RAIL借鉴CHC认知框架,将音频评测重构为听觉处理、推理、记忆、知识、处理效率五类能力、32项细分任务,构建5306条样本。评估26款音频大模型发现:模型善用语义线索但精细声学感知弱;语音记忆强而非语音记忆普遍不足60%;多步顺序推理易出错;推理预算利用效率差异明显。研究主张按能力维度定位短板,推动音频模型在感知、记忆与效率上改进。
随着云计算的快速发展,满足数字主权要求变得尤为重要。AWS推出了数字主权架构框架,提供超过60项最佳实践,涵盖运营卓越、安全性、可靠性和性能效率,旨在增强数字主权能力。
TikTok Live 研究 HTTP-FLV 直播的自适应码率实现。由于 HTTP-FLV 是连续流而非分段协议,客户端切换码率会导致新旧流争抢带宽。论文提出客户端决定码率、服务器执行切换的分工,并引入服务端拥塞反馈(CCTK)和一致性哈希优化。基于数十亿会话的 A/B 测试显示,服务器执行切换使切换期卡顿时长降低 13%,ABR 整体降低卡顿率 4.7%,人均日观看时长提升 0.2%。
供应商锁定常源于合理选择,却因API、数据模型等依赖累积而限制灵活性。开源软件便于审查、移植和替换,但需中立治理与工程纪律。数字主权是架构属性,团队应评估依赖可逆性,优先开放接口,将退出成本纳入平台决策。
PrismML发布Ternary Bonsai 2 27B三元量化多模态模型,27.36B参数压缩至5.9GB,保留基座98.2%分数。但权重存于旋转基底,运行时需执行Walsh-Hadamard变换,原版llama.cpp与Ollama无法运行。TensorSharp通过显式校验变换契约、转码自定义格式接入该模型,拒绝静默跑错,代价是内存增加6%至29%,性能略慢于官方基线。
麻省理工学院PKG社会影响中心扩展Code.Tulsa项目,组织10名本科生赴俄克拉荷马州塔尔萨实习,为马斯科吉和切罗基部落及当地非营利组织完成AI、数据科学项目,并参与部落孕产妇健康调查。该项目由切罗基族学生杰克·卡森发起,还创办了面向原住民高中生的塔尔萨高级科学营,教授AI、DNA技术等课程,激发其STEM兴趣。
文章从“硬币都有两面”谈起,指出这只是提醒全面思考的口号。作者认为事物本身无好坏,两面性源于人的利益与视角;受三维视角限制,人只能看到外表,难以看透全貌,因此所见各异。
苹果推出ARI,通过数字签名验证照片未经篡改,但无法证明镜头前物体真实。作者开发TAPCam,利用深度数据判断物体是否立体,提高造假门槛。他认为图像真实性应普及,希望照片能保存真实鲜活的记忆。
可信中心仓是企业唯一合规的制品入口和唯一可信源,覆盖jar、镜像、SBOM等。AI、鸿蒙、Rust等新制品使传统制品库难以应对。Gitee Repo定位为国产化可信制品管理平台,支持20+语言包管理器,2025年7月通过信通院可信认证,并与代码、流水线、安全治理协同,形成研发供应链底座。
OpenAI报告称,编码代理正重塑其研究人员日常工作,使用量激增,代码编写和实验加速。代理任务日趋复杂,成功率提升,但需人工干预。为安全推进自动化AI研究,公司曾暂停训练并加强安全措施,导致计算分配变化。OpenAI承诺持续公开进展,并强调民主治理与安全对齐的重要性。
Broadpeak推出Multiview即服务,通过SaaS平台提供多视角直播功能,降低部署成本与复杂度,支持用户自定义布局同时观看多个频道或摄像机角度。该服务无需前期资本支出,按使用量付费,由专家团队监控性能,旨在提升观众参与度并减少流失,将于IBC2026展示。
该文报道了一场AI编译器技术分享活动,多位专家围绕编程语言、算子优化与推理执行展开讨论。内容涵盖Triton-TLE语言扩展、TileRT低延迟推理、FalconGEMM矩阵乘法优化、AscendNPU IR开源及具身智能编译器,旨在促进技术交流与社区建设。
Sky推出“Your Multiview”功能,允许用户在同一屏幕同时观看最多四场Sky Sports直播赛事,覆盖英超、F1、板球等。该功能于8月21日英超回归时上线,适用于Sky Glass、Stream和Q设备,支持调整布局、切换音频和全屏观看。Sky本赛季播出超1500场比赛,旨在提升球迷观看体验。
本文介绍MVICAD2方法,用于多视角独立成分分析,允许不同受试者的脑信号源存在时间延迟和扩张,以处理个体差异。该方法通过闭式似然近似和优化提升性能,模拟实验显示优于现有方法,并在Cam-CAN数据集中验证了延迟和扩张与衰老的关联。
Codette是一种多视角认知架构,通过六个不同性格的AI专家协作解决复杂问题,性能比单一AI提升近一倍。它利用“茧”记忆系统,在积累951个记忆单元后实现质变,并内置AEGIS道德陪审团增强伦理判断。该架构将思考与表达分离,仅用80亿参数模型和普通显卡,就在GPQA测试中显著提升准确率,展示了高效智能进化的新路径。
北京大学等高校联合发起TriWorldBench Challenge,推出首个机器人三视角世界模型评测榜单。首周CASIA-DRL、同济、Fysics AI模型位列前三。榜单评估多视角一致性、任务执行和物理理解,包含500个episode和19项指标,旨在推动世界模型从视觉生成向世界理解发展,并为研发提供改进方向。
这篇博客分享了作者阅读Cytrogen等博客的随感,探讨意识形态与视角的关系,认为立场决定认知,难以跳出但可改变。作者还谈及未来迷茫、选择大于努力、预设陌生人风险的方法,并反感说教,强调阅读塑造思想。全文为个人思考杂记。
科学家选理论常凭审美直觉,而非纯客观数据。三视角主义揭示美在科学中的核心作用,如日全食巧合比例、广义相对论因数学之美先被接受等例证表明,美是科学发现的导航仪,抽掉它现代物理大厦将崩塌。科学并非纯客观,审美标准与艺术共通。
RayRoPE是一种针对多视角Transformer的位置编码方法,利用预测的射线点进行几何感知编码,通过查询帧投影坐标实现SE(3)不变性和多频相似性,并处理预测不确定性。实验表明,该方法在新视图合成和立体深度估计任务上优于现有方案,在CO3D数据集上LPIPS指标提升15%,且能有效整合RGB-D输入。
Multiview技术使观众能够在同一屏幕上同时观看多个直播信号,是体育直播的核心能力。其成功与否取决于流媒体架构,主要有三种方案:服务端合成、客户端合成和打包器侧合成。服务端方案兼容性强但成本高,客户端方案灵活性高但对设备要求高,打包器侧方案在二者之间取得平衡。选择架构时需考虑设备覆盖、个性化需求和成本。
完成下面两步后,将自动完成登录并继续当前操作。