標籤: Machine Learning

NVIDIA Kumo Tabular 把表格預測改成 in-context learning：模型先在合成表格上預訓練，再從標記列預測新資料；本文拆解方法、榜單主張與企業驗證條件。

拆解 Target 如何以詞彙與向量雙路檢索、屬性精確度控制和加權交錯，改善商品搜尋，並檢視其離線與線上證據的邊界。

70M–500M SLM 在 PPO 對齊時常見的梯度凍結、數值溢出與策略崩潰，以及 PPL 能力空間假說能解釋什麼。這篇講失敗模式，不是口號式「邁向穩健」。

讀 Ornith 1.0 的 self-scaffolding：Agent 寫程式時自己搭鷹架解決什麼、評測能說明什麼、信任邊界在哪。Ornith 是案例，不是搜尋入口。

拆 DoorDash Ask Assistant 的架構與評測口徑。24% 是他們公開的轉化數字，要連同實驗範圍一起讀，不是標題保證。

根據 SpaceXAI 官方發布與模型文件，釐清 Grok 4.5 的 API 規格、程式開發評測、可用管道，以及團隊導入前應自行驗證的限制。

產品向判讀 GPT-5.6 Sol：分層定價、模型路由與評測怎麼看。這不是架構論文那篇。

Google Colab CLI 讓 Agent 與開發者在雲端跑終端指令。這篇講能做什麼、權限與限制，不是「解放算力」的發表稿。

鐵達尼號生存預測競賽的完整實戰紀錄：漸進式特徵工程、CatBoost 與 RF 集成、CV 與 Public LB 脫鉤、嚴格 notebook 移植，以及何時該停手。最終 Public LB 0.81578。