AIhub coffee corner: World models
AIhub 咖啡角通过简短的对话捕捉了人工智能专家的思考。这个月我们深入研究世界模型。它们是什么？它们有什么潜力？这次加入对话的有：Sanmay Das（弗吉尼亚理工大学）、Rina Dechter（加州大学欧文分校）、Tom Dietterich（俄勒冈州立大学）、Sabine Hauert（[…] 大学）
Why the world’s banks are so worried about Anthropic’s latest AI model
作者：托比·沃尔什 (Toby Walsh)，悉尼新南威尔士大学 美国传奇银行劫匪威利·萨顿 (Willie Sutton) 花了 40 年的时间抢劫银行，正如他在自传中声称的那样，因为他喜欢这样做。当被问到为什么他选择各地的银行进行抢劫时，据称他回答说“因为那是钱所在”。早在 2017 年，我就写了一篇 [...]
在 ACM SIGAI 出版物《AI Matters》的这篇交叉文章中，Ella Scallan 与 Jonathan Frankle 坐下来讨论了彩票假设，他因此获得了 2023 年 AAAI/ACM 博士论文奖。在这次内容广泛的对话中，乔纳森深入探讨了经验主义与理论证明，以及计算机科学方法如何[...]
A faster way to estimate AI power consumption
Gloria Mendoza / 脆弱生态系统中的数据中心对环境的影响 / 获得 CC-BY 4.0 许可 作者：Adam Zewe 根据劳伦斯伯克利国家实验室的数据，由于人工智能的爆炸性增长，预计到 2028 年数据中心将消耗美国总电力的 12%。改进数据 [...]
Introducing ARFBench: A time series question-answering benchmark based on real incidents
每年由于系统故障造成的损失超过一万亿美元。为了解决这些问题，工程师必须快速排除故障。事件响应中的一项重要任务涉及分析可观测性指标或反映软件系统运行状况的时间序列数据。例如，服务工程师可能会使用 Datadog 来回答诸如“延迟何时开始增加？”之类的问题。以及“延迟之外的哪些指标也表现异常？”定位异常行为的根本原因。这些时间序列问答 (TSQA) 任务对于工程师来说至关重要，并且为 SRE 模型和代理提供了具有挑战性且必要的任务。在这项工作中，我们探讨了 AI 模型执行 TSQA 任务的程度。为此，我们很高兴推出异常推理框架基准 (ARFBench)，这是一个 TSQA 基准，源自 Datado
Does ‘federated unlearning’ in AI improve data privacy, or create a new cybersecurity risk?
Deborah Lupton / Pop Chips / 获得 CC-BY 4.0 许可作者：里贾纳大学 Abbas Yazdinejad 和巴尔斯利国际事务学院 Ann Fitz-Gerald 随着人工智能 (AI) 能力呈指数级增长，人们对用户数据隐私的担忧也随之增加。世界各地的组织越来越多地采用称为联合的东西[...]
在这篇文章中，我们回顾了 AIES 2025，并概述了临床应用和人权背景下法学硕士讨论会的对话和演示。这是 ACM SIAGI 出版的最新一期《AI Matters》的交叉文章。今年的人工智能、伦理与社会会议 (AIES) [...]
Deep learning-powered biochip to detect genetic markers
南洋理工大学副教授 Y.C.陈（右）与博士生付博文（左）手持新型生物芯片，该芯片可以利用计算机视觉在 20 分钟内检测 miRNA。新加坡南洋理工大学的科学家团队开发了一种新型生物芯片，与计算机视觉相结合，可以快速准确地检测极少量的[...]
Half of AI health answers are wrong even though they sound convincing – new study
Alan Warburton / Medicine / © BBC / Licensed by CC-BY 4.0 作者：Carsten Eickhoff，图宾根大学想象一下，您刚刚被诊断出患有早期癌症，在下次预约之前，您在 AI 聊天机器人中输入一个问题：“哪些替代诊所可以成功治疗癌症？”几秒钟之内，您就会得到一个精美的、带脚注的答案 [...]
Gradient-based planning for world models at longer horizons
GRASP 是一种新的基于梯度的学习动态规划器（“世界模型”），它通过以下方式使长视野规划变得实用：(1) 将轨迹提升到虚拟状态，以便优化在时间上是并行的；(2) 直接向状态迭代添加随机性以进行探索；(3) 重塑梯度，以便动作获得清晰的信号，同时我们通过高维视觉模型避免脆弱的“状态输入”梯度。大型学习世界模型的能力越来越强。他们可以预测高维视觉空间中未来观察的长序列，并以几年前难以想象的方式概括任务。随着这些模型的扩展，它们开始看起来不再像特定于任务的预测器，而更像通用模拟器。但是拥有强大的预测模型并不等于能够有效地将其用于控制/学习/规划。在实践中，现代世界模型的长期规划仍然脆弱：优化变
It’s tempting to offload your thinking to AI. Cognitive science shows why that’s a bad idea
Nadia Piet 和 AI + AIxDESIGN 的档案图片 / AI Am Over It / 获得 CC-BY 4.0 许可 作者：Misia Temler，悉尼大学 现在有如此多的人工智能 (AI) 产品，人们越来越倾向于将困难的思维任务交给聊天机器人、代理和其他工具。当我们绘制这种新技术的图表时 [...]
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，[...]
Report on foundation model impacts released
Partnership on AI 发布了有关基础模型的部署后治理实践的进度报告。该文件题为“2026 年基础模型影响透明度报告”，衡量了 13 个基础模型提供商*在公开记录其基础模型影响方面的进展。在进行分析时，作者 Jacob Pratt 和 Albert Tanjaya 回顾了 [...]
Forthcoming machine learning and AI seminars: May 2026 edition
本文包含计划于 2026 年 5 月 5 日至 6 月 30 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 5 月 5 日 MUSAiC 项目后的展望 演讲者：Bob L. T. Sturm（KTH 皇家理工学院） 组织者：[…]
AI for Science – from cosmology to chemistry
图片来源：NASA 和哈勃遗产团队 (STScI/AURA)；致谢：Ray A. Lucas (STScI/AURA)。 3月31日，我们的编辑团队前往英国皇家人工智能科学学会。这次为期一天的会议探讨了人工智能如何改变科学发现的性质，由艾伦图灵的基础研究团队主办 [...]
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。这个月，我们会见博士生和早期职业研究人员，了解机器学习如何用于粒子物理发现，关注最新的人工智能指数 [...]
The Machine Ethics podcast: organoid computing with Dr Ewelina Kurtys
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 Ewelina Kurtys 博士进行类器官计算 本月 Ben 与 Ewelina Kurtys 博士讨论了类器官和能源的使用 [...]
#AAAI2026 invited talk: Yolanda Gil on improving workflows with AI
Jamillah Knowles & Digit / Pink Office / 获得 CC-BY 4.0 许可 Yolanda Gil 是南加州大学的教授，她还担任该校重大战略人工智能和数据科学计划的高级总监。 2018年至2020年，她担任AAAI主席。在 AAAI 2026 的受邀演讲中，她 [...]
