跳到正文

#資料/訓練

RSS
今日 8 則
11月2日週一
  1. aihot73

    智元、清華、無問芯穹發布群體經驗學習範式 CEL,96 臺真機驗證叢集規模越大成功率越高

    CEL 是由智元、清華大學及無問芯穹共同提出的群體經驗學習框架,透過 96 臺真機的實驗證明,叢集規模越大成功率越高。 - 實驗規模:96 臺機器人完成 9834 輪任務,涵蓋插花、疊衣、手機充電、凳子組裝、手機包裝等五大真實作業。

  2. The Economic Times · ETtech73

    中國機器人製造商已掌握動作,競賽焦點轉向 AI 智慧

    中國機器人製造商 已在跑步、舞蹈、後空翻等動作上取得突破,現在正投入資源研發能讓機器人跨職能運作的 AI,形成「身體化 AI」投資熱潮。 - 投資規模:2026 年上半年,身體化 AI 企業共募集 93.5 億元(約 13 億美元),較前年增幅 5 倍,交易筆數 322 筆。

11月1日週日
  1. Dev.to Top Tech67

    測試資料欺騙你:40國真實地址、電話與校驗碼生成技巧

    RandNow 是一套免費的客戶端隨機資料生成工具,支援 40 個國家的真實地址、電話、郵遞區號與多種檢查碼(Luhn、IBAN、ISBN 等)。 - 地址與郵遞區號:根據各國格式(如德國街號後置、日文區塊編號、英國混合字母數字郵遞區號)自動生成,並將郵遞區號與城市對應,避免驗證失敗。

  2. Dev.to Top Tech53

    矇眼尋谷:梯度下降的直觀解說

    梯度下降就像矇眼行走在山谷底部,本文以直觀比喻說明其原理與學習率影響。 - 梯度:損失函式在各權重方向的斜率,指向上坡,步驟則沿反方向下降。 - 學習率 (η):決定每一步的距離,過小會緩慢收斂,過大會跳出谷底。

10月31日週六
10月30日週五
  1. Databricks Blog77

    Databricks 宣佈 Spark Declarative Pipelines Real‑Time Mode 正式可用

    導語:Databricks 於 2026 年 10 月 29 日正式釋出 Spark Declarative Pipelines 的 Real‑Time Mode (RTM),允許在毫秒級別處理流式資料,並提供與 SDP 內建功能相同的治理與可靠性。

    推薦理由:RTM 以毫秒級延遲處理流式資料,顯著提升即時決策效能,對需要低延遲的業務場景具有重要價值

  2. AWS Machine Learning Blog72

    AWS Batch 配額管理:跨團隊借貸 GPU 資源以提升 SageMaker 訓練作業

    本文示範如何透過 AWS Batch 的配額管理,將多團隊的 GPU 資源動態分配,提升 SageMaker 訓練工作負載的利用率與優先順序。 - 配額管理:允許設定每個團隊/專案的 GPU 配額與資源共享策略。

    推薦理由:本文示範如何透過 AWS Batch 的配額管理,將多團隊的 GPU 資源動態分配,提升訓練工作負載的利用率與優先順序。

10月29日週四
  1. Databricks Blog79

    Databricks 推出伺服器無狀態計算成本控制功能

    Databricks 推出伺服器無狀態計算成本控制功能,讓使用者可透過標籤、許可權與速率限制精準掌握成本。 - 使用量成長:過去一年伺服器無狀態計算使用量已超過 3 倍。

    推薦理由:Databricks 釋出新功能,讓平臺團隊能以標籤、許可權與速率限制精準掌控伺服器無狀態計算成本。