把 embedding 模型拿去轉錄語音，1 小時音訊 13 秒搞定
EmbeddingGemma 2 被拿去轉錄語音：1 小時音訊 13 秒搞定，全程本機運算。英文限定、錯誤率約 5%、還沒開源，HN 411 分熱議一次整理。
分類 機器學習
「AI」不是工具：希基全文翻譯與 HN 討論整理
希基主張 LLM 是自動化而非工具。全文繁中翻譯，加 HN 138 則討論整理、正反對照與一頁懶人包。
AI 是一種工具，用好它需要技術：全文翻譯與 HN 討論整理
yyhh 回應希基〈AI 不是一種工具〉：難駕馭仍是工具，重點是理解與監督。全文繁中翻譯，加 HN 196 則討論整理與一頁懶人包。
Google EmbeddingGemma 2登場，支援全模態embedding的小鋼炮
740M 參數、Apache 2.0、裝置端多模態嵌入一次看懂，附 HN 討論整理與一頁圖解。
Kolibri 蒸餾爭議拆解：哪些是自建的，哪些借了中美模型
借了，但沒全借。自建的是權重、架構、管線、德語料大頭；借的是改寫器、標註器、一部分合成料。版本比例、API通道、Gemma衍生條款三題未答。
德國終於推出德語為主的主權模型，結果連Qwen3.8 27B的德語都打不過，靠公部門買單？
Kolibri 78B MoE 德語輸 Qwen3.8 27B 九分，但算力便宜、主權合規、地端可跑。公部門買的不是跑分，是斷供那天還有沒有得跑。
Gemini 3.5 Transcribe：Google 新一代智慧語音轉文字模型
Google 在 2026-08-26 推出專用語音轉文字模型 Gemini 3.5 Transcribe，主打「智慧聽寫」——不是逐字稿，而是直接把口語（含自我修正、填充詞）轉成乾淨格式化文字。串流/批次兩個 API、85+ 語言、AA-WER 2.6% 排行第 5、token 計費約 $0.005/分鐘。
Advancements in machine learning for machine learning – Google Research Blog
這篇Google研究部落格的文章介紹了機器學習（ML）領域的最新進展，特別是如何利用ML來提高ML工作負載的效率。文章強調了ML編譯器在優化用戶模型方面的重要性，並介紹了新的“TpuGraphs”數據集，這是針對大型張量計算圖的性能預測數據集。此外，文章還提出了一種名為“Graph Segment Training”的新方法，用於擴展圖神經網絡（GNN）訓練，以處理大型圖表。Google還舉辦了一場Kaggle競賽，參與者利用TpuGraphs數據集開發新技術，包括圖表剪枝/壓縮、特徵填充值的選擇、節點特徵的重要性，以及跨配置注意力機制的應用。這些進展將有助於在系統中進一步應用ML，特別是在結構化數據和人工智能研究方面。