前腾讯联合创始人投了AI情绪硬件
前腾讯联合创始人投了AI情绪硬件情绪科技公司EmotionX于2026年创立于新加坡,首款面向高压专业人士的个人系统fine已上架App Store和Google Play,并获曾李青旗下家族办公室Decent Capital天使投资,5款AI硬件在研,其中穿戴设备Feel计划CES 2027首发。
搜索
情绪科技公司EmotionX于2026年创立于新加坡,首款面向高压专业人士的个人系统fine已上架App Store和Google Play,并获曾李青旗下家族办公室Decent Capital天使投资,5款AI硬件在研,其中穿戴设备Feel计划CES 2027首发。
Anthropic数学家Levent Alpöge宣布与Claude合作找到黎曼猜想证明,数学家Alessandro Masullo同时公开历时近12年且未使用AI的940页广义黎曼猜想证明手稿,但两份成果仍待核查,Masullo版本已被Refine指出存在根本性问题。
在 LLM/MLLM 领域,基于 verifier 奖励的强化微调(Reinforcement Fine-Tuning, RFT,如 GRPO)在激发复杂推理能力方面展现出显著优势。由于 On-policy 优化的特性,很多研究指出 RFT 相比传统的监督微调(SFT)天然具备更强的抗遗忘能力。
清华大学MADSys实验室与趋境科技主导提出开源KTransformers-FineTune(KT-FT),让CPU直接参与MoE专家计算并优化布局与线程调度,使LoRA微调吞吐达到传统卸载范式的2.5~21.2倍。
在 Milvus 里,HNSW 通常用于追求较高 Recall 的向量检索。
研究团队提出了 XG-Guard (eXplainable and fine-Grained safeGuarding framework), 一个基于 GAD 且兼具可解释性和细粒度检测能力的无监督安全防护框架。目前工作已被 ACL 2026 Main Conference 接收。
机器人模型已经能根据“把杯子放进篮子”这类指令完成任务,但用哪只手?
长期以来,监督微调(Supervised Fine-Tuning,SFT)一直是深度神经网络中最常用的模型适配手段。在中小规模的传统神经网络中,SFT 通常能够稳定提升下游任务表现。
我去搜了下 MiniCPM5-1B 的数据,发现面壁智能刚刚把背后的核心数据集给开源了。一共是两份 L3 级数据集:Ultra-FineWeb-L3 :600B tokens,中英文都有,是目前最大的中文开源合成预训练数据集。
ber!这个五一假期,我也是真够忙的: 自拍、电影、追剧、街头采访、听音乐会,还抽空回老家结了次婚……