Meta 将部署数百万枚 AWS Graviton 芯片用于 AI 工作负载

企业 AI 平台 Pit 关闭 $16M 系列融资，由 a16z 领投

据 Odaily，企业级 AI 平台 Pit 宣布完成一轮由 a16z 牵头的 1600 万美元融资，Lakestar 参与其中，OpenAI、Anthropic、Google、Deel 和 Revolut 的高管也加入了本轮。Pit 将自己定位为“AI 产品团队即服务”，旨在取代传统电子表格和僵化的 SaaS 系统。

谷歌试点招聘考试，允许工程师使用 AI 工具

据《朝鲜日报》报道，谷歌正在试点招聘考试，允许美国软件工程候选人在部分入门级和中级岗位中使用 AI 工具。该试点包括代码理解任务，申请者需要审查现有代码、修复漏洞并提升性能。面试官将评估候选人如何提示 AI、核查其输出、编辑结果以及调试代码，而不是仅评估其从零编写代码的能力。

OpenAI 立即停止微调 API。现有用户可访问至 2027 年 1 月 6 日

根据 Beating 监测到的 OpenAI 官方公告，该公司将从即刻起停止为开发者提供自助式微调 API。新的用户将不再能够创建微调任务，而现有的活跃用户可在 2027 年 1 月 6 日之前继续访问该服务。已部署的微调模型，其推理服务将与其基础模型的生命周期绑定，当基础模型被下线时，推理服务也将停止。 OpenAI 表示，其新的基础模型（例如 GPT-5.5）在遵循指令和格式化方面现在已足够强大。该公司称，将提示工程与检索增强生成（Retrieval-Augmented Generation, RAG）结合使用，相比微调更便宜、更快速，并且足以满足大多数用例。

Sakana AI 和 Nvidia 通过跳过 80% 的无效计算，实现 30% 更快的 H100 推理

Sakana AI 和 Nvidia 已开源 TwELL，这是一种稀疏数据格式，可让 H100 GPU 在大型语言模型中跳过 80% 的无效计算，同时不牺牲准确性。该解决方案在 H100 上可实现最高 30% 更快的推理和 24% 更快的训练，并降低峰值内存使用。在对一个 1.5 十亿参数的模型进行测试时，通过训练期间的轻量级正则化，该方法将活跃神经元降至低于 2%，且在七个下游任务中没有出现性能下降。

微软开源 Phi-Ground 4B 模型，在屏幕点击准确率方面优于 OpenAI Operator 和 Claude

据 Beating 称，微软最近开源了 Phi-Ground 模型家族，旨在解决“AI 应该在计算机屏幕上点击哪里”的问题。该 40 亿参数版本，并结合用于指令规划的更大语言模型，在 Showdown 基准测试中超过了 OpenAI Operator 和 Claude Computer Use 的点击准确率，并在包括 ScreenSpot-Pro 在内的五项评估中位列所有 100 亿以下参数模型的第一名。 团队在超过 4000 万个数据样本上进行了训练，并发现学术论文中使用的三种常见训练技术在规模化时变得无效。关键思路证明很简单：以常规数字输出坐标，例如“523, 417.” 先前的研究为坐标发明了专门的位置词汇，但这些方法无法规模化。团队还发现，将文本指令放在图像之前可以提升性能，因为模型在处理像素时能够识别目标。此外，诸如 DPO 之类的强化学习方法在微调之后仍能提高准确率。