搜索
美国签证体系，尤其在科技人才领域，长期被诟病为成本高、周期长、透明度低。前微软科学家Priyanka Kulkarni创办Casium，尝试用AI改造签证服务，把3–6个月的材料准备缩至10个工作日左右；部分案例不到1个月即可入职。
今年，流匹配无疑是机器人学习领域的大热门：作为扩散模型的一种优雅的变体，流匹配凭借简单、好用的特点，成为了机器人底层操作策略的主流手段，并被广泛应用于先进的 VLA 模型之中 —— 无论是 Physical Intelligence 的 ，LeRobot 的 SmolVLA, 英伟达的 GR00T 和近期清华大学发布的 RDT2。
当特斯拉、Figure还在发量产蓝图时，中国公司已率先量产独特的绳驱AI机器人，并进入科研商业应用。IROS 2025顶会上，他们以跨国遥操和半身机器人新品引发关注。「Design for AI」的长期主义设计哲学，也获《Nature》报道认可。
本文介绍了一种用高数据效率强化学习算法 SAC 训练流策略的新方案，可以端到端优化真实的流策略，而无需采用替代目标或者策略蒸馏。SAC FLow 的核心思想是把流策略视作一个 residual RNN，再用 GRU 门控和 Transformer Decoder 两套速度参数化。
哪些团队在真正积极拥抱 AI，而哪些团队还在偷偷“躲避”。
AI模型是现在，Physical AI是未来
Poolside 是一家 AI 编程初创公司，其首款产品问世仅一年。该公司正与 CoreWeave 合作开发全美规模最大的数据中心之一，这标志着人工智能基础设施投资热潮的最新动向。
近期，扩散语言模型备受瞩目，提供了一种不同于自回归模型的文本生成解决方案。为使模型能够在生成过程中持续修正与优化中间结果，西湖大学 MAPLE 实验室齐国君教授团队成功训练了具有「再掩码」能力的扩散语言模型（Remasking-enabled Diffusion Language Model, RemeDi 9B）。
苹果又一华人AI高管被Meta挖走了！据彭博社爆料，这次被挖的是Ke Yang（杨克），负责AI搜索与问答系统，几周前刚被任命为AKI团队负责人，负责让Siri追赶上ChatGPT等主流大模型的能力。而离职消息一出，苹果AI的未来或又将添上许多变数。
一张图片包含的信息是多维的。例如下面的图 1，我们至少可以得到三个层面的信息：主体是大象，数量有两头，环境是热带稀树草原（savanna）。然而，如果由传统的表征学习方法来处理这张图片，比方说就将其送入一个在 ImageNet 上训练好的 ResNet 或者 Vision Transformer，往往得到的表征只会体现其主体信息，也就是会简单地将该图片归为大象这一类别。这显然是不合理的。