Navy taps Gecko Robotics for ship-scaling robots to identify repairs in Pacific Fleet
Gecko 将在未来 9 个月内对美国太平洋舰队的 18 艘舰艇进行工作。
To Zoom or Not to Zoom: The Science Behind How Students Choose to Attend Class
一项新研究揭示了大学生选择在线或现场混合课程的确切原因。
Scaling Vector Search: Comparing Quantization and Matryoshka Embeddings for 80% Cost Reduction
应对性能悬崖：如何将 MRL 与 int8 和二进制量化相结合，平衡基础设施成本和检索精度。帖子《缩放矢量搜索：比较量化和俄罗斯套娃嵌入，以降低 80% 的成本》首先出现在《走向数据科学》上。
The Inversion Error: Why Safe AGI Requires an Enactive Floor and State-Space Reversibility
对幻觉、可校正性和缩放无法弥合的结构间隙的系统设计诊断《反演错误：为什么安全 AGI 需要有效层和状态空间可逆性》一文首先出现在《走向数据科学》上。
Revisiting the Scaling Properties of Downstream Metrics in Large Language Model Training
虽然大型语言模型 (LLM) 的缩放法则传统上关注预训练损失等代理指标，但预测下游任务性能被认为是不可靠的。本文提出了一个直接框架来对培训预算中的基准性能扩展进行建模，从而挑战了这一观点。我们发现，对于固定的令牌与参数比，简单的幂律可以准确地描述多个流行下游任务的日志精度的缩放行为。我们的结果表明，直接方法比之前提出的两阶段程序更好地推断......
To Infinity and Beyond: Tool-Use Unlocks Length Generalization in State Space Models
状态空间模型 (SSM) 已成为序列建模中 Transformer 的主要替代方案。它们的主要优点是通过固定大小的内存和计算复杂性的线性缩放实现长上下文和长格式生成的效率。我们通过展示一个简单的理论结果来开始这项工作，表明 SSM 无法准确解决任何“真正的长形式”发电问题（在某种意义上我们正式定义），从而削弱了它们的主要竞争优势。然而，我们表明，可以通过允许 SSM 交互式访问外部工具来缓解这一限制。事实上，我们...
Less Gaussians, Texture More: 4K Feed-Forward Textured Splatting
现有的前馈 3D 高斯分布方法可预测像素对齐的图元，从而导致图元数量随着分辨率的增加而呈二次方增长。这从根本上限制了它们的可扩展性，使得 4K 等高分辨率合成变得棘手。我们引入了 LGTM（Less Gaussians，Texture More），这是一个克服分辨率缩放障碍的前馈框架。通过预测与每个基元纹理相结合的紧凑高斯基元，LGTM 将几何复杂性与渲染分辨率分离。这种方法可以实现高保真 4K 新颖视图合成，而无需……
Best ViewSonic Monitors for Mac (4K, 5K & Thunderbolt)
Mac 用户往往会注意到细节。缩放比例必须看起来正确。文字必须保持清晰。从一台设备到另一台设备，颜色必须保持一致。如果您正在寻找适用于 Mac 的最佳 ViewSonic 显示器，VP 系列提供 4K 和 5K 面板、Thunderbolt 连接以及专为专业人士设计的校准色彩性能 [...]适用于 Mac 的最佳 ViewSonic 显示器（4K、5K 和 Thunderbolt）一文首先出现在 ViewSonic Library 上。
How to Choose the Best Monitor for Mac: A Complete Guide
了解如何选择最适合 Mac 的显示器，从 4K 缩放和像素密度到 USB-C、Thunderbolt 和供电。文章《如何选择最适合 Mac 的显示器：完整指南》首先出现在 ViewSonic Library 上。
