Moshi CEO Anekha Sokhal 谈从能源衍生品交易员到 AI 创业:AI 要贴合交易员真实工作流
Moshi 正在为交易员打造一款推荐引擎,把市场信息与交易员持仓中真正重要的内容连接起来。CEO Anekha Sokhal 称 Moshi 像是 Bloomberg、Claude 和 Netflix 的结合体:市场数据、操作界面,加上为交易员定制的推荐。
Moshi 正在为交易员打造一款推荐引擎,把市场信息与交易员持仓中真正重要的内容连接起来。CEO Anekha Sokhal 称 Moshi 像是 Bloomberg、Claude 和 Netflix 的结合体:市场数据、操作界面,加上为交易员定制的推荐。
Recursive 发布首个语言模型 Flint,AI 系统 Eureka Machine 参与了几乎全部开发环节,模型在四个月内完成。
Google DeepMind、Google Research 与 WRI、IIASA 联合发布 Forest Typology(ForTy)2020,以10米分辨率划分全球六类森林及土地用途。
Moshi 正在为大宗商品交易员构建一款推荐引擎,把市场信息与交易员持仓组合真正相关的部分连接起来。CEO Anekha Sokhal 将其形容为 Bloomberg、Claude 与 Netflix 的结合体:市场数据、可操作数据的界面,以及针对交易员定制的推荐。
深度求索据报融资约$15 billion,距美国因安全担忧要求联邦民事机构移除其AI技术仅2天。Bloomberg称潜在投资者包括宁德时代和腾讯;深度求索6月曾以$50 billion估值融资超过$7 billion。该公司正加大面向国内外市场的AI基础设施与开放模型投入,尚未回应TechCrunch的置评请求。
推荐理由:深度求索据报融资约$15 billion并加大基础设施与开放模型投入,扩张可能加剧中国AI企业间的竞争。
WorldTUI 基于 Qwen2.5-Coder-0.5B 微调,用 360M 参数模型根据按键预测终端屏幕变化,背后没有真实 shell 或文件系统。训练使用 336k 段真实终端会话,并通过错误修复训练改善一致性,通过并行生成屏幕行和顺序验证加速推理。
Oliver Grabner 构建了 Pokémon Showdown 2v2 多智能体环境,Qwen3.8-27B 队友自由交流时对脚本化最高伤害机器人的胜率为64%,禁言时为42%。
Recursive 发布可在笔记本电脑上运行的免费编码模型 Flint,称自动化研究系统 Eureka Machine 协助了几乎全部开发环节,小团队在不到 4 个月内从零完成模型。
Mistral 与 Nvidia 合作,将 Mistral Large 4 与 Mistral 的物理 AI 结合 Nvidia 的 CUDA-X、Warp 及 Omniverse,打通设计、仿真与 AI 训练的连续工作流,面向航空航天、汽车和半导体行业。
商务部与科技部拟扩充技术出口管制目录,ChinaTalk 解读第48号公告对AI模型、芯片设计、智能体及敏感数据相关技术的影响。公告提出40项新增条目,其中14项拟禁止出口、26项拟实行许可限制,并已要求相关技术在过渡期出口前登记,征求意见截至2026年11月15日。
推荐理由:ChinaTalk 梳理了商务部拟议管制中的开源与海外服务许可边界,中国模型企业的权重发布和技术授权将面临不同合规要求。
Mistral 与 NVIDIA 合作打造 AI 原生工程工作流,将 Mistral Large 4 与 Mistral 的数据生成、物理建模管线结合 NVIDIA CUDA-X 库和 Warp,加速工程仿真并打通仿真、模型开发与设计闭环。
NVIDIA 在 GTC Berlin 宣布欧洲车企与出行服务商展示基于 Hyperion 的 L3、L4 及未来 robotaxi 应用,并发布自动驾驶模型与安全技术。
Meta 在 AI 争议后从商业服务条款中删除“训练”一词,但其网站抓取条款仍遭出版业团体反对。法律专家指出,遵守 robots.txt 属于自愿行为,建议 Meta 在条款中明确承诺尊重其中的抓取限制。英国、欧洲及美国出版业团体要求监管机构介入,美国 News/Media Alliance 要求阻止这些条款于 10 月 30 日实施。
Meta 试图避免披露批准 AI 训练数据种子下载的高管,Hixon 要求其进一步交代决策及授权人员。Meta 称 Llama 1 和 2 早期训练的数据获取采用非正式流程,且批准来自协作讨论,没有单一决策者;Hixon 指出,相关请求涵盖所有决策者,并不限于正式决定。Meta 还须回答未用于 AI 训练的盗版作品最终如何处理。
Google 开源 TorchTPU,为 TPU 提供原生 PyTorch 后端,让 PyTorch 模型和算子可直接在 TPU 设备上运行。项目包含自定义 ATen kernel、XLA 计算编译缓存,支持数据并行与张量并行分布式训练,并集成 torch.compile() 图模式执行。
Electric Plant 用过去三年收集的数据构建大语言模型 Bombadil,可解读约 125 种植物的电信号并向种植者反馈需求。传感器通过穿透形成层的螺钉采集信号,数据经低功耗无线网络传输后由云端模型处理,结果可用于调整灌溉或施肥安排。
Google 发布适配 Google Cloud TPU 的 TorchTitan 分叉,提供分布式训练配方及按步骤执行的模型优化指南。SimpleFSDP、Graph Trainer 和 Pallas 内核支持分片、整步图捕获及计算优化,FLUX.1 案例的训练步耗时从 11.49 秒降至 2.78 秒,达到同硬件 JAX MaxDiffusion 吞吐量的约 99%。
Peec AI 研究人员用 GPT-4.1 为 stateglobe.com 生成 50,000 个虚构统计页面,7 个月后仍获得 ChatGPT 引用。实验报告称,Google 已大幅降低该站可见性,但 ChatGPT 带来超过 10,000 次访问会话,网站获得 330+ 个域名的链接,虚构数字还进入了学术论文和银行投资研究。
推荐理由:Peec AI 研究人员发布虚构统计并追踪其引用,数据进入论文和银行研究的路径揭示了虚假数字借机构引用获得可信外观的风险。
marcusbuffett 用 10 个月开发了 Chessbook-1,为 Chessbook 训练对局提供按棋手等级和时限模拟人类走法、失误及思考时间的模型。
Eka Robotics 完成由 a16z 和 F-Prime 领投的 $150 million A 轮融资,投后估值达 $1.45 billion。其抓取架构结合力传感夹爪、vision-force-action 模型与仿真强化学习,公司称机器人每小时可抓取约 1,500 个重量不超过 1 kg 的物体,抓取成功率超过 95%。
ProjectDiscovery 通过投毒开源模型并接入 Codex CLI,演示了修改后的权重如何在正常响应之外隐藏凭据外传后门。Qwen2.5-7B-Instruct 实验使用 500 条干净样本和 125 条投毒样本,触发成功率与干净请求准确率均为 100%(各 50/50),演示中外传的是 .env 内模拟生产环境的虚构凭据。
Amazon Web Services 周一发布 TorchNeuron,让使用 PyTorch 编写的 AI 应用更容易迁移到其 Trainium 芯片。Amazon 称只需修改一行配置,无需重写代码,并以 Deepgram 为例称其在生产级准确率下每美元可处理的音频增加了 70%。Amazon 还计划向 PyTorch 上游贡献代码,减少框架与特定芯片的绑定,让开发者拥有更多硬件选择。
CERN 与 Mistral 签署意向声明,将建立长期战略合作,共同开发面向科学发现的基础模型。合作核心是打造首个对撞机物理基础模型——单一预训练 Large Physics Model,基于 LHC 数十亿次模拟质子-质子对撞训练,支持粒子碰撞重建、粒子识别、异常信号标记和探测器设计评估等任务。
Laminar 发布 flow-1,用 RL 训练模型查找智能体轨迹中的错误,并称其在自家基准上检测质量匹配 GPT-6-sol、成本低 23x。模型由小型开源模型微调并经数千次合成调查训练,在 Signals 中检索轨迹片段,按用户定义的 JSON 结构返回发现。
HUMXN 计划补贴家居维修与清洁服务,以换取在住户家中记录熟练工人操作的许可,用于训练 AI 机器人。服务涵盖管道、电气、HVAC、风管清洁和地毯清洁,住户允许佩戴采集设备的人员入户作业后,可免费获得这些服务。
Meta 的吉瓦级超集群 Prometheus 一期已完成并用于训练 Muse 系列模型,目前拥有数十万 GPU,计划扩展至约 1 million GPUs。Muse Wonder 预训练和 RL 训练的有效吞吐占比分别超过 85% 和 90%,通过一年的工程优化,集群中断次数较峰值减少 99%。
推荐理由:Meta 将机架内备用 GPU、并行感知容错与异步检查点结合,为大规模训练提供减少故障停机和重复计算的工程方法。
erikkannike 发布 qwen3-4b-deslop,以 Qwen3-4B-Instruct-2507 为基础在 MacBook Air 上微调,无需系统提示词即可减少破折号、三项列举等 AI 写作习惯。
AWS 宣布 TorchNeuron 原生 PyTorch 后端,支持 Trainium2 和 Trainium3,将于 10 月 20 日以 Apache 2.0 开源并开放公共 Beta。
Francesco Maggi 撰文指出,大语言模型能加速数学发现,但人类理解、科研独立性与人才培养将影响数学和科学走向黄金时代还是黑暗时代。文章区分 Lean 形式化证明的正确性与人类理解,强调数学进步还包括创造概念框架,并讨论署名、同行评审、研究保密与商业模型能力获取不均的问题。
Meta 从即将生效的商业账户条款中删除了训练字样,并将内容用途限定为广告和商业产品,但法律专家警告其仍授权广泛抓取关联网站。Meta 表示会尊重 robots.txt 偏好,修订条款却未写入这一承诺,专家认为开发商业产品的授权仍可能涵盖 AI 训练。新条款将于 10 月 30 日生效,商业账户此前无法选择退出,欧美新闻出版组织已提出反对或要求监管介入。
Meta 删除了商业使用条款中引发网站抓取与 AI 训练担忧的表述,并表示其网络爬虫使用方式没有改变。原条款允许 Meta 使用商业账号关联域名、网页或 URL 的内容来开发、训练及维护产品和服务,Nieman Lab 采访的法律专家担心这可能授权 Meta 抓取出版商网站并训练 AI 模型。Meta 在声明中澄清,整合后的抓取条款仅适用于广告和商业产品,已在条款中明确这一范围。
Meta 将于 10 月 30 日生效的新商业条款允许抓取商业账号关联网站内容,法律专家认为授权范围可能涵盖 AI 训练。商业账号目前无法单独退出新条款,不同意者须停止将其产品用于商业用途。Meta 表示此次更新只是整合既有条款,不会改变抓取方式,内容所有者仍可使用 robots.txt 管理访问;法律专家则指出,新条款可能被用于主张覆盖这些屏蔽指令。
推荐理由:Meta 将商业账号使用与关联网站抓取授权绑定,使依赖其平台触达受众的新闻出版商面临继续使用账号与限制内容授权之间的取舍。
Anthropic向非营利评估机构METR的6名研究员开放员工级访问权限,用于独立评估其模型、安全实践和风险管理。研究员获得公司笔记本、办公空间及接近内部风险评估团队的工具访问权限。METR可独立发表评估,Anthropic无权否决发表,但可要求删去客户数据、律师与客户保密信息或模型架构信息等预先限定类别的内容。
推荐理由:Anthropic向METR开放员工级访问且放弃评估发表否决权,使外部审查能接触内部系统并独立公开风险判断。
文章提出,神经网络中许多被视为任意概念混合的现象可用递归泛化解释,直接研究神经元与电路可能比预想更可行。研究者重新检查 InceptionV1 的猫脸与汽车神经元,将其解释为共享的 V 形模式,并在压缩网络的实验中观察到神经元概念变粗。对 Qwen3-32B 的初步审查估计,约 90% 的神经元极具有一个主要作用,但比例依赖阈值设定,文章将大规模可解释性的前景明确列为推测。
推荐理由:文章通过追踪神经元训练过程与检查正负激活,给出了区分递归泛化、工具误差和学习失败的具体研究路径。
GitHub 详解秘密凭据扫描的两阶段流程,用正则生成候选,再由微调的 ModernBERT 结合上下文区分真实凭据与误报。相比此前的 LLM 流程,离线评估的精确率提高 13%、召回率提高 19%,客户 A/B 实验中按仓库所有者加权的告警接受率提高 11.5%。推送后扫描执行时间中位数降低 86%,服务成本降低超过 98%,效率提升也使通用秘密凭据检测能够扩展到推送保护。
推荐理由:GitHub 用正则筛选候选凭据,再让小型分类器结合上下文排除误报,将确定性扫描与机器学习分工用于边界明确的检测任务。
AI 实验室正通过 SimpleClosure、Sunset 等公司购买倒闭初创企业的代码、邮件和聊天档案,用于模型及 AI 智能体训练。SimpleClosure 的 Asset Hub 已处理超过 150 笔交易;Surge AI 利用真实档案构建强化学习训练环境,但尚无公司公布真实数据与替代数据训练效果的对比测试。
推荐理由:AI 实验室购买倒闭公司的工作档案用于训练,出售所得通常流向债权人和投资者,员工隐私与数据出售同意权面临争议。
Hugging Face 工程师用 ML Intern 制作了 7 个小模型,CPU 与 GPU 作业费用合计约 USD 103。项目涵盖柑橘病害识别、图像 LoRA、提示词改写和图像模型知识蒸馏,其中 Pocket Rewriter 0.8B 可在 CPU 上运行,有效输出率为 99.7%。
推荐理由:Hugging Face 工程师把基线评测、训练前小规模测试和预算上限写入 ML Intern 提示词,将模型训练拆成可检查的步骤。
Google DeepMind、Meta 和 Isomorphic Labs 联合向 Biohub 投资 $300 million,支持这家由 Mark Zuckerberg 与 Priscilla Chan 创立的非营利生物医学研究组织构建虚拟细胞。
推荐理由:Google DeepMind 等机构投资 Biohub 建设生物学数据集,为通过虚拟细胞开展数字实验、探索疾病防治提供数据基础。
Telegraph Test 在 50 篇文本、约 1,300 个问题上测试 LLM 电报体压缩,跨模型读取的准确率与明文基线之比为 0.99–1.10。使用小写指令时,GLM-5.3-Flash 的记录节省 48.4% token,但直接以电报体作答的准确率比为 0.81;gpt-5-mini 因无法关闭推理,压缩后的写入费用约为明文的两倍。
推荐理由:Telegraph Test 将记录压缩与作答压缩分开测试,为智能体记忆提供了在内容确定后压缩、机器消费时保持简写的可迁移方法。
Mistral AI 发布原生多模态模型 Mistral Large 4(ML4)公开预览,现可通过 Mistral Studio 的 API 试用,计划本月底开放权重。
推荐理由:Mistral AI 计划开放 ML4 权重并支持私有部署,使组织能在自身政策下开展安全工作,减少对供应商访问权限和拒绝策略的依赖。