全部资讯

AI 行业最新资讯、产品、技术、商业、洞察

自己动手做模型：ML Intern 低成本定制小模型实战

Hugging Face 工程师通过 ML Intern 代理，用不到 20 美元训练出六个定制模型。本文拆解可复用的提示词结构——已验证事实、基线评测、烟雾测试、预算闸门，以及柑橘病害识别、Huggy 角色生成、相机角度 LoRA 三大案例的数据规模与算力成本，为国内团队提供低成本模型定制的工程指南。

10.08/

苏晚/11 MIN

微软和Meta收紧Claude：被削掉的是入口，不是模型

10.08/

苏晚/9 MIN

谷歌Playground的账本：做游戏的人付钱，玩游戏的人免费

10.07

把 MuJoCo 搬上 GPU：MJWarp 迁移的四道闸门与三种不报错的错误

NVIDIA 把一台 SO-101 从单个 MuJoCo CPU 世界搬到 2,048 个并行 MJWarp 环境，API 改动只有一张对照表。真正难的是搬完之后怎么确认没搬错：容量溢出只打印警告、.numpy() 静默同步、计时不同步测的是入队速度——三类错误都不抛异常，只让数字失真。

教程/09.27

解码快 3 倍，端到端只快 1.5 倍：VLM 推测解码 DSpark 的账怎么算

Liquid AI 给 LFM2.5-VL-3B 配了 280M 的专用草稿模型，llama.cpp / MLX-VLM / SGLang 首日支持。解码最高提速 3.13 倍，但端到端最低只有 1.30 倍——差距卡在 prefill 和视觉编码上。本文拆解三套硬件六个任务的实测数据、接受长度这一列说明了什么，以及什么场景下值得上。

教程/09.22

tokenizers v1 最高快 30 倍，中文却只快 6.8 倍

Hugging Face 的 tokenizers v1 候选版在 Token ID 不变的前提下，把编码提速 3 到 30 倍。但分语言数据里中文只有 6.77 倍、排倒数第二，词缓存对中文还略拖后腿。三处关键改动怎么起作用，按 Qwen2 切分规则实测中英文 pre-token 差在哪，都在这里。

教程/09.22

Transformers 直接跑 GGUF：Python 追平 llama.cpp

Hugging Face 让 transformers 直接加载 llama.cpp 的 GGUF 量化权重，在 M2 Max 上跑到 llama.cpp 的九成以上，27B 那一档还反超。值得看的不是又多了一个本地推理方案，而是这段差距究竟是从哪两处补回来的。

商业/09.22

亚马逊封杀 Meta Muse：问题不在 AI 购物，在浏览器跑在谁的机器上

亚马逊拦下 Meta 的 Muse 代理，弹窗没提「黑客」，只引用户条款。对照 Perplexity 案判决会发现：法院保护的是以用户机器作中继的代理，而 Muse 的浏览器和凭据都在 Meta 云上。豆包的 SAEP 协议则给了国内平台另一种答案。

智能终端/09.20

ColorOS 17 把支付授权收进系统层：AgentOS 争的是被超级 App 拿走的那层

ColorOS 17 被报道成又一次 AI 功能更新，但真正的变化藏在 Agent Matrix 的基础能力清单里：账号身份、意图共享、支付授权。潮汐引擎把资源分配权从 App 收归系统，极光引擎把界面从应用窗口拆成连续图层——App 正在降级为能力供应商，系统升级为面向用户的总集成商。这是手机厂商对被超级 App 拿走的那一层的反攻，成败不取决于端侧模型。

政策/09.20

美军险些登临中国货船：出问题的不是 AI 幻觉，是那第二次调用

今年春季，一份由聊天机器人生成的情报险些让美军登临一艘中国货船，军机已升空才被叫停。多数报道把矛头指向"AI 幻觉"，但事故真正的发生点是分析员的第二次调用——用模型把错误结论排成了一份"看起来很正式"的摘要。当制作格式的成本归零，格式就不再是流程的凭证。这条链路在中国企业的风控、尽调、审计、病历里同样存在，而出错的那一环，是一份货物清单。

教程/09.18

LoRA 让异步 RL 跨机只传几 MB：一个桶加一个代理，再靠三处设置提速 3.9 倍

Hugging Face 用 TRL v1.14 的 AsyncGRPOTrainer 只同步 rank-1 LoRA 适配器，靠一个挂载进每个 Job 的存储桶和一个按 KV 前缀路由的代理，在没有 NCCL 的 HF Jobs 上跨机跑通异步 GRPO。架构只决定能不能跑：500 步从 3 小时 27 分缩到 53 分钟，靠的是打包、关梯度检查点、放开在途上限这三处设置。