OpenAI 挫败协同模型蒸馏攻击
OpenAI 成功挫败了一项旨在提取受保护模型推理过程的协同蒸馏攻击活动。该事件凸显了针对大语言模型的对抗性蒸馏威胁，OpenAI 正着手加强相关防御机制以应对此类安全挑战。
#数据/训练
#数据/训练
今日 0 条OpenAIAI 评分4242 PyTorchAI 评分1818 PyTorch Conference North America 2026 Ray 专题指南
PyTorch Conference North America 2026 聚焦 Ray 分布式计算框架，Ion Stoica 将发表关于 Ray 与 Kubernetes 协同演进的主题演讲。
Hacker News · AIAI 评分4242 Bain 报告：AI 行业需 6T 美元年收入以支撑数据中心建设
Bain & Company 报告指出，AI 行业需在 2031 年前实现 6T 美元年收入，以证明数据中心巨额资本支出的合理性。新产品开发预计贡献 4.2T 美元收入，企业生产力领域需 1T 至 1.4T 美元。随着 AI 基础设施年支出可能达 1.5T 美元，吸收速度成为新的竞争变量。
量子位AI 评分4242 IQuest-Q1 发布：320B参数MoE模型，支持Prompt生成游戏及RL训练Bug排查
IQuest Research 推出 IQuest-Q1 模型，采用稀疏 MoE 架构，总参数 320B、激活参数 15B。该模型能通过 Prompt 直接生成 HTML 小游戏，并在 RL 训练中精准定位导致 Reward 曲线异常的文本解码空格 Bug。其在 NL2Repo、CyberGym 等基准测试中表现优异，且参与自身研发迭代闭环。
极客公园AI 评分3131 拼多多雄安团队超5000人，搭建数据治理与制造服务基地
拼多多在雄安组建超5000人团队，提前完成年度招聘计划。该基地定位为传统产业数据处理与制造服务中心，承担算法标注、模型训练及平台治理等后台职能。目前正测试“试衣镜”项目，通过视觉标注优化服装展示以提升转化率并降低退货率。
Hacker News · AIAI 评分6565 黄仁勋称 AI 模型蒸馏属于竞争而非盗窃
Nvidia CEO Jensen Huang 在接受 CNBC 采访时明确表示，AI 模型蒸馏（即利用其他模型的输出进行训练）属于“竞争”，直接反驳了美国政府此前将其定性为“盗窃”的说法。
极客公园AI 评分4242 阿里云以“芯云模一体”构建中国智能汽车 AI 底座
阿里云在中国汽车公有云市场份额达 45.2%，在六项细分赛道均获第一。其通过千问座舱 Agent、真武 V900 芯片及数据产线重构，实现从智能驾驶到组织效能的全链路覆盖。目前已有超 30 家车企基于阿里云开展研发，平头哥真武 810E 实践规模超 15 万卡。
极客公园AI 评分2828 百度昆仑芯完成三代研发并递交上市申请，李彦宏称长期主义进入回报周期
百度昆仑芯已完成三代 AI 芯片研发与商业化，并于 2026 年初向港交所提交上市申请。该芯片累计部署数万片，支撑国内首个全自研三万卡集群，后续将推出 M100、M300 产品。李彦宏表示，百度通过十余年技术投入，使昆仑芯等长周期项目进入回报阶段。
ByteByteGoAI 评分3737 大语言模型微调指南：LoRA 与 QLoRA 如何定制新技能
当提示词和 RAG 无法解决模型特定行为缺陷时，需通过微调（Fine-tuning）改变参数。LoRA 和 QLoRA 技术通过减少资源消耗，使基于现有模型的定制化训练更实用。文章详解了从指令不足到利用监督微调（SFT）及低秩适配优化模型表现的具体策略。
宝玉的分享AI 评分4545 DeepSeek 的 10 万亿美元大战略
DeepSeek 通过 MLA、DSA 及 mHC 等创新技术大幅压缩 KV 缓存，使 V4 Pro 在 1M 上下文下仅需 5.48GB HBM，远低于 GLM5 和 Qwen3。其战略旨在利用 NAND/LPDDR 存储替代算力，扶持中国硬件生态并冲击 1 万亿美元市值。
Google DeepMindAI 评分3838 Google DeepMind 与韩国科学技术信息通信部达成合作
Google DeepMind 宣布与韩国科学技术信息通信部（MSIT）建立合作伙伴关系，将在首尔设立 AI Campus。双方将利用 AlphaEvolve、AlphaFold 等前沿模型加速生命科学与气候研究，并深化在 AI 安全及人才培养领域的协作。
Google DeepMindAI 评分4040 Google DeepMind 提出 Decoupled DiLoCo：实现低带宽分布式 AI 训练
Google DeepMind 推出 Decoupled DiLoCo 架构，支持在低带宽下跨数据中心进行弹性分布式 LLM 训练。该方案基于 Pathways 和 DiLoCo，通过异步计算隔离硬件故障影响，并在 Gemma 4 模型测试中保持同等 ML 性能。实验显示，使用 2-5 Gbps 网络训练 12B 参数模型的速度比传统同步方法快 20 倍以上，且兼容不同代际 TPU 混合训练。