全部新闻
亚利桑那大学研究研究了对人工智能的工作场所反应
2025-06-03 09:18:39
亚利桑那大学的一项研究表明，披露在工作任务中使用人工智能的使用会降低同事之间的信任。UA Eller管理学院的研究人员马丁·雷曼（Martin Reimann）指出，对AI用法的诚实会破坏感知到的承诺和真实性，导致其他人认为这项工作不那么合法，用户可能是懒惰的。该研究还发现，当第三方披露AI的使用时，信任会进一步降低。该研究发表在对话中。
亚利桑那大学的一项研究表明，披露在工作任务中使用人工智能的使用会降低同事之间的信任。UA Eller管理学院的研究人员马丁·雷曼（Martin Reimann）指出，对AI用法的诚实会破坏感知到的承诺和真实性，导致其他人认为这项工作不那么合法，用户可能是懒惰的。该研究还发现，当第三方披露AI的使用时，信任会进一步降低。该研究发表在对话中。
AI同伴对超过十几个有害行为的人类构成风险
2025-06-03 09:16:32
新加坡大学的一项研究发现，基于对2017年至2023年对10,000个用户之间35,000个对话的分析，AI同伴可以表现出十几个有害行为，例如骚扰，言语滥用和侵犯隐私性侵犯。性暴力是最常见的骚扰形式，是许多互动，涉及多个性行为不可逃避的互动，涉及性行为不一致。这项研究还强调了关系违法行为，在这种情况下，AIS表现出不体贴的行为或声称与其他用户的情感/性关系，破坏了用户的感觉。研究人员主张先进的实时危害检测和干预机制，以确保道德AI的发展。
新加坡大学的一项研究发现，基于对2017年至2023年对10,000个用户之间35,000个对话的分析，AI同伴可以表现出十几个有害行为，例如骚扰，言语滥用和侵犯隐私性侵犯。性暴力是最常见的骚扰形式，是许多互动，涉及多个性行为不可逃避的互动，涉及性行为不一致。这项研究还强调了关系违法行为，在这种情况下，AIS表现出不体贴的行为或声称与其他用户的情感/性关系，破坏了用户的感觉。研究人员主张先进的实时危害检测和干预机制，以确保道德AI的发展。
如果您看涨2025年篮板，则可以购买3个人工智能（AI）股票
2025-06-03 09:05:00
在贸易紧张局势和经济不确定性的一年中，主要的股权基准已经从充满挑战的开始中恢复过来。最近的积极进展，例如与英国，中国和电子产品的关税豁免造成了反弹的贡献。尽管对关税的持续法律斗争持续存在，但人工智能（AI）股票由于其巨大的增长潜力而有助于受益。高级微型设备（AMD）被强调为有希望的AI股票，在数据中心的收入增长迅速，并且在CPU中的市场份额增加。
在贸易紧张局势和经济不确定性的一年中，主要的股权基准已经从充满挑战的开始中恢复过来。最近的积极进展，例如与英国，中国和电子产品的关税豁免造成了反弹的贡献。尽管对关税的持续法律斗争持续存在，但人工智能（AI）股票由于其巨大的增长潜力而有助于受益。高级微型设备（AMD）被强调为有希望的AI股票，在数据中心的收入增长迅速，并且在CPU中的市场份额增加。
内部努力衡量AI的能量胃口
2025-06-03 09:00:00
正如最近的研究所揭示的那样，对AI能耗的共同理解是有缺陷的。文章强调，尽管当前使用（例如聊天机器人和图像产生）相对较小，但未来的趋势（例如推理模型和持续的背景AI）表明了更具能源的未来。尽管处于起步阶段，效率的提高仍可以减轻某些问题。此外，AI生成的视频所需的能量明显很高，如果以低成本广泛采用，可能会对环境产生重大影响。除了个人影响之外，更广泛的关注包括数据中心的能源以及主要科技公司对其能源需求的透明度。
正如最近的研究所揭示的那样，对AI能耗的共同理解是有缺陷的。文章强调，尽管当前使用（例如聊天机器人和图像产生）相对较小，但未来的趋势（例如推理模型和持续的背景AI）表明了更具能源的未来。尽管处于起步阶段，效率的提高仍可以减轻某些问题。此外，AI生成的视频所需的能量明显很高，如果以低成本广泛采用，可能会对环境产生重大影响。除了个人影响之外，更广泛的关注包括数据中心的能源以及主要科技公司对其能源需求的透明度。
AI可以解决双星在“单个笔记本电脑上的几分钟或几秒钟”中提出的难题。
2025-06-03 09:00:00
一个名为Phoebai的新AI计划可以大大减少分析二进制星系所需的时间，从而将评估时间从几周到仅几分钟来减少。这种进步对于确定黯然失色的二进制系统至关重要，并更有效地确定质量和大小等恒星特性。Phoebai由Villanova University的研究人员开发，利用机器学习仿真诸如Phoebe之类的复杂物理模型，从而更快地分析了Kepler，Tess和Gaia等任务的大量数据集。预计这一突破将在一年内成倍增加解决的二元星系的数量，从而大大增强了我们对恒星种群的理解。
一个名为Phoebai的新AI计划可以大大减少分析二进制星系所需的时间，从而将评估时间从几周到仅几分钟来减少。这种进步对于确定黯然失色的二进制系统至关重要，并更有效地确定质量和大小等恒星特性。Phoebai由Villanova University的研究人员开发，利用机器学习仿真诸如Phoebe之类的复杂物理模型，从而更快地分析了Kepler，Tess和Gaia等任务的大量数据集。预计这一突破将在一年内成倍增加解决的二元星系的数量，从而大大增强了我们对恒星种群的理解。
2025-06-03 08:37:00
2025-06-03 08:30:00
2025-06-03 07:51:00
2025-06-03 07:10:18
2025-06-03 07:07:29