找到 9 筆
Hugging Face Hub 上線 RL Environments 專區：帶 rl-environment 標籤的資料集會在新篩選頁集中展示，環境仍是普通 dataset repo，沒有新倉庫型別、登錄檔或註冊流程。Harbor、Verifiers、OpenEnv、NeMo Gym 四個框架被註冊為 dataset library，頁面顯示對應圖示，Use this dataset 會生成執行命令，同一資料集可帶多個框架標籤。
Google DeepMind、Meta 與 AI 製藥公司 Isomorphic Labs 共同出資 3 億美元，投入由扎克伯格夫婦創立的非營利生物醫學機構 Biohub 牽頭的“虛擬細胞”專案。該專案屬於總額 18 億美元的“Virtual Biology”計劃，目標是建置可供 AI 使用的生物資料集與高精度預測模型，讓研究者能以數字化方式提出、預測並回答生物學問題，用於對抗疾病。Biohub 成立於 2016 年，長期以預測模型推動疾病防治研究。
Kimi 團隊開源 WorldVQA 基準，用於測量多模態大模型的視覺世界知識事實正確性，包含 3500 組影像問答對，覆蓋 9 個類別，中文佔 36%、英文佔 64%。結果顯示前沿模型在長尾視覺知識上準確率常低於 50%，且普遍過度自信，表現最好的 Kimi-K2.5 校準誤差 ECE 仍達 37.9%、Slope 為 0.550。資料集與評測指令碼已開源。
OpenAI 開發者帳號公布 Decisions API 的六類典型用法：把請求路由到合適的模型、工具或智慧體；把規模化輸入轉成標籤、排名和評分；分析影像、比較視覺內容或定位影片關鍵幀；依據截圖選擇按鈕、填寫表單或判斷操作；標記有風險的工具呼叫或需深入審查的問題；以及對大規模資料集分類以發現趨勢和模式。推文未給出定價、可用範圍或上線時間等資訊。
輝達《State of AI in Telecommunications》報告顯示，89% 受訪者認為開源模型與軟體對公司 AI 戰略重要。運營商看重開源模型的可信任、可控與可定製，用於自主網路、客服等關鍵負載，並把閉源模型留給價值最高的場景；輝達同時發布 300 億引數的 Nemotron 3 Large Telco Model（由 AdaptKey 在開源電信資料集上微調），並提供基於 NeMo 的端到端微調流程。
美國能源部 Genesis Mission 的旗艦專案 SYNAPS-I 採用 Meta 開源模型 SAM 3 和 DINOv3 處理 X 射線與中子科學成像資料。團隊在 DOE 光束線資料上微調兩個模型，部署於 NERSC 等超算設施的 300 塊 A100 GPU，將影像分割從每資料集數週專家標註縮短至約 15 分鐘。該流程已在葡萄藤莖 micro-CT 掃描中自動識別木質部導管，用於研究乾旱回應。
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。
Meta 發布 Brain2Qwerty v2，這是目前效能最高的端到端非侵入式腦訊號即時句子解碼流程，詞準確率達 61%，遠超其他非侵入方法的 8%，最佳參與者達 78%。模型基於 9 名志願者佩戴 MEG 裝置打字約 10 小時、共約 2.2 萬句資料訓練，採用端到端深度學習直接從原始腦訊號解碼，並微調大語言模型利用語義上下文。Meta 同時開源 v1 與 v2 完整訓練程式碼，合作方 BCBL 發布 v1 資料集。
OpenAI 宣布在 ChatGPT 推出新的視覺廣告格式，並擴充套件廣告測量工具與合作伙伴。該格式初期在影像生成過程中測試，廣告會明確標註且與生成的圖片分開，不影響 ChatGPT 給出的回答，本月晚些時候在美國面向首批廣告主開始。ChatGPT 每週觸達 12 億人。OpenAI 同時接入 Hightouch、Tealium、LiveRamp 的轉化資料整合，與 AppsFlyer、Adjust 等歸因夥伴合作，並與 DoubleVerify、IAS 試點品牌適配性評估。