AI 日报 · 2026 年 10 月 29 日 · 星期四
MYHOT
NVIDIA Nemotron 3.5 Transcribe 和 Granary v2 发布：可提示的多语言智能转录
NVIDIA 发布 Nemotron 3.5 Transcribe 和 Granary v2，提供多语言转录、说话人标注、翻译和音频问答能力，支持单 GPU 部署。Granary v2 提供开源数据管道和微调配方，可将模型适配到特定领域。模型在多个基准测试中表现领先，支持 40 种语言转录和 31 种语言翻译。
行业动态
NVIDIA RTX Spark 系列笔记本新增 Blackwell 超芯片、Agent 工具及游戏功能
NVIDIA RTX Spark 系列笔记本现已从 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 等品牌推出，搭载 NVIDIA Blackwell RTX GPU 与 Grace CPU 的超芯片，支持 128GB 统一内存及 1 petaflop FP4 AI 性能。
AWS Machine Learning Blog一手AWS SageMaker AI 发布 SOCI 索引加速容器启动
AWS SageMaker AI 发布 SOCI 索引技术，将容器镜像下载从分钟级优化至秒级，通过懒加载机制仅在启动时获取必要文件，其余文件在后台流式传输。测试显示下载时间减少约 8 至 46 倍，GPU 空闲时间降低达 90%，不影响后续训练性能，仅需更新镜像标签即可启用。
论文研究
Liquid AI 发布 LFM3 系列多模态模型
Liquid AI 发布 LFM3 系列模型，以 2B 参数规模提供多模态统一架构，支持单 GPU 微调、端侧部署及多种模态任务。相比 LFM2，LFM3 在效率上提升 35% 参数，支持文本、视觉、音频、全模态及决策模型，首个全模态模型（Omni）和视觉模型支持视频输入，推理速度提升 25%，适合机器人、智能体等场景。
Google DeepMind一手另外 3 家也报道了Google DeepMind 发布 Genie 4 新一代世界仿真模型
Google DeepMind 今天宣布发布 Genie 4，一种原生多模态世界模型，可生成逼真的音效、环境音和实时对话。该模型结合 Gemini 系列的能力，支持物理仿真、人类行为模拟及复杂事件推理，用于机器人训练和交互式体验开发。目前作为研究预览向 Google AI Ultra 订阅者及早期合作伙伴开放，并鼓励加入等待列表。
Google Research一手Google 发布睡眠框架解决 LLM 持续学习中的知识保留问题
Google 引入睡眠框架解决 LLM 持续学习中的灾难性遗忘问题，通过交替活跃学习与离线记忆巩固，使模型能保留短期记忆并抽象为新技能。
技巧与观点
AWS Machine Learning Blog一手AWS 在 EKS 上使用 Ray Train DLC 和 EFA 进行分布式训练
AWS 在 EKS 上通过 Ray Train DLC 和 EFA 实现分布式训练，无需构建容器。教程演示了使用 Qwen2.5-1.5B 模型在两个 g6.12xlarge 实例上通过 FSDP 进行微调，展示了 KubeRay 管理集群、DLC 提供预装环境以及通过环境变量配置网络传输和 GPU 资源的方法。