iFeeling Daily

每天精选值得关注的 AI 动态

每天精选值得关注的 AI 动态

前沿技术

微软 Foundry 把 Hugging Face 上最热门的开源模型做成了企业级服务：一键部署、安全扫描、自动更新，还接入了 Agent 框架。你选模型和模板，剩下的 GPU 编排、运行时维护、CVE 修复全由平台搞定。省去了自己搭推理管道的麻烦。

95%的AI试点不赚钱，不是模型不行，是根本没装进企业系统里。大厂过去一年砸了近百亿美元搞“前线部署工程师”，把这群人塞进客户办公室，手把手搭环境。谁控制了部署层，谁就是最终赢家。

搜索推荐系统最头疼的不是精度不够，而是今天好用明天崩盘。苹果这篇实战论文直接告诉你，问题出在输入特征的时间不稳定性上，并用一个叫 Fortress 的四步法，优雅地剪掉了那些最会“捣乱”的特征，让模型效果既准又稳。

Tom Tunguz 拆解了搜索技术从关键词到语义再到Agent的进化路径，点出了当前系统在意图理解和实时执行上的硬伤。混合搜索加MCP协议的架构让检索准确率提升的同时延迟降到毫秒级，值得每个做AI应用的人细读。

Photoroom公开了他们训练PRX模型的数据管道全流程，从混合数据源、VLM重标、格式选择到过滤去重，每一步都有实测数据和经验教训。特别值得一提的是他们对JPEG与PNG的严格对比测试，以及灵活的跳过列表设计，对做生成模型训练的同学很有参考价值。

传统MoE在每层独立选专家，效率极低。PathMoE发现token会自发聚类到少数路径上，于是通过简单共享跨层路由参数来强制放大这种模式，在0.9B和16B模型上效果显著，还省掉了麻烦的辅助损失函数。思路直接，证据扎实。

LeRobot v0.6.0 把机器人学习的闭环真正打通了：世界模型策略在训练时学会想象未来，推理时零成本；奖励模型自动判断成败；部署时出错的瞬间就能采集纠错数据，直接用于下一轮训练。整个流程就像装上了飞轮。

Hugging Face 正在解决自定义 GPU 内核的安全分发难题：通过新仓库类型、受信任发布者和代码签名机制，让恶意内核无机可乘，同时为 AI Agent 自动编写和迭代内核铺平了道路。