全部新闻
研究发现
模型评估与威胁研究（METR）的研究人员发现，在一项随机，对照试验中，AI编码工具实际上使开发人员减少了19％，这与对效率提高的期望相反。开发人员最初预测了24％的加速，但认为工具实际上推迟了工作时的生产率提高了20％。导致这种放缓的因素包括对AI有用性的过度优势，AI建议的可靠性低以及很难理解隐式存储库环境。该研究涉及16位经验丰富的开发人员在2025年2月至6月之间从事开源项目的开发人员。
地球化学集成的机器学习方法预测欧洲和中国表土中镉形成的分布
Zhang等人的文章“地球化学集成的机器学习方法预测了欧洲和中国表土中镉形成的分布”。探索一种新的方法来预测土壤中镉（CD）物种形成的分布，将地球化学模型与机器学习技术相结合。该研究旨在提供有关与土壤CD污染相关的生物利用度和环境风险的见解。###关键点：1。**目标**： - 开发一种结合地球化学建模和机器学习的综合方法，以预测表土中的镉（CD）形成。 - 考虑其不同的环境条件和特征，评估这种方法对欧洲和中国土壤的有效性。2。**方法**： - 该研究利用欧洲的卢卡斯（Lucas）（土地利用和覆盖面积框架调查）的土壤样本和中国的其他数据集。 - 地球化学模型用于了解如何在不同的pH，有机物含量和其他环境条件下在土壤中分布在土壤中。 - 使用机器学习算法，尤其是那些能够处理小型数据集和促进知识转移（例如转移学习）的算法，用于预测CD形成模式。3。**发现**： - 综合方法成功地预测了不同地理区域跨土壤中不同形式的镉的分布。 - 预测表明，pH水平和有机物含量显着影响土壤中镉的生物利用度，突出了它们对环境风险评估的重要性。 - 通过整合传统模型可能会错过的复杂地球化学相互作用，机器学习组件允许提高准确性。4。**含义**： - 由于对生物利用形式的镉的更好理解和预测，这种方法可能对预测与土壤污染相关的潜在健康风险有用。 - 它提供了一种可扩展的方法，可在不同地区使用，从而增强了与重金属污染相关的环境风险评估的全球适用性。＃＃＃ 结论：Zhang等人的研究展示了如何将地球化学见解与先进的机器学习技术整合在一起可以增强我们预测和管理重金属（如镉）的土壤污染的能力。这种方法不仅提高了预测精度，而且还为决策者提供了有价值的信息，帮助他们制定了更有效的策略来减轻与此类污染物相关的环境风险。###未来方向： - 该模型的进一步完善可以包含来自其他区域的其他变量和数据，以增强其全球适用性。 - 研究其他重金属的类似方法将扩大环境风险评估和污染管理策略的范围。该研究代表了利用先进的计算方法迈出的重要一步，以应对紧迫的环境挑战，尤其是在土壤污染的背景下。
斯坦福大学的研究发现，AI治疗机器人燃料妄想并提供危险的建议。
斯坦福大学的研究人员发现，像Chatgpt和GPT-4这样的流行AI聊天机器人表现出歧视性模式，并且在用作心理健康支持工具时未能遵守治疗指南。该研究强调了这些系统未识别潜在的自杀风险或对危机情况的不适当反应，可能加剧用户状况的情况。尽管该研究强调了AI在治疗中的重大局限性，但它还指出，现实世界中的病例显示出AI辅助治疗的积极影响。因此，研究作者呼吁采取细微的方法，强调需要更好的保障和周到的实施，而不是完全解雇AI在心理保健中的作用。
我尝试了困惑的彗星AI浏览器 - 这是您需要知道的
Gelplexity推出了Comet，这是一种AI驱动的Web浏览器，旨在使任务自动化并提高工作流效率。与其他AI集成的浏览器不同，彗星是从头开始构建的，可以将AI直接用于开放选项卡中的各种功能，例如汇总内容或预订会议。浏览器依赖于困惑的大语言模型（LLM），目前仅在具有M处理器的MAC设备上使用。用户需要每月200美元的最大最大级别订阅才能访问完整功能，这些功能正在逐渐推出。尽管Comet与Gmail和Gmail和日历等Google服务集成方面表现出了希望，但由于安全限制，它仍面临限制。由于用户数据被困惑保留，因此也会出现隐私问题。
NVIDIA的Jensen Huang说，AI可能会导致失业“如果世界用尽了想法” |CNN业务
NVIDIA首席执行官Jensen Huang警告说，尽管人工智能（AI）可以提高工作场所的生产力，但如果行业无法创新，可能会导致失业。在接受CNN的Fareed Zakaria采访时，黄回应了拟人的首席执行官Dario Amodei的评论，他建议AI在不久的将来可能导致重大失业。Huang认为，持续创新将保持就业水平并提高生产率。但是，没有新想法，生产力的提高可能会转化为失业。人工智能投资的上升引发了人们对潜在的工作威胁的担忧。一项调查显示，有41％的高管预计AI将在五年内减少劳动力人数。尽管有这些恐惧，黄还是将AI视为提高社会生产力和就业的技术均衡器。CNN
