当天报道
FundingPramaana Labs获得Khosla Ventures 2700万美元种子轮融资，以推动AI的形式验证Pramaana Labs成功获得由Khosla Ventures主导的2700万美元种子融资，以推动人工智能领域的形式验证。该资金将使初创公司专注于提高AI应用的可靠性，特别是在法律和药物发现等关键领域。通过将传统的大型语言模型与确定性验证层相结合，Pramaana Labs旨在显著减少AI生成输出中可能出现的错误和TechCrunch AI6月17日· 60%Funding世界模型制造商Odyssey获得14.5亿美元估值，背靠亚马逊等大牌投资者Odyssey是一家专注于开发模拟物理环境的世界模型的AI初创公司，在成功完成B轮融资后，其估值达到了14.5亿美元。此次融资轮筹集了3.1亿美元，由Natural Capital主导，亚马逊及其他知名投资者积极参与。这笔资金可能会增强Odyssey在数据收集和模拟技术方面的能力，与Google Earth采用的方法相TechCrunch AI6月17日· 59%Model ReleaseGLM-5.2：为长时间任务而生Hugging Face正式推出GLM-5.2，这是其前身GLM-5.1的重要升级。该新模型专门设计用于处理长时间任务，拥有稳定的1M-token上下文，允许更广泛和复杂的交互。除了令人印象深刻的上下文长度外，GLM-5.2还增强了编码能力，使其在长时间编码基准测试中表现优于其他模型，成为强有力的竞争者。Hugging Face Blog6月17日· 59%Funding收集机器人训练数据是一项肮脏且不光彩的工作。一些AI实验室已经在支付XDOF来完成这项工作。OpenAI正在重振其机器人项目，强调高质量训练数据在机器人系统开发中的关键需求。为了解决这一挑战，专注于数据收集和标注服务的初创公司XDOF已成为该领域的关键参与者。最近，XDOF获得了7000万美元的资金，以增强其能力并支持AI实验室获取其机器人应用所需的训练数据。这笔资金将使XDOF能够扩大其运营规模并提高提供给TechCrunch AI6月17日· 59%ResearchMolmoMotion：语言引导的3D运动预测MolmoMotion的推出标志着3D运动预测领域的重大进展。该创新模型利用语言指导来预测物体上3D点的未来轨迹，结合视频帧和动作描述。其性能超越现有预测方法，展示了更准确和上下文感知预测的潜力。伴随模型发布的是MolmoMotion-1M数据集，为训练和测试提供了坚实基础，以及旨在有效评估运动预测准确性的PointMHugging Face Blog6月17日· 58%Research一项新研究显示，只有16%的美国人认为人工智能对社会会产生积极影响最近的皮尤研究中心研究强调了美国人对人工智能未来对社会影响的显著怀疑。只有16%的受访者认为人工智能在未来二十年内会产生积极效果，而有40%的人预期会有负面结果。尽管人工智能技术日益融入日常生活，尤其是在更年轻的群体中，他们更可能使用这些工具，但这种情绪依然存在。关于安全性和监管的担忧突出，表明技术潜在好处与公众认知之TechCrunch AI6月17日· 58%Infrastructure从 Hugging Face Hub 到机器人硬件：Strands Agents 和 LeRobotHugging Face 宣布与 Strands Robots 进行重要整合，提供更简化的机器人代理训练和部署方法。此次合作利用 Hugging Face Hub 的数据集，促进包括在仿真中记录演示、执行策略和部署到物理机器人等五个步骤的流程。整合旨在确保一致的数据集格式，这对机器人领域有效的机器学习应用至关重要。Hugging Face Blog6月17日· 58%Funding加拿大养老金巨头加入印度AI驱动的数据中心热潮加拿大养老金计划投资委员会（CPP Investments）在AI和云基础设施领域采取了重要举措，向印度数据中心运营商CtrlS投资高达700亿印度卢比（约合7.41亿美元）。此项投资不仅为CPP确保了8.2%的股份，还建立了一个合资企业，旨在开发印度的超大规模数据中心。这一战略投资凸显了印度在全球AI和云生态系统中日TechCrunch AI6月17日· 57%Product LaunchPinterest推出名为'Ask Pinterest'的实验性AI购物应用Pinterest推出了一款名为'Ask Pinterest'的实验性AI购物应用，旨在通过对话界面改善产品发现。这一推出是Pinterest更大战略的一部分，旨在将AI技术融入其平台，同时还包括旨在增强用户参与度和货币化的新广告工具。该应用允许用户询问产品相关问题，使购物体验更加互动和个性化。TechCrunch AI6月17日· 57%Regulation危险的AI模型即将到来Anthropic最近因美国政府的出口管制指令将其AI模型Claude Fable 5和Mythos 5下线。这些模型展现出先进的能力，既可用于网络安全增强，也可能被恶意利用，导致对其双重用途潜力的重大担忧。这一决定凸显了AI技术创新与实施监管措施以减轻相关风险之间日益紧张的关系。Ars Technica AI6月17日· 57%Product Launch谷歌押注Gemini重塑智能家居音箱谷歌正式推出其新款家庭音箱，该音箱集成了Gemini AI的先进功能。此新设备旨在通过更自然的语言交互和处理复杂命令的能力来提升用户体验，标志着智能家居技术的重大进步。此外，该音箱将采用订阅模式，用户将在本月晚些时候发布时获得增强的AI功能。TechCrunch AI6月17日· 56%Regulation世界领导人希望获得美国的人工智能，但不希望美国能够关闭它。在最近的G7峰会上，各民主国家的领导人表达了对美国限制访问美国人工智能技术的潜在担忧。这一担忧源于特朗普政府阻止Anthropic出口其最新人工智能模型的先例。法国总统埃马纽埃尔·马克龙和印度总理纳伦德拉·莫迪等重要人物强调，确保民主国家保持对人工智能工具的可靠访问对于增强经济安全和抵御地缘政治紧张局势至关重要。TechCrunch AI6月17日· 56%FundingAnthropic成为首个加入Frontier碳移除联盟的AI初创公司Anthropic成为首个加入Frontier碳移除联盟的AI初创公司，该联盟专注于通过创新的碳移除技术应对气候变化。该联盟最近获得了9.15亿美元的重大融资，使总承诺达到18亿美元。Anthropic的参与标志着AI行业的一个关键时刻，反映出科技公司在优先考虑可持续性和应对与AI技术相关的环境影响方面日益增强的承诺，TechCrunch AI6月17日· 56%FundingNEA的Tiffany Luck谈AI IPO、个人助手和投资回报率的思考NEA的Tiffany Luck强调了AI投资格局的重大变化，从高支出阶段转向更加谨慎的关注投资回报率（ROI）。她指出，企业在量化AI项目的ROI方面面临挑战，像Uber和Meta这样的知名公司正在重新评估其支出。这反映了一个更广泛的趋势，即企业开始优先考虑可衡量的结果，而不是AI技术初期的炒作。Luck还强调了个人TechCrunch AI6月17日· 56%Regulation特易购因博通的“滥用行为”将40,000个服务器工作负载迁移出VMware特易购决定将40,000个服务器工作负载迁移出VMware，以直接回应博通（最近收购了VMware）所称的“滥用行为”。特易购声称博通未能遵守现有的许可协议，导致价格上涨和支持服务不足。鉴于这些问题，特易购已对博通提起合同违约诉讼，突显了企业收购中可能出现的紧张关系及其对现有客户关系的影响。Ars Technica AI6月17日· 56%Research快速GNN代理模型在复杂地质构造中CO2迁移的应用近期研究集中于开发一种利用图神经网络（GNN）预测复杂地质构造中CO2羽流迁移的机器学习模型。这种创新方法旨在提高与CO2储存相关的模拟效率和准确性，这对减缓气候变化至关重要。该模型在SPE11A基准测试中表现出竞争力，显示出其在环境科学和工程中的实际应用潜力。arXiv cs.LG6月17日· 64%Research通过结构不确定性量化LLM逻辑推理的一致性最近的研究引入了一种名为“结构不确定性”的新框架，旨在评估大型语言模型（LLMs）中逻辑推理的一致性。该框架强调各种候选解决方案之间自我偏好排名的稳定性，为理解LLMs推理过程的可靠性提供了更细致的视角。通过超越仅仅测量输出分散的传统指标，该方法旨在增强对LLMs逻辑推理能力的评估。arXiv cs.AI6月17日· 63%Research探测、融合与可信度：基础模型在多模态癌症分析中的系统评估一项最近在arXiv上发布的研究系统评估了基础模型（FMs）在多模态癌症分析中的有效性，特别是使用来自两个商业队列的全切片图像和转录组特征。研究基准测试了单模态和多模态方法，揭示FMs在分布外数据上的强大表现。然而，研究强调，当没有单一模态显著优于其他模态时，多模态融合技术最具优势，建议在癌症研究中采用细致的方法整合不arXiv cs.LG6月17日· 63%Research多智能体大语言模型系统中并发异常的验证检测与预防近期研究提出了一个正式框架，旨在检测和预防多智能体大语言模型（LLM）系统中的并发异常。该研究识别了这类系统中可能发生的四种不同类型的并发异常，这对于确保多个智能体之间交互的可靠性和正确性至关重要。为了解决这些问题，研究人员提出了一个经过验证的一致性层次结构，该结构使用以安全性和性能著称的Rust编程语言实现。该框架不arXiv cs.LG6月17日· 63%Research模型选择在因果推断中的关键作用：InferBERT框架下分类模型的比较分析最近在arXiv上发表的一项研究强调了模型选择在因果推断中的重要性，特别是在用于药物监测的InferBERT框架内。研究表明，模型的选择会显著影响因果不良药物事件的识别。值得注意的是，研究发现以BioBERT为例的领域特定预训练，相较于其他模型，包括像Med-LLaMA这样的大型语言模型，表现更为优越。这一发现强调了根arXiv cs.LG6月17日· 63%Research分布式通用代理网络：架构、关键机制与原型最近在arXiv上发表的一篇论文概述了一种新颖的分布式通用代理网络框架，允许异构代理在对等环境中协作工作。作者详细描述了一种分层架构，促进代理之间的通信和任务执行，解决了语义公告传播和身份验证等关键挑战。该框架旨在通过实现多样化代理之间的无缝互动与合作，提高多代理系统的效率和有效性。arXiv cs.AI6月17日· 63%Research配对时正确，分开时错误：解耦和编辑多模态特定神经元在MLLMs中的应用最近的研究引入了DECODE，这是一种新方法，旨在解决多模态大型语言模型（MLLMs）中观察到的解耦失败。这种失败通常导致在使用单模态输入时模型信息过时。DECODE方法专注于编辑和解耦特定模态的神经元组，预计将提高模型在不同类型输入下有效更新知识的能力，从而增强其整体性能和可靠性。arXiv cs.LG6月17日· 62%BenchmarkSkillChain-Gym：应对干扰的再技能意识生产库存控制基准SkillChain-Gym的推出标志着生产库存控制领域的重大进展，特别是在干扰期间的劳动力动态背景下。该基准使研究人员和从业者能够评估各种培训能力政策，以帮助在面临意外挑战时维持生产能力。通过将再技能意识纳入框架，SkillChain-Gym旨在提供更现实和适应性强的库存和生产过程管理方法。arXiv cs.AI6月17日· 62%Research生成不规则临床时间序列的有信息缺失一项最新研究提出了一种新颖的基于扩散的方法，旨在生成不规则的临床时间序列数据。这种方法特别重要，因为它解决了电子健康记录（EHRs）中普遍存在的数据缺失问题，这可能导致患者信息不完整并妨碍有效的临床决策。通过准确反映实验室值和观察模式，该方法提高了模拟临床数据的可靠性，使其成为研究人员和医疗专业人员的宝贵工具。arXiv cs.LG6月17日· 62%BenchmarkMemTrace：探讨最终准确性在长期记忆中的缺失研究人员推出了一项新的基准测试，名为MemTrace，旨在评估大型语言模型（LLM）代理的长期记忆能力。与传统的关注最终准确性的评估不同，MemTrace强调知识点的重要性以及随时间跟踪变化的能力。研究表明，尽管LLM在响应中可能达到高准确性，但在利用证据和适应新信息方面仍可能显著失败，这可能导致其性能中的关键疏漏。arXiv cs.AI6月17日· 62%Research从无到有：语言模型能否发现零的概念？最近在arXiv上发表的一项研究探讨了语言模型独立发现零这一基本数学结构的能力。研究表明，较小的模型在没有接触零的示例之前，难以理解这一概念。然而，研究还强调，通过适当的训练，特别是接触零的示例，这些模型的表现可以显著提高。此外，在语言数据上的预训练似乎能够减少模型学习这一概念所需的示例数量。arXiv cs.AI6月17日· 62%Research规则学习：一个自我进化的法律案件检索代理最近的研究推出了一种自我进化框架，旨在改善法律案件检索，特别是增强传统的BM25模型。这种创新的方法结合了基于规则的查询重写，并利用大型语言模型（LLM）代理来促进迭代规则的创建和优化。结果显示，该新框架在性能上显著优于传统方法，尤其是在中国法律案件的背景下，在LeCaRD-v2基准测试中表现突出。arXiv cs.AI6月17日· 62%Research模型在预填充时记笔记：KV缓存可编辑且可组合最近的研究在机器学习模型的前缀缓存方面引入了重要进展，特别关注可编辑和可组合的键值（KV）缓存概念。这一创新使得模型能够更高效地更新和整合各种技能，这对提升模型的适应性和性能至关重要。通过保持决策准确性并减少延迟，这些进展有望提高AI系统在处理和响应数据时的整体效率。arXiv cs.LG6月17日· 62%Research超越并行采样：代理搜索的多样化查询初始化最近的一篇论文介绍了一种名为DivInit的新方法，旨在增强AI系统中的代理搜索能力。该方法特别针对并行采样中常出现的查询冗余问题，这可能限制多跳问答任务的有效性。通过采用多样化的初始查询，DivInit显著改善了代理搜索的广度扩展，相比传统的并行采样技术，性能得到了提升。研究结果表明，多样化查询初始化可以使AI搜索过arXiv cs.AI6月17日· 62%Research通过数字双胞胎仿真优化治疗响应的临床决策支持AI系统最近在临床决策支持AI系统（CDSASs）方面的进展，促成了一种创新的在线自适应框架，该框架整合了治疗效果估计、患者数字双胞胎仿真和强化学习。该系统在治疗建议的有效性和稳定性方面显示出显著改善，通过对合成和真实世界数据的广泛测试进行了验证。这些技术的整合旨在增强临床环境中的实时决策能力，为医疗专业人员提供更可靠的工具，arXiv cs.AI6月17日· 61%BenchmarkSpeechDx：临床语音人工智能的多任务基准研究人员推出了SpeechDx，这是一个专门为临床语音人工智能应用量身定制的新多任务基准。该基准涵盖12个不同的数据集和27个与各种健康状况相关的任务，为评估语音人工智能模型的性能提供了结构化框架。通过根据语音产生的阶段对任务进行分类，SpeechDx旨在促进对这些模型在不同数据集上的泛化能力的更全面评估，从而增强临床arXiv cs.AI6月17日· 61%Research技能约束模型预测控制在韧性制造供应链中的应用最近在arXiv上发布的一项研究提出了一种通过技能约束模型预测控制器管理制造供应链的新方法。该研究解决了生产库存系统中技能瓶颈带来的挑战，展示了预测控制如何增强供应链的韧性。研究结果表明，尽管这种预测方法在预期场景中是有益的，但在不可预见的干扰情况下，传统的静态保险计划可能更为有效。arXiv cs.AI6月17日· 61%Research噪声驱动的逃离亚稳态解释深度神经网络中的Grokking最近的研究揭示了深度神经网络（DNN）中的噪声驱动过程与称为grokking的现象之间的重要关系。研究强调L2正则化和随机梯度下降引入的噪声使DNN能够逃离亚稳态，从而改善学习结果。这一发现表明，即使在过拟合一段时间后，模型仍能有效泛化，挑战了传统的神经网络训练动态观念。arXiv cs.LG6月17日· 60%Research诊断和修复长距离单次拍摄条纹投影轮廓测量中的形状先验捷径近期研究集中于提升长距离单次拍摄条纹投影轮廓测量（FPP）技术，该技术用于精确的3D形状测量。研究强调了逆平方强度衰减和缺乏条纹阶数信息所带来的挑战，这可能导致测量不准确。为了解决这些问题，研究人员引入了PhiCalNet，这是一种采用机械解释性和保形不确定性量化的新方法。该创新方法显著降低了物体的平均绝对误差，从14arXiv cs.LG6月17日· 59%