跳到正文
10月15日周四
  1. Apple Machine Learning Research30

    Apple 首次从零预训练三模态掩码扩散模型,3B 规模验证统一设计

    Apple 提出首个从零预训练的三模态掩码扩散模型(MDM),在文本、图文和音频-文本数据上联合训练,并系统分析了多模态缩放规律、模态混合比例、噪声调度与批大小影响。其基于 SDE 的重参数化将物理批大小与逻辑批大小解耦,免去最优批大小调参。初步模型在 3B 规模(6.4T tokens)下于文本生成、T2I 和 T2S 任务均取得强劲结果。

10月14日周三
  1. MIT News · AI71

    MIT 等团队用机器学习后处理改进两到六周天气预报

    MIT 等机构研究团队开发了一种机器学习后处理层,学习并修正现有天气预报模型的误差,在两到六周时间尺度上把黄金标准预报模型的准确率提高了一倍,并在 ECMWF 的预报竞赛中排名第一。相关论文发表在 Nature 上,该模型首次在该时间尺度上超过气候平均,并显著提升极端天气预测能力。模型为开源、低成本的外挂式组件,可叠加到任意预报模型上,肯尼亚气象部门已就应用该模型改进季风预报接洽。

  2. TechCrunch · AI41

    Scimplify 融资 2500 万美元,用 AI 挑战中国在关键材料领域的主导地位

    印度初创公司 Scimplify 完成 2500 万美元全股权融资,由 Hitachi Ventures 领投,投后估值 2.5 亿美元,累计融资达 8000 万美元。其 AI 平台 Scinode 通过研究、制造、质控等专用 AI 智能体协调生产,可将特种材料交付周期从通常的 12 至 18 个月缩短至两个月。公司年化收入约 2 亿美元,计划未来一年将生产网络扩展至美国和日本。

  3. 量子位36

    MemSilicon 完成国际首款 1T4R 1Gb RRAM 芯片“泰山一号”流片

    铭芯启睿(MemSilicon)宣布完成基于 1TnR 技术路线的首代高密度、大容量 RRAM 芯片“泰山一号(MountTai 2026)”流片,采用 28nm CMOS 工艺和 1T4R 单元结构,单芯片容量 1Gb,密度 30Mb/mm²,访问延时小于 20ns,并集成片上硬件纠错电路。该芯片已完成流片、正在推进验证,面向嵌入式存储、大容量存储及混合存算三条产品线布局。

  4. 量子位42

    破晓智能发布全身全模态数据采集系统SeePhys Hub,计划2027年推出全模态世界模型

    破晓智能联合天珑移动发布全身全模态数据采集系统SeePhys Hub,由四目头环、两个腕部手环、三个腰腿部动作追踪器和可选触觉手套组成,通过视觉、IMU、UWB融合恢复全身姿态并采集手部接触压力,头环内相机、IMU和UWB同步精度不超过0.5毫秒。创始人杨朔称团队预计2027年推出全模态世界模型,优先在工业、餐饮零售等垂直场景验证,现阶段不造自有机器人本体。

  5. Hacker News38

    AlphaNIST:从二元任务奖励中涌现的装配技能

    AlphaNIST 让机器人通过二元任务奖励和大量多样化经验自主学习装配,而非人工预设每一步动作。单一策略在 NIST Assembly Task Board #1 的全部二十项装配任务上训练,零件最小仅 4 mm,训练起始状态涵盖散件、手中抓取和模拟中缓存的部分装配体。该方法采用成功引导采样,优先练习成功率约一半的起始状态,同时保留每个状态的机会。

  6. RadarAI62

    德勤调查:英国 52% 大企业 CFO 预计未来一年用 AI 裁员

    德勤发布的首席财务官调查显示,52% 的英国大企业 CFO 预计未来一年借助 AI 裁员,67% 的受访者表示目前仅实现预期 AI 变革的四分之一。调查于 9 月 17 日至 10 月 1 日覆盖 66 名 CFO,其中 12 人来自富时 100 成分股企业、25 人来自富时 250 成分股企业,仅三分之一认为 AI 将在未来一年提升利润率。

  7. Databricks Blog22

    2026 年实时分析实践指南:如何用湖仓一体替代专用实时引擎

    实时分析正成为关键能力,但传统做法需额外部署 Apache Druid、Apache Pinot 或 ClickHouse 等专用服务引擎,带来独立数据副本、管道和治理开销。文章提出实时分析应作为湖仓一体的能力,与批处理共用一份数据和一套管控,并从新鲜度、延迟、并发三个维度评估工作负载是否真正需要实时。金融、零售、制造等场景的实时需求均可由此框架判断。

  8. RadarAI33

    MIT 研究:人工神经网络如何自组织出自身的学习机制

    MIT McGovern 研究所与 ICoN 中心在 PNAS 发文,证明随机连接的多层网络仅凭"同时激活的神经元连接增强"等简单规则即可自组织成有效的信息处理网络,学会识别模式和分类图像。该自组织网络采用类似梯度下降的优化策略,性能与依赖反向传播设计的网络相当,而反向传播被神经科学家认为不太可能是大脑使用的方式。研究者认为自组织能力应成为衡量神经网络生物学合理性的关键指标。

  9. MIT News · AI30

    MIT 研究:人工神经网络如何自组织出自身学习机制

    MIT McGovern 研究所与 ICoN 中心在 PNAS 发文提出,衡量人工神经网络生物学合理性的关键指标是自组织能力,并验证了随机连接单元仅凭简单连接调整规则即可重塑为有效信息处理网络,学会模式识别与图像分类。该网络由自组装模体构成,采用类似梯度下降的优化策略,性能与依赖反向传播设计的网络相当。

  10. RadarAI24

    Databricks Lakeflow Designer 2026 年 10 月更新汇总

    Databricks 为 Lakeflow Designer 新增 Prepare、Unique、Guardrails 三个无代码算子,分别用于数据清洗标准化、去重和数据质量检查。Join、Filter、Select 等既有算子也获增强,支持多表连接、动态列选择和分支输出。Output 算子现可写入 Unity Catalog 物化视图、合并进已有表或直接输出 CSV、Excel、JSON 文件。

  11. RadarAI78

    Character.ai 破产文件显示 AI 商业模式难以为继

    Character.ai 进入破产程序,法院文件显示其商业模式难以支撑开支。公司 2024 年每月 AI 算力支出 1380 万美元、2025 年为 1000 万美元,订阅收入峰值仅每月 280 万美元,含广告的全部收入峰值 530 万美元;2026 年 1 至 8 月算力支出 5610 万美元,8 月时每月仍亏损约 800-900 万美元。

    同一新闻,精选展示《Character.ai 破产文件显示 AI 经济模式难以成立》

10月13日周二
  1. Apple Machine Learning Research36

    Apple 研究:双语预训练混合数据在数据受限场景下优于超参数调优

    Apple 研究团队用阿拉伯语为目标语言、英语为辅助语言,在 150M 至 1.43B 四种模型规模上进行了约 1000 次预训练对比,发现混合高资源语言数据在验证损失和下游任务准确率上均优于超参数调优,且差距随模型规模扩大。混合带来的提升相当于 2–3 倍目标语言独有数据(验证损失)和 2–13 倍(下游任务准确率)。研究建议优先调整混合比例,并通过 μP 从小代理模型迁移超参数。

  2. RadarAI41

    阿里千问办公电商版曝光:近百人团队开发中,预计双十一预售前夕发布

    阿里旗下 AI 办公产品千问办公正在开发面向多平台商家的电商版本,计划于双十一预售前夕发布,项目由 CEO 陈宇森统筹、黄丕培负责,参与员工接近百人。该版本并非独立 App,用户可从通用版本切换至“电商经营”版本,首页设有双十一专区、经营分析、商品管理、素材生产和营销推广 5 个板块,目前尚不能直接替商家调整投流计划或接管店铺。

  3. a16z News22

    Prosper AI 研究:专科诊所的 1080 亿美元 AI 收入机会

    Prosper AI 基于超 30 亿美元管理护理的交互数据与 MGMA 专科数据,并结合覆盖 29 个州约 2000 家诊所的 CallIQ 电话可及性研究,测算出 AI 可为每位医生带来约 12.5 万美元年收入机会。四个杠杆分别为:接听未接来电(平均 44,800 美元)、召回随访患者(37,400 美元)、减少可避免的理赔拒付(28,500 美元)和追回患者自付欠款(14,100 美元)。

  4. RadarAI39

    哈啰 Robotaxi 发布生成式驾驶世界模型 HelloWorld,支持自然语言构建驾驶场景

    哈啰 Robotaxi 发布生成式驾驶世界模型 HelloWorld,整合场景控制、连续生成、多传感器观测与高效推理能力,用于按需构建驾驶数据与交互式策略测试。该模型支持通过自然语言描述需求,或直接编辑车辆、行人及运动轨迹,生成对应的多视角视频与激光雷达观测,可构造横穿行人、雨雪昼夜等长尾场景。

  5. 量子位62

    无问芯穹完成23亿元C轮融资,累计43亿元刷新国产AI Infra赛道纪录

    AI原生基础设施服务商无问芯穹完成23亿元C轮融资,累计融资43亿元,单轮和累计金额均创下国产AI原生基础设施赛道新纪录。公司不建机房,平台已适配英伟达、AMD、华为昇腾等16种芯片,服务37000P算力,并完成700亿参数大模型异构芯片混合训练,算力利用率达97.6%。