Tesla has started taking orders for its cheaper rear-wheel drive Model Y in the US. The $45,990 vehicle costs $37,490 after federal tax subsidies (as long as they still exist), making it the...

【TechWeb】五一假期刚刚结束，各家新能源车企也都在假期当中公布了上月销量数字。总体来看，2025年4月国内新能源汽车市场延续了高速增长的态势，新能源车零售渗透率突破50%大关，同比增长 32.6%，纯电动车型占比首次超过插电混动。其中，比亚迪以38.01万辆的月销量稳居榜首，同比增长...

本研究旨在解决传统隐写技术在音频同步隐写检测中的局限性，提出了一种基于短视频样本的检测和分布式指导重建模型。通过滑动频谱特征提取和智能推理机制，实验表明该模型能够有效识别音频中的同步隐写帧，并展示了在隐秘通信分析和战术指导模拟方面的潜在影响。

本研究针对最佳抽样方法在对齐语言模型输出与人类偏好时存在的失真成本问题提出了“软最佳抽样”方法。该方法通过引入温度参数实现了原始分布与奖励最大化分布之间的平滑插值，并提供了理论保证，证明其以O(1/n)的速度收敛到最佳偏移分布，有望在实际应用中显著提高模型对齐效果。

本研究针对现有时间序列生成方法在数据稀疏性、失衡以及跨领域多模态时间序列数据集有限性的问题，提出了一种新的“文本到序列（T2S）”扩散框架。通过系统分类时间序列描述并引入新的高分辨率时间序列-文本对数据集，T2S能够生成任意长度的时间序列，极大地推动了时间序列生成的实际应用潜力。

本研究解决了集体决策模拟中现有方法与真实世界数据之间的差距。提出的均场大语言模型（MF-LLM）框架通过微观和宏观层面的动态反馈循环，实现个体行为与群体分布的精确建模。实验表明，该模型在减少与人类群体分布的KL散度方面有效，具有较高的预测精度，推动了社交模拟的应用潜力。

本研究解决了现有统一多模态大型语言模型在特定领域架构中表现不足的问题。Nexus-Gen通过双阶段对齐训练过程，将大型语言模型的语言推理能力与扩散模型的图像合成功能相结合，从而实现全面的图像理解、生成与编辑。该模型的关键发现是引入了预填充自回归策略，显著提升了生成质量。

本研究解决了颈部超声解剖标志检测中由于关键结构（如气管环和声带）被低估而导致的类别不平衡问题。提出的T2ID-CAS方法结合文本到图像的潜在扩散模型和分类意识采样，以生成高质量的合成样本。实验结果表明，该方法在解剖标志检测中的平均精确度达到88.2，显著优于基线的66，显示出其在超声引导干预中应对类别不平衡的潜力。

本研究针对大型语言模型（LLM）服务中效率问题，提出了Ascendra系统，旨在同时满足首次令牌响应时间和令牌间响应时间的服务水平目标。Ascendra通过将GPU资源划分为低优先级和高优先级实例，动态调整请求处理优先级，从而在提升吞吐量的同时确保低延迟。评估结果显示，Ascendra的系统吞吐量相比现有方案提高了多达1.7倍。

本研究解决了现有深度学习三维生成模型在引导优化过程中未能充分考虑与蛋白靶标结合亲和力的问题。提出的Diffleop模型通过明确结合蛋白-配体亲和力的知识，引导分子生成，提高了亲和力的优化效果。综合评估结果表明，Diffleop在多个指标上优于基线模型，特别是在结合亲和力方面。