週一
  1. Tom’s Hardware AI & Computing76

    中國 Envision 建設 800MW Galaxy AI 資料中心園區,首期 120MW 不到一年完工

    Envision 在內蒙古建設 Galaxy AI 資料中心園區,首期 120MW 不到一年完工;研究機構 SemiAnalysis 估算,其成本約為美國同類專案的五分之一。

    推薦理由:Galaxy 首期建設速度與成本估算呈現不同的資料中心建置經濟性;自建風電、儲能與 800V 直流供電也提供觀察其能源配置的具體案例。

  2. Tom’s Hardware AI & Computing78

    Science 調查指出睡眠追蹤器以腦波資料訓練 AI 模型,使用者未獲明確告知

    Science 的調查指出,多家穿戴式 EEG 公司累積數千萬小時的腦波紀錄,並將部分資料用於訓練 AI 模型,部分公司起初未在隱私政策中明確說明此用途。

    推薦理由:調查揭示消費級 EEG 資料被用於模型訓練時的告知與同意落差,也呈現去識別化、企業資料移轉及州級隱私法規的相關爭議。

11月8日週日
11月7日週六