哲见WISE AITHE INTELLIGENCE JOURNAL
加入讨论
浏览栏目全部AI动态

全部AI动态

浏览AI动态，在一处查找来源与时间。

1287 条动态最近更新 2026-10-05 10:15 UTC+8
清除筛选

最新动态

1287 条动态 · UTC+8

2026-09-23

17 条动态

2026-09-22

13 条动态
NVIDIA行业

NVIDIA 推出 DSX Ready，为 AI 工厂的电源和冷却产品提供认证

每个 AI 工厂都需要与其计算架构相匹配的电源和冷却。随着 AI 基础设施的扩展，电源、冷却、水、场地和电网方面的限制正在影响建设者能够部署的内容。选择与完整工厂设计相匹配的产品，有助于建设者将计算能力转化为有用的 AI 输出。为帮助建设者做出这些决策，NVIDIA 正在推出 […]

NVIDIA Launches DSX Ready to Qualify Power and Cooling Products for AI Factories
站内阅读 阅读原文
NVIDIA行业

从赋能到执行，埃及的人工智能生态系统达到生产规模

今天，埃及的人工智能建设者们齐聚大埃及博物馆，参加一场招待会，这场活动凸显了该国快速增长的人工智能生态系统——涵盖人工智能原生企业、开发者、研究人员、初创企业和大型企业——在各行各业构建应用。活动包括NVIDIA欧洲、中东和非洲区副总裁Paolo Guglielmini的主题演讲。Ahmed Mostafa，区域人工智能采用负责人[…]

From Enablement to Execution, Egypt’s AI Ecosystem Reaches Production Scale
站内阅读 阅读原文
腾讯混元论文

当大模型强化学习走向规模化，Batch Size Scaling 有什么不一样？

更大的 batch 让每次更新能够处理更多序列，从而利用更多并行计算资源；但在样本预算固定时，模型可更新的次数也会减少。在强化学习中，什么时候增大 batch 才能缩短达到目标性能所需的实际时间？对于大语言模型，还必须考虑训练轨迹需要在线生成，以及生成与训练对计算资源的需求并不相同。我们建立了一个将达标所需样本数与端到端吞吐量联系起来的分析框架：只有吞吐增益超过额外的样本代价，更大的 batch 才能加速训练。这也给出了一个实用的调参顺序：先找到 batch size 变化后学习效果仍近似不变的范围，再在这个范围内优化吞吐量。GRPO 和 PPO 实验表明，重新调整学习率后，不同 batch 的学习曲线在一定范围内按累计样本数比较时大致对齐。在固定硬件上，增大 batch 使生成吞吐量最高提升 2.29 倍；我们测得的最佳 GRPO 配置在不增加 GPU 的情况下，将达到同一验证目标所需的时间缩短了 29%。

封面：Batch Size Scaling 需要同时权衡学习效率与系统效率
站内阅读 阅读原文
Anthropic行业

疫情报告

一种罕见的埃博拉毒株正在刚果民主共和国东部传播，目前尚无已确认的疫苗。世界卫生组织正在使用Claude以尽可能快的速度应对它。

A health worker in a clear plastic apron over green scrubs pulls a heavy red rubber glove on over white medical gloves. Around them, rubber boots dry upside down on wooden stakes and pairs of red and green gloves are laid out on the grass, inside an enclosure of orange mesh fencing.
站内阅读 阅读原文

2026-09-21

10 条动态
Microsoft Research论文

利用 RetroChimera 在大规模上改进小分子的合成预测

定制分子正在推动医学、材料和农业的进步，但生产它们既缓慢又昂贵。一篇新的《自然》论文重点介绍了 RetroChimera，这是一种有助于加速化学合成的预测模型，可帮助研究人员探索广泛的分子。文章《利用 RetroChimera 在大规模上改进小分子的合成预测》首次出现在 Microsoft Research 上。

Example of a retrosynthesis tree. For a single target molecule, many disconnections are possible, which introduces a high branching factor. The figure shows many incomplete routes in pale colors that contrast a completed route, which connects all the way from the target molecule to purchasable building blocks.
站内阅读 阅读原文
NVIDIA行业

AI 安全是一个工程问题——如何在智能体堆栈的每一层解决它

AI 安全是一个工程问题。这意味着要有明确的安全需求、可强制执行的控制措施、指定的负责人，以及证明防护措施有效的证据。随着 AI 能力不断增强，行业必须加快安全工程，扩大防御工具的获取渠道，并更快地分享行之有效的做法。技术会变，安全基本原则不变。互联网和云计算改变了软件的运行方式，[…]

AI Security Is an Engineering Problem — How to Solve It at Every Layer of the Agent Stack
站内阅读 阅读原文
NVIDIA行业

5家利用NVIDIA AI推动清洁能源的公司

清洁能源并不难获得，但大规模采用的步伐历来缓慢，原因在于瓶颈——包括过时的基础设施、漫长的研发周期以及前期成本障碍。在纽约气候周上，NVIDIA重点介绍了五家将AI融入其基础、开创清洁能源项目的公司，加速从研究到落地的流程[…]

站内阅读 阅读原文