Databricks Lakeflow Connect 如何统一生产力工具与 AI 数据接入
Databricks Lakeflow Connect 通过原生连接器把 Jira、Confluence、SharePoint、Google Drive、Outlook、Gmail、GitHub 以及 OpenAI、Anthropic 等生产力与 AI 工具的数据统一接入 Databricks 平台，以受治理的表形式存入 Unity Catalog，无需自建和维护管道。
原文：2026/10/27
#数据/训练
按收录时间排列 · 卡片保留原文日期，往期好文也会新收录
AIHOT 精选AI 评分4242 AIHOT 精选AI 评分5858 Databricks AI Search 原生支持 Streaming Tables、Materialized Views 与 Iceberg Managed 表
Databricks 宣布 AI Search 在 Delta 表之外原生支持 Streaming Tables、Materialized Views 和基于 Iceberg v3+ 的 Managed 表，可将实时事件、持续维护的个性化状态和开放格式数据直接接入 AI Search 应用，省去此前为这些数据源单独构建和维护同步管道的成本。
原文：2026/10/27
The DecoderAI 评分7070 纽约大学与UT Austin研究总结让AI文本难读的六种句式
纽约大学与德州大学奥斯汀分校的研究让14个语言模型（含Claude、GPT-5.6、GLM-5、Kimi K2.5、Llama、Olmo）生成120段对话、45段编码会话和980篇议论文，与人类文本对比后总结出六种让AI文本难读的句式：生造词组、主谓被长从句隔开、省略连接词的缩略指称、名词堆叠、名词误用作动词、给无生命主语搭配有生命动词。
原文：2026/10/27
AIHOT 论文解读AI 评分6767 英国 AISI 实测 ESM-2 预训练数据过滤效果与恢复成本
英国 AISI 团队对开源 ESM-2 蛋白模型家族从头预训练并移除病毒蛋白数据，测试预训练数据过滤能否选择性削弱目标能力。结果显示过滤显著降低了模型在病毒蛋白上的表现，同时基本保留了非病毒蛋白能力，且模型越大效果越明显。
原文：2026/10/26
Kevin IndigAI 评分6767 Kevin Indig：有机搜索流量下滑不全是AI的锅
Kevin Indig基于Similarweb对美国和法国各1万个域名、2023年9月至2026年8月的数据分析指出，过去24个月美国自然搜索流量下降13.2%、法国下降24.4%，但下滑并非全由AI造成。
原文：2026/10/26
Engineering at MetaAI 评分7272 Meta 发布 2026 版生成式广告模型 GEM，转化率提升 18.9%
Meta 介绍 2026 版生成式广告模型 GEM，从 Facebook、Instagram、Reels 等各自独立的优化转向单一中心基础模型，跨全部广告版位和漏斗阶段联合预测点击与转化。
原文：2026/10/14
Berkeley AI ResearchAI 评分5555 Berkeley AI Research 提出智能体时代数据系统的三类研究方向
Berkeley AI Research 发布视角文章，认为 GPT-4 级能力成本已从每百万 token 约 30 美元降至 1 美元以下，推理价格年降幅 9 到 900 倍，中位数约 50 倍，由此提出数据系统面临的三类挑战：面向智能体（For）、由智能体运行（Of）和由智能体构建（By）。
原文：2026/07/07
NVIDIA BlogAI 评分6262 NVIDIA 扩展 Cosmos 平台新增世界模型训练工具与数据工厂蓝图
NVIDIA 扩展 Cosmos 平台，新增训练工具、模拟检查点和 Cosmos Data Factory 蓝图，帮助开发者构建物理AI世界模型。Cosmos Curator 新增多模态多感官输入支持，Data Factory 提供五个云原生蓝图，经 GitHub、Microsoft Azure、Nebius 和 CoreWeave 提供。
原文：2026/10/22
Trends.vcAI 评分5858 Data-for-Cash Apps：AI实验室为何付费购买手机与私有数据
文章指出前沿实验室已训练完大部分公开网络数据，转而付费获取手机和私有公司内的数据，应用通过收购通话、照片、视频再卖给AI实验室。
原文：2026/10/22
人人都是产品经理AI 评分4444 数据都在报表里，为什么开会还要临时拉 Excel？
文章从多品牌多门店场景切入，拆解总部、区域、门店三层如何从同一份业绩结果追到不同层级，以及同一区域运营在业绩、流量、转化三类问题下各自的阅读路径。报表要让人快速知道该和什么比——先明确比较基线、统计口径与截止时间，再沿可核实的门店、商品、订单等对象传递差异，把反馈落到具体环节而非只给一张红色趋势图。每周重复的筛选、比较和追查值得沉淀成报表常用路径，而临时探索新问题的 Excel 可以继续保留。
原文：2026/10/21
MIT News (AI)AI 评分4343 MIT 研究人员开发可“看见”3D 原子结构的材料科学多模态 AI 模型
MIT 研究人员开发出一种面向晶体材料的多模态视觉-语言模型，将 3D 原子结构与自然语言描述结合，通过对比学习对齐几何结构与文本，相关论文发表于 Nature Communications。
原文：2026/10/18
Kevin IndigAI 评分6161 Kevin Indig 实测：分析工具中难以检测到隐藏的 AI Direct 流量
Kevin Indig 分析了12个站点的 Google Analytics 4 数据，比较2026年8月至9月的Direct流量，发现8个站点Direct流量增长，但深入排查后大部分是机器人流量，有站点409,000次Direct会话中仅198次为有效互动；1月至9月总Direct增长140.9%，而有效Direct流量基本持平。
原文：2026/10/19
电鸭社区AI 评分4747 订单表去重：同一个订单号，为什么不能直接删掉一行？
一份22行的虚构订单表整理实验演示了三个常见表格整理错误：重复订单号不等于重复记录，如DEMO006两行金额分别为59.80和69.80、DEMO014两行状态分别为"待发货"和"已完成"，仅按订单号去重会丢失信息。正确做法是只删除六个原始字段完全相同的记录，同号但金额或状态不同的行应保留。
原文：2026/10/16
人人都是产品经理AI 评分4444 全球最低税数据架构设计：从规则到系统的完整拆解
文章以OECD支柱二GloBE规则为例，用一笔240万元补足税案例拆解全球最低税计算：某辖区9,000万元口径所得对应1,080万元涵盖税额，有效税率12%低于15%，扣除1,000万元实质性所得排除额后，对8,000万元超额利润按3个百分点差额算出240万元补足税。
原文：2026/10/15
Mind the ProductAI 评分6262 亚马逊400亿美元合同组合AI转型的经验教训
作者曾在亚马逊负责从投标到付款的采购平台，并共同构建从400亿美元合同组合中抽取法律条款的机器学习系统，达到95%抽取准确率。作者称关键不在模型架构，而在数据治理：先与法务、采购、运营共同建立条款分类体系，再由跨职能团队手工标注数千段真实合同，最后建立错误检查流程。
原文：2026/09/28