College graduates honored at USAG Italy ceremony
4 月 9 日，在意大利维琴察 Caserma Ederle 的金狮大学举行的颁奖典礼上，15 名毕业生获得了从副学士学位到硕士学位的各种学位。
詹姆斯·“吉米”·艾伦 (James “Jimmy” Allen) 先生是负责研究和工程的战争部副部长办公室负责科学和技术未来事务的副助理战争部长，负责监督国防部新兴技术组合的研究和开发，包括规模化高超音速、生物制造、反无人系统、
New Lab Serves as Innovation Hub for Tactical Wheeled Vehicles
位于南卡罗来纳州的新联合轻型战术车辆政府系统集成实验室是海军陆战队战术轮式车辆创新的中心枢纽，可降低成本并缩短集成时间。
Finland clinches $642 million deal for 112 South Korean K9 howitzers
这项政府间交易预计将使芬兰的 K9 总库存达到 200 多个系统。
How the Army could spend nearly $19 billion in RDT&E funding
占用陆军 RDT&E 资金大部分的项目包括 FLRAA、THAAD、UAS 发射效果、火炮系统、高超音速武器、反无人机技术和 M-SHORAD。
Why Every AI Coding Assistant Needs a Memory Layer
AI 编码助理需要一个持久的内存层来克服 LLM 的无状态性，并通过系统地跨会话提供上下文来提高代码质量。为什么每个 AI 编码助理需要一个内存层一文首先出现在 Towards Data Science 上。
Your ReAct Agent Is Wasting 90% of Its Retries — Here’s How to Stop It
大多数 ReAct 风格的代理都默默地将重试预算浪费在永远不会成功的错误上。在 200 个任务的基准测试中，90.8% 的重试都花在了幻觉的工具调用上——不是模型错误，而是架构缺陷。本文展示了为什么即时调整无法解决这个问题，以及完全消除浪费重试的三种结构变化。 文章《你的 ReAct Agent 正在浪费 90% 的重试 — 以下是如何阻止它》首先出现在 Towards Data Science 上。
A Visual Explanation of Linear Regression
一篇包含 100 多个可视化内容的长篇文章，涵盖了从如何构建线性回归模型、衡量质量以及如何改进模型等一系列主题。《线性回归的视觉解释》一文首先出现在《走向数据科学》上。
Why MLOps Retraining Schedules Fail — Models Don’t Forget, They Get Shocked
我们将艾宾浩斯遗忘曲线拟合到 555,000 笔真实欺诈交易中，得到 R² = −0.31 — 比平坦线更糟糕。这一结果解释了为什么基于日历的再训练在生产中失败，并引入了一种在实际系统中有效的实用冲击检测方法。文章《为什么 MLOps 重新训练计划失败——模型不会忘记，他们会感到震惊》一文首先出现在《走向数据科学》上。
Architecture as Code to Teach Humans and Agents About Architecture
在撰写我们的书《架构即代码》的过程中发生了一件有趣的事情——整个行业发生了变化。一般来说，我们会迭代地写书——从一个想法的种子开始，然后通过研讨会、会议演示、在线课程等来开发它。这正是我们大约一年前在《架构即代码》一书中所做的事情。 [...]
5 Useful Things to Do with Google’s Antigravity Besides Coding
反重力依赖于一系列功能，其中许多功能与编写函数关系不大。
Washington Is Getting Ready to Slow AI Down. And This Has Nothing to Do with Politics
华盛顿正在发生一些奇怪的事情。不，这不是一个新的丑闻。政府官员正忙着应对未知和不可预测的情况，不是经济，而是可能变得有点太好的人工智能计算机程序。如果你浏览一下今天的新闻，比如有关白宫遏制危险的先进人工智能的报告，你就会了解正在发生的事情。政府、银行家和人工智能领导者都在就某件事进行紧急谈判。他们为何如此紧急地开会？当前几种最先进的人工智能模型不仅能够 [...]
“When Machines Start Thinking Too Much”: Why Experts Are Suddenly Worried About AI Going Rogue
人工智能周围的气氛已经发生了变化。这并不是那种通常预示着新黎明的戏剧性转折，而更像是一个安静的房间，每个人都突然环顾四周。这种情况发生在过去几天，一些知名人士开始提出一个以前被视为幻想的问题。他们问，如果人工智能没有达到他们的预期，它安全吗？这就是本报告的总体主题，即为什么有些人担心人工智能最终可能会“失控”。由于人工智能的各个部分是 [...]
#495 – Vikings, Ragnar, Berserkers, Valhalla & the Warriors of the Viking Age
Lars Brownworth 是一位历史学家、教师、播客和作家，专门研究维京历史、中世纪欧洲和拜占庭帝国。感谢您的聆听❤ 查看我们的赞助商：https://lexfridman.com/sponsors/ep495-sc 请参阅下面的时间戳、成绩单，并提供反馈、提交问题、联系 Lex 等。成绩单：https://lexfridman.com/lars-brownworth-transcriptCONTACT LEX：反馈 – 向 Lex 提供反馈：https://lexfridman.com/surveyAMA – 提交问题、视频或致电：https://lexfridman.com/amaH
Interview with Sukanya Mandal: Synthesizing multi-modal knowledge graphs for smart city intelligence
Sukanya Mandal 和 Noel O’Connor 在 AAAI 秋季研讨会系列上发表的论文《LLMasMMKG：LLM Assisted Synthetic Multi-Modal Knowledge Graph Creation For Smart City Cognitive Digital Twins》中介绍了一种利用大型语言模型来自动构建专为智慧城市认知设计的综合多模态知识图的方法 [...]
Identifying interactions at scale for LLMs
了解复杂机器学习系统的行为，特别是大型语言模型 (LLM)，是现代人工智能的一项关键挑战。可解释性研究旨在使决策过程......
Scaling Physical AI: Why grippers and sensors matter for real-world robotics
物理人工智能正在迅速发展。从模仿学习到基础模型，机器人团队正在朝着能够随着时间的推移适应、泛化和改进的系统取得真正的进展。但仍然存在差距。其中许多系统在受控环境中运行良好……但在面对实际生产的变化时却表现不佳。如果您是机器人 OEM、产品领导者或工程团队，您可能已经亲身感受到这一点。挑战不仅仅是构建更智能的机器人。而是构建在现实中可靠工作的机器人world.arm 末端工具是这个方程式的关键部分。
YouTube Premium is getting a price increase in June - but you can save $32 with one change
根据您的计划，您每月必须额外支付 2 至 4 美元。幸运的是，还有一种新的保存方法。
