凝视估计方法通常使用面部外观来预测人的凝视方向。然而，先前的研究显示了三个主要挑战……

人类通过执行有针对性的计划来解决问题，但大型语言模型（LLMs）在结构化工作流执行方面仍然不可靠。我们提出 RunAgent，一个 …

背景：面向患者的医学聊天机器人基于检索增强生成（retrieval-augmented generation，RAG），正日益被推广，以提供可获取、基于事实的健康信息……

随着深度学习的发展，医学图像处理已被广泛用于辅助临床研究。本文聚焦于去噪问题……

Key-Value (KV) 缓存已成为现代大型视觉语言模型（LVLMs）在推理时的事实标准组件。虽然它提升了大规模解码的效率……

!Ansh Guptahttps://media2.dev.to/dynamic/image/width=50,height=50,fit=cover,gravity=auto,format=auto/https%3A%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Fu...

虽然表征学习和相似性学习已经提升了强化学习（RL）的样本效率，但它们很少用于塑造策略更新 di...

在 GIScience 中，可靠的空间分析需要保持坐标语义、拓扑、单位以及地理合理性。当前基于 LLM 的 GIS 系统生成……

3D world generation 对于沉浸式内容创作或自动驾驶仿真等应用至关重要。最近在3D world generation 方面的进展已经……

在生物力学系统中，可观察的性能常被用作底层系统组织的代理。然而，这一假设隐含地假设了一个对应……

用于多语言语音克隆的speaker encoder应当对同一说话人保持一致的处理，无论音频使用哪种script。Off-the-shelf…

在线平台、影响行动和政治话语中的语言常常引导一种混合的亲社会情感（例如，倡导、乐于助人、合作……）。

城市感知描述了人们如何主观评估城市环境，塑造了人们对城市的体验和理解。现有的计算方法……

我们提出了一个用于在预算约束组合多臂老虎机（budgeted combinatorial multi-armed bandits）中实现 meritocratic fairness 的新框架，采用 full-bandit feedback（BCMAB-FBF）。不同于 semi-bandit ...

本文研究在非参数域上求解二维 Helmholtz 方程，利用基于 DeepONet 的物理信息神经算子网络。

封面图片：我的 AI 与 Fashion MNIST 之旅 https://media2.dev.to/dynamic/image/width=1000,height=420,fit=cover,gravity=auto,format=auto/https%3A%2F%2Fde...

Reward models (RMs) 已成为语言模型 (LM) 后训练工作手册中不可或缺的组成部分，使得策略对齐和测试时扩展成为可能。Res...

Monte Carlo Tree Search（MCTS）在合作多智能体领域的扩展性很差，因为在展开时必须考虑指数级庞大的联合动作集合，……

背景：OpenAI CEO Sam Altman 目前卷入了一场法庭戏剧 https://mashable.com/article/musk-openai-trial-testimony，但工程师们支持……

您确定要隐藏此评论吗？它将在您的帖子中被隐藏，但仍可通过评论的 permalink 查看....

Edge detection 指的是在 digital image 中识别强度急剧变化的点，这些点表明 object boundaries 或 structural features。Corners 是…

LLMs 在预测任务和复杂推理任务方面表现出色，但许多高价值部署依赖于不确定性下的决策，例如，选择调用哪个工具……

Agentic AI 架构通过外部工具增强 LLM，释放出强大的能力。然而，工具使用并不总是有益的；有些调用可能是冗余的……

Google 已宣布 Gemini Embedding 2 正式面向公众提供，这是一种统一模型，可将文本、图像、视频、音频和文档映射到单一语义……

大型语言模型（LLMs）正日益应用于金融场景。然而，它们可能产生有害输出，包括促成非法活动……

大型语言模型（LLM）代理需要长期用户记忆以实现一致的个性化，但受限的上下文窗口阻碍了对不断变化偏好的跟踪。

Distributed blackbox consensus optimization 是多智能体系统中的一个基础问题，其中智能体必须仅使用局部目标来改进全局目标……

序列学习归结为在 temporally indexed representation space 上进行 similarity-based retrieval，这是一种对任何序列模型的约束，而不是模型的属性……

没人预算的隐藏乘数 当我们在2026年初从单轮聊天机器人转向代理式工作流时，首先出现问题的不是代码……

Large Language Models (LLMs) 的尺度定律表明，模型质量随计算规模的提升而提升，但边缘部署对 …… 施加了严格的约束。

AI 代理在每个任务中执行数十到数百次链式 LLM 调用，但 GPU 调度器将每次调用视为独立的，丢弃了数 GB 的中间状态……

AI 代理正逐步进入生产环境。但谁在为它们提供安全保障？问题：未受保护的 AI 代理。当 AI 代理出现错误时，后果会非常严重：- Prompt 注入…

利用高效的连续太阳能采集，空间数据中心被设想为执行能源密集型大型任务的有前景平台。

没有任何 AI 模型能够端到端完成创意项目。HCB 刚刚证明了这一点。副标题：Contra Labs 在 5 个创意领域中使用 93 条 prompts 对 15 个 AI 模型进行测试……

代码生成旨在根据给定的编程需求自动生成源代码，具有显著提升软件开发的潜力……

Agent skills——结构化的指令、脚本和参考资料包，能够在不修改模型本身的情况下增强大型语言模型（LLM）——...

Spiking Neural Networks (SNNs) 为实现节能且基于生物学原理的计算提供了有前景的框架；然而，在深度递归…

人类大脑仍然是医学中最令人着迷且最令人困惑的谜团之一。科学家仍在努力将神经活动与大脑功能匹配……

当她还是个孩子时，MIT 四年级学生 Olivia Honeycutt 会在阿拉巴马州伯明翰郊外的祖父母的农场度过夏天。实用的和文化的……

基于核逻辑回归（KLR）的高容量关联记忆表现出强大的存储能力，但其动力学和几何机制仍未被完全阐明。

自上周推出以来，印度已成为 ChatGPT Images 2.0 的最大用户群体。 https://techcrunch.com/2026/04/21/chatgpts-new-images-2-0-model-is-s...

2026年4月15日 子代理概览 子代理允许 Gemini CLI 将复杂、重复或高频任务委派给专门的专家代理。Each s...

公共推理基准在模型和提供商层面对 AI 系统进行比较，但实际做出部署决策的单位是端点：th...

约翰·劳伦森 – 商业记者，巴黎

关键亮点：Google 已宣布 Gemini Embedding 2 正式全面可用，这是一种统一模型，可将文本、图像、视频、音频和文档映射到……

!https://www.androidauthority.com/wp-content/uploads/2025/06/chatgpt-reminders-scaled.jpg TL;DR - ChatGPT 最近异常频繁地提到 goblins…

驾驶 world models 作为自动驾驶的关键技术，通过模拟环境动态来实现。然而，现有方法主要侧重于……

Human-robot collaboration 主要在 dyadic 或 sequential 场景中进行研究。然而，真实的家庭需要 multiadic 协作，其中多个 human……