找到 12 筆
OpenAI 發布客戶案例：丹佛親子社交俱樂部 The Den 在開設第二家門店時使用 ChatGPT Work，領導團隊每週節省 10-15 小時。藉助 Gmail、Slack、Google Drive 外掛彙總業務資訊，其酒牌申請材料準備從 4 天縮短到 3 小時，申請資助從 3 天縮短到 2 小時，分別減少 91% 和 92% 的耗時。團隊仍會人工核對輸出並做最終決策，並計劃用 Codex 搭建會員 App 等定製系統。
Claude 官方帳號在 X 上放出與 Dan Shipper、Willie Williams 的對談完整影片，主題是兩人如何把它做出來。推文字身未說明具體產品、時長或內容細節，僅給出 YouTube 連結。發布時間為 2026 年 10 月 6 日。
媒體團隊 The Every 把儘可能多的工作交給 agent 處理。為了讓全團隊在新模型發布時共享技能，他們基於 Claude Managed Agents 搭建了一個公司 agent，所有人都在 Slack 裡使用它。該 agent 在內部走紅後，團隊又把它開放給了自己的訂閱者。
馬斯克在其 X 帳號發文，稱美國國際開發署（USAID）在全球從事選舉干預與政權更迭，並造成大規模衝突。正文只有這一句話，未給出具體國家、時間、案例或證據，也沒有說明所指物件與後續動作。
NPR 於 2026 年 10 月 5 日報導，有民眾正請 ChatGPT 幫助自己決定中期選舉該把票投給誰。現有資料只有報導標題與連結，未披露具體案例數量、涉及哪些聊天機器人以及 ChatGPT 如何回應這類提問。該報導連結在 Hacker News 上獲得 17 分、15 條評論。
月之暗面開源最新模型 Kimi K2.6，主打編碼、長程執行與 Agent 叢集能力，已上線 Kimi.ai、Kimi App、API 和 Kimi Code。官方稱其在內部基準 Kimi Code Bench 上較 K2.5 明顯提升，並給出兩個長程案例：在 Mac 上用 Zig 實現 Qwen3.5-0.8B 本地推理，經 4000+ 次工具呼叫、12 小時以上執行、14 輪迭代，吞吐從約 15 提升到約 193 tokens/秒，比 LM Studio 快約 20%；
Kimi Team 發布 PerceptionBench，從 42 個基準的模型失敗案例中歸納出 10 類原子視覺感知能力，建置 3000 道經人工驗證的題目，每題只考感知、不需推理或外部知識。在 16 個前沿多模態大模型上，沒有模型準確率達到 60%，感知相關幻覺平均表現最差；總分接近的模型在實際感知內容上也可能差異明顯。
Chatham Financial 公布其使用 OpenAI Codex 與 GPT-5.6 重構資本市場工作流的進展，交易驗證時間從約 30 分鐘縮短至 4 分鐘以內。該應用由 Codex 開發，自動收集交易證據、比對關鍵條款並標記差異，目前仍在與資深稽核人員的真實交易結果做對照驗證。公司內部員工建置平台 Chatham Vibes 預設使用 GPT-5.6 Terra，可選升級 GPT-5.6 Sol；
Wayfair 公布與 OpenAI 的合作成果：用 OpenAI 模型驗證了超過 1100 萬條商品規格，每月自動處理 4.1 萬張供應商支援工單，部分工作流自動化率達 70%，並部署了 1200 個 ChatGPT Enterprise 席位。其 AI 目錄品質系統負責核查顏色、材質、尺寸等標籤，目前擴充套件檢查範圍的速度是去年的 70 倍，已處理逾 100 萬件商品，A/B 測試顯示曝光、點選與頁面排名顯著提升。
ServiceNow CoreAI 團隊發布 AutoSynthData，用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口，再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成，需滿足可行性、真實性與難度要求，驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程，模型提升後課程會轉向仍難完成的任務。
MaxText 團隊用 JAX/XLA 在 Google Cloud TPU 上從零復現了 Ai2 的 Olmo 3 7B 語言模型，預訓練與中期訓練各階段在所有留出評測上均與原始 PyTorch-on-GPU 參考結果精確一致。實現最高達到 57.4% 的模型浮點運算利用率（MFU），並在不修改訓練配方的情況下經受住執行中叢集擴縮容與跨代 TPU 切換。該案例還暴露出一個資料載入器記憶化 bug，它人為壓低了訓練損失，靠完整留出驗證才被發現。
曼徹斯特大學 Digital Manufacturing Lab 提出相容性感知形態學習（Compatibility-Aware Morphology Learning）框架，把微結構間的邊界幾何相容性直接編碼進低維設計空間，使不同拓撲單胞能夠連續過渡，論文已被 CMAME 接收，程式碼與資料在 GitHub 開源。該框架還結合基於先驗的資料篩選，在進入昂貴多物理場最佳化前先篩掉聲學潛力不足的候選結構，並以力學—聲學協同設計作為驗證案例。