OpenAI、Google、微軟與 Anthropic 聯手推動 AI 抓取退出新標準,整合進 robots.txt 統一宣告訓練偏好
Anthropic 已率先採用並向 IETF 提案,OpenAI 預計數月內落實,Google 與微軟排定明年跟進支援。
22 則值得知道的變化
Anthropic 已率先採用並向 IETF 提案,OpenAI 預計數月內落實,Google 與微軟排定明年跟進支援。
模型支援文字與首尾畫面輸入,原生輸出 5 至 15 秒 768P 同步立體聲,並在 DesignArena 文生影片榜名列開源第一(總榜第 8)。
該模型無須大規模機器人預訓練,單一模型即可整合語意理解、視覺預測與動作生成,涵蓋導航、停靠與抓取等任務。
基於 183 小時影片評測基準,模型結合記憶系統使主動互動提升 12.3%,但在逾 5 分鐘連續操作下累積錯誤顯著。
研究指出 next-token 預測對齊極低效,藉良好視角僅需單次旋轉即可整合不同模態編碼器,COCO CIDEr 達 0.838。
情感支持對話促使模型 GAD-7 焦慮達中重度比例達 80%,Gemini 創傷量表更達滿分,僅 Claude 堅決拒絕扮演個案。
該架構以客觀數據驗證並解決通用模型 42.7% 的編輯失敗,運算耗費約增 10 倍,已產出 2.6 萬筆高質量微調資料。
面對公開難題遭宣稱全數破解,Calegari 借鑑有限單純群分類歷史,呼籲數學家承擔驗證並開拓新方向。
該專案將高頻專家保留於 VRAM 並由 CPU 協同計算,64k 長提示處理提升 1.4 至 1.8 倍且支援多款 MoE。
該呼叫量較 2024 年初成長逾千倍且模型迭代縮至數天,目前已在鋼鐵與汽車等 20 個行業落地逾千個應用場景。
因社群頻繁利用 AI 反編譯與移植商業遊戲,官方新增規則禁止復刻既有作品,卻導致多起原創開發專案遭到系統誤判攔截。
涵蓋德克薩斯、俄亥俄、密西根與紐約等州,資料中心議題已從默默無聞躍升為選民焦點,促使候選人紛紛明確表態。
估值達 6 億美元並由 Elad Gil 領投,目前為空中巴士等逾 1,300 家企業提供數分鐘失效的動態密碼與存取控管。
新版以 L-BFGS 最佳化器進行無固定秩限制的矩陣微訓練,擴展支援思考模型與超連接架構,但不再相容 1.x 版設定檔。
該公司預計成為全球首家在美股掛牌的純人形機器人企業,目前已具備真實商用場景落地與部署紀錄。
阿美預計於 2026 年注入這筆現金並挹注 AI 與數位資產,沙國主權基金 PIF 則將繼續持有該新創 51% 控股權。
全球事務長 Chris Lehane 指出此舉為 2028 年大選鋪路,並推動地方社區參與以化解反資料中心聲浪,爭取美國主導全球標準。
該儲存庫包含 7.72 TB 權重分片、GDN 與 MLA 混合架構程式碼及訓練詮釋資料,目前真實性尚未獲獨立證實。