ข้ามไปที่เนื้อหา
#ข้อมูล / การเทรน
13 พฤศจิกายนวันศุกร์
  1. NVIDIA Newsroom22

    AI ช่วยทีมดูแลผู้ป่วยให้ผู้ป่วยได้รับการรักษาที่เหมาะสมได้เร็วขึ้นได้อย่างไร

    Synapsis เอนจินการให้เหตุผลทางคลินิกด้วย AI ของ Dyania Health อ่านบันทึก รายงาน และผลแล็บทุกฉบับในเวชระเบียนของผู้ป่วย เชื่อมโยงสิ่งที่พบซึ่งห่างกันหลายปีเพื่อระบุว่าผู้ป่วยรายใดต้องการการดูแลและเพราะเหตุใด โดยทุกสัญญาณสามารถตรวจสอบย้อนกลับไปยังแหล่งที่มาได้ ระบบทำงานบนการประมวลผลที่เร่งด้วย NVIDIA ภายในไฟร์วอลล์ของระบบสุขภาพเอง ข้อมูลผู้ป่วยจึงไม่เคยออกจากโรงพยาบาล Cleveland Clinic ใช้ระบบนี้ตรวจทานเวชระเบียนของผู้ป่วยเปลี่ยนลิ้นหัวใจเอออร์ติกกว่า 7,800 รายตั้งแต่ปี 2005 ถึง 2021 และสร้างแบบจำลองการพยากรณ์การเสื่อมของลิ้นหัวใจและความเสี่ยงต่อการกลับมารักษาซ้ำที่ 3, 5 และ 10 ปี

  2. Hacker News · AI22

    TimeNet Challenge: แฮกกาธอนออนไลน์สำหรับ AI อนุกรมเวลา

    TimeNet Challenge เป็นแฮกกาธอนออนไลน์ที่เชิญทีมขนาด 2–4 คนให้นำเข้าชุดข้อมูลอนุกรมเวลาในรูปแบบ TimeNet และฝึกหรือปรับแต่ง Temporal AI Model เช่น OpenTSLM สำหรับงานอย่างการพยากรณ์ การจำแนกประเภท การตรวจจับความผิดปกติ หรือการให้เหตุผล รอบที่ 1 เปิดตัวเมื่อวันที่ 11 พฤศจิกายน และปิดรับวันที่ 22 พฤศจิกายน เวลา 23:59 น. PST โดยจะมีรอบต่อไปอีก Nebius มอบบัตรกำนัลมูลค่า $100 หรือ $500 ต่อทีมต่อรอบ และทีมที่ชนะจะได้รับเครดิตเงินรางวัลเริ่มต้นที่ $25,000 จาก AWS และ Google Cloud

  3. Hacker News · AI58

    การศึกษาพบว่า 13.7% ของแพ็กเกจ npm ใหม่ในช่วงครึ่งแรกของปี 2026 มีการปักหมุดเวอร์ชันเก่าที่มีลักษณะเหมือน AI สร้าง

    Kobi Mozgori สุ่มตัวอย่างแพ็กเกจ npm จำนวน 250,000 แพ็กเกจ และพบว่าแพ็กเกจใหม่ที่มีการปักหมุดเวอร์ชันของ dependency ส่วนใหญ่เป็นเลขลงท้าย x.0.0 ที่ถูกแทนที่ไปแล้ว เพิ่มขึ้นจากฐาน 1–2.4% ในปี 2019 ถึงต้นปี 2024 เป็น 13.7% ในครึ่งแรกของปี 2026 และลดลงเหลือ 7.6% ในครึ่งหลังของปี 2026 ถึงต้นเดือนพฤศจิกายน ค่ามัธยฐานของอายุ dependency ที่ถูกปักหมุดอยู่ที่ประมาณ 155 วันตอนสร้างแพ็กเกจในช่วงปี 2021–2023 แต่เพิ่มเป็น 451 วันในไตรมาสที่ 2 ของปี 2026 และสัดส่วนแพ็กเกจที่สร้างขึ้นโดยมีการปักหมุดเกือบทั้งหมดอยู่ที่รีลีสล่าสุดลดลงจากประมาณ 28% เหลือประมาณ 10% ผู้เขียนตีความรูปแบบนี้ว่าเป็นการอนุมานมากกว่าการพิสูจน์ เนื่องจากข้อมูลเมตาของ registry ไม่สามารถแสดงได้ว่าใครหรืออะไรเป็นผู้เขียน manifest และตั้งข้อสังเกตว่าการลดลงตั้งแต่กลางปี 2026 ยังไม่มีคำอธิบาย

  4. Hacker News · AI18

    Show HN: ตู้จำหน่ายสินค้าอัตโนมัติที่รับคำแทนเงิน

    Cultivated Corpora สร้างต้นแบบตู้จำหน่ายสินค้าอัตโนมัติ "Type to Pay" ที่รับข้อความร้อยแก้วที่มนุษย์เพิ่งเขียนขึ้นแทนเงิน โดยจ่ายขนมเป็นการแลกเปลี่ยนกับข้อความที่ใช้เป็นข้อมูลฝึก AI เทอร์มินัลนี้กำลังสาธิตอยู่ที่ Data Vandals Newsstand ตรงหัวมุม 51st และ Lexington ใน Downtown 6 ตั้งแต่วันที่ 12 พ.ย. ถึง 17 พ.ย. บริษัทกล่าวว่ากำลังเติมช่องว่างให้กับบริษัท AI ที่ต้องการข้อมูลฝึกมากกว่าที่มีอยู่ในปัจจุบัน

  5. Hacker News · AI58

    Uber เปิดโอเพนซอร์สแพลตฟอร์ม ML ชื่อ Michelangelo เผยผ่านการตรวจสอบแล้วในกว่า 400 โปรเจกต์ และงานเทรนโมเดล 20,000 งานต่อเดือน

    Uber ได้เปิดโอเพนซอร์ส Michelangelo แพลตฟอร์ม ML ที่พิสูจน์แล้วในระดับสเกลของ Uber ด้วยโปรเจกต์ ML ที่ใช้งานอยู่กว่า 400 โปรเจกต์ งานเทรนโมเดลกว่า 20,000 งานต่อเดือน โมเดลที่ใช้งานในโปรดักชันกว่า 5,000 โมเดล และการพยากรณ์แบบเรียลไทม์กว่า 45 ล้านครั้งต่อวินาทีที่จุดสูงสุด การเปิดตัวนี้ครอบคลุมการจัดการฟีเจอร์ การเทรนโมเดลแบบกระจาย การดีพลอยและการมอนิเตอร์ โดยการจัดการฟีเจอร์ การประเมิน และการมอนิเตอร์ถูกระบุว่าเร็วๆ นี้ API ของ Python ที่สร้างบน Uniflow ช่วยให้ผู้ใช้กำหนดงานเทรนแบบกระจายและเวิร์กโฟลว์แบบครบวงจร เช่นไปป์ไลน์เทรน XGBoost บน Ray ได้ในไม่กี่บรรทัดของโค้ด

  6. Hacker News · AI21

    AI Math Kit: ป๊อปอัปเบราว์เซอร์สำหรับสำรวจโจทย์คณิตศาสตร์เปิดกับ AI

    AI Math Kit เป็นส่วนขยายเบราว์เซอร์แบบป๊อปอัปที่รวมโจทย์คณิตศาสตร์เปิด 217 ข้อ บทสรุปภาษาเรียบง่าย 242 รายการเกี่ยวกับความก้าวหน้าของ AI และคณิตศาสตร์เชิงรูปแบบ และเทมเพลตพรอมต์สำหรับการสำรวจด้วย AI อย่างซื่อตรง คลังโจทย์ครอบคลุมทฤษฎีจำนวน แคลคูลัส และปริศนาข้ามสาขา ขณะที่หน้าความก้าวหน้ามีบันทึกขอบเขตที่แม่นยำและตัวชี้ไปยังเปเปอร์ ระดับฟรีให้การเรียกดู ส่วน Pro ปลดล็อกคำอธิบายเต็มและพรอมต์เฉพาะ พร้อมการตั้งค่าและสถานะการชำระเงินที่แคชไว้ในเครื่อง

  7. Databricks Blog36

    Bright Machines ใช้ Debezium และ Iceberg เพื่อให้แดชบอร์ดแบบเรียลไทม์แก่ลูกค้าจากโรงงานที่แยกจากเครือข่าย

    Bright Machines มอบแดชบอร์ดข้อมูลโรงงานแบบเรียลไทม์ที่อยู่ภายใต้การกำกับดูแลให้แก่ลูกค้า โดยไม่ต้องเปิดการเข้าถึงขาเข้าใดๆ ระบบจับการเปลี่ยนแปลงของ PostgreSQL ที่ edge ด้วย Debezium เขียนเป็น Apache Iceberg ส่งออกผ่านช่องทางขาออกเดียวที่ตรวจสอบได้ และอ่านข้อมูล ณ ที่เดิมใน Databricks ผ่าน Unity Catalog federation แดชบอร์ดแรกที่ลูกค้ามองเห็นเปิดใช้งานประมาณสองเดือนหลังเริ่มโครงการ โดยแถวที่คอมมิตแล้วสามารถสอบถามได้ภายในหนึ่งถึงสองนาที และแดชบอร์ดรีเฟรชทุกสิบนาที

  8. Hacker News · AI58

    ข้อมูล H-1B ของสหรัฐฯ: การยื่นขอตำแหน่งนักพัฒนาซอฟต์แวร์ลดลง 36% ขณะที่ตำแหน่งที่มีชื่อเกี่ยวกับ AI เพิ่มขึ้น

    การยื่นขอ H-1B ของนายจ้างในสหรัฐฯ สำหรับตำแหน่งนักพัฒนาซอฟต์แวร์ลดลง 36% จากปีงบประมาณ 2022 ถึงปีงบประมาณ 2026 เมื่อเทียบช่วงตุลาคมถึงมิถุนายน ขณะที่การยื่นขอที่มีชื่อตำแหน่งงานเกี่ยวกับ AI เพิ่มขึ้นและคิดเป็น 1.8% ของการยื่นขอที่ได้รับการรับรองทั้งหมดในปีงบประมาณ 2026 การยื่นขอตำแหน่งนักพัฒนาซอฟต์แวร์สำหรับการจ้างงานใหม่ลดลง 46% และการลดลงในปีงบประมาณ 2026 รุนแรงที่สุดในช่วงตุลาคมถึงธันวาคม 2025 ลดลง 26% เมื่อเทียบปีต่อปี หลังจากทำเนียบขาวประกาศเรียกเก็บค่าธรรมเนียม 100,000 ดอลลาร์สำหรับคำร้องขอ H-1B ใหม่ ชื่อตำแหน่งที่มีคำว่า "machine learning" หรือ "artificial intelligence" เพิ่มขึ้น 80% และชื่อตำแหน่งที่สั้นกว่า เช่น "AI engineer" คิดเป็น 92% ของการเพิ่มขึ้นในปีล่าสุด OpenAI และ Anthropic ระบุ AI หรือ machine learning ในเพียง 11% ของการยื่นขอที่ได้รับการรับรอง 402 รายการ

  9. Hacker News · AI85

    การวิเคราะห์ทางนิติวิทยาศาสตร์เชื่อมโยงโมเดลจีนระดับแนวหน้า 6 รุ่นกับ GPU NVIDIA Blackwell ที่ถูกควบคุมการส่งออก

    การวิเคราะห์ทางนิติวิทยาศาสตร์ของ Unemployment Labs ต่อน้ำหนักโมเดลที่เผยแพร่พบว่าโมเดล 6 รุ่นจาก DeepSeek, Moonshot AI, MiniMax และ Ant Group ถูกเริ่มต้นบนฮาร์ดแวร์ NVIDIA Blackwell ขณะที่โมเดลรุ่นก่อนหน้าจากแล็บเดียวกันตรงกับ Hopper วิธีการนี้กู้คืน random seed และเลย์เอาต์เธรดของแต่ละโมเดลจากน้ำหนักที่เก็บรักษาไว้ และผู้เขียนกล่าวว่าการจับคู่ถูกทำซ้ำบนชิป H100, B300 และ GB200 จริง รายงานประเมินว่าแต่ละการฝึกอบรมต้องใช้ GPU Blackwell ประมาณ 500 ถึง 3,000 ตัวเป็นเวลาสองถึงสามเดือน และระบุว่าหลักฐานไม่ได้ยืนยันว่าชิปตั้งอยู่ที่ใดหรือมีการละเมิดมาตรการควบคุมการส่งออกหรือไม่

    ทำไมเรื่องนี้สำคัญ: รายงานได้มาซึ่งหลักฐานฮาร์ดแวร์จากน้ำหนักโมเดลที่เผยแพร่เพียงอย่างเดียว โดยเสนอวิธีการที่ทำซ้ำได้สำหรับการติดตามว่า GPU ใดเป็นผู้เริ่มต้นโมเดล โดยไม่ต้องพึ่งพาการรั่วไหล

  10. Hacker News · AI34

    e-means: k-means 变体ที่เร็วกว่าและ Jevons Paradox ของการทำ clustering ที่ถูกลง

    e-means เป็น k-means 变体ใหม่ที่อัปเดต centroid อย่างต่อเนื่องภายในแต่ละรอบโดยใช้ mini-batch และ exponential moving average โดยเข้าถึง test loss ของ full-batch k-means ใน 2.5 epoch แทนที่จะเป็น 25 เมื่อทำ clustering 10 พันล้าน DINO embeddings เป็นประมาณ 16.7 ล้าน clusters โดยคง objective เดิมและ convex nearest-centroid geometry ไว้ พร้อม fitted scaling laws ที่กำหนด batch size และ update rate โดยอัตโนมัติ ผู้เขียนโต้แย้งว่าการรันที่ถูกลงหมายถึงการลองค่า k มากขึ้น แทนที่จะลดค่าใช้จ่ายด้าน compute

  11. Hacker News · AI60

    Mirendil ระดมทุนซีรีส์ A 1 พันล้านดอลลาร์ นำโดย Kleiner Perkins เพื่อ democratize การวิจัยและพัฒนาด้าน AI

    Mirendil ประกาศระดมทุนซีรีส์ A จำนวน 1 พันล้านดอลลาร์ นำโดย Kleiner Perkins และ Clearlake Capital โดยมี Battery Ventures, Google, M13, Pear VC และอื่นๆ เข้าร่วม เพื่อสร้างเครื่องมือที่ทำให้การวิจัยและพัฒนาด้าน AI ชั้นแนวหน้าเข้าถึงได้สำหรับนักวิทยาศาสตร์และวิศวกร บริษัทกล่าวว่านักวิจัยหนึ่งคนที่ทำงานร่วมกับเอเจนต์ได้ pretrain Mirendil-Base ซึ่งเป็นโมเดลเขียนโค้ดที่แข่งขันได้ ตั้งแต่เริ่มต้นภายใน 3.5 เดือนด้วยการใช้คอมพิวต์น้อยกว่า 10 ล้านดอลลาร์ จากนั้น post-train เป็น Fern ซึ่งรองรับบริบทได้ถึง 10 ล้านโทเคน Lor ซึ่งขณะนี้อยู่ในช่วง private beta ช่วยให้เอเจนต์หลายร้อยตัวเขียนโค้ดและรันการทดลองได้ครั้งละหลายวัน และ Mirendil กล่าวว่าบริษัทใช้งาน Lor ทุกวัน

  12. Microsoft Research22

    Microsoft Research Focus Edition #98: การแปลด้วย AI, การพิสูจน์ข้อสันนิษฐาน KLS และ Coding Agent ที่เร็วขึ้น

    Microsoft Research Focus Edition #98 นำเสนอความก้าวหน้าของ AI ที่ทำให้การแปลแบบสากลใกล้เป็นจริงมากขึ้น และการพิสูจน์ใหม่ที่ไขข้อสันนิษฐาน KLS ที่มีอายุ 31 ปีในเรขาคณิตมิติสูง ฉบับนี้ยังครอบคลุม CompactionBench และ APEC ซึ่งลดต้นทุนการบีบอัดบริบทของ coding agent ได้ถึง 25.4% และลดเวลาการทำงานลง 9.6% พร้อมด้วย Latent Core Tokenizer ที่ปรับปรุงการ tokenization ใน 104 ภาษา

  13. Databricks Blog30

    Databricks หักล้างความเชื่อผิดๆ 4 ข้อเกี่ยวกับสถาปัตยกรรม Lakebase ของ LTAP

    Databricks ตอบโต้ต่อความเข้าใจผิดที่พบบ่อย 4 ประการเกี่ยวกับ LTAP ซึ่งเป็นสถาปัตยกรรม Lakebase ที่เก็บสำเนาข้อมูลปฏิบัติการชุดเดียวภายใต้การกำกับดูแล ให้บริการทั้ง Postgres และการวิเคราะห์โดยไม่ต้องใช้ CDC บทความระบุว่า LTAP ไม่ใช่การทำ replication: ชั้นต่างๆ ที่อยู่หน้าเลกนั้นเป็นแคช ไม่ใช่ฐานข้อมูลที่สองที่มีแคตตาล็อกของตัวเอง นอกจากนี้ยังระบุว่า heap pages และ Parquet เป็นการเข้ารหัสแบบไม่สูญเสียข้อมูลสองรูปแบบของแถวข้อมูลเดียวกัน ดังนั้น point lookup และ scan จึงอ่านเลย์เอาต์ที่เร็วสำหรับแต่ละแบบ

  14. MIT News22

    Eric Toone ประธานเจ้าหน้าที่ฝ่ายเทคนิคของ Breakthrough Energy ว่าด้วยต้นทุนของการลดคาร์บอน

    Eric Toone ประธานเจ้าหน้าที่ฝ่ายเทคนิคของ Breakthrough Energy กล่าวในงานประชุม Energizing@MIT ของ MIT Energy Initiative ว่าการลดคาร์บอนของเศรษฐกิจโลกจะต้องใช้เงินประมาณ 7.5 ล้านล้านดอลลาร์ หรือราว 5 เปอร์เซ็นต์ของ GDP โลก แต่ผู้คนไม่ยินดีจ่ายค่าพรีเมียมสีเขียว Breakthrough Energy Ventures ได้ลงทุนไปประมาณ 3 พันล้านดอลลาร์ในบริษัทราว 140 แห่ง รวมถึง Luxwall ซึ่งหน้าต่างฉนวนกันความร้อนของบริษัทช่วยประหยัดพลังงานได้ 30 เปอร์เซ็นต์ในอาคารพาณิชย์แห่งหนึ่ง

  15. AWS Machine Learning Blog38

    Tokenomics ในระดับสเกล: การติดตามและจำกัดการใช้จ่าย Amazon Bedrock ต่อ IAM Principal ด้วย CUR 2.0 และ AWS Budgets

    AWS แสดงวิธีติดตามและจำกัดการใช้จ่ายของ Amazon Bedrock generative AI ต่อ IAM principal โดยใช้เฉพาะฟีเจอร์ที่มีอยู่แล้ว: Bedrock บันทึก IAM user หรือ role โดยอัตโนมัติในทุกคำขอ inference และแท็กเหล่านั้นกลายเป็น cost allocation tags ที่อ่านได้ใน Cost Explorer หรือไฟล์ส่งออก CUR 2.0 AWS Budget ที่กำหนดขอบเขตไปที่ Bedrock และกรองตาม identity หรือค่าแท็กหนึ่งค่า สามารถแนบ budget action ที่ใช้ Deny IAM policy เมื่อข้ามเกณฑ์ โดยไม่ต้องเขียนโค้ดแอปพลิเคชันสำหรับกรณีทั่วไป

  16. Hugging Face Blog69

    IBM เปิดตัวโมเดลพรีวิว LLMON ที่สร้างบน Granite 4.1 3B และ 8B

    IBM เปิดตัวโมเดลพรีวิวเชิงทดลองสองรุ่น คือ granite-4.1-3b-LLMON-preview และ granite-4.1-8b-LLMON-preview ซึ่งพัฒนามาจากเช็กพอยต์ฐาน Granite 4.1 และฝึกให้อ่านและสร้าง LLMON ซึ่งเป็นภาษามาร์กอัปที่ออกแบบมาเพื่อ LLM โดยเฉพาะ ใช้ตัวคั่นโทเคนพิเศษที่สงวนไว้สำหรับกำกับคำสั่ง ข้อมูล และข้อกำหนด บนเบนช์มาร์ก OPI โมเดลเหล่านี้หลีกเลี่ยงการโจมตีแบบ indirect prompt injection ได้มากกว่าโมเดล frontier ที่ดีที่สุดที่ทดสอบถึง 47% และมากกว่าโมเดลโอเพนซอร์สที่ดีที่สุดถึง 95% ขณะที่ประสิทธิภาพบนเบนช์มาร์กมาตรฐานอยู่ในระดับเดียวกับ Granite 4.1 Instruct การเปิดตัวครั้งนี้มาพร้อมชุดเครื่องมือบน GitHub ที่มีตัวแปลง JSON-to-LLMON แบบไม่สูญเสียข้อมูล และผู้เขียนระบุว่าพรีวิวนี้มีไว้เพื่อการสำรวจ ไม่ใช่สำหรับการใช้งานจริง

    ทำไมเรื่องนี้สำคัญ: IBM ฝึกโมเดลพรีวิวบน Granite 4.1 ที่สามารถอ่านและเขียนแท็ก LLMON ได้ โดยใช้การแยกคำสั่งและข้อมูลอย่างชัดเจนเพื่อลดอัตราความสำเร็จของการโจมตีแบบ indirect prompt injection บนเบนช์มาร์ก OPI ให้ใกล้ศูนย์ ขณะที่ยังคงความสามารถทั่วไปไว้ได้

  17. The Verge · AI58

    นักวิจัย Google ใช้ AI agents ไม่ได้ค้นพบแหล่งอารยธรรมมายาที่ไม่รู้จัก นักโบราณคดีกล่าว

    ทีม AI agents จำนวน 48 ตัวของนักวิจัย Google ระบุว่าแหล่งอารยธรรมมายาในเม็กซิโกอาจยังไม่ได้รับการขึ้นทะเบียน แต่เหล่านักโบราณคดีตั้งข้อสังเกตว่าแหล่งดังกล่าวได้รับการบันทึกไว้ในวารสารวิชาการมากกว่าหนึ่งปีก่อนหน้านี้แล้ว Pietro Miotti ซึ่งอธิบายว่างานนี้เป็นโปรเจกต์ส่วนตัวโดยไม่ได้ใช้พลังประมวลผลหรือทรัพยากรของ Google กล่าวว่าเขาได้ตรวจสอบกับ INAH ของเม็กซิโกและภายหลังได้อัปเดตโพสต์ของเขาเพื่อให้เครดิตงานก่อนหน้า หลังจากถูกวิจารณ์บนโซเชียลมีเดีย นักโบราณคดีรวมถึง Sarah Parcak และ Ivan Šprajc กล่าวว่าการพบเห็นแหล่งโบราณคดีไม่เหมือนกับการค้นพบ และเน้นย้ำว่าการทบทวนโดยผู้เชี่ยวชาญและงานวิจัยที่มีอยู่ยังคงมีความสำคัญ

  18. Newcomer42

    The AI 100: 100 บริษัทเอกชนที่กำหนดยุคแห่ง AI

    Newcomer และ Bessemer Venture Partners ได้เปิดตัวการจัดอันดับ AI 100 ครั้งแรกของบริษัท AI เอกชนที่มีแนวโน้มสูงสุด โดย Anthropic อยู่อันดับ 1 ก่อนการ IPO ที่คาดว่าจะเกิดขึ้นในสัปดาห์หน้า และ OpenAI อยู่อันดับ 2 บริษัททั้ง 100 แห่งมีมูลค่ารวมประมาณ 3.5 ล้านล้านดอลลาร์ และบริษัทโมเดลที่เน้นนักวิจัยคิดเป็นเพียง 9% ของรายชื่อ แต่คิดเป็น 55% ของมูลค่านั้น ผู้เล่นด้าน inference อย่าง Fireworks (#9), Baseten (#12), Fal (#16) และ Modal (#20) ก็ติดอันดับสูงเช่นกัน ควบคู่ไปกับบริษัท veteran ที่ปรับตัว เช่น Stripe (#4) และ Anduril (#7)

  19. Databricks Blog22

    Constellation สร้างรากฐานข้อมูลที่มีการกำกับดูแลบน Databricks อย่างไร

    Constellation ผู้ดำเนินการโรงไฟฟ้านิวเคลียร์รายใหญ่ที่สุดของสหรัฐฯ กำลังสร้างแพลตฟอร์มข้อมูลองค์กรที่มีการกำกับดูแลบน Databricks เพื่อให้ธุรกิจมีความหมายร่วมกันเพียงหนึ่งเดียวสำหรับข้อมูลของตน แพลตฟอร์มนี้ใช้ Unity Catalog สำหรับ lineage การเข้าถึงระดับละเอียด และโมเดลสิทธิ์เดียว พร้อมกับการสร้างแบบจำลอง Data Vault สำหรับเอนทิตีสำคัญที่นำกลับมาใช้ซ้ำได้ กรณีการใช้งานช่วงแรกประกอบด้วยผู้ช่วยวิศวกรรมนิวเคลียร์ที่สร้างด้วย Databricks Genie และการวางแผนช่วงหยุดเดินเครื่อง

  20. Databricks Blog25

    Eclipse Aerospace ใช้ Databricks PySpark custom data sources สำหรับการนำเข้าข้อมูลเที่ยวบิน

    Eclipse Aerospace กำลังใช้ Databricks PySpark custom data sources เพื่อนำเข้าข้อมูลเที่ยวบินเฉพาะของบริษัทเกือบ 20 ปี ปริมาณกว่า 3TB ครอบคลุมชั่วโมงบินกว่าหนึ่งล้านชั่วโมง โดยไม่ต้องใช้คอมพิวต์เฉพาะที่เปิดตลอดเวลา แพ็กเกจ Python ที่รองรับด้วย Rust ให้ประสิทธิภาพเป็นสองเท่าของ benchmark เมื่อเทียบกับ data source แบบ pure-Python ที่ใช้ PyArrow ในลักษณะเดียวกัน และเกือบ 20 เท่าของการใช้งานแบบ native Python ที่ไม่ใช้ Arrow API นี้ซึ่งเปิดตัวใน Apache Spark 4.0 และพร้อมใช้ใน Databricks Runtime 15.4 LTS แทนที่ไปป์ไลน์ Lambda-to-Avro เดิม

  21. The Verge · AI38

    ผลสำรวจ GDC: 40% ของนักพัฒนาเกมใช้ AI สร้างสรรค์ในการทำงานแล้ว

    นักพัฒนาเกม 40% ระบุว่าพวกเขาใช้ AI สร้างสรรค์เป็นส่วนหนึ่งของงาน เพิ่มขึ้นจาก 36% ในปี 2025 ตามผลสำรวจอุตสาหกรรมประจำปีล่าสุดของ GDC Festival of Gaming การใช้งานสูงสุดในหมู่นักพัฒนเกมฟรีทูเพลย์ (58%) และสตูดิโอที่ทำเกมมือถือเท่านั้น (70%) โดยกรณีการใช้งานอันดับต้นคือการวิจัยและระดมสมอง (73%) ผลสำรวจยังพบว่า 34% ของผู้ตอบแบบสอบถามถูกเลิกจ้างในช่วงสองปีที่ผ่านมา

  22. Databricks Blog22

    H6.ai สร้างระบบอัตโนมัติทางการเงินที่ขับเคลื่อนด้วย AI ด้วย Lakebase Postgres ได้อย่างไร

    H6.ai ทำให้กระบวนการจ่ายเงินเจ้าหนี้เป็นอัตโนมัติบน ERP ที่มีอยู่ของลูกค้า โดยใช้ฐานข้อมูล Lakebase Postgres เฉพาะสำหรับลูกค้าแต่ละรายเป็นระบบบันทึกหลัก เนื่องจากข้อมูลใบแจ้งหนี้เปลี่ยนแปลงอยู่ตลอดเวลา ทีมจึงใช้สาขา copy-on-write ของ Lakebase เพื่อตรึงสแนปช็อตของฐานข้อมูลลูกค้าและรันการทดสอบถดถอยแต่ละครั้งบนสาขาอายุสั้นของตัวเอง ฐานข้อมูลที่ใช้งานจริงจึงไม่ถูกเขียนทับเลย แต่ละรอบการรันถูกตัดสินด้วยการตรวจสอบแบบกำหนดผลได้แน่นอนร่วมกับคณะผู้ตัดสิน AI จากผู้ให้บริการโมเดลที่แตกต่างกัน

  23. Databricks Blog58

    Databricks เปิดตัว Lakehouse//RT เพื่อรองรับการวิเคราะห์แบบเรียลไทม์โดยต้นทุนไม่เพิ่มขึ้นตามสัดส่วน

    Databricks เปิดตัว Lakehouse//RT ซึ่งเป็นเอนจินวิเคราะห์แบบเรียลไทม์ที่รันเวิร์กโหลดที่มีการเข้าพร้อมกันสูงบนข้อมูลเลกเฮาส์โดยตรง และขณะนี้อยู่ในช่วงเบต้า บริษัทระบุว่าให้ความหน่วงต่ำกว่า 100 มิลลิวินาทีที่ 12,000 คิวรีต่อวินาที เพิ่มขีดความสามารถทีละโหนด และหลีกเลี่ยงเลเยอร์เสิร์ฟแยกต่างหาก ลูกค้าอย่าง Aurasell, VisionHeight และ nOps รายงานว่าต้นทุนโครงสร้างพื้นฐานลดลง 6 ถึง 10 เท่าหลังย้ายจากระบบหลายคลัสเตอร์, Apache Pinot และ Apache Druid

  24. Epoch AI · Gradient Updates60

    ศูนย์ข้อมูล Horinger ของ Huawei เผยอะไรเกี่ยวกับช่องว่างกำลังประมวลผลของจีน

    Epoch AI ประเมินว่าศูนย์ข้อมูล Horinger ของ Huawei ในเขตมองโกเลียในมีชิป Ascend 910C ที่ใช้งานได้ราว 105,000 ตัว และ Ascend 910B ราว 8,000 ตัว เทียบเท่า H100 ประมาณ 81,000 ตัว (ช่วงความเชื่อมั่น 90%: 36,000 ถึง 141,000) การประเมินนี้มาจากภาพถ่ายดาวเทียมเชิงพาณิชย์และแบบจำลองอุปกรณ์ระบายความร้อน ซึ่งระบุว่าอาคารที่เน้นงาน AI สี่หลังมีความจุไฟฟ้าสำหรับ IT สูงถึง 286 MW ทำให้ Horinger มีกำลังประมวลผล AI คิดเป็นราว 7% ของ Colossus 2 ของ SpaceX ในรัฐเทนเนสซี และอาคารที่วางแผนไว้อาจเพิ่มความจุได้กว่า 70% ภายในต้นปี 2028 ซึ่งยังตามหลัง Colossus 2 ที่คาดว่าจะมีถึง 1.8 ล้าน H100e อยู่มาก

12 พฤศจิกายนวันพฤหัสบดี
  1. The Decoder72

    การสอบสวนของ ChinaTalk: นายหน้าข้อมูลสหรัฐขายสภาพแวดล้อมการฝึก RL มูลค่าประมาณ 500 ล้านดอลลาร์ให้แล็บ AI จีน

    ตามการสอบสวนของ ChinaTalk นายหน้าข้อมูลสหรัฐ รวมถึง Mercor, Surge AI, AfterQuery และ Turing กำลังขายข้อมูลการฝึกมูลค่าประมาณ 500 ล้านดอลลาร์ ซึ่งบางส่วนเป็นสภาพแวดล้อม RL ให้แล็บ AI จีน รายงานระบุบริษัทสหรัฐอย่างน้อยเก้าบริษัทที่เกี่ยวข้อง และกล่าวว่าแล็บจีนจงใจซื้อผลิตภัณฑ์ที่ขายให้ Anthropic หรือ OpenAI แล้วเพื่อข้ามการพัฒนาภายในที่มีต้นทุนสูง ซึ่งการประหยัดนี้สำคัญเนื่องจากคอขวดหน่วยความจำชิปของจีน ChinaTalk ระบุว่าสภาพแวดล้อม RL ส่วนใหญ่ไม่ถูกควบคุมโดยการควบคุมการส่งออก และโต้แย้งว่าสำนักงานอุตสาหกรรมและความมั่นคง (Bureau of Industry and Security) ควรใช้มาตรการควบคุมที่มีอยู่กับสภาพแวดล้อมการเขียนโค้ดและชีววิทยาแบบใช้ได้สองทาง พร้อมเน้นว่าแล็บจีนยังตามหลังคู่แข่งสหรัฐอย่างน้อยหลายเดือน

  2. TechCrunch · AI38

    Plurai ระดมทุน seed 13 ล้านดอลลาร์ เพื่อทำให้ AI agents เชื่อถือได้มากขึ้นผ่านการจำลอง

    Plurai ระดมทุน seed ได้ 13 ล้านดอลลาร์ นำโดย Team8 เพื่อทำให้ AI agents เชื่อถือได้มากขึ้นโดยใช้เทคนิคการจำลองที่ยืมมาจากรถยนต์ขับเคลื่อนอัตโนมัติ สตาร์ทอัพสร้าง digital twin ของระบบบริษัท แมปโฟลว์ของ agent ที่เป็นไปได้ และใช้ข้อมูลสังเคราะห์เพื่อเตรียมโมเดลสำหรับ edge cases จากนั้น post-train โมเดล open-weight ขนาดเล็กที่ปรับแต่งสำหรับลูกค้าแต่ละราย การทดสอบกับ Nvidia และ Nebius แสดงให้เห็นว่าโมเดลของบริษัทมีประสิทธิภาพเหนือกว่าโมเดล frontier ระดับกลางด้วยต้นทุนที่ต่ำกว่า

  3. The Decoder71

    Google DeepMind เปิดตัว AlphaGenome 2 พลิกโฉม AI จีโนมิกส์จากระดับเนื้อเยื่อมวลรวมสู่ความละเอียดระดับเซลล์แต่ละชนิด

    Google DeepMind ได้เปิดตัว AlphaGenome 2 โมเดลจีโนมิกส์ที่ทำนายว่าตัวแปร DNA ส่งผลต่อเซลล์มนุษย์ชนิดใดชนิดหนึ่งโดยเฉพาะ และค้นพบการเปลี่ยนแปลงของยีนที่เกี่ยวข้องได้เกือบสองเท่าเมื่อเทียบกับรุ่นก่อนหน้า โมเดลนี้ฝึกฝนจากโปรไฟล์เซลล์แต่ละเซลล์มากกว่า 107 ล้านโปรไฟล์จาก 68 เนื้อเยื่อในมนุษย์และหนู โดยรับสถานะทางชีวภาพของเซลล์เป็นอินพุตเพิ่มเติม แทนที่จะทำนายแบบกว้างครอบคลุมหลายเนื้อเยื่อพร้อมกัน

  4. Meta Newsroom · AI18

    Meta ลงนามข้อตกลงจัดซื้อระยะยาวสำหรับปูนซีเมนต์ เหล็ก การขนส่งด้วยรถบรรทุก และพลาสติกรีไซเคิลที่เป็นมิตรต่อสิ่งแวดล้อม

    Meta ได้ลงนามในข้อผูกพันการจัดซื้อระยะยาวครอบคลุมปูนซีเมนต์ เหล็ก การขนส่งด้วยรถบรรทุก และพลาสติกรีไซเคิล เพื่อนำการผลิตสะอาดมาสู่ระดับพาณิชย์ในห่วงโซ่อุปทานศูนย์ข้อมูลของบริษัท ข้อตกลงดังกล่าวรวมถึงปูนซีเมนต์ที่เป็นมิตรต่อสิ่งแวดล้อมอย่างน้อย 180,000 ตันจาก Sublime Systems เหล็กที่ปล่อยมลพิษใกล้ศูนย์จาก Stegra ซึ่งตั้งอยู่ในสวีเดน เส้นทางการขนส่งสินค้าที่ปล่อยมลพิษเป็นศูนย์ที่ขยายเพิ่มเติมร่วมกับ Nevoya ตามแนว Interstate 10 ในรัฐแคลิฟอร์เนียและแอริโซนา และ PET รีไซเคิล 5,000 ตันต่อปีกับ MacroCycle Technologies

  5. MIT News34

    นักวิจัย MIT พัฒนาเทคนิคการฝึกฝนสำหรับตัวจำลองสภาพภูมิอากาศที่เร็วและน่าเชื่อถือยิ่งขึ้น

    นักวิจัย MIT ได้พัฒนาเทคนิคการฝึกฝนที่ช่วยเพิ่มประสิทธิภาพและความสามารถในการปรับตัวของตัวจำลองสภาพภูมิอากาศ AI โดยใช้ข้อมูลเพียงเศษเสี้ยวของที่ปกติต้องใช้ วิธีการนี้สร้างสถานการณ์การฝึกฝนสังเคราะห์ที่ปรับให้เหมาะสมพร้อมการเปลี่ยนแปลงการปล่อยมลพิษอย่างรวดเร็ว ทำให้ตัวจำลองที่ฝึกฝนด้วยข้อมูลน้อยกว่ามากสามารถคาดการณ์สถานการณ์ที่ไม่เคยเห็นได้อย่างแม่นยำ ซึ่งตัวจำลองแบบดั้งเดิมล้มเหลว งานนี้ตีพิมพ์ใน Proceedings of the National Academy of Sciences

  6. Hugging Face Blog36

    Hugging Face เปิดตัวคู่มือและสคริปต์ปรับแต่งโมเดลสำหรับ TRELLIS.2 ด้านการสร้างภาพ 3D

    Hugging Face เผยแพร่สคริปต์และคอนเทนเนอร์สำหรับปรับแต่งโมเดล TRELLIS.2 ซึ่งเป็นโมเดลสร้างภาพ 3D ที่สามารถรันได้ในเครื่องหรือบน Hugging Face Jobs คู่มือนี้ใช้ LoRA adapters ผ่านไลบรารี PEFT เฉพาะบน sparse-structure flow DiT และ shape flow DiT โดยคงขั้นตอนวัสดุ (material stage) ไว้ไม่เปลี่ยนแปลง บนชุดย่อยรองเท้า 188 ชิ้นจากชุดข้อมูล GSO โมเดลที่ผ่านการฝึกมาก่อนมักเรนเดอร์พื้นรองเท้าไม่ถูกต้อง ซึ่งการปรับแต่งด้วย LoRA มุ่งแก้ไขปัญหานี้

  7. AWS Machine Learning Blog46

    การตรวจจับและกู้คืนจากความเสียหายของข้อมูลแบบเงียบบน Amazon SageMaker HyperPod

    ลูปการฝึก PyTorch DDP บน Amazon SageMaker HyperPod ได้รับการตรวจสอบสามรายการที่จับความเสียหายของข้อมูลแบบเงียบ: การตรวจสอบเกรเดียนต์ที่ไม่ใช่ค่าจำกัด การตรวจสอบการเล่นซ้ำแบบริงที่เปรียบเทียบบิตของ loss และลายนิ้วมือของเกรเดียนต์ข้ามโหนด และการเปรียบเทียบลายนิ้วมือของน้ำหนักหลังขั้นตอนออปติไมเซอร์ ทดสอบด้วยข้อบกพร่องที่ใส่เข้าไปโดยซอฟต์แวร์บนอินสแตนซ์ ml.p5.48xlarge จำนวน 4 เครื่อง (GPU NVIDIA H100 จำนวน 32 ตัว) การตรวจสอบเหล่านี้ระบุแรงก์ที่น่าสงสัย แมปไปยังโหนด และให้ HyperPod แทนที่โหนดและดำเนินการต่อจากเช็กพอยต์

  8. AWS Machine Learning Blog12

    AWS re:Invent 2026 สาย AI/ML: คู่มือสำหรับผู้เข้าร่วม

    AWS จะจัดการประชุม re:Invent ประจำปีระหว่างวันที่ 30 พฤศจิกายนถึง 4 ธันวาคม โดยสาย AI/ML มีเซสชันที่ไม่ซ้ำกันกว่า 140 เซสชันจากเซสชันการเรียนรู้ทั้งหมดกว่า 2,000 เซสชัน คู่มือนี้จับคู่เซสชันกับสแตก AI ของ AWS ครอบคลุมตั้งแต่ชิป AI (AWS Trainium และ NVIDIA GPUs) โมเดลและการอนุมานบน Amazon Bedrock และ SageMaker AI ไปจนถึงการพัฒนาเอเจนต์ด้วย Amazon Bedrock AgentCore เซสชันถูกจัดเรียงตั้งแต่เนื้อหาสำหรับผู้เริ่มต้นไปจนถึงการเจาะลึกเชิงเทคนิค และหลายเซสชันสามารถรับชมแบบ on demand ได้

  9. MarkTechPost58

    Google DeepMind เปิดตัว AlphaGenome 2 สำหรับการทำนายผลกระทบของตัวแปรเฉพาะชนิดเซลล์

    Google DeepMind เปิดตัว AlphaGenome 2 โมเดล DNA แบบ sequence-to-function เชิงเงื่อนไขที่อ่านหน้าต่าง DNA ขนาด 1 Mb พร้อมสถานะเซลล์เป้าหมาย และทำนายผลกระทบของตัวแปรสำหรับหนึ่งชนิดเซลล์ต่อการเรียกใช้หนึ่งครั้ง บน TenK10K single-cell eQTLs ใน 28 ชนิดเซลล์ภูมิคุ้มกัน ความสามารถในการเรียกคืนตัวแปรเชิงสาเหตุที่ความแม่นยำ 90% เพิ่มขึ้นจาก 16% สำหรับ AlphaGenome 1 ที่ปรับแต่งละเอียดเป็น 30% และความสามารถในการเรียกคืนทิศทางของผลกระทบเพิ่มขึ้นจาก 23% เป็น 43% โมเดลนี้พร้อมใช้งานผ่าน AlphaGenome API สำหรับการวิจัยที่ไม่ใช่เชิงพาณิชย์ โดยสัญญาว่าจะเปิดเผยน้ำหนักโมเดลเมื่อเผยแพร่ฉบับสมบูรณ์ และการใช้งานเชิงพาณิชย์อยู่ในช่วงพรีวิวแบบส่วนตัว

  10. Google Research58

    Google Research ใช้เทคโนโลยีสวมใส่สร้างโปรไฟล์ความเสี่ยง CKM และการโค้ชเฉพาะบุคคล

    Google Research ได้แนะนำกรอบการวิจัยที่เปลี่ยนข้อมูลจากอุปกรณ์สวมใส่สำหรับผู้บริโภคให้เป็นอายุสุขภาพที่สามารถโค้ชได้ และจำลองเส้นทางสุขภาพเฉพาะบุคคลแบบ 12 สัปดาห์ในลักษณะ what-if โมเดลโลก SensorWM ถูกฝึกฝนล่วงหน้าด้วยข้อมูล Fitbit ที่ไม่ระบุตัวตนจำนวน 2.28 ล้านคน-สัปดาห์จากผู้ใช้ประมาณ 100,000 คน และคาดการณ์ตัวชี้วัดทางสรีรวิทยา 20 รายการภายใต้รูปแบบการเดิน การนอน และคาร์ดิโอที่แตกต่างกัน ในการศึกษาที่ปกปิดข้อมูล ผู้ฝึกสอนไลฟ์สไตล์เลือกแผนที่อ้างอิงจากสถานการณ์สมมติว่าเป็นแผนที่ดีที่สุดโดยรวมในการประเมิน 71.4% และแพทย์ให้คะแนน 99.2% ของแผนว่าอยู่ในขีดจำกัดความเข้มข้นของการออกกำลังกายที่ปลอดภัย ผู้เขียนระบุว่าโมเดลเหล่านี้เป็นต้นแบบการวิจัย ไม่ใช่เครื่องมือวินิจฉัยทางคลินิก

  11. Meta Engineering Blog40

    Meta Intelligent Delivery: ระบบ ML ที่จัดสรรพลังประมวลผลสำหรับการจัดอันดับโฆษณา

    Meta ให้รายละเอียดเกี่ยวกับ Intelligent Delivery ซึ่งเป็นระบบที่ขับเคลื่อนด้วย ML ที่จัดสรรพลังประมวลผลทั่วทั้งสแต็กการให้บริการโฆษณาไปสู่จุดที่เหมาะสมที่สุดในระดับระบบ โดยมีส่วนช่วยให้ประสิทธิภาพการจัดอันดับเพิ่มขึ้นประมาณ 10% นอกเหนือจากความก้าวหน้าของโมเดลและระบบตั้งแต่ปี 2017 ถึงครึ่งแรกของปี 2026 Resource Core Model ของระบบใช้พารามิเตอร์แบบ sparse 6B และ dense 20M เพื่อคาดการณ์อรรถประโยชน์ส่วนเพิ่มของแต่ละคำขอ และ Meta ระบุว่าช่วยปรับปรุงการระบุคำขอโฆษณาที่มีผลกระทบสูงได้ประมาณ 20% ในการทดสอบ基準แบบออฟไลน์ ระบบยังพึ่งพากลไกการจัดสรรหลายชั้นและ AI แบบ agentic ที่เพิ่มขึ้นเพื่อปรับตัวตามการเปลี่ยนแปลงของโมเดลและฮาร์ดแวร์

11 พฤศจิกายนวันพุธ
  1. Google DeepMind72

    DeepMind เปิดตัว AlphaGenome 2 โมเดล DNA ที่ทำนายผลของตัวแปรในเซลล์ชนิดเฉพาะ

    Google DeepMind ประกาศเปิดตัว AlphaGenome 2 โมเดลลำดับ DNA รุ่นใหม่ที่ทำนายว่าลำดับ DNA และตัวแปรของลำดับนั้นส่งผลต่อเซลล์มนุษย์ชนิดเฉพาะอย่างไร โมเดลแบบมีเงื่อนไขนี้ฝึกจากโปรไฟล์เซลล์แต่ละเซลล์มากกว่า 107 ล้านโปรไฟล์จาก 68 เนื้อเยื่อ สามารถระบุตัวแปรที่เปลี่ยนการแสดงออกได้เกือบสองเท่าของโมเดลก่อนหน้า และบนชุดข้อมูลเซลล์ภูมิคุ้มกัน TenK10K สามารถเรียกคืนตัวแปรเชิงสาเหตุได้ 30% เทียบกับ 16% ของ AlphaGenome เดิมที่ปรับแต่งบนข้อมูลเซลล์เดี่ยว ใช้งานได้สำหรับการวิจัยที่ไม่ใช่เชิงพาณิชย์ผ่าน AlphaGenome API และอยู่ในช่วงพรีวิวแบบส่วนตัวสำหรับการวิจัยเชิงพาณิชย์

    ทำไมเรื่องนี้สำคัญ: AlphaGenome 2 เปลี่ยนจากค่าเฉลี่ยระดับเนื้อเยื่อไปสู่การปรับเงื่อนไขระดับเซลล์เดี่ยว ทำให้การเรียกคืนตัวแปรเชิงสาเหตุบนข้อมูลเซลล์ภูมิคุ้มกันเพิ่มขึ้นราวสองเท่า ซึ่งสำคัญต่อการเชื่อมสัญญาณ GWAS เข้ากับเซลล์ชนิดเฉพาะ

  2. The Verge · AI71

    Google DeepMind เปิดตัว AlphaGenome 2 โมเดล AI ทางพันธุกรรมที่ทำนายผลของตัวแปรตามชนิดเซลล์

    Google DeepMind ได้เปิดตัว AlphaGenome 2 ซึ่งเป็นรุ่นสืบทอดจาก AlphaGenome ของปีที่แล้ว โดยทำนายว่าตัวแปรทางพันธุกรรมส่งผลต่อเซลล์แต่ละชนิดและสถานะของเซลล์อย่างไร แทนที่จะเป็นค่าเฉลี่ยของเนื้อเยื่อในภาพรวม โมเดลนี้ฝึกด้วยโปรไฟล์เซลล์แต่ละเซลล์มากกว่า 100 ล้านโปรไฟล์จาก 68 เนื้อเยื่อ และระบุตัวแปรที่สามารถเปลี่ยนการแสดงออกของยีนได้เกือบสองเท่าของโมเดลล้ำสมัยรุ่นก่อน และสามารถทำนายเกี่ยวกับชนิดเซลล์และสถานะทางชีวภาพใหม่ๆ ได้โดยไม่ต้องฝึกใหม่ Google เสนอให้ใช้เพื่อการวิจัยที่ไม่ใช่เชิงพาณิชย์ผ่าน AlphaGenome API เริ่มตั้งแต่วันนี้ พร้อมการทดลองใช้แบบส่วนตัวแบบจำกัดสำหรับการใช้งานเชิงพาณิชย์ Žiga Avsec จาก DeepMind กล่าวว่าการทำนายที่ละเอียดขึ้นนั้นใช้พลังการประมวลผลสูงขึ้น จึงยังไม่แทนที่ AlphaGenome ในเร็วๆ นี้

  3. ChinaTalk58

    รายงานพบผู้ขายข้อมูลสหรัฐฯ 9 รายขายสภาพแวดล้อม RL ให้ห้องปฏิบัติการ AI จีน

    ผู้ขายข้อมูลสหรัฐฯ รวมถึง Mercor, Surge AI, Turing, AfterQuery และ Pareto กำลังขายสภาพแวดล้อมการเรียนรู้แบบเสริมกำลัง (reinforcement learning environments) ให้ห้องปฏิบัติการ AI จีน และรายงานระบุผู้ขาย 9 รายที่มีธุรกิจในจีน โดยอ้างว่าการขายเหล่านี้ทำให้ห้องปฏิบัติการจีนข้ามการทดลอง rollout ที่มีค่าใช้จ่ายสูงและประหยัดคอมพิวต์ที่จำกัดด้านหน่วยความจำ พร้อม noting ว่าดีลเหล่านี้ส่วนใหญ่อยู่นอกการควบคุมการส่งออก และการตามหลังห้องปฏิบัติการสหรัฐฯ จำกัดความเสียหาย

  4. Latent Space62

    Mercor ระดมทุน Series D 750 ล้านดอลลาร์ ที่มูลค่า 20,000 ล้านดอลลาร์ จากรายได้ต่อปี 3,000 ล้านดอลลาร์

    Mercor ระดมทุน Series D 750 ล้านดอลลาร์ ที่มูลค่า 20,000 ล้านดอลลาร์ หลังจากมีรายได้ต่อปีแตะ 3,000 ล้านดอลลาร์ เพิ่มขึ้นจาก 1,000 ล้านดอลลาร์ในเดือนกุมภาพันธ์ และ 2,000 ล้านดอลลาร์ในเดือนมิถุนายน บริษัทรายงานว่ามีผู้เชี่ยวชาญ 5 ล้านคน และกำหนดตลาดของตนเป็นอาชีพกว่า 800 อาชีพในสหรัฐฯ ที่โมเดลยังไม่ได้ถูกประเมินเทียบกับเวิร์กโฟลว์เหล่านั้น Mercor ยังระบุว่าบริษัทใช้จ่ายด้าน inference มากกว่าค่าจ้างพนักงานถึง 3 เท่าแล้ว และโต้แย้งว่าหากอัตราส่วนนี้คงอยู่ทั่วทั้งเศรษฐกิจ จะชี้ไปที่การเติบโตของ GDP สองหลักในอีกห้าปีข้างหน้า

  5. Hugging Face Blog41

    การฝึกแบบ Pooling-Aware สำหรับโมเดล Multi-Vector Embedding ด้วย Sentence Transformers

    Hugging Face แสดงให้เห็นว่าการฝึกแบบ pooling-aware ช่วยยกระดับคุณภาพการดึงข้อมูลของโมเดล multi-vector embedding ภายใต้งบประมาณการจัดเก็บคงที่ ด้วย pool_factor=4 โมเดลที่ฝึกตามปกติยังคงรักษา 94.6% ของ NanoBEIR nDCG@10 แบบไม่ pooled ขณะที่ลดเวกเตอร์เอกสารลง 4 เท่า และการฝึกแบบ pooling-aware ช่วยเพิ่มอัตราการรักษานั้นเป็น 97.8% โพสต์นี้อธิบาย HierarchicalTokenPooling การปรับเทียบงบประมาณ และตัวอย่าง Sentence Transformers ที่ทำซ้ำได้