跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

GHARP:基于大规模重建先验的实时高斯头部动画

我们提出了 GHARP(基于大规模重建先验的实时高斯头部动画),这是一种方法,能够根据用户提供的少量输入图像和驱动表情信号,实现实时的三维人体头部动画。我们将这一问题分解为两个阶段:身份建模阶段在离线环境下构建目标对象的几何与外观表征,以及动画生成阶段在运行时在此基础上预测与表情相关的残差。这种分离在保真度、质量和运行效率之间实现了良好的权衡:身份建模阶段可能开销较大,而动画生成阶段则以……运行。

事件进展与其他报道

斯坦福大学与加州大学伯克利分校的研究人员推出 TokenGate:基于令牌的注意力机制使长上下文预填充速度提升高达 11.3 倍

斯坦福大学与加州大学伯克利分校研究人员提出TokenGate——一种可即插即用的学习型令牌剪枝模块,适用于现有大语言模型(LLM)。该方法在不损失准确率的前提下,将长上下文预填充的首字生成时间(TTFT)加速1.4至11.3倍,峰值内存降低1.5至3.4倍。相关代码与检查点已开源。

Researchers from Stanford and UC Berkeley Introduce TokenGate: Token-Gated Attention Makes Long-Context Prefill Up to 11.3x Faster
事件进展与其他报道

谷歌AI搜索功能重创在线出版业:流量锐减、诉讼频发、补偿机制初探

2024年谷歌推出AI概览(AI Overviews),2025年5月上线AI模式(AI Mode),导致多家主流媒体来自谷歌的搜索流量显著下滑——《纽约时报》三年内搜索流量占比从44%降至35.5%,DCN成员中19家在2025年5–6月遭遇1%–25%流量损失,DMG Media称点击率最高下降89%。 publishers发起多起诉讼但均被美国法官驳回;谷歌随后推出退出选项、增强来源展示,并启动含400家媒体的新闻AI试点及内容付费测试计划。

Google’s AI search changes upended online publishing

推荐理由:该报道系统梳理了谷歌AI搜索功能对出版生态的结构性冲击,涵盖时间线(2024–2025)、实证数据(第三方机构统计)、多方反应(出版商、监管方、法院、非营利组织)及最新应对(退出机制、来源优化、许可与付费试点),信息密集且具时效性与政策相关性。

事件进展与其他报道

Quoting Armin Ronacher

As fun as AI is, we built so much bad software over the last 30 years, and now the universe is punishing us for our sins. — Armin Ronacher Tags: security, generative-ai, armin-ronacher, ai, ai-security-research, llms

译文排队中,当前为原文 · en
事件进展与其他报道

数学界31年未解难题KLS猜想获证:高维几何与随机算法理论取得根本性突破

微软研究院研究员张鑫志与合作者于2026年10月4日完成Kannan–Lovász–Simonovits(KLS)猜想的严格证明,终结了自1995年提出以来长期悬而未决的核心问题。该成果确立了高维对数凹分布中‘平面切割瓶颈’的维度无关常数界,为随机采样、凸优化与理论计算机科学提供了无条件理论基础。

事件进展与其他报道

Simulating student learning for better AI tutoring

StudentSim is a research system for evaluating and improving AI tutoring tools before they are tested with learners. It models how individuals may engage with tutors, giving feedback to improve tutor performance across subjects like chess, writing, and mathematics. The post Simulating student learning for better AI tutoring appeared first on Microsoft Research.

译文排队中,当前为原文 · en
事件进展与其他报道

What AI gets wrong and what failure teaches us

Jennifer Neville did not want to go into computer science—but that’s exactly where she landed. Neville discusses the starts and stops that led to her professional sweet spot and her work identifying “surprising failures” making it hard for AI to handle complexity. The post What AI gets wrong and what failure teaches us appeared first on Microsoft Research.

译文排队中,当前为原文 · en
事件进展与其他报道