近期 AI 模型難以匹敵人類演算法創新
InnovationEval 研究測試大型 AI 模型在端到端自動化研究中的能力,發現目前主流模型在創新發現上仍遠落後於人類研究者。 - 評估方法:以「on‑policy self‑distillation」為基準,要求模型獨立設計並實現超越 GRPO 基線的後訓練技術。
InnovationEval 研究測試大型 AI 模型在端到端自動化研究中的能力,發現目前主流模型在創新發現上仍遠落後於人類研究者。 - 評估方法:以「on‑policy self‑distillation」為基準,要求模型獨立設計並實現超越 GRPO 基線的後訓練技術。
GPU叢集的高影響力排程:Ai2 研究團隊提出以 GPU 時間預算、分層公平共享與時間切片合約為核心的排程系統,提升 GPU 利用率並縮短排隊延遲。 - 系統核心:GPU 時間預算 + 分層公平共享 + 最小執行時間合約,確保工作負載在預算內不被中斷。
TerrainSR 是一款可將 100m 地形高度圖升級至 10m 的模型,速度快至 0.74 秒,適合即時遊戲與模擬。 - 訓練資料:100m → 10m 對,無建築物或人為改造區域,避免產生 artefacts。
Claude 推出兩項新功能: - Dashboards:透過文字提示連線 BigQuery、Databricks、Snowflake 或 Salesforce,自動生成即時更新的儀錶板,並可將結果輸出至 Amplitude、Grafana 或 Hex。
USA Today 於 2026 年 10 月 8 日向 OpenAI 提起訴訟,主張其未經授權使用「數十萬篇」文章訓練 AI 模型,並要求超過 $250 百萬 的損害賠償。
Amazon SageMaker HyperPod 提供多租戶 GPU 共享方案,透過 IAM Identity Center、Kubernetes namespace、HyperPod Task Governance 及 Kubecost 進行隔離、資源分配與成本追蹤。
summary_zh: MIT 的 Christina Delimitrou 透過機器學習提升資料中心效率,將利用率從 15% 提升至接近 100%,並開發 Seer 以預防雲端應用停機。
核心導語 本文提出 Byteification 方法,將現有子字元分割的 LLM 轉換為位元組級別運算,僅需 1% 的預訓練成本即可達到與主流 Subword LLM 相近的表現。
導語:本報告以 Epoch 內部任務測試前沿模型,揭示其在實務場景中仍缺乏自動化能力,對 AI 產品化提供洞見。- 主要發現:Claude Fable 5.1 與 GPT‑6 Astra 在結構化任務上表現穩定,但在開放式設計、研究判斷與實驗設計等方面仍有明顯缺口。
推薦理由:本報告以 Epoch 任務測試前沿模型,揭示其仍缺乏自動化能力,對 AI 產品化提供洞見。
Google、Meta 與 Isomorphic Labs 共同投資 3 億美元於馬克·祖克柏創立的 Biohub,推動「虛擬細胞」與 AI 生物資料集建構。
Falcon-ASR 於 2026 年正式發布,為 1.6B 引數的阿拉伯語語音辨識模型,專注於阿聯酋方言,並支援英、法、西、葡四語。- 評測成效:在六套阿拉伯語測試集上平均 WER 20.92%,低於最佳公佈 23.17%。
LLM 與資料汙染被武器化以製造共識,本文闡述 AI 如何被用來重塑歷史與社會議題。 - 統計頻率即事實:LLM 以網路上出現頻率為真,易被同步化文章所操縱。
Mistral Large 4(代號「Le chonk」)於 2026 年 10 月 6 日推出,擁有 1 兆引數、49 兆活躍引數,並以 3,800 顆 NVIDIA Grace Blackwell GPU 進行訓練。
summary_zh: EmbeddingGemma 2 以 Apache 2.0 授權發布,讓開發者可自行部署並避免單一供應商風險。 - 授權方式:Apache 2.0,開源權重可自由使用與改寫。
Pyramid‑JiT 是一種無 VAE 的畫素空間文本到影像模型,透過多解析度預測顯著縮減訓練樣本與 GPU 時間。 - 訓練樣本:比 Linum v2 少 11.3 倍,僅 138M。
Amazon SageMaker HyperPod Spaces 現已能透過 SageMaker Studio 直連並管理,開發者可在瀏覽器中即時啟動 JupyterLab 或 Code Editor,省去 CLI 操作。
summary_zh: Amazon SageMaker HyperPod 讓機器學習團隊可使用大型加速計算資源,本文說明如何在 SageMaker Unified Studio 內部管理與治理,確保多團隊共用時仍能維持安全與公平。
Mistral Large 4 是歐洲首個千億引數多模態模型,已在歐洲資料中心訓練並公開預覽。 - 引數與結構:總共 1.05 萬億引數,49 億為活躍引數,視覺編碼器 1.6 億引數,1 百萬 token 上下文視窗。
PDFM 展示瞭如何將星球級地理空間基礎模型整合進公共衛生工作流程,提升多疾病領域的分析準確度。 - 核心特性:PDFM 以自監督學習將搜尋趨勢、人類流動、建築環境密度與環境指標編碼為位置嵌入,並每月更新。
Mistral AI 於 10 月 6 日推出 Mistral Large 4,一個 1 兆引數的多模態模型,稱為 Le Chonk。 - 模型規格:1 兆引數,尚未開放權重,先以公共 guardrail 端點提供。
研究團隊將 LeCun 的 JEPA AI 擴充套件為涵蓋物理、機器人、天氣預測與生物學等七個領域的通用世界模型,並在實驗中提出肝癌治療候選組合。 - 模型架構:JEPA-Anything 將預測狀態拆分為四個正交因子,每個因子由獨立預測模組處理,最終重新組合得到完整世界狀態。
Reflection Beam 是 Reflection 首個免費開源模型,採用 501B 引數、每個 token 只啟動 23B,實現低算力下的高效編碼與推理。
Dust:使用每個 token 的啟用噪聲進行零階最佳化,形成「虛擬族群」一次前向傳遞即可評估數千個樣本。 - 效能:在 1M 以上 tokens 時,Dust 的計算量比 EGGROLL 等權重空間演化策略高 10^3–10^4 倍。
Beam 是 Reflection 推出的首個 501B 引數、稀疏 MoE 開源權重模型,專為編碼、推理與代理任務設計。 - 引數規模:總 501B,活躍 23B,採用稀疏 MoE 架構。
**MIT Technology Review Insights 針對 300 名資料、AI 及科技高層進行調查,發現企業 AI 代理因缺乏知識而普遍落後於實際部署,僅約 34% 的專案能進入生產環境。
Kolibri 是 Aleph Alpha 推出的 78B 引數德英雙語模型,採用 Mixture‑of‑Experts 架構,三億引數為主。模型在德語基準上達 71% 分數,且解碼速度快於 GPT‑OSS A5B、Qwen 3.6 A3B、Gemma 4 A4B。
Aleph Alpha 的基準測試顯示,中國 AI 模型在 967 個敏感議題中,僅 17–41% 的回答被評為平衡,其餘多數重複官方立場、迴避或拒絕回答。
核心事件:Aleph Alpha 發布 Kolibri,一款擁有 78B 引數、1M 上下文長度的英德雙語 Mixture‑of‑Experts 模型,並以 Apache 2.0 授權公開完整權重,方便企業在本地化與合規環境中部署。
Kolibri 是 Aleph Alpha 於 2026 年 10 月 3 日發布的開源多語言 LLM,擁有 78.1 B 引數,單個 token 只活躍約 3.46 B,支援德語與英語,並可在 1 M token 上下文中執行。
summary_zh: Cathy Wu 以強化學習研究交通系統,提出一種演算法可將訓練效率提升 30 倍,並證明智慧駕駛速度控制可降低車輛排放 11%–22%。
Supabase 在 Select 2026 會議上展示了全新的 code‑first 方式與 Agent 整合,讓開發者能以程式碼管理後端並即時檢測問題。
推薦理由:Supabase 透過 code‑first 與 agent 整合,讓開發者可以程式碼管理後端,並即時檢測問題,提升開發與運維效率。
summary_zh: Google 在 2026 年推出全新的 TEE‑based Federated Learning 系統,透過可信執行環境提供可驗證且可審計的資料匿名化保護,並已被 Gboard 採用,顯著提升計算速度。
AstaBrief 是一款 8B 引數的開源報告生成模型,能在 Asta 平臺以 51.1 秒完成報告,速度比思考模式快 3.5 倍。 - 核心功能:一次性生成完整引用報告,省去逐段生成。
導語:本篇示範如何在 Amazon SageMaker AI 上使用多輪 RL 微調 Qwen3.6‑27B 搜尋代理機器人,顯著提升搜尋品質與可靠度。
AutoSynthData 是 ServiceNow CoreAI 開發的自動化訓練資料生成管道,透過目標模型失敗與教師模型成功來決定下一步學習方向,並產生可驗證的任務。
本文說明如何在 AWS 上使用情境多臂賽局,提升獲客漏斗轉換率,並提供完整程式碼與架構示例。 - 核心成效:在七週 A/B 測試中,部分客群最終漏斗轉換率提升高單位數字,另一客群無提升。
推薦理由:本文說明如何在 AWS 上運用情境多臂賽局提升轉換率,並提供完整程式碼與架構示例,適合想落實個性化推廣的工程師。
Kevin O’Leary 計畫在猶他州建立世界最大的資料中心,稱為 Stratos 或 Wonder Valley,卻因地方政治與社群反對而陷入爭議。