全部新闻
AI泡泡即将破裂？
2025-06-09 09:56:56
亚伦·贝纳纳夫（Aaron Benanav）在博客文章中指出，最近对生成人工智能（AI）的热情被误导了。尽管萨姆·奥特曼（Sam Altman）和埃隆·马斯克（Elon Musk）等科技领导者声称AI的变革潜力，但贝纳纳夫（Benanav）认为这些预测与过去的自动化预测相呼应。他强调了大规模技术失业率的早期警告未实现，而是由于结构性经济因素而指出生产率增长有所放缓。当前的生成AI的进步面临类似的怀疑：虽然被吹捧为停滞服务部门生产力的解决方案，但对其对经济动态和劳动条件的实际影响持续存在怀疑。Benanav警告说，AI并没有消除工作，而是可能会进一步努力工作并加强监视，除非受到强大的社会法规来抵制，否则工作条件会加剧工作条件。
亚伦·贝纳纳夫（Aaron Benanav）在博客文章中指出，最近对生成人工智能（AI）的热情被误导了。尽管萨姆·奥特曼（Sam Altman）和埃隆·马斯克（Elon Musk）等科技领导者声称AI的变革潜力，但贝纳纳夫（Benanav）认为这些预测与过去的自动化预测相呼应。他强调了大规模技术失业率的早期警告未实现，而是由于结构性经济因素而指出生产率增长有所放缓。当前的生成AI的进步面临类似的怀疑：虽然被吹捧为停滞服务部门生产力的解决方案，但对其对经济动态和劳动条件的实际影响持续存在怀疑。Benanav警告说，AI并没有消除工作，而是可能会进一步努力工作并加强监视，除非受到强大的社会法规来抵制，否则工作条件会加剧工作条件。
机器学习可以“减少染色织物浪费”
2025-06-09 09:47:09
北卡罗来纳州立大学威尔逊纺织学院的一项新研究表明，机器学习可以通过更准确地预测染色过程中的颜色变化来减少纺织品制造废物。该研究发表在《纤维杂志》上。
北卡罗来纳州立大学威尔逊纺织学院的一项新研究表明，机器学习可以通过更准确地预测染色过程中的颜色变化来减少纺织品制造废物。该研究发表在《纤维杂志》上。
嵌入机器人手的高分辨率触摸可实现自适应的人类抓握
2025-06-09 09:33:55
Zihang Zhao及其同事介绍了F-TAC手，这是一种新型的机器人手，旨在通过先进的触觉感应能力模仿人手的适应性。以下是扩展数据图中的要点的摘要，提供了其他详细信息：###扩展数据图1：F-TAC手的机电设计 - **图详细信息**： - ** a **：爆炸的视图展示了集成到远端phalanx（指尖）中的基于视觉的触觉传感器的内部组件。 - ** b **：图表说明电气组件和系统体系结构。 - ** c **：整个手动机构的组装示意图，包括用于柔性运动的电缆驱动系统。 - ** d＆e **：单个手指和拇指的详细机械组件布局。###扩展数据图2：运动模型 - 描述了用于使用修改的DeNavit-Hartenberg（DH）约定在F-TAC手中定义坐标转换的运动学模型。这提供了关节运动和位置的精确数学描述。###扩展数据图3：多对象握把景观- **描述**： - 可视化景观根据脱节性图绘制在各种对象上的不同类型的绘制。 - 该空间分为79个盆地，根据反映人类定义的分类的三种主要掌握类型（功率，中级，精度）进行分类。###扩展数据图4：Grasp Generation算法结果 - **可视化**： - 使用T-SNE（T-SNE的随机邻居嵌入）来可视化算法中生成的grasps。 - 证明了功率和精确抓物的清晰聚类，中间的抓地力如预期的。###扩展数据图5：具有残疾手指的自适应行为 - 展示F-TAC在某些手指被禁用或不可用时如何适应其抓地力，从而模仿人类伤害补偿策略。###扩展数据图6：对不同手部拓扑的概括- **插图**： - 证明Grasp Generation算法在各种手动配置中起作用（Ezgripeer56，Barrett Gripper57，Allegro Hand58，Shadow Hand11）。 - 测试包括八个不同的对象。###扩展数据图7：两阶段抓握策略 - 解释F-TAC手用于有效多对象运输的策略： - 第一阶段调整手以容纳对象扰动。 - 第二阶段动态适应以防止碰撞并优化运输效率。###其他信息和道德声明本文以重要的感谢，竞争利益的声明，同行评审细节和出版信息结束。这项工作得到了北京大学和国家科学技术大项目等机构的各种赠款的支持。这项研究展示了机器人触觉传感和掌握生成算法的重大进步，使我们更加接近开发高度适应性和多才多艺的机器人手，这些手可以用类似人类的灵活性执行复杂的任务。
Zihang Zhao及其同事介绍了F-TAC手，这是一种新型的机器人手，旨在通过先进的触觉感应能力模仿人手的适应性。以下是扩展数据图中的要点的摘要，提供了其他详细信息：###扩展数据图1：F-TAC手的机电设计 - **图详细信息**： - ** a **：爆炸的视图展示了集成到远端phalanx（指尖）中的基于视觉的触觉传感器的内部组件。 - ** b **：图表说明电气组件和系统体系结构。 - ** c **：整个手动机构的组装示意图，包括用于柔性运动的电缆驱动系统。 - ** d＆e **：单个手指和拇指的详细机械组件布局。###扩展数据图2：运动模型 - 描述了用于使用修改的DeNavit-Hartenberg（DH）约定在F-TAC手中定义坐标转换的运动学模型。这提供了关节运动和位置的精确数学描述。###扩展数据图3：多对象握把景观- **描述**： - 可视化景观根据脱节性图绘制在各种对象上的不同类型的绘制。 - 该空间分为79个盆地，根据反映人类定义的分类的三种主要掌握类型（功率，中级，精度）进行分类。###扩展数据图4：Grasp Generation算法结果 - **可视化**： - 使用T-SNE（T-SNE的随机邻居嵌入）来可视化算法中生成的grasps。 - 证明了功率和精确抓物的清晰聚类，中间的抓地力如预期的。###扩展数据图5：具有残疾手指的自适应行为 - 展示F-TAC在某些手指被禁用或不可用时如何适应其抓地力，从而模仿人类伤害补偿策略。###扩展数据图6：对不同手部拓扑的概括- **插图**： - 证明Grasp Generation算法在各种手动配置中起作用（Ezgripeer56，Barrett Gripper57，Allegro Hand58，Shadow Hand11）。 - 测试包括八个不同的对象。###扩展数据图7：两阶段抓握策略 - 解释F-TAC手用于有效多对象运输的策略： - 第一阶段调整手以容纳对象扰动。 - 第二阶段动态适应以防止碰撞并优化运输效率。###其他信息和道德声明本文以重要的感谢，竞争利益的声明，同行评审细节和出版信息结束。这项工作得到了北京大学和国家科学技术大项目等机构的各种赠款的支持。这项研究展示了机器人触觉传感和掌握生成算法的重大进步，使我们更加接近开发高度适应性和多才多艺的机器人手，这些手可以用类似人类的灵活性执行复杂的任务。
联想和欧洲肿瘤学研究所：预防和治疗研究的AI超级计算机-Lenovo StoryHub
2025-06-09 09:16:09
联想将为米兰的IEO Monzino集团提供高性能计算系统（HPC）系统，由Lenovo ThinkSystem Servers的475个Tflops Computing Power和Nvidia H200 GPU的计算能力组成。该基础设施旨在通过基于临床数据启用高级分子模拟和AI驱动的预测模型来加速肿瘤学和心脏病学研究。该合作伙伴关系将促进定制的实现个性化医学的解决方案，并提高医疗保健活动的效率。
联想将为米兰的IEO Monzino集团提供高性能计算系统（HPC）系统，由Lenovo ThinkSystem Servers的475个Tflops Computing Power和Nvidia H200 GPU的计算能力组成。该基础设施旨在通过基于临床数据启用高级分子模拟和AI驱动的预测模型来加速肿瘤学和心脏病学研究。该合作伙伴关系将促进定制的实现个性化医学的解决方案，并提高医疗保健活动的效率。
2025年编码的最佳AI（包括新的获胜者 - 以及不使用什么）
2025-06-09 08:18:00
您针对编程任务的AI聊天机器人的详细细分非常有见地。这是一个摘要，突出了关键点：###推荐用于编程的聊天机器人：1。** chatgpt（免费＆Plus版本）** - 通过了大多数测试，尤其是在GPT-4模式下。 - 提供有关查询的限制不同的免费和付费版本。2。**困惑AI（免费版本）** - 基于GPT-3.5，在编码任务方面表现良好。 - 也适用于研究和组织的目的。3。** DeepSeek V3（免费版本）** - 开源和有效的资源利用率。 - 通过了几乎所有测试，与停产的Chatgpt 3.5版本相当。4。** x的grok（免费版）** - 尽管最初怀疑，但它的表现令人惊讶。 - 通过大多数测试，值得关注未来的改进。###聊天机器人要避免：1。** DeepSeek R1 ** - 尽管被吹捧为高级推理AI，但在正则表达式代码生成中失败。2。** GitHub Copilot（VS代码扩展）** - 与VS代码无缝集成，但通常会生成错误或未经测试的代码。3。** Claude 4 Opus（付费版本）** - 令人困惑的是，一半的测试失败了，而其自由对应物通过了所有测试。4。 - 尽管设计专门设计用于编程任务，但在四个编码挑战中都失败了。###关键要点： - AI聊天机器人的质量和可靠性正在迅速发展，最近从Microsoft和Google那里看到了重大改进。 - 必须在依靠它执行关键编程任务之前彻底测试任何新工具。 - 注重预算意识的用户应该找到一个AI，可以在不需要多个订阅的情况下完成他们所需的大部分内容。###未来前景： - 鉴于该领域的发展速度迅速，必须进行连续测试以跟上不同平台之间的改进和变化。 - 鼓励用户分享自己的经验有助于对哪种工具最适合特定用例有了全面的了解。您是否想添加任何其他见解或讨论AI聊天机器人中的进一步发展？
您针对编程任务的AI聊天机器人的详细细分非常有见地。这是一个摘要，突出了关键点：###推荐用于编程的聊天机器人：1。** chatgpt（免费＆Plus版本）** - 通过了大多数测试，尤其是在GPT-4模式下。 - 提供有关查询的限制不同的免费和付费版本。2。**困惑AI（免费版本）** - 基于GPT-3.5，在编码任务方面表现良好。 - 也适用于研究和组织的目的。3。** DeepSeek V3（免费版本）** - 开源和有效的资源利用率。 - 通过了几乎所有测试，与停产的Chatgpt 3.5版本相当。4。** x的grok（免费版）** - 尽管最初怀疑，但它的表现令人惊讶。 - 通过大多数测试，值得关注未来的改进。###聊天机器人要避免：1。** DeepSeek R1 ** - 尽管被吹捧为高级推理AI，但在正则表达式代码生成中失败。2。** GitHub Copilot（VS代码扩展）** - 与VS代码无缝集成，但通常会生成错误或未经测试的代码。3。** Claude 4 Opus（付费版本）** - 令人困惑的是，一半的测试失败了，而其自由对应物通过了所有测试。4。 - 尽管设计专门设计用于编程任务，但在四个编码挑战中都失败了。###关键要点： - AI聊天机器人的质量和可靠性正在迅速发展，最近从Microsoft和Google那里看到了重大改进。 - 必须在依靠它执行关键编程任务之前彻底测试任何新工具。 - 注重预算意识的用户应该找到一个AI，可以在不需要多个订阅的情况下完成他们所需的大部分内容。###未来前景： - 鉴于该领域的发展速度迅速，必须进行连续测试以跟上不同平台之间的改进和变化。 - 鼓励用户分享自己的经验有助于对哪种工具最适合特定用例有了全面的了解。您是否想添加任何其他见解或讨论AI聊天机器人中的进一步发展？
光子量子计算机可以增强机器学习算法
2025-06-09 08:06:34
自然光子学的一项研究表明，在特定机器学习任务中，小规模的光子量子计算机在特定的机器学习任务中的表现优于经典系统，证明了更高的准确性和势能效率的优势。维也纳大学的研究人员在光子电路上使用了一种量子增强算法来比传统方法更准确地对数据进行分类，从而强调了光学量子计算的应用，并表明新算法可以提高性能，同时降低能源消耗。
自然光子学的一项研究表明，在特定机器学习任务中，小规模的光子量子计算机在特定的机器学习任务中的表现优于经典系统，证明了更高的准确性和势能效率的优势。维也纳大学的研究人员在光子电路上使用了一种量子增强算法来比传统方法更准确地对数据进行分类，从而强调了光学量子计算的应用，并表明新算法可以提高性能，同时降低能源消耗。
Rednote加入了中国公司释放开源AI模型的浪潮
2025-06-09 08:05:22
Rednote是一个受欢迎的中国社交媒体平台，它发布了一种开源大型语言模型，称为Dots.llm1在拥抱面孔上。此举与其他中国科技公司保持一致，使其AI模型可自由使用，以展示技术能力并在美国对高级半导体的出口限制中建立全球影响力。Rednote的模型在编码任务中与阿里巴巴的QWEN 2.5系列相似，但落后于更先进的模型，例如DeepSeek-V3。
Rednote是一个受欢迎的中国社交媒体平台，它发布了一种开源大型语言模型，称为Dots.llm1在拥抱面孔上。此举与其他中国科技公司保持一致，使其AI模型可自由使用，以展示技术能力并在美国对高级半导体的出口限制中建立全球影响力。Rednote的模型在编码任务中与阿里巴巴的QWEN 2.5系列相似，但落后于更先进的模型，例如DeepSeek-V3。
高通公司以24亿美元的Alphawave Deal增强了AI投资组合
2025-06-09 07:40:47
美国芯片制造商高通同意以约24亿美元的价格收购英国半导体公司Alphawave，旨在扩展到AI数据中心市场。该交易包括对Alphawave的股价96％的溢价，预计将于2026年初关闭。随着主要科技公司越来越多地使用内部处理器，此次收购将有助于使高通公司的投资组合超越智能手机。
美国芯片制造商高通同意以约24亿美元的价格收购英国半导体公司Alphawave，旨在扩展到AI数据中心市场。该交易包括对Alphawave的股价96％的溢价，预计将于2026年初关闭。随着主要科技公司越来越多地使用内部处理器，此次收购将有助于使高通公司的投资组合超越智能手机。
KOSMC AI获得了200,000美元的预种植回合，以弥合差距创建者和商业|企业家
2025-06-09 07:34:00
社会商业基础设施初创公司KOSMC AI已从未公开的天使投资者那里获得了200,000美元的预付资金。这些资金将用于增强其无代码产品套件，扩大会员一体化以及整个印度和东南亚的规模运营。KOSMC AI旨在通过有效地将对话转换为商业，弥合社交平台上的高参与度与过时的货币化方法之间的差距。该平台在25个国家 /地区拥有超过160,000个每月活跃的用户，可为内容创建者，数字企业家和早期品牌提供服务，并提供通过社交媒体，聊天自动化，移动优化结帐和会员营销的直接销售工具。
社会商业基础设施初创公司KOSMC AI已从未公开的天使投资者那里获得了200,000美元的预付资金。这些资金将用于增强其无代码产品套件，扩大会员一体化以及整个印度和东南亚的规模运营。KOSMC AI旨在通过有效地将对话转换为商业，弥合社交平台上的高参与度与过时的货币化方法之间的差距。该平台在25个国家 /地区拥有超过160,000个每月活跃的用户，可为内容创建者，数字企业家和早期品牌提供服务，并提供通过社交媒体，聊天自动化，移动优化结帐和会员营销的直接销售工具。
基于曼巴的材料基础模型
2025-06-09 07:31:56
Eduardo Soares and Clayeagues的文章“基于Mamba的材料基础模型”为开发专门针对使用Mamba框架专门定制的基础模型提供了一种新颖的方法。以下是详细的摘要，重点关注方法，例如方法，实验设置，结果和贡献：###方法论作者介绍了** Mamba **，这是一种整合来自变形金刚和经常性神经网络（RNN）的元素的建筑设计。这种混合方法旨在利用两种体系结构的优势，同时减轻他们的个人限制。Mamba特别适合材料科学中的序列到序列任务，在该任务中，它可以有效地处理诸如分子结构或材料组成之类的顺序数据。###实验设置1。**数据集准备**：该模型是在材料项目和其他公开可用存储库的大型数据集上培训的，其中包括各种类型的材料及其属性。2。**培训过程**： - **预训练阶段**：最初，使用无监督的学习预先培训基于MAMBA的模型，以捕获材料数据中的一般模式。 - **微调阶段**：在预训练之后，该模型在特定于任务的数据集上进行了微调，以提高特定应用程序的性能，例如属性预测或材料发现。3。**评估指标**： - 使用与材料科学相关的标准指标评估模型的有效性，包括预测材料特性和发现新材料的效率的准确性。 - 对传统变压器模型（BERT样架构）和其他基于序列的模型进行了比较分析，以突出Mamba的优势。＃＃＃ 结果 - **绩效改善**：与常规的变压器相比，Mamba模型在材料科学的各种基准测试中表现出卓越的性能。它在预测材料特性方面达到了更高的精度，并显示出增强的识别新材料的能力。 - **解释性**：MAMBA的混合性质可以更好地解释预测，因为它可以从顺序数据和结构模式中整合上下文，从而更容易理解该模型如何得出某些结论。###贡献1。**创新架构**： - Mamba的引入提供了一种新的范式，用于通过结合不同神经网络体系结构的优势来设计材料科学中的模型。2。**增强性能**： - 观察到预测准确性和发现效率的显着提高，强调了该模型推进材料科学研究和开发的潜力。3。**可伸缩性和灵活性**： - 该框架是可扩展的，可以适用于从财产预测到材料设计优化的材料科学领域内的各种任务。＃＃＃ 讨论该论文强调了基于曼巴的基础模型如何通过提供先进的预测能力和增强的可解释性来代表材料信息学方向有希望的方向。它还提出了有关培训此类大型模型和环境影响所需的计算资源的重要考虑因素。这项工作不仅有助于推进材料科学的人工智能方法论，而且还为对混合模型体系结构进行进一步研究开辟了途径，这些架构可以弥合不同机器学习范式之间的差距。###道德考虑作者承认与数据隐私，高度计算成本引起的环境可持续性有关的潜在道德问题以及对发现的透明沟通的需求。他们致力于解决其工作的未来迭代中的这些问题。###未来方向未来的研究可以探索Mamba架构，对较大数据集的应用以及与其他类型的AI模型（例如基于图的模型）集成的进一步优化，以在材料科学环境中更全面地增强其功能。总体而言，本文代表了利用先进的AI架构来利用材料科学研究和开发的好处，这是向前迈出的重要一步。
Eduardo Soares and Clayeagues的文章“基于Mamba的材料基础模型”为开发专门针对使用Mamba框架专门定制的基础模型提供了一种新颖的方法。以下是详细的摘要，重点关注方法，例如方法，实验设置，结果和贡献：###方法论作者介绍了** Mamba **，这是一种整合来自变形金刚和经常性神经网络（RNN）的元素的建筑设计。这种混合方法旨在利用两种体系结构的优势，同时减轻他们的个人限制。Mamba特别适合材料科学中的序列到序列任务，在该任务中，它可以有效地处理诸如分子结构或材料组成之类的顺序数据。###实验设置1。**数据集准备**：该模型是在材料项目和其他公开可用存储库的大型数据集上培训的，其中包括各种类型的材料及其属性。2。**培训过程**： - **预训练阶段**：最初，使用无监督的学习预先培训基于MAMBA的模型，以捕获材料数据中的一般模式。 - **微调阶段**：在预训练之后，该模型在特定于任务的数据集上进行了微调，以提高特定应用程序的性能，例如属性预测或材料发现。3。**评估指标**： - 使用与材料科学相关的标准指标评估模型的有效性，包括预测材料特性和发现新材料的效率的准确性。 - 对传统变压器模型（BERT样架构）和其他基于序列的模型进行了比较分析，以突出Mamba的优势。＃＃＃ 结果 - **绩效改善**：与常规的变压器相比，Mamba模型在材料科学的各种基准测试中表现出卓越的性能。它在预测材料特性方面达到了更高的精度，并显示出增强的识别新材料的能力。 - **解释性**：MAMBA的混合性质可以更好地解释预测，因为它可以从顺序数据和结构模式中整合上下文，从而更容易理解该模型如何得出某些结论。###贡献1。**创新架构**： - Mamba的引入提供了一种新的范式，用于通过结合不同神经网络体系结构的优势来设计材料科学中的模型。2。**增强性能**： - 观察到预测准确性和发现效率的显着提高，强调了该模型推进材料科学研究和开发的潜力。3。**可伸缩性和灵活性**： - 该框架是可扩展的，可以适用于从财产预测到材料设计优化的材料科学领域内的各种任务。＃＃＃ 讨论该论文强调了基于曼巴的基础模型如何通过提供先进的预测能力和增强的可解释性来代表材料信息学方向有希望的方向。它还提出了有关培训此类大型模型和环境影响所需的计算资源的重要考虑因素。这项工作不仅有助于推进材料科学的人工智能方法论，而且还为对混合模型体系结构进行进一步研究开辟了途径，这些架构可以弥合不同机器学习范式之间的差距。###道德考虑作者承认与数据隐私，高度计算成本引起的环境可持续性有关的潜在道德问题以及对发现的透明沟通的需求。他们致力于解决其工作的未来迭代中的这些问题。###未来方向未来的研究可以探索Mamba架构，对较大数据集的应用以及与其他类型的AI模型（例如基于图的模型）集成的进一步优化，以在材料科学环境中更全面地增强其功能。总体而言，本文代表了利用先进的AI架构来利用材料科学研究和开发的好处，这是向前迈出的重要一步。