Hugging Face 新论文:全模态嵌入研究走向统一,提出覆盖、可比较、可组合三阶段框架

Hugging Face Papers 收录的一篇立场论文认为,图像、文本、音频等模态的嵌入研究正从各自为战走向共同原理,并提出“覆盖—可比较—可组合”的三级能力和三条统一路径,为全模态嵌入画出路线图。

Hugging Face Papers 收录的一篇立场论文认为,图像、文本、音频等模态的嵌入研究正从各自为战走向共同原理,并提出“覆盖—可比较—可组合”的三级能力和三条统一路径,为全模态嵌入画出路线图。

一篇新论文提出 GLOW-FM,用单步潜空间流匹配做低光照图像增强,小版本推理只需一次函数评估、约 34 GFLOPs。它试图解决扩散类方法迭代采样太慢、难以实际部署的问题。

Hugging Face Papers 收录的一篇论文将大模型强化学习中训练与推理数据不一致拆成“引擎数值误差”和“异步采样权重滞后”两类来源,并提出配套修正方案 DLC,为稳定 on-policy 强化学习训练提供了新思路。

Marvell 于 2026 年 11 月 2 日宣布以约 1150 亿美元股票置换收购 Lumentum,押注光互联将成为 AI 数据中心内部连接的核心技术。这笔交易包含 Lumentum 债务,若完成将是公开上市科技公司间规模最大的并购。

alphaXiv 收录的论文《Latent Sparse Attention》提出 LSA 方法,在 GLM-5.3-FLASH 上实现 10M token 超长上下文下,单层注意力预填加速 22.7 倍、解码加速 4.6 倍,同时保持相近精度,为 Agent 长程任务提供更经济的注意力方案。

研究者提出 ∇Mimic 和配套的 NablaEngine,用可微仿真产生的精确梯度训练人形机器人全身跟踪策略,在单张 GPU 上约 20 分钟达到此前世界模型方法 0.82 的分数,而后者报告需要 1.2 小时。论文已开源这两项基础设施,但实验只覆盖仿真中的 LAFAN1 动作集。

微软一支约30秒的 Copilot 广告近日在 Hacker News 引发热议,片中同名主角 Kyle 用 Copilot 照搬同事 Daniel 的成果并据为己有。这条叙事被评论者视为对生成式 AI 核心用途的直白承认,而非产品发布。

Meta 前安全负责人 Alex Stamos 警告,用户把 1Password 密码库和金融账户登录权交给 AI Agent,是在把最敏感的数据交给一家成立仅数月的外部公司,银行已开始面对「认证合法、但操作者是机器人」的新问题。

OpenAI 在美国推出“电网保护者计划”(Grid Protectors Program),让其未来数据中心园区在电网承压时主动削减电力需求。这反映出大模型算力扩张与电力基础设施之间的矛盾,正被放到运营层面处理。

OpenAI 计划把 ChatGPT 的 Chat 与 Work 两个标签页合并为同一体验,并从 12 月起让 Plus、Pro、Business 订阅用户在 ChatGPT 与 Codex 之间共用按 token 计算的用量额度。这直接影响订阅用户的使用成本和产品入口逻辑。