搜索
「精确而丰富地唤起感官」，「旋律般的声音」，这是顶级文学杂志 Granta 今年评选的年度作品获得到的称赞——直到它翻车之前。这篇叫《The Serpent in the Grove》的小说，是 2026 年英联邦短篇小说奖加勒比地区的获奖作品，从 7806 篇投稿中被选出。作者 Jamir Nazir，这是一个带有奇幻色彩的创作，写了一个关于朗姆酒、农夫与魔法树丛的故事。
在具身智能快速发展的今天，机器人已经不再满足于「看见」刚体物体，而是开始真正走向复杂环境中的交互与操作。从机械臂开柜门，到服务机器人整理抽屉，再到工业场景中的工具操作，大量真实世界目标都属于关节物体（Articulated Objects）。
即将结束博士生涯的童晟邦，正站在另一个起点上。
在大模型后训练中，数据不再只是 “越多越好”，而是要像人类学习一样，动态选择最合适难度的样本。华为提出的 EDCO 方法，将样本难度估计与动态课程编排引入领域大模型微调；数月后，由 Rutgers、Amazon、Google 等作者参与的 DARE 论文即引用 EDCO，并将其作为难度感知强化学习训练的重要对比基线。
这款 AI 工具名为 RetinaMind，利用视网膜图像训练 AI 模型，以百分比形式呈现对视网膜图像的置信度，通过这样的方式在疾病早期对 ASD 以及 ADHD 进行识别和诊断，准确率达 89%。不仅如此，该工具还可以帮助分析疾病基因机制（如 ABCA4）的潜在变化。
就在上周，旧金山“Code with Claude”开发者大会上，Anthropic CEO Dario Amodei 和 总裁 Daniela Amodei 兄妹二人同台对话。主持人 Ami Vora 是 Anthropic 的首席产品官，曾任职于微软、Meta。
文本生成这件事，扩散大语言模型（dLLMs）正展现出巨大的潜力。但与此同时，它也面临着严重的计算瓶颈——为此，哈工大（深圳）与华为、深圳河套学院的研究团队提出了一套免训练加速框架Dynamic-dLLM。
还记得之前破产的扫地机器人鼻祖公司 iRobot 吗？最近它的创始人科林·安格尔（Colin Angle），在经历公司破产重整之后拿出了他的新作品。
大多数世界模型工作默认：只要学到一个好的 latent dynamics，问题就解决了。 但这个假设本身是可疑的——什么样的信息，才足以支撑一个可预测、可传播的动力学？ 本文从信息论出发，重新审视这一前提。
本文是北京大学彭宇新教授团队在视觉定位方向的最新研究成果，相关论文已被顶级国际期刊 IEEE TPAMI 接收。为视觉定位模型赋予「自知之明」能力 —— 通过自监督的关联校正与验证模块，在训练过程中动态识别、衰减并纠正错误的监督信号。大量实验证明，让模型学会「自我纠错」，是突破弱监督视觉定位瓶颈的有效途径。