Making AI systems more transparent and trustworthy: an interview with Ximing Wen
我们对 AAAI/SIGAI 博士联盟参与者的系列最新采访采访了正在研究透明且值得信赖的人工智能系统的温熙明。我们了解了更多关于她的工作、她作为研究实习生的经历以及是什么激励她研究人工智能。告诉我们一些关于您的博士学位的信息——您在哪里学习，[...]
Legal Innovators Paris – June 24 + 25, Top Sponsors Announced
巴黎法律创新者大会将于 6 月 24 日至 25 日举行，我们现在可以与您分享一些我们领先的法律技术和法律......
The Rise of the Litigation Workspace
作者：Eimear McCann，TrialView。从历史上看，内部法律部门的转型一直被描述为一个合同故事。 CLM平台的兴起，...
SGS awards DOBOT robotics ISO 10218 cybersecurity certification
此次验证表明，CR 30H 系列符合国际上对安全设计机器人的期望，增强了其为高端工业制造应用和全球市场准入做好准备。
Robotic Welding Cell Components & Integration: Power Source, Torch, Wire Feeder, Sensors (2026)
机器人焊接单元内部有什么？电源、焊枪、送丝机、传感器、定位器 — 包含 2026 年集成步骤的完整组件指南。机器人焊接单元组件和集成：电源、焊枪、送丝机、传感器 (2026)首次出现在 EVST。
I've fully converted to adaptive chargers from fast ones and already feel safer
自适应充电旨在通过保持低速度来减少电池磨损。我最喜欢的型号非常适合隔夜充电。
How I upgraded my Sonos soundbar's audio quality - 3 easy and free methods
如果您对条形音箱的音频性能不满意，这些快速而简单的调整对我来说意义重大。
Study: Firms often use automation to control certain workers’ wages
麻省理工学院的经济学家发现，美国公司倾向于以赚取“工资溢价”的员工为目标，这会增加不平等，但不一定会提高生产率。
What Matters in Practical Learned Image Compression
学习编解码器相对于硬编码的传统编解码器的主要区别之一是它们能够直接优化以吸引人类视觉系统。尽管有这种潜力，但一种可感知且实用的图像编解码器尚未被提出。在这项工作中，我们的目标是缩小这一差距。我们对控制实际学习图像编解码器设计的关键建模选择进行了全面的研究，并针对感知质量和运行时间进行了联合优化 - 包括在消融中的几种新技术。然后我们执行性能感知神经......
Text-Conditional JEPA for Learning Semantically Rich Visual Representations
基于图像的联合嵌入预测架构 (I-JEPA) 提供了一种通过屏蔽特征预测进行视觉自监督学习的有前途的方法。然而，由于屏蔽位置固有的视觉不确定性，特征预测仍然具有挑战性，并且可能无法学习语义表示。在这项工作中，我们提出了文本条件 JEPA（TC-JEPA），它使用图像标题来减少预测的不确定性。具体来说，我们使用细粒度文本调节器来调整预测的补丁特征，该调节器计算输入文本标记上的稀疏交叉注意力。有了这样的……
Our Statement on the White House’s New Approach to AI Oversight
特朗普政府于 2025 年 1 月取消了拜登时代的人工智能监督规则，并宣布打算在前沿人工智能模型向公众发布之前对其进行测试。为了防止人工智能系统造成有记录的危害，政府早就应该对人工智能模型和人工智能行业进行监督。但任何有效的方法来保护 [...]
Normalizing Flows with Iterative Denoising
归一化流 (NF) 是基于可能性的经典方法系列，已重新受到关注。 TARFlow 等最近的努力表明，NF 能够在图像建模任务上取得有前景的性能，使其成为扩散模型等其他方法的可行替代方案。在这项工作中，我们通过引入迭代 TARFlow (iTARFlow) 进一步推进规范化流生成模型的状态。与扩散模型不同，iTARFlow 在训练期间保持完全端到端、基于可能性的目标。在采样过程中，它执行自回归生成......
SpecMD: A Comprehensive Study on Speculative Expert Prefetching
专家混合 (MoE) 模型支持稀疏专家激活，这意味着每次推理期间仅使用模型参数的子集。然而，要将这种稀疏性转化为实际性能，需要专业的缓存机制。以前的工作提出了以硬件为中心的缓存策略，但是这些不同的缓存策略如何相互作用以及不同的硬件规范仍然知之甚少。为了解决这一差距，我们开发了 SpecMD，这是一个标准化框架，用于对各种硬件配置上的临时缓存策略进行基准测试。使用 SpecMD...
多模式代理的真正空间智能超越了低级几何感知，从了解事物的位置发展到理解它们的用途。虽然 VSI-Bench 等现有基准可以有效评估这一基础几何阶段，但它们未能探索基础智能所必需的高阶认知能力。为了弥补这一差距，我们引入了空间功能智能基准 (SFI-Bench)，这是一个基于视频的基准，包含来自多样化、以自我为中心的室内视频扫描的 1700 多个问题。 SFI-Bench 旨在...
