搜索
这一届上台的机器人各有各的路子——有的走仿生路线，模仿起人来连神态都安排上了；有的直接拼运动能力，一整套动作打下来，现场效果确实很炸。但如果你这一年已经看过太多机器人 demo，其实也不会太惊讶。春晚这个舞台，本来就是要把「最能表演的东西」集中展示出来。
找准PMF，比创意更重要
近日，师从新晋诺贝尔化学奖得主奥马尔·亚吉（Omar M. Yaghi）、目前在美国加州大学伯克利分校读博的荣自超，带领一个跨国际的研究团队，打造出名为AIRES （algorithmic iterative reticular synthesis）的机器学习指导的高通量实验平台，
“TreeSynth” 就这样起源于作者们最初的构想：“如何通过一句任务描述生成海量数据，完成模型训练？” 同时，大规模 scalibility 对合成数据的多样性提出了新的要求。
近日Synthesize Bio宣布完成1000万美元种子轮融资，以加速生成基因组学模型的开发。Synthesize Bio已推出GEM-1，这是一个专为生成基因组学设计的基础模型，其基于迄今为止最完善的RNA测序数据集进行训练，使用者通过描述实验设计，就能获得接近真实实验的模拟数据。
WebAgent 续作《WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization》中
AI合成生物有用吗？究竟用在哪？ 近日，美国头部市场咨询公司Lux Research发表了一篇名为《AI in Synthetic Biology: Necessary or Nice to Have?》的文章。
你有没有想过，为什么打客服电话时还要按那么多数字键？为什么不能像跟真人对话一样，直接说出你的需求？这个困扰无数消费者的问题，正在被一家来自柏林的创业公司彻底解决。Synthflow AI 刚刚完成了 2000 万美元的 A 轮融资，由 Accel 领投，而他们的目标是让每一通客服电话都变成自然流畅的对话体验。
杜塞尔多夫讯，AI初创企业Synthflow近日完成2000万美元（约合人民币1.45亿元）融资。此次A轮融资由美国投资机构安克创投（Accel）领投，该机构曾投资支付平台Klarna、流媒体Spotify及流程优化软件Celonis。现有投资方Atlantic Labs和Singular也参与本轮注资。《商报》独家获悉此消息。
基础模型严重依赖大规模、高质量人工标注数据来学习适应新任务、领域。为解决这一难题，来自北京大学、MIT等机构的研究者们提出了一种名为「合成数据强化学习」（Synthetic Data RL）的通用框架。该框架仅需用户提供一个简单的任务定义，即可全自动地生成高质量合成数据。