搜索
近日，北京航空航天大学洪晟教授团队在信息处理领域顶级期刊Information Processing&Management（IPM）上发表了最新成果。他们提出了一套名为BGA的噪声免疫神经蒸馏框架。实验显示，该框架在面对复杂的工业互联网（IIoT）加密流量时，不仅能精准识别隐藏深度极高的恶意指令，且推理延迟低至0.28毫秒，达到了“免疫级”的防干扰能力。
本文发现图生视频（I2V）模型天然适合重构动态交互过程，并提出 SCPE（Self-Correcting Process Editing） 多智能体系统自纠错框架：利用视频生成过程暴露失败原因，再通过分析、反思和工具书更新迭代增强提示，使 I2V 模型在复杂 HOI 编辑中显著提升交互准确性与推理能力。
今天，Synthetic Sciences直接发布一款OpenScience的开源替代项目。团队表示，Open Science比 Claude Science 更好用，且完全开源。Open Science支持30个可用的数据库，超250个研究skills。这些数据和技能，让Open Science具备实验假设、消融实验、结果溯源、论文撰写等全套科研能力。
就在前几天，一家名为 Oasis Devices 的迈阿密初创公司，发布了一款专门适用于不方便打字也不方便大声说话的新 AI 录音听写硬件，OASIS 1 智能戒指。这枚售价 289 美元的钛合金戒指，最大的卖点，就是把 Wispr Flow 的 AI 听写技术，从一个放在手机上的 App 里，转到了一个离我们嘴巴更近的载体里。
来自上海交大、马来亚大学、CMU、MBZUAI、KIT和KAUST的团队提出VisNec（Visual Necessity Score，视觉必要性分数），用一个分数衡量每条训练样本里“图像到底起了多大作用”，被ECCV 2026收录。
近年来，强化学习在游戏智能体、具身智能、大语言模型等领域取得了显著进展。然而，在真实世界中，强化学习仍面临一个核心难题：高质量样本的获取不仅成本高昂，还可能带来多种风险。因此，样本增强成为缓解强化学习中样本获取成本高、风险大等问题的重要途径之一。
机器学习已经习惯了处理序列：一句话中的词、视频中的帧、推荐系统中的点击、金融市场中的订单。但在很多真实场景里，数据并不是按固定步长排好队出现的。
xbench，就是红杉自己弄的那个中立评测lab，刚刚又整了个新活：让 AI 做药企的数据分析，跟人类实习生比个高低，然后遥遥领先的赢了
飞拓星驰（FitX AI）宣布完成数百万美金融资，由日初资本领投，光点资本跟投。这笔融资将用于Fit-OS空间智能 Agent 平台的研发，以及首款客厅 AI Native 终端的量产准备——预计 2027 年 CES 全球首发。
4 月 10 日晚，灵初智能发布了大模型、数据集与合作计划：包括策略模型 Psi-R2、世界模型 Psi-W0，以及总规模近 10 万小时的人类操作数据。它想回答的问题也很直接 —— 当真机数据不再是唯一解，机器人还能靠什么继续 scaling？