Nvidia 向 Meta 计划中的股权发行投资 30 亿美元,双方扩展 AI 合作
Nvidia 将投资 30 亿美元参与 Meta 计划中的股权发行,两家公司同时宣布围绕 Meta 的 AI 产品 Muse 扩大合作,Meta 计划让新一代 AI 智能体更多运行在 Nvidia 的 Vera Rubin 系统和 Vera CPU 上。
Nvidia 将投资 30 亿美元参与 Meta 计划中的股权发行,两家公司同时宣布围绕 Meta 的 AI 产品 Muse 扩大合作,Meta 计划让新一代 AI 智能体更多运行在 Nvidia 的 Vera Rubin 系统和 Vera CPU 上。
Meta 计划发售最多 950 亿美元新股票,为 AI 基础设施建设筹资,据 The Information 报道。其中约 225 亿美元来自 A 类普通股,125 亿美元来自存托股份(代表新的优先股,2029 年 8 月前自动转为普通股),其余 600 亿美元将在 C 类股上市后于公开市场持续出售,预计最早 2027 年一季度。
Nvidia GEAR 实验室开源机器人视频数据引擎 Flora,标注 1 小时视频约 0.72 美元,远低于 GPT-6 Astra 的约 88.50 美元。
AWS Machine Learning Blog 发布在 Amazon SageMaker AI 上做多轮强化学习(MTRL)的实操指南,以 Wordle 为教学示例,训练信号只来自整局结果评分,agent 托管在 Amazon Bedrock AgentCore,用 GRPO 更新 LoRA 适配器。
NVIDIA 发布预训练关系型基础模型 Kumo Relational,可直接在企业数据库上通过预测查询做流失、需求、欺诈等预测,无需任务训练和特征工程。该模型在 15 个数据库的 41 项任务上超过监督式关系深度学习和梯度提升树管线,在 SAP SALT 基准上 MRR 超 AutoGluon 集成 8%,微调后领先 16%,可扩展到 500B+ 行的数据库。
推荐理由:官方发布了面向关系型数据库的预训练基础模型并附代码和权重,读者可以了解其免训练预测架构和基准表现。
Dharma AI 介绍其 VocabX 方法,按每个 token 的成本而非出现频率为领域专用小模型重建词表,并同时在子词层和多词宏 token 两层做压缩。
在出版界强烈反弹后,Meta 从其商业服务条款中删除了 train 一词,但条款仍定于 10 月 30 日生效。
Google Research 发布 VERID 框架及三项研究,构建 AI 智能体自主运行湿实验室的基础。VERID 基于开源 PyLabRobot,提供实验室工作单元的语义数字孪生、实时 3D 状态追踪、虚拟试运行和硬件安全检查,所有协议先经模拟验证再交给液体处理机器人。
推荐理由:原文给出 VERID 数字孪生框架与两条闭环实验的量化结果,读者可以了解 AI 智能体接入真实湿实验室的具体路径与安全设计。
Microsoft Research 的 StudentSim 从公开脱敏的学习记录中为每位学生训练个性化模拟器,用于在真实学习者测试前评估和改进 AI 辅导系统。该工作同时提出 StudentSimEval 基准,以行为保真度和对辅导指导的响应性两个维度评估,覆盖国际象棋、二语英语写作和数学三个领域。研究设置中 StudentSim 超越领先基线,可为 AI 辅导系统训练提供有效反馈信号。
Google Research 介绍 Earth AI 的 Population Dynamics Foundation Model(PDFM),将搜索趋势、人口流动、建成环境密度和环境指标压缩为逐月更新的位置嵌入,作为即插即用输入接入流行病学工作流。
Berkeley AI Research 提出 ABBEL 框架,用自然语言信念状态替代完整交互历史,并通过信念评分(belief grading)监督摘要内容,解决长程任务中递归摘要的性能损失。