深度学习 关键字列表
英伟达押注AI助力量子计算:用大模型解决量子错误率难题

英伟达押注AI助力量子计算:用大模型解决量子错误率难题

英伟达发布多款开放权重AI模型,旨在帮助量子硬件开发者大幅降低处理器错误率。其中,350亿参数的视觉语言模型Ising Calibration可自动优化量子系统配置以减少噪声;Ising Decoding系列模型则基于卷积神经网络架构,能以比传统方法快2.25至2.5倍的速度实时检测并纠正错误。相关模型权重已上传至Hugging Face平台,并配套提供训练框架与推理蓝图。

从大语言模型到幻觉现象,一文读懂常见AI术语

从大语言模型到幻觉现象,一文读懂常见AI术语

本文提供了一份AI领域常用术语词汇表,涵盖AGI、AI智能体、思维链、算力、深度学习、扩散模型、蒸馏、微调、GAN、幻觉、推理、大语言模型、记忆缓存、神经网络、RAM短缺、训练、Token、迁移学习及权重等核心概念。文章以通俗易懂的语言解释每个术语的含义与应用场景,并将持续更新以反映AI领域最新进展。

牛津大学AI工具可在心力衰竭发生前五年预测风险

牛津大学AI工具可在心力衰竭发生前五年预测风险

牛津大学科学家开发出一款AI工具,能够在心力衰竭发生前五年准确预测患病风险。该工具通过分析心脏周围脂肪组织的影像特征,识别炎症和健康异常信号,这些信号人眼无法察觉。研究团队基于英格兰九家NHS机构共7.2万名患者数据进行训练与验证,预测准确率达86%。高风险人群患病概率是低风险人群的20倍。该研究结果已发表于《美国心脏病学会杂志》。

Anthropic与谷歌、博通签署多吉瓦TPU计算资源协议

Anthropic与谷歌、博通签署多吉瓦TPU计算资源协议

Anthropic与谷歌及博通达成重磅协议,将从2027年起获得约3.5吉瓦的下一代TPU算力支持,成为该公司迄今最大规模的算力承诺。此举旨在应对Claude模型企业用户的爆发式增长——其年收入运行率已从2025年底的约90亿美元跃升至2026年的逾300亿美元。Anthropic正将算力采购转向类似能源采购的长期战略模式,以应对前沿AI推理工作负载对基础设施的持续压力。

AI模型如何帮助科罗拉多河水资源分配决策

AI模型如何帮助科罗拉多河水资源分配决策

科罗拉多河正面临有记录以来最严峻的危机:流量较2000年下降20%,七州水资源谈判两度破裂。联邦及各州水务机构正借助机器学习工具应对挑战——深度学习模型利用卫星数据预测径流,数百万次情景模拟测试不同管理策略的可行性。这些工具无法解决"谁来承担损失"的核心争议,但正在让各方利益权衡变得前所未有地清晰可见,推动谈判各方回到同一张桌子上。

为什么大语言模型在视频游戏上表现如此糟糕?

为什么大语言模型在视频游戏上表现如此糟糕?

尽管大语言模型在编程等领域快速进步,但在电子游戏方面却表现极差。纽约大学游戏创新实验室主任朱利安·托格留斯的研究显示,LLM无法掌握通用游戏技能。编程被视为"行为良好的游戏",有明确的任务、即时反馈和测试机制,而电子游戏缺乏这些特征。LLM在空间推理方面表现不佳,且不同游戏间差异巨大。虽然LLM能编写简单游戏代码,但无法测试和迭代改进游戏体验。

15英寸MacBook Air降至历史最低价,值得入手吗

15英寸MacBook Air降至历史最低价,值得入手吗

CNET评测师称15英寸MacBook Air是其最喜爱的整体笔记本电脑,在生产力、便携性和价格方面达到完美平衡。搭载M4处理器的上代机型目前在亚马逊大促中大幅降价,15英寸版本售价仅949美元,比原价低250美元,创史上最低价。虽然苹果刚推出M5版本,但M4版本在设计、性能和续航方面表现依然出色,对2026年的笔记本购买者仍是绝佳选择。

英伟达推出Nemotron 3 Super企业AI智能体新模型

英伟达推出Nemotron 3 Super企业AI智能体新模型

英伟达推出新的推理导向AI模型Nemotron 3 Super,结合Mamba序列建模、Transformer注意力机制和专家混合路由等多种神经网络架构。该模型拥有1200亿总参数、120亿激活参数,专为处理复杂多步骤工作流的企业智能体系统设计。模型采用开放权重发布,支持开发者自定义部署。分析师指出,其混合架构能显著提升推理效率,降低计算成本,为企业提供更可控的AI解决方案。

英伟达DLSS 5生成式AI功能遭玩家强烈抵制

英伟达DLSS 5生成式AI功能遭玩家强烈抵制

英伟达即将推出的DLSS 5技术引入生成式AI,可实时重新渲染游戏画面的光照和材质,声称能达到好莱坞级别的逼真效果。然而,该技术将游戏角色面部过度美化成诡异谷效应版本,破坏了原有艺术风格,遭到玩家和开发者的强烈批评。许多人认为这项技术消除了游戏的艺术导向,将其比作"垃圾AI滤镜"。

DeepMind创始人传记揭秘:从国际象棋神童到AI先驱哈萨比斯的传奇人生

DeepMind创始人传记揭秘:从国际象棋神童到AI先驱哈萨比斯的传奇人生

本书讲述了DeepMind创始人德米斯·哈萨比斯从国际象棋神童成长为AI技术领军人物的传奇经历。2016年,DeepMind开发的AlphaGo在首尔击败世界顶级围棋选手李世石,标志着人工智能发展的重要里程碑。作者详细描绘了哈萨比斯的成长历程、DeepMind的创业故事,以及围绕通用人工智能展开的投资热潮。然而书中对科技行业过度炒作现象缺乏批判性思考,将计算领域的专业能力误读为全能天才。

SpeciesNet:用AI识别野生动物的开源工具

SpeciesNet:用AI识别野生动物的开源工具

SpeciesNet是谷歌开发的开源AI模型,能自动识别相机陷阱图像中的野生动物物种。该工具可分类近2500个动物类别,基于6500万张标记图像训练而成。过去一年中,全球研究团队使用SpeciesNet在哥伦比亚发现美洲狮和虎猫,在爱达荷州监测麋鹿和黑熊,在澳大利亚识别食火鸡等物种。该模型准确率达99.4%,显著加速了野生动物监测和保护研究进程。

IBM Spyre加速器的PyTorch原生支持构建之路

IBM Spyre加速器的PyTorch原生支持构建之路

IBM发布了2026年上半年路线图,旨在PyTorch生态系统中启用Spyre加速器。该加速器拥有32个AI核心、混合精度SIMD-脉动阵列和可编程数据流设计。团队采用生态系统优先的理念,通过扩展inductor、引入瓦片化张量布局、多核工作划分和暂存优化等方式,构建数据流加速器的一流PyTorch支持。同时开发SuperDSC和KernelTile IR作为后端编译器,实现设备注册、多卡推理和vLLM生产部署,并建立完整的测试金字塔验证全栈功能。

新方法大幅提升大语言模型训练效率

新方法大幅提升大语言模型训练效率

MIT等机构研究人员开发了名为"TLT"的新训练方法,通过利用处理器空闲时间训练小型模型预测大型推理模型输出,将训练速度提升70-210%且保持准确性。该方法解决了强化学习训练中85%时间消耗在生成多个答案的瓶颈问题,为开发复杂任务处理模型提供了节能高效的解决方案。

智能手表精准估算高级步态指标解锁健康洞察

智能手表精准估算高级步态指标解锁健康洞察

研究通过大规模验证证实智能手表可作为高度可靠的步态指标估算平台。团队开发了基于时间卷积网络的多输出深度学习模型,能直接估算步速、步长、双支撑时间等全面的时空步态指标。246名参与者的70000个行走片段验证显示,智能手表的准确性可媲美智能手机方法,且佩戴位置固定更便于持续追踪,为便携式健康监测和疾病预防提供了实用解决方案。

DeepSeek推出mHC架构提升AI模型性能

DeepSeek推出mHC架构提升AI模型性能

中国AI实验室DeepSeek发布了名为流形约束超连接(mHC)的新技术,旨在改进大语言模型的残差连接机制。该架构通过引入流形数学对象来维持梯度在模型层间传输时的稳定性。测试显示,使用mHC训练的30亿、90亿和270亿参数模型在八项AI基准测试中均优于传统超连接技术,同时硬件开销仅为6.27%,显著提高了训练效率。

Titans + MIRAS:让AI拥有长期记忆能力

Titans + MIRAS:让AI拥有长期记忆能力

研究团队推出Titans架构和MIRAS框架,通过在运行时更新核心内存,让AI模型处理速度大幅提升并能处理海量上下文。该技术结合了RNN的速度优势和Transformer的准确性,引入"惊讶度量"机制来识别重要信息,实现实时适应性学习。在语言建模和常识推理任务中,Titans架构超越了现有先进模型,能有效处理超过200万个token的超长上下文。

AI架构师荣获《时代》杂志年度人物称号

AI架构师荣获《时代》杂志年度人物称号

《时代》杂志宣布AI及其架构师为2025年度人物,包括扎克伯格、苏姿丰、马斯克等八位科技领袖。编辑认为今年是AI全面潜力显现的关键年份,这项技术加速了医学研究和生产力提升,让不可能变为可能。从企业高管到教师学生,所有人都在思考AI对生活的颠覆性影响。

华为ACT路径助力企业大规模AI应用跨行业落地

华为ACT路径助力企业大规模AI应用跨行业落地

华为在上海Connect 2025大会上发布智能化转型路径,帮助企业实现大规模AI应用。ACT路径包括评估高价值场景、使用垂直数据校准AI模型、通过规模化AI智能体转型业务运营三个步骤。南方电网使用昇腾平台开发电力大模型MegaWatt,将输电线路缺陷识别效率提升5倍。润达医疗与华为合作开发AI病历解决方案,病历生成时间仅需1秒。

斯坦福AI安全工作坊展示安全AI发展路径

斯坦福AI安全工作坊展示安全AI发展路径

本文深入分析了斯坦福大学AI安全中心举办的研讨会所展示的AI安全领域最新进展。文章探讨了AI安全的两个重要方向:构建更安全的AI和让AI变得更安全,强调这两种方法需要有机结合。通过分析物理AI(如人形机器人)与生成式AI结合的安全挑战,以及可达性分析在AI安全中的应用,展现了当前AI安全研究的前沿技术和实际应用场景。

AI承诺的机遇掩盖了有序替代的现实

AI承诺的机遇掩盖了有序替代的现实

认知迁移正在进行。哈佛大学教授指出AI采用速度极快,可能比工业革命影响大10倍、速度快10倍。一些人已将AI融入工作流程,但更多人面临不确定性和焦虑。尽管AI在软件开发等领域展现巨大潜力,但技术本身仍存在幻觉、健忘等问题。信任度因地区而异,中国为72%,美国仅32%。这场变革更像是管理性替代而非机遇,许多人发现未来可能没有他们的位置。