Latest

Every published item, in order · 55836 items
Nov 11
ProductsBuildersMulti-source15:08
Chinese contentShopBack 谈为何接入 Meta Muse,而 Amazon 选择封锁

Meta 的 Muse 在新加坡上线,ShopBack 是首批 8 家接入方之一,但 Amazon 12 天内就把它封了。这篇采访讲清楚了两种路线背后的商业账:返现平台不怕代理,靠个性化卖货的巨头怕。做电商或代理开发的人值得看看。

Event
e27@SainulSource
IndustryBuildersMulti-source81°15:06
Chinese content台积电批准最高 10 亿美元投资 Anthropic 和 OpenAI

台积电不只是卖芯片给 Anthropic,还直接掏钱当股东了:最多 5 亿美元按 IPO 发行价认购,OpenAI 那边也是最多 5 亿美元优先股。同一份公告里 10 月营收涨 60%、409.3 亿美元资本支出也一并披露,做 AI 基础设施采购决策的人值得看看这份一手数据。

Event
IT之家Source
ModelsBuildersMulti-source15:00
Chinese contentGoogle DeepMind 向合作伙伴推出 Gemini Robotics 2.5

Google DeepMind 给机器人厂商的模型升级了,任务成功率和完成速度都比老版本好,还加强了物理安全控制。做具身智能或机器人部署的团队可以关注一下,看看能不能接上自己的硬件。

Event
Tech in Asia@Naomi Li GanSource
ProductsBuildersOfficial14:52
Chinese contentBotPsy:用不到 10 亿参数的智能体语言模型做端侧个人助理

如果一直觉得智能体只能靠云端大模型跑,这篇可以看看:BotPsy 用不到 10 亿参数的小模型在手机等设备本地完成规划和工具调用,数据不出设备。做端侧 AI 或在意隐私产品的人会想研究它的实现思路。

Primary sourceHugging Face: BlogSource
Chinese content亚马逊 Ring 推出 Drone Cam 和 Rover Cam 两款安防机器人

亚马逊 Ring 这次把安防摄像头做成了会飞和会跑的机器人,Drone Cam 能按设定的航线巡逻看家,Rover Cam 升起潜望摄像头能越过货架拍 4K 画面。家里装了 Ring 门铃或商铺装了监控的都可以关注,不过巡逻录像要订阅 Ring Protect 才能用。

Event
IT之家Source
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
ModelsBuildersMulti-source14:44
Chinese contentFable 5.2 演示扩展到整片城市:5 个案例展示世界生成新方向

Fable 5.2 这波演示从单个物体干到了整片伊斯坦布尔,还有浏览器里能跑的开放世界。对比之前只能生成孤立物体的方案,这次规模和可交互性都上了一个台阶。做 3D 生成、游戏原型的人都该看看这 5 个案例。

Event
AI Will@FinanceYF5Source
ModelsBuildersMulti-source14:42
Chinese contentFable 5.2 演示扩展到整片城市:伊斯坦布尔、恐龙世界与浏览器开放世界

Fable 5.2 的 5 个新演示挺直观的:有整座伊斯坦布尔、能打碎的体素场景,还有一个直接开浏览器就能玩的开放世界。做游戏或世界模型方向的人可以看看这批案例,感受下这类模型和静态视频生成的差别。

Event
AI Will@FinanceYF5Source
Chinese content百度发布 ERNIE 5.5 Flash Preview,权重 11 月 25 日前开源

百度这次走的是开源路线,280B 总参数只激活 14B,长文本能吃到 1M 上下文,API 已经能在千帆上试。打算做本地部署或长文档处理的开发者可以关注 11 月 25 日的开源权重,拿它和 Qwen、DeepSeek 的开源模型对比一下再决定。

IT之家Source
Chinese content微软研究院招2027年夏季研究实习生,聚焦智能体方向

微软研究院 Redmond 的深度学习组在招 2027 年暑期实习生,做的是 Computer-Use Agents、强化学习和智能体自我改进这些热门方向,为期 12 周。只招博士生,要有论文或项目履历。想在 agentic AI 领域深造的同学可以准备 CV 投递。

Event
宝玉@doteySource
Chinese contentOscar Health 与 HealthEx 基于 TEFCA 打通医疗记录接入 AI 工作流

保险科技公司可以看看这个案例:Oscar 没走传统的保险公司间数据交换,而是用 TEFCA 的个人授权通道直接拿病历,让 Oswell AI 助手第一天就有完整病史。做健康数据集成或保险产品的人会想研究这套流程。

HIT Consultant@Jasmine PennicSource
IndustryUS vs ChinaMulti-source14:06
Chinese contentRobotaxi 竞争升温:Waymo 领先,Tesla 与 Baidu 跟进

这篇清单盘点了现在跑得起来的无人驾驶出租车:Waymo 已有 4,000 辆车在路上,Tesla 走纯视觉路线,Baidu 和 Pony.ai 在中国已经商业化跑了一段时间。如果你在关注出行行业或者网约车就业前景,这份清单能帮你看清各家进展到哪一步。

Event
CNBC Indonesia TechSource
Chinese contentTorchCurves 发布:把参数化曲线变成 PyTorch 可学习单元

如果你在玩 KAN 或者函数回归,这个库挺有意思:曲线参数可以直接放进训练循环里一起优化,不用自己写 B 样条求值。作者还拿 EfficientKAN 做了性能对比,什么时候开销大会吃亏都说清楚了,写 PyTorch 自定义层的可以参考实现思路。

arXiv cs.LG@Alex ShtoffSource
Chinese contentAutoScaffold:用冻结教师模型自动生成 RL 训练脚手架

训练 RL 模型时奖励只有一个数字,浪费了大量信息。这篇让教师模型自动写提示和策略当脚手架,四类任务全赢过普通 RL 基线,数学只用三分之一步数就超过 QuestA。做后训练的工程团队可以直接参考这套自动化方案。

arXiv cs.LG@Zijian Zhang et al. (7)Source
Chinese contentPyrite 基准:LLM 智能体在蛋白-配体构象排序上超越专家

搞药物发现或计算化学的可以看看这篇:专家靠 3D 工具和物理打分排序分子构象几乎等于瞎猜,而两个 LLM 智能体分别做到 67% 和 74%。用代码生成特征做回归这套路子,比直接让模型推理更有效,开源模型经 GRPO 微调后还能追平闭源模型。

arXiv cs.LG@Megha Srivastava et al. (5)Source
Papers13:56
Chinese content实测连接组结论未必可靠:一项研究揭示调参方式如何左右"结构决定功能"判断

做神经形态或连接组建模的值得细看:同一份 Drosophila 连线数据,调参协议一换,"真实连线更好"能翻转成更差,差距都是 0.09 量级。文章把 P1/P2/P3 三种协议拆得很清楚,还给出 44% alpha'beta' 占比这个反例。想引用"结构决定功能"类论文的人,最好先照这套协议自查一遍。

arXiv cs.LG@Yeyuan LiuSource
PapersBuildersMulti-source13:56
Chinese contentContinual-ARC:用 ARC-AGI 三代任务流测试智能体的终身学习能力

这个基准把记忆型和权重型学习放进同一条 ARC-AGI 任务流里打分,结论挺扎心:单纯加记忆的 agent harness 还不如缓存演示的笨基线,泛化还是得靠改权重。做长期记忆和智能体框架的人应该看看,它给了可复现的评测管线。

Event
arXiv cs.LG@Daniel LentonSource
Chinese content分子相互作用基础模型 Bonbon 展现零样本涌现生物学能力

这篇论文把大模型的涌现现象搬到了药物分子层面:只用序列训练的 Bonbon,不做任务监督就能自动学会找结合位点、判断共价与非共价。速度比共折叠快十万倍,湿实验命中率 61.5% 相当扎实。做药物设计或分子机器学习的都该看看。

arXiv cs.LG@Adi MashiachSource
Chinese contentTimeSeek 提出多任务多域预训练,统一时间序列预测、异常检测与分类

这个 TimeSeek 把预测、异常检测、分类三个任务塞进了一次预训练里,架构上按领域自适应提取特征,不再只靠堆 Transformer 层。做时间序列的工程师可以对比一下 TimesFM、Chronos 这类单任务模型,看 few-shot 和 zero-shot 成绩是否真能省掉多套模型的维护成本。

arXiv cs.LG@Peng Chen et al. (9)Source
Chinese content交叉验证方差理论:K-fold 一阶方差最优且与 K 无关

搞模型评估的人常纠结选几折,这篇论文直接证明了 K-fold 一阶方差最优、且一阶方差与 K 无关,leave-one-out 在合理条件下方差最小。做交叉验证置信区间或审稿判断方法学时可以直接引用这套结论。

arXiv cs.LG@Nathaniel S. O'Connell, Jaime L. SpeiserSource
Papers13:53
Chinese contentTabPFN 用于含能材料性质预测,超越 XGBoost 与 Chemprop

用预训练表格模型 TabPFN 预测含能材料的撞击感度、分解温度和晶体密度,不调参就赢了 XGBoost、随机森林和 Chemprop,还快一个数量级。做材料性质建模或者被调参折磨的可以看看,思路在其它小数据集上也能借鉴。

arXiv cs.LG@Vagn Krister Nes Glomsrud et al. (4)Source
Chinese contentDnNP:在 Neural Processes 中显式建模输入噪声的变分去噪方法

做时空预测或环境传感数据分析的人可以看看这篇。标准 Neural Processes 假设输入干净,DnNP 用变分推理把传感器噪声直接建进模型,PM2.5 插值上 RMSE 降 30%、NLL 降 73%,还给了理论保证,比简单加平滑滤波更有依据。

arXiv cs.LG@Fatemeh Tohidian et al. (7)Source
Papers13:53
Chinese content用条件相似度网络对 CLAP、MuQ、MERT 冻结嵌入做事后解耦

CLAP、MuQ 这些音频模型的嵌入是纠缠在一起的,这篇论文证明加一层很小的可训练门控就能把属性拆开,检索效果还顺带提升。做音乐检索或者想精细控制属性的工程师可以看看实现细节,不用重训骨干,成本很低。

arXiv cs.LG@Lucas de Souza Brandão et al. (3)Source

Only the latest 2000 items are listed; for older ones see the daily archive