标签
文章讨论了一个从模型驱动到数据驱动再到决策驱动的AI发展框架，质疑随着模型和数据在后训练环境中变得丰富，瓶颈是否转向决策制定。
天王星是一个面向具身智能的新一代仿真基础设施，它采用关节轨迹条件自回归扩散模型，能够以流式展开和可扩展控制的方式，实现可扩展、低延迟的机器人仿真生成。
Sherpa是一个先进的虚构写作AI，基于55亿分钟的数据训练，旨在解决讲故事中的长期一致性问题，性能优于现有的ChatGPT和Claude等模型。
提出一种统一粒子滤波LSTM框架，用于数据驱动过程模拟，该框架维护加权递归状态假设以处理事件日志中的部分观测，并在重现路由和持续时间行为方面优于基线方法。
本文讨论了数据如何塑造神经架构发现，并探讨了自动化如何可能重塑未来的技术进步。
本文介绍了'memoryfields'，一种用于AI智能体记忆的可移植文件格式，它使用Markdown文件和可选的SQLite索引，倡导一种更简单的、数据驱动的方法，而非现有复杂系统。
本文提出一种由LLM驱动的方法，结合LLaMA 3和性能数据库，用于在线性代数中生成动态算法调度启发式方法，并通过LU分解案例研究来优化计算性能。
MorphoGP 是一种高斯过程框架，用于预测受潮汐影响的平衡海滩剖面，通过分类专家模型实现了优于基线模型的性能。
本文为数据驱动算法设计中的多维超参数调优建立了紧确的泛化界，利用实代数几何和多区间下界框架解决理论缺口。
本文系统比较了decoder-only语言模型在人工语言和自然语言中的词序偏好，发现这些偏好是数据驱动的，并且随着LLMs的广泛采用，可能会减少语言多样性。
本文使用经典的Treloar数据集对流行的基于机器学习的超弹性本构建模框架进行基准测试，比较其性能、成本和权衡，为研究人员提供实用指导。
马克·扎克伯格分享了他的产品开发理念，强调利用数据和定性反馈来识别问题，然后将直觉解决方案作为假设进行测试，并以 News Feed 的创建为案例研究。
本文提出一种视频编解码器，将视频和音频存储为正弦表示网络（SIREN）的权重，利用知识蒸馏和量化进行压缩。实验显示，与原始网络相比压缩比为2.61倍，但质量落后于H.264和HEVC等标准编解码器。
引入了Cluster-Weighted EDMD（CW-EDMD），这是一种数据驱动方法，通过期望最大化联合学习相空间划分和每个簇的Koopman算子，在经典动力系统上的预测精度优于标准EDMD。
提出了一种变分图自编码器（VGAE），用于检测电力网络中的潮流解可行性，采用IEEE 118节点算例。该方法能够区分问题不可行性与算法不收敛。
本文提出了一种新颖的数据驱动流程，利用大语言模型(LLMs)从非结构化文本中提取语义三元组，并构建知识图谱以监测技术融合。该方法在arXiv预印本和美国专利商标局(USPTO)专利申请上得到验证，展示了其在技术预测中的可扩展性。
该指南基于1765份真实职位描述和实际面试经历，为想转行AI工程师的人提供数据驱动的学习路径、面试准备和技能地图，是一个实用的开源资源。
有人将Blender连接到Fable 5，仅用20分钟就基于公开建筑数据重建了纽约市建筑群，模型等比例。发布者认为这种“先查数据再动手”的思路比Opus 4.8更智能，体现了AI开始具备“做功课”的能力。