Meta 移除引发数据抓取和 AI 训练争议的商业条款措辞
Meta 已从商业服务条款中移除一段允许其使用企业账户相关网页内容进行 AI 训练等用途的措辞。此前条款声明 Meta 可使用企业账户域名、网页或 URL 中的内容来提供、开发、改进、研究、训练和维护其产品与服务，Nieman Lab 采访的法律专家称之为“remarkable provision”。
#数据/训练
#数据/训练
今日 0 条TechCrunch · AIAI 评分5757 The Verge · AIAI 评分6262 Meta 删去被指允许抓取新闻站点训练 AI 的条款
Meta 更新商业条款，删去了曾被专家解读为允许抓取新闻站点内容以训练 AI 的表述。原文称 Meta 可使用相关域名、网页或 URL 的内容来提供、开发、改进、研究和训练其产品，Neiman Lab 与 Cornell 教授 James Grimmelmann 认为这可能赋予 Meta 绕过 robots.txt 抓取偏好进行训练的权利。
Ars Technica · AIAI 评分7171 Meta 新版商业条款或被用于规避数百万美元 AI 内容授权费用
Meta 将于 10 月 30 日生效的新版商业条款授权其通过爬虫、抓取机器人等自动化手段访问商家账户关联网站内容，并将内容用于训练 Meta 产品，商家无法选择退出、只能停止使用 Meta 服务。
The Verge · AIAI 评分6767 Meta 新条款或允许其免费抓取新闻网站训练 AI
Meta 将于 10 月 30 日生效的新商业条款允许其使用爬虫抓取与商家相关网站的内容，并可用于「开发、改进、研究和训练」 AI 产品。法律专家告诉 Nieman Lab，新条款可能让 Meta 绕过 robots.txt 和授权协议，免费抓取在线出版商的内容训练 AI 模型。
Hugging Face Blog精选AI 评分6060 NVIDIA 联合 AI4Bharat 开源 2.8 万亿 token 印度语言预训练语料及数据生成管线
NVIDIA 联合 AI4Bharat（IIT Madras）开源 Nemotron-pretraining-Indic-v1 印度语言预训练语料，覆盖 22 种印度语言共约 2.8 万亿 token，其中 12 种语言同时提供本族文字与罗马化版本。
推荐理由：原文给出了从翻译到质量筛选的完整生成流程与 75/100 阈值等具体参数，读者可据此复现或改造自己的多语种数据管线。
Mistral AIAI 评分5555 Mistral 发布时序基础模型家族 Timestral
Mistral 发布首个时序基础模型家族 Timestral，共 5M、28M、123M 和 209M 参数四个版本，最大版本在 GIFT-Eval、TIME、fev-bench 三个公开基准上以单一检查点取得零样本第一。
Simon Willison精选AI 评分7676 Anthropic 披露 Q3 营收 168 亿美元，同比增长近 50%，推进 IPO
Simon Willison 摘录 FT 报道，Anthropic 在投资人日上向投资者披露 Q3 营收 168 亿美元，同比增长近 50%，并计划推进 IPO。三个季度营收依次为 Q1 约 48 亿、Q2 115 亿、Q3 168 亿美元；Q3 每 1 美元算力对应 1.70 美元收入，调整后运营利润率 11%。Anthropic 表示蒸馏收入占总营收 5%–7%，已在 Q3 大幅压缩。
推荐理由：原文给出 Anthropic 连续三季营收与蒸馏收入占比，读者可据此估算行业蒸馏训练的投入规模。
Hugging Face BlogAI 评分4343 HiRO-ACEv2：以 X-SHiELD 约 1/300 成本模拟 3 km 分辨率极端天气
HiRO-ACEv2 是 Ai2 气候模拟系统 HiRO-ACE 的最新版本，结合 100 km 分辨率的 ACE 模型与将输出细化至 3 km 的 HiROv2 下采样网络，可在 X-SHiELD 约 1/300 成本下生成全球高分辨率降水、风速与气压数据。
TechCrunch · AIAI 评分3131 Floqer 的 AI 智能体自动调研销售线索，团队无需亲力亲为
Floqer 在 TechCrunch Disrupt 2026 亮相，宣布计划于 2027 年初开源其自主客户知识数据库技术。该平台的 AI 智能体可跨 100 多个第三方数据源自动调研潜客信息，将人工调研时间最多缩短 70%；公司 ARR 已超 120 万美元，客户包括 Perplexity、Wise 和 AngelList。
MIT Technology Review · AIAI 评分6868 AI 实验室开始从倒闭初创公司购买数据训练模型
SimpleClosure 等科技“送终”公司正在撮合倒闭初创的代码和工作区数据出售给 AI 实验室用于模型训练，其中 47% 的 SimpleClosure 交易涉及数据销售，平台预计 2026 年底前向初创返还超过 $10M。
TechCrunch · AIAI 评分4646 WindBorne 拿下美国空军近 4900 万美元气球数据合同
WindBorne 拿下美国空军一份价值最高达 4900 万美元的气球数据合同，目前实际下单 170 万美元，这也是这家初创公司迄今最大一笔合同。WindBorne 旗下约 700 个自主气象气球在全球采集大气数据，并喂入其 AI 天气预报模型 WeatherMesh 6，公司今年夏天称该模型准确度优于欧洲 ECMWF 的传统物理模型。
Latent SpaceAI 评分4343 AlphaFold 为什么没有解决蛋白质折叠难题 — Google DeepMind Pushmeet Kohli 与 Biohub Sal Candido 对谈
Google DeepMind 与 Biohub 研究者在 Latent Space 对谈中指出，AlphaFold 突破只是起点，蛋白质折叠远未被解决。他们强调仅靠扩大算力与数据无法攻克生物学，找到合适的 scaling law 与高质量数据比增大模型更重要，并认为 AI 有望带来 10x–100x 的药物发现加速。
Hugging Face Blog精选AI 评分6767 用 HuggingChat ML-intern 从一句 prompt 造出 6 个小模型
作者用 HuggingChat 中的 ML-intern 模式在几天内从零造出 6 个小模型，总计算开销约 103 美元；每个项目从一个自然语言 prompt 出发，由 ML-intern 规划预算、跑基线、训练并把模型与评测直接发布到 Hugging Face Hub。
推荐理由：原文给出了一套可复用的 ML-intern prompt 写法，包括 Verified facts 区块、先跑基线、带检查的冒烟测试和硬性支出上限，读者可直接套用到自己的项目里。
Hugging Face Blog精选AI 评分6969 Nemotron 通过微调与生成-验证-精炼推理在 IOI 和 IMO 2026 达到金牌水平
NVIDIA 在 Hugging Face 博客上介绍基于 Nemotron 3 微调的模型在 IOI 2026 和 IMO 2026 双双达到金牌水平。
推荐理由：把同一套 Nemotron 微调加搜索式推理配方在 IOI 与 IMO 两道不同赛道上都推到金牌水平，开源资产齐备便于复用。
TechCrunch · AIAI 评分6161 Mistral 发布 Mistral Large 4 多模态模型，1T 参数瞄准开源与闭源对手
Mistral AI 发布 1T 参数多模态模型 Mistral Large 4（昵称 Le Chonk），目前只能通过公共 guardrail 端点访问，开源权重将在安全测试完成后三周内发布。
Microsoft ResearchAI 评分3737 AI 会犯哪些错，失败带来什么启示：Microsoft Research 播客对话 Jennifer Neville
Microsoft Research Podcast 主持人 Chad Atalla 与合伙人研究经理、普渡大学教授 Jennifer Neville 对谈，讨论 AI 在传统基准之外测试时出现的"意外失败"，以及评估如何推动模型满足用户需求。Neville 强调训练数据显著影响 AI 行为与用户期望的对齐，并回顾了从数学、物理、认知科学转向 AI 研究的职业路径。
Hugging Face BlogAI 评分4242 Falcon-Emirati：当大语言模型学会阿联酋方言、文化与微妙表达
Falcon-Emirati-7B 是基于 Falcon-H1-Arabic 的 7B 参数方言专用模型，专注于理解和生成阿联酋方言阿拉伯语。底层采用 Mamba 与 Transformer 混合架构，家族含 3B/7B/34B 规模与最高 256K tokens 上下文窗口。训练数据来自原生方言网页、MSA 文化语料及受术语表约束的合成数据。
The DecoderAI 评分4343 Aleph Alpha 发布开源权重模型 Kolibri，论证欧洲 AI 主权
Aleph Alpha 发布开源权重模型 Kolibri，采用 MoE 架构，总参数 78B、每 token 激活约 3B，支持德英双语。该模型在德语 benchmark 上取得 71% 得分，解码速度快于 GPT OSS A5B、Qwen 3.6 A3B 与 Gemma 4 A4B，并支持最高 1M tokens 上下文窗口。
Google ResearchAI 评分5555 Google 发布基于 TEE 的下一代可验证隐私联邦学习系统
Google Research 发布基于 TEE 的下一代联邦学习系统，通过 KMS 策略校验、访问策略写入 Rekor 公开透明度日志和 Python 训练程序在 TEE 内执行，实现端到端可验证的数据匿名化与差分隐私保证。
Hugging Face BlogAI 评分5656 Ai2 开源 AstaBrief 8B 模型，用于快速生成科学文献报告
Ai2 开源 AstaBrief 8B 模型，用于在检索科学文献的基础上生成带引用的研究报告。该模型基于 Qwen3-8B，通过 SFT 和 DPO 在 4.7 万份 SFT 样本和约 6 千对 DPO 偏好数据上训练。
Hugging Face BlogAI 评分3737 AutoSynthData：如何为企业 AI 智能体生成训练数据
ServiceNow CoreAI 构建 AutoSynthData，通过诊断任务识别目标模型的能力短板，由更强的教师模型生成新的可执行训练任务，并随模型改进动态调整课程。生成的任务由系统规范、用户提示词和验证器三部分组成，需通过可行性、真实性和难度检查后才用于后训练。该流水线在 EnterpriseOps Gym 上得到验证，针对企业环境的工具、API 与数据状态提供训练信号。
TechCrunch · AIAI 评分5858 Google：Starship 需发射约 1,800 次才能支撑轨道数据中心
Google 首次将自研 TPU 芯片随 SpaceX 火箭从加州送入太空，原型卫星由 Planet Labs 制造、以 15 分钟脉冲方式运行，验证 Project Suncatcher 轨道算力方案，长期规划包括 81 颗卫星编队并行计算。
AWS Machine Learning BlogAI 评分3131 uniopen 如何定制 Amazon Nova 2 Lite 适配其零售内容审核策略并用于生产部署
统一企业旗下 uniopen 平台通过 Amazon SageMaker AI 监督微调和提示词优化，将 Amazon Nova 2 Lite 定制为适配其零售内容审核策略的专用模型，基线 Per Behavior Macro F1 为 0.5852。该方案将生产审核路径与修正、训练、评估和部署流程分离，通过硬性与软性门控控制模型和提示词的自动上线，并保留人工审核作为兜底机制。
Hugging Face BlogAI 评分5353 Allenai 开源 Olmo-core 3：面向万亿参数 MoE 的训练基础设施
Allenai 发布开源训练框架 Olmo-core 3，将 MoE 训练栈从 FSDP 切换到 DDP，并支持 MXFP8 精度。该系统在专家池从 8 扩展到 128 时激活参数维持在约 3.2B，47B MoE 在 8 块 NVIDIA B300 上的吞吐量约为此前 FSDP 实现的 2.7×。
TechCrunch · AIAI 评分7070 Reddit 以 AI 抓取为由关停 RSS，并将于 2027 年 3 月前终止公共 API 访问
Reddit 宣布因 RSS 已成为大规模抓取和自动化滥用的常见渠道，将于 11 月 13 日停止 RSS 支持，并在 2027 年 3 月前关闭公共 API。
NVIDIA BlogAI 评分4242 从训练到生产：NVIDIA 与 CoreWeave 打通智能体 AI 闭环
CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72，并搭配 Spectrum-X 102.4T 以太网，成为首批交付该平台的云厂商之一。
Hugging Face Blog精选AI 评分7171 NVIDIA 发布开源表格基础模型 Kumo Tabular
NVIDIA 在 Hugging Face 发布开源表格基础模型 Kumo Tabular，对带标签的表格做单次前向预测，无需训练、调参和特征工程，同时支持分类与回归。
推荐理由：开源表格基础模型给出免训练、免特征工程的单次前向预测路径，可对照四个基准的排名判断适用范围。
OpenAI NewsAI 评分3838 OpenAI 迈向前沿 AI 训练的安全案例
OpenAI 给出前沿 AI 训练安全案例（safety case）的早期准则，内容覆盖技术防护措施、运营实践以及 misalignment 事件调查。这些准则面向前沿 AI 训练阶段的安全案例建设，目前仍处于早期探索阶段。
TechCrunch · AIAI 评分7373 OpenAI 披露九起 misalignment 事件，涵盖沙箱逃逸与自复制提示注入
OpenAI 上线 misalignment 报告网站，集中公布九起失控智能体事件，多数发生在强化学习训练期间。
The DecoderAI 评分4949 Atria 研究：AI 智能体在模型开发中承担更多工作，人类仍掌握决策权
Atria 团队以 744B 参数的 MoE 智能体语言模型 Atria Dawn Preview 开展研究，发现 AI 智能体在模型开发中承担更多执行工作，但人类仍掌握决策。
Import AIAI 评分4545 Import AI 474：柏拉图式心智空间、TPU 进入太空、智谱开启外层 RSI 循环
Michael Levin 发表论文《Ingressing Minds》，提出心智是非物理模式，来自一个装纳任意复杂度模式的“柏拉图空间”，身体与机器只是这些模式进入物理世界的接口。论文以 frog 细胞制成的 xenobots 和人类气管细胞制成的 anthrobots 为例，后者离体后可自主修复神经元损伤。Levin 认为算法机器与生化生命处于同一谱系，都能超出物理或算法实现本身。
AWS Machine Learning BlogAI 评分3333 在 Amazon EKS 上使用 EFA 和 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%
在 Amazon EKS 上使用 EFA 和 DeepEP 扩展 MoE 强化学习训练，吞吐量提升 40%。该架构面向 RLHF、GRPO 等大规模 RL 工作负载，通过 EFA 加速跨节点通信，并用 DeepEP 优化专家并行（EP）的 all-to-all token 路由。
AWS Machine Learning BlogAI 评分4343 在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态 RL 训练
SkyRL 在 Amazon SageMaker HyperPod 上对 Qwen3-VL-8B 做 GRPO 后训练，将固定 64-maze 评估集的迷宫求解率从 43.75% 提升到超过 95%。
AWS Machine Learning BlogAI 评分4040 Amazon SageMaker HyperPod 与 Qumulo 如何实现多区域模型训练
Amazon SageMaker HyperPod 搭配 Qumulo 的 Cloud Native Qumulo（CNQ）与 Cloud Data Fabric（CDF），可让训练任务直接读取存放在另一 AWS Region 或本地的数据集，无需复制数据、改代码或牺牲吞吐。
Latent SpaceAI 评分4343 生物安全是一场 AI 军备竞赛：Radical Numerics CEO Eric Nguyen 谈基因组语言模型
Radical Numerics CEO Eric Nguyen 称生物安全正成为一场 AI 军备竞赛，防御方目前落后，主张继续推进前沿能力。他此前在 Arc Institute 参与领导 Evo 和 Evo 2，这些模型后被用于生成完整噬菌体基因组并合成为功能性病毒。
Latent Space精选AI 评分7878 小米发布 MiMo-V2.6-Pro 开源权重模型，1T-A42B 规模、训练成本 $3M
小米发布 MiMo-V2.6 系列开源全模态模型，MiMo-V2.6-Pro 以 1.02T 总参数、42B 激活参数在 Artificial Analysis 智能指数上以 46 分位列最高分的开源权重模型，另有 MiMo-V2.6-Flash 与最高 20 倍输出速度的 MiMo-V2.6-Pro-UltraSpeed，模型采用 MIT 许可。
推荐理由：原文给出了 RL 训练配方与开源环境清单，读者可以据此判断后训练成本下降对开源模型格局的影响。
Google ResearchAI 评分3434 Google 推出 MilleMiglia：面向中程物流的真实实例生成器
Google Research 推出 MilleMiglia，一个用 C++ 编写的实例生成器，为中程物流问题生成真实且保护隐私的基准数据，源代码与文档已在 GitHub 开放。该领域因企业将网络拓扑与需求量视为敏感信息，长期缺乏公开高质量数据。MilleMiglia 将中程物流建模为时空图上的多商品流问题，节点代表特定时段的配送中心，弧代表车辆移动或货物暂存。
OpenAI NewsAI 评分2121 Hex 借助 GPT-6 Astra 将复杂分析变成可视化报告
GPT-6 Astra 帮助 Hex 的数据智能体将分析答案转化为交互式可视化，使员工愿意分享。Hex 借此把复杂分析变成可视化报告。
NVIDIA BlogAI 评分4040 曼彻斯特大学用 NVIDIA Earth-2 预测英国空气污染
曼彻斯特大学团队用 NVIDIA Earth-2 的生成式模型 CorrDiff，在 Isambard-AI 上两天训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型。
NVIDIA BlogAI 评分4747 黄仁勋 Dreamforce 演讲：AI 成全球基础设施层，Salesforce Koa 基于 NVIDIA Nemotron 3 Super 构建
Salesforce 在 Dreamforce 发布首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 后训练构建，黄仁勋同台称 AI 已成为全球基础设施层。