ΑΙhub领域信息情报检索

ΑΙhub是一个非营利组织,致力于通过提供免费高质量的信息,将人工智能社区与公众联系起来。

专访向方:多模态学习与具身智能

Interview with Xiang Fang: Multi-modal learning and embodied intelligence

每年都会选出一小群博士生参加 AAAI/SIGAI 博士联盟。该计划为学生提供了一个机会,在跨学科研讨会上与知名研究人员小组一起讨论和探索他们的研究兴趣和职业目标。在过去的几年里,我们一直在见面 [...]

#AAAI2026 科学传播简介

An introduction to science communication at #AAAI2026

我们很高兴地宣布,今年我们将在 AAAI 为人工智能研究人员介绍科学传播。该活动将于 1 月 21 日星期三 13:00 – 14:30 举行。该课程是本科生联盟计划的一部分。但是,如果您正在参加会议并想了解如何[...]

Anindya Das Antar 访谈:评估审核护栏在调整 LLM 输出方面的有效性

Interview with Anindya Das Antar: Evaluating effectiveness of moderation guardrails in aligning LLM outputs

他们在 AIES 2025 上发表的论文“你的护栏能守卫吗?”评估审核护栏在使 LLM 输出与专家用户期望保持一致方面的有效性的方法 Anindya Das Antar、Xun Huan 和 Nikola Banovic 提出了一种评估和选择护栏的方法,该方法能够最好地将 LLM 输出与主题专家的领域知识保持一致。在这里,[...]

守护欧洲隐藏的生命线:人工智能如何保护海底基础设施

Guarding Europe’s hidden lifelines: how AI could protect subsea infrastructure

作者:Michael Allen 数千公里的电缆和管道纵横交错于欧洲海底,输送着维持现代生活运转的天然气、电力和数据。然而这些关键环节大多没有受到保护。最近发生的一系列事件,例如北溪天然气管道爆炸,引发了人们对欧洲水下基础设施正在成为一个[...]

#AAAI2026 将会发生什么?

What’s coming up at #AAAI2026?

今年,AAAI 人工智能年度大会将首次在北美以外地区举行。 1 月 20 日星期二至 1 月 27 日星期二,新加坡将主办第 40 届会议。该活动将包括受邀演讲、教程、研讨会和广泛的技术项目。还有[...]

将人形足球提升到新的水平:RoboCup 受托人 Alessandra Rossi 访谈

Taking humanoid soccer to the next level: An interview with RoboCup trustee Alessandra Rossi

RoboCup 的核心目标是通过各个联赛提供的挑战来促进和推进机器人技术和人工智能研究。足球比赛的最终目标是,到 2050 年,一支完全自主的人形机器人团队将击败最新一届 FIFA 世界杯冠军。为了实现这一愿景 [...]

机器人在徒步小径上导航

Robots to navigate hiking trails

如果您曾经徒步旅行,您就会知道小径可能具有挑战性且不可预测。上周还畅通无阻的道路今天可能会被倒下的树挡住。维护不善、裸露的树根、松动的岩石和不平坦的地面使地形进一步复杂化,使得机器人难以自主导航。暴风雨过后,水坑可以[...]

AAAI 主席小组 – 人工智能推理

AAAI presidential panel – AI reasoning

Elise Racine & The Bigger Picture / Web of Influence I / Licensed by CC-BY 4.0 2025 年 3 月,人工智能促进协会 (AAAI) 发布了一份关于人工智能研究的未来的报告。该报告由即将离任的 AAAI 主席 Francesca Rossi 领导,涵盖 17 个不同的人工智能主题和目标 [...]

机器伦理播客:Giulia Trojano 的伴侣 AI

The Machine Ethics podcast: Companion AI with Giulia Trojano

机器伦理播客由 Ben Byford 主持,汇集了对学者、作家、商界领袖、设计师和工程师的采访,主题涉及自主算法、人工智能、机器学习和技术对社会的影响。与 Giulia Trojano 合作的 AI 本月,我们将与 Giulia Trojano 讨论 AI 作为一种经济叙事、聊天机器人、去技能化 [...]

使用下限和上限算术电路从逻辑约束中学习

Learning from logical constraints with lower- and upper-bound arithmetic circuits

如何高效训练神经网络,使其与背景知识更加一致?神经网络非常擅长识别从图像到语言的数据模式,但它们常常无法尊重人类显而易见的规则和关系。例如,神经网络可以学习识别道路代理、他们的行为,[...]

什么是小型语言模型以及它们与大型语言模型有何不同?

What are small language models and how do they differ from large ones?

Teresa Berndtsson / Letter Word Text Taxonomy / Licensed by CC-BY 4.0 作者:林田(悉尼科技大学)和 Marian-Andrei Rizoiu(悉尼科技大学) 微软最近发布了最新的小语言模型,可以直接在用户计算机上运行。如果您没有密切关注人工智能行业,您可能会问:什么[...]

即将举行的机器学习和人工智能研讨会:2026 年 1 月版

Forthcoming machine learning and AI seminars: January 2026 edition

本文包含计划于 2026 年 1 月 5 日至 2 月 28 日期间举行的人工智能相关研讨会的列表。此处详细介绍的所有活动都是免费开放的,任何人都可以通过虚拟方式参加。 2026 年 1 月 9 日法学硕士反思演讲者:Murray Shanahan 组织者:伦敦帝国理工学院 在此加入。 2026 年 1 月 14 日解开地区 [...]

AAAI 主席小组 - 人工智能感知与现实视频讨论

AAAI presidential panel – AI perception versus reality video discussion

Lone Thomasky & Bits&Bäume / Distorted Dandelions / 获得 CC-BY 4.0 许可 2025 年 3 月,人工智能促进协会 (AAAI) 发布了一份关于人工智能研究的未来的报告。该报告由即将卸任的 AAAI 主席 Francesca Rossi 领导,涵盖 17 个不同的人工智能主题,旨在明确 [...]

互联网上超过一半的新文章是由人工智能撰写的

More than half of new articles on the internet are being written by AI

作者:Francesco Agnellini,纽约州立大学宾厄姆顿大学 人类和机器作者之间的界限正在变得模糊,特别是当越来越难以判断某些内容是由人还是人工智能编写时。现在,数字营销公司 Graphite 最近发表了一项研究,显示 [...]

2025 年摘要摘要

2025 digest of digests

2025年,人工智能领域又迎来了忙碌的12个月。在这一年里,我们在每月的定期摘要中报道了一些较大的故事和一些较少报道的事件。我们回顾档案,从每个摘要中挑选出一两个故事。 2025 年 1 月 [...]

AIhub 月度摘要:2025 年 12 月 – 研究基于人工智能的招聘工具中的偏见、用于道德人工智能基准测试的图像数据集以及年终汇编

AIhub monthly digest: December 2025 – studying bias in AI-based recruitment tools, an image dataset for ethical AI benchmarking, and end of year compilations

欢迎来到我们的每月摘要,在这里您可以了解您可能错过的任何 AIhub 故事、仔细阅读最新新闻、回顾最近的事件等等。本月,我们研究基于人工智能的招聘工具中的偏见,找出用于道德人工智能基准测试的新图像数据集,深入研究人机交互和社交机器人,[...]

一半的英国小说家相信人工智能可能完全取代他们的作品

Half of UK novelists believe AI is likely to replace their work entirely

作者 Fred Lewsey 一份涉及英国小说出版行业数百名文学创意人员的新报告揭示了随着生成式人工智能工具和法学硕士创作的书籍涌入市场,人们对版权侵犯、收入损失和艺术形式的未来普遍感到担忧。英国超过一半 (51%) 的出版小说家表示 [...]

没有 TD 学习的 RL

RL without TD learning

在这篇文章中,我将介绍一种基于“另类”范式的强化学习 (RL) 算法:分而治之。与传统方法不同,该算法不是基于时间差(TD)学习(具有可扩展性...