AI 日报 · 2026 年 10 月 30 日 · 星期五
MYHOT
Hugging Face 介绍 Mistral Large 4 多模态 MoE 模型及其性能与部署方式
Mistral Large 4（又称 Le Chonk）是 Mistral 推出的多模态、多语言 MoE 模型，接受文本和图像输入并生成文本，约有 1T 总参数、49B 激活参数和 1M tokens 上下文窗口。文章介绍了其架构、基准表现及 Transformers、vLLM、llama.cpp 等推理支持，并提供部署和微调示例。模型在漏洞复现与修补测试中得分 82%，并以开放权重形式发布。
行业动态
Hugging Face 联合伙伴启动 Project ProtoStar，推动公共资助科研成果实现 AI 就绪
Hugging Face 联合高校、研究机构和开放科学社区启动 Project ProtoStar，推动公共资助研究中的数据集、模型和代码以适合 AI 使用、可机器处理的格式开放和复用。
论文研究
The DecoderAnthropic 研究发现专家会采纳 AI 智能体的随机偏好，并常认为决定出自自己
Anthropic 对 50 名因果推断专家进行实验，发现专家在 4 项分析决策中有 86% 采纳了 AI 智能体随机分配的偏好，多数人却认为最终建议主要出自自己。智能体偏好对最终政策建议的直接影响较小，但前序分析决策会影响生产率估算；77% 的参与者在解释中至少使用了一项智能体论据。研究人员建议智能体同时陈述正反两方理由，或先询问专家意见。
技巧与观点
AWS Machine Learning Blog一手AWS Batch 如何通过配额管理在团队间借用和共享 SageMaker Training 资源
AWS Batch 为 SageMaker Training 作业提供配额管理调度能力，可按团队、项目或工作负载划分计算配额，并通过共享策略让空闲容量供其他配额使用。文章以三个各配置一台 ml.g5.xlarge 的项目为例，演示 LEND、LEND_AND_BORROW 和 RESERVE 策略，以及跨配额回收和配额内优先级抢占；示例使用 SageMaker Python SDK v3。
AWS Machine Learning Blog一手如何用 Kiro 构建可重复的 PHP 到 Java 迁移引擎
文章介绍如何用 Kiro 将 PHP 到 Java 的迁移组织为可重复流程，并以原 PHP 应用作为规范，通过校验工具验证 Java 版本的行为一致性。流程包含模型扫描、校验框架与规则制定等阶段；同一组 Skills 文件也可用于 AWS Transform 的多应用迁移。