NVIDIA 发布 Kumo Relational 关系型基础模型,无需训练即可在关系数据上超越监督式机器学习
NVIDIA 发布 Kumo Relational,一个预训练关系型基础模型,直接在企业数据库上做预测:给定预测查询,它收集最多 10,000 条历史样例作为上下文,在单次前向传播中预测流失、需求或欺诈等结果,无需任务专用训练、特征工程或表扁平化。
推荐理由:原文给出了基准数字、架构原理和开源入口,读者可以据此评估用预训练模型替代表格机器学习管线的可行性。
NVIDIA 发布 Kumo Relational,一个预训练关系型基础模型,直接在企业数据库上做预测:给定预测查询,它收集最多 10,000 条历史样例作为上下文,在单次前向传播中预测流失、需求或欺诈等结果,无需任务专用训练、特征工程或表扁平化。
推荐理由:原文给出了基准数字、架构原理和开源入口,读者可以据此评估用预训练模型替代表格机器学习管线的可行性。
Microsoft Research 的 Xinzhi Zhang 与 Zhao Song 合作证明了1995年提出的 KLS 猜想,证明对数凹分布中平面切口的瓶颈与任意形状切口最多相差一个普适常数,与维度无关。
推荐理由:原文给出证明思路、独立验证与 Lean 形式化情况,读者可以了解人机协作如何促成一项数学难题的解决。
Google DeepMind 发布 Gemini 4 Argon,定位通用物理推理模型,在 3D 物理空间理解基准 ERQA 上以纯推理取得 87% 得分,官方称优于所有其他前沿模型。
推荐理由:官方展示了 Gemini 4 Argon 在机器人控制、Real2Sim 和物理理解四类场景的示例提示词,可作具身智能工作流参考。
Google DeepMind 于 10 月 13 日发布前沿模型 Gemini 4 Argon,面向开发者和企业通过 AI Studio 与 Gemini API 全球开放。
推荐理由:原文给出 API 定价、基准成绩和安全评估数据,读者可以据此评估 Argon 在编码、科研和 Agent 场景的实际可用性。
Mistral 发布 Mistral Large 4 公开预览版,可在 Mistral Studio 试用,权重将于本月底开放。
推荐理由:原文给出参数规模、基准成绩和开源权重的具体安排,读者可据此评估这款模型在安全与编码场景的可用性。
Google DeepMind 发布 SynthID Bio,将水印技术引入合成生物学,把不可见的签名直接嵌入蛋白质序列和 3D 结构,可在合成后的实体蛋白质上验证。
推荐理由:原文给出湿实验验证数据与开源安排,读者可以了解将水印技术嵌入蛋白质设计的具体实现路径。