标签： 算力

Google DeepMind 将现成的 Gemma 4 模型改装成文本扩散模型 DiffusionGemma，只用不到 10% 的训练数据预算，换来约每秒 1500 token 的生成速度。这件事说明，构建文本扩散模型不一定要从头训练。

一项以IMDb影评数据为测试场的情感分析研究，系统对比了轻量级微调方案DistilBERT LoRA与经典TF-IDF基线在性能、校准、可解释性与半监督学习上的表现。它提醒AI行业在追逐大模型的同时，简单基线和小模型微调依然有实用价值。

资深科技投资人 Matt Turck 公开指出，科技行业对数据中心选址争议的回应“失聪”——他列举了社区对就业短暂、烂尾风险和能源消耗的真实担忧，认为行业不能简单将反对声归咎于 NIMBY 或境外操纵，而应正视并改善与地方社区的关系。

上海交大团队在 GitHub 开源了名为“Dive into LLMs”的大模型系统课程，用 11 个实操方向覆盖从模型微调到安全对齐的完整技术链路，并配有课件、可运行代码和华为昇腾合作的分级实验课程。它不是又一份“概念讲解 PPT”，而是一份能照着动手做的学习地图。

2026年8月9日，技术圈人士Phoenix Yin在X上发布了一条高关注度观点帖，主张AI时代不应放弃数学、物理、信息学的系统学习，并分别从三大学科拆解了大模型与扩散模型的底层原理。这条帖子的价值，在于把人们对“AI焦虑”的注意力，重新拉回最基础的知识框架。

埃森哲内部会议泄露音频显示，非技术员工正在用大模型token做一些“PDF转Markdown”级别的琐碎工作，导致企业AI支出暴涨。这件事说明AI泡沫的一部分，可能不是来自工程师写代码，而是来自普通员工拿大模型当免费打字员。