擅长关键词检索结果

打破扩展代码:AI 模型如何重新定义规则

Breaking the Scaling Code: How AI Models Are Redefining the Rules

近年来,人工智能取得了长足进步。曾经在基本任务上举步维艰的模型现在擅长解决数学问题、生成代码和回答复杂问题。这一进步的核心是扩展定律的概念——这些规则解释了人工智能模型在成长、接受更多数据训练或获得支持时如何改进 […] 打破扩展代码:人工智能模型如何重新定义规则一文首先出现在 Unite.AI 上。

观点:太多学生说学校不重要。是时候听听他们的声音了。

Opinion: Too Many Students Say School Just Isn’t Relevant. It’s Time to Listen to Them.

我们送孩子上学是为了让他们为成功的未来做好准备。因此,令人担忧的是,在最近的一项全国调查中,不到一半的初中生和高中生表示学校以一种好的方式挑战他们,或者让他们有机会每天做自己最擅长的事情。只有大约 […]

Google DeepMind 的新 AI 模型是迄今为止天气预报方面最好的

Google DeepMind’s new AI model is the best yet at weather forecasting

Google DeepMind 推出了一种比目前最好的系统更擅长预测天气的 AI 模型。这个名为 GenCast 的新模型今天发表在《自然》杂志上。这是谷歌在过去几个月内推出的第二个 AI 天气模型。 7 月份,该公司发布了 NeuralGCM 的详细信息,该模型…

看起来一些相当优秀的资本家在管理国会

Looks Like Some Pretty Good Capitalists Run The Congress

这篇文章最初发表于 2009 年。转至政策、投资组合和投资者立法者:随着国会股票持有量的增加,专家警告称,上周《华盛顿邮报》报道了潜在的道德问题。众议院的大多数成员都持有股票。文章称,“投资越来越多地使立法者处于投票或提倡可能影响其个人财富的事务的地位,无论立法者是否意识到这一点。”如果这对他们的钱包很重要,那么很少在任何事情上达成一致的政客可能会被发现投票支持同一项法案。他们应该报告自己拥有的资产,但他们拖延不决,记录也没有很好地计算机化,因此很难分析。他们擅长投资。从 1985 年到 2001 年,立法者每月比市场高出 0.55 个基点。在一年的时间里,这意味着比市场高出 6.6 个百分点

美国海军的鲟鱼级潜艇:为战斗和监视俄罗斯而建造

The U.S. Navy’s Sturgeon-Class Submarines: Built to Fight and Spy on Russia

要点:鲟鱼级潜艇是美国海军的冷战英雄,擅长情报收集、特种作战和反潜战。这些潜艇拥有 37 艘快速攻击艇,为航母打击群提供支援,并帮助保障核威慑任务。- 领头潜艇鲟鱼号从 1967 年服役到 1994 年,拥有先进的隐形 […]The post 美国海军鲟鱼级潜艇:为战斗和监视俄罗斯而建造,首次出现在 19FortyFive 上。

以色列的 F-15I Ra'am 战斗机是天空中的飞行“狙击手”

Israel’s F-15I Ra’am Fighter Is a Flying ‘Sniper’ in the Sky

要点:F-15I Ra'am 是以色列定制版 F-15E 攻击鹰,是一款双重用途战斗机,擅长空中优势和远程打击任务。它于 1998 年推出,采用以色列设计的航空电子设备、头盔瞄准具和先进的瞄准系统。-F-15I 由两台普惠 F100-PW-229 发动机驱动,速度可达 2.5 马赫,[…]以色列的 F-15I Ra'am 战斗机是天空中的飞行“狙击手”一文首次出现在 19FortyFive 上。

我们需要开始思考人工智能代理的道德问题

We need to start wrestling with the ethics of AI agents

这个故事来自 The Algorithm,这是我们关于 AI 的每周通讯。要首先将其发送到您的收件箱,请在此处注册。生成式 AI 模型在与我们交谈以及为我们创建图像、视频和音乐方面已经变得非常出色,但它们并不擅长为我们做事。人工智能代理承诺改变……

假装口音?研究表明,在贝尔法斯特你会被发现,但在伦敦不会

Faking an accent? You’ll be spotted in Belfast but not London, says study

一项新研究表明,在英国和爱尔兰,贝尔法斯特人最善于察觉某人是否在模仿口音,而伦敦人最不擅长。这项发表在《进化人类科学》上的研究还发现,格拉斯哥、都柏林和英格兰东北部的人可能会发现“口音 […]

挠痒痒让我们笑得不一样

Tickling makes us laugh differently

我们被挠痒痒时笑的方式是独一无二的,机器和人类通常都能分辨出其中的差异。研究人员从近 900 个与挠痒痒、看有趣的东西、看到别人的不幸或听到笑话有关的笑声片段中提取了声音成分,并利用这些成分来训练和测试机器学习分类器。分类器最擅长识别挠痒笑,人类听众也是如此。超过 200 名参与者听了 30 个剪辑,正确识别出挠痒笑的几率超过 60%,而第二组听众认为这种笑声听起来不太受控制。

忘记比较优势会让我们陷入危险

We forget about comparative advantage at our peril

公司和国家应保持对自己最擅长的事情的激光般关注

特朗普任命前 ICE 局长汤姆·霍曼为“边境沙皇”

Trump Taps Former ICE Director Tom Homan As 'Border Czar'

特朗普任命前移民和海关执法局局长汤姆·霍曼为“边境沙皇”当选总统唐纳德·特朗普周日晚间透露,他计划任命 2017 年至 2018 年担任移民和海关执法局代理局长的汤姆·霍曼为下一任“边境沙皇”。特朗普在 Truth Social 上写道:“我很高兴地宣布,前移民和海关执法局局长、边境管控的坚定支持者汤姆·霍曼将加入特朗普政府,负责我们国家的边境(“边境沙皇”),包括但不限于南部边境、北部边境、所有海事和航空安全。”特朗普继续说道:“我认识汤姆很久了,没有人比他更擅长监管和控制我们的边境。同样,汤姆·霍曼将负责将所有非法移民遣返回原籍国。” “祝贺汤姆。我毫不怀疑他会完成一份出色的、期待已久的工

生命的幻觉

An Illusion of Life

现有的人工智能可能有知觉吗?如果没有,那还缺少什么?当今的大型语言模型 (LLM) 已经非常擅长生成听起来深思熟虑且聪明的类似人类的响应。许多人都认为 LLM 已经达到了艾伦·图灵著名测试的门槛,该测试的目标是在对话中表现得与人无异。这些 LLM 能够生成听起来深思熟虑且聪明的文本,并且可以令人信服地模仿情绪的表现。智能的幻觉尽管它们能够令人信服地模仿人类的对话,但当前的 LLM 不具备思考或情感的能力。它们产生的每个单词都是基于从大量文本数据中学习到的统计模式的预测。随着每个单词一次生成,此预测过程会重复发生。与人类不同,LLM 无法记忆或自我反思。它们只是按顺序输出下一个单词。预测下一个单

电机齿轮箱在提高 SCARA 机器人性能方面的作用

The Role of Motorgear Boxes in Enhancing SCARA Robots’ Performance

Scara 机器人在自动化中的重要性 由于 Scara 机器人非常擅长快节奏、精确的工作,它们彻底改变了自动化领域。在整个装配和拾取和放置过程中,Scara 机器人保证了生产力。快速、重复的运动是由其小巧的外形实现的,这在电子和制药等行业中至关重要。然而,精确的控制 […]电机齿轮箱在增强 SCARA 机器人性能中的作用首次出现在EVS Robot。

下一代 PCR 仪器提升工作流程

Next-Generation PCR Instruments Boost Workflows 

现代、直观、可靠的热循环仪擅长优化测序、克隆和基因分型通量。

人们不喜欢他们认为是人工智能写的故事

People don’t like stories they think AI wrote

“人工智能擅长写出一致、合乎逻辑和连贯的东西。但它在写引人入胜的故事方面仍然比人类弱。”

新发现的蓝藻可能有助于封存海洋和工厂中的碳

Newly discovered cyanobacteria could help sequester carbon from oceans and factories

来自美国和意大利的国际研究人员联盟发现了一种从火山海底喷口分离出来的新型蓝藻菌株,这种菌株特别擅长在二氧化碳存在的情况下快速生长,并很容易沉入水中,使其成为生物碳封存项目和生物生产有价值商品的主要候选者。

过采样和欠采样解释:带有迷你 2D 数据集的可视化指南

Oversampling and Undersampling, Explained: A Visual Guide with Mini 2D Dataset

数据预处理人工生成和删除数据,以造福大众⛳️ 更多数据预处理,解释:· 缺失值插补 · 分类编码 · 数据缩放 · 离散化 ▶ 过采样和欠采样收集每个类别都有完全相同数量的类别需要预测的数据集可能是一个挑战。实际上,事情很少能完美平衡,当你制作分类模型时,这可能是一个问题。当一个模型在这样的数据集上训练时,一个类别比另一个类别有更多的示例,它通常会变得更擅长预测较大的组,而更不擅长预测较小的组。为了解决这个问题,我们可以使用过采样和欠采样等策略——为较小的组创建更多示例或从较大的组中删除一些示例。目前有许多不同的过采样和欠采样方法(名字吓人,如 SMOTE、ADASYN 和 Tomek Lin

蛆虫和蟑螂被改造为堆肥制造者

Maggots and cockroaches rehabilitated as compost creators

西班牙研究人员表示,蟑螂和蛆虫并不是最可爱的生物,但它们可能是将西班牙各地发现的入侵海藻转化为有用堆肥的最佳动物。他们测试了一系列爬行动物分解海藻害虫 Rugulopteryx okamurae 的能力,发现蟑螂 (Eublaberus) 和黑水虻 (Hermetia illucens) 比蚯蚓 (Dendrobaena veneta) 和黄粉虫 (Tenebrio monitor) 更擅长堆肥海藻。作者总结说,利用这些未被充分重视的生物的能力为发展“循环经济”堆肥企业带来了希望。