1
Cloudflare与OpenAI启动试点项目，拟利用全球网络数据优化AI搜索
Cloudflare携手OpenAI，用全球网络数据为AI搜索注入新能量
7月8日，云服务提供商Cloudflare与OpenAI宣布启动一项研究试点项目，该项目旨在探索如何利用Cloudflare全球网络的网站洞察数据，帮助AI搜索引擎更高效地在开放网络上发现并索引相关内容，从而提升AI回答的准确性与时效性。通过利用Cloudflare的实时网络信号（如内容更新鲜度、流…
2
Where Does the Signal Live? A Web Data Recipe for Medical Encoder Pretraining
从海量网络数据中精准提取有效信号，创新医疗编码器预训练的数据配方，为专业领域模型训练提供新思路。
arXiv:2606.22079v1 Announce Type: cross Abstract: Web data curation has been widely studied for decoder Large Language Model (LLM) pretraining. Encode…
3
Causal Representation Learning from Network Data
提出从网络数据中学习因果表征的新方法，结合图结构与因果关系建模，为复杂网络分析提供全新视角。
arXiv:2509.01916v2 Announce Type: replace Abstract: Causal disentanglement from soft interventions is identifiable under the assumptions of linear int…
4
AI Traffic Grew 6.5x Faster Than Human Traffic This Year
Fastly最新数据揭示AI流量增速远超人类，一年内暴涨555%，展现AI应用的爆发式增长趋势。
Article URL: https://www.fastly.com/blog/ai-traffic-grew-6-5x-faster-than-human-traffic-this-year Comments URL: https://news.ycombinator.com/item?id=4…
5
微软 MAI 系列 AI 模型训练数据曝光，“仅商业授权”说法存在出入
微软MAI模型训练数据被曝含未授权开放网络数据，与其宣称的“仅商业授权”相矛盾。
IT之家 6 月 6 日消息，科技媒体 The Decoder 昨日（6 月 5 日）发布博文，报道称微软最新发布的 MAI 系列 AI 模型部分使用未获授权的开放网络数据训练， 与其此前“仅采用企业级、干净且商业授权数据”的说法不一致。 IT之家此前报道，在宣传 MAI 系列模型时， 微软号称“完…