AI资讯新闻榜单内容搜索-Fin

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: Fin
人类皮肤细胞变身AI处理器?瑞士公司用生物计算将AI能耗降低百万数量级

人类皮肤细胞变身AI处理器?瑞士公司用生物计算将AI能耗降低百万数量级

人类皮肤细胞变身AI处理器?瑞士公司用生物计算将AI能耗降低百万数量级

利用人类皮肤细胞也能造出 AI 处理器?一家名为 FinalSpark 的瑞士公司,认为生物计算是 AI 的下一次进化飞跃。该公司开发了一款生物处理器,这些处理器利用人体神经元来代替传统的硅基芯片,使用由人类皮肤细胞培育出的类脑器官作为计算单元。

来自主题: AI资讯
7818 点击    2025-10-19 12:52
又一推理新范式:将LLM自身视作「改进操作符」,突破长思维链极限

又一推理新范式:将LLM自身视作「改进操作符」,突破长思维链极限

又一推理新范式:将LLM自身视作「改进操作符」,突破长思维链极限

Meta 超级智能实验室、伦敦大学学院、Mila、Anthropic 等机构的研究者进行了探索。从抽象层面来看,他们将 LLM 视为其「思维」的改进操作符,实现一系列可能的策略。研究者探究了一种推理方法家族 —— 并行 - 蒸馏 - 精炼(Parallel-Distill-Refine, PDR),

来自主题: AI技术研报
9903 点击    2025-10-10 10:33
清华、NVIDIA、斯坦福提出DiffusionNFT:基于前向过程的扩散强化学习新范式,训练效率提升25倍

清华、NVIDIA、斯坦福提出DiffusionNFT:基于前向过程的扩散强化学习新范式,训练效率提升25倍

清华、NVIDIA、斯坦福提出DiffusionNFT:基于前向过程的扩散强化学习新范式,训练效率提升25倍

清华大学朱军教授团队,NVIDIA Deep Imagination 研究组与斯坦福 Stefano Ermon 团队联合提出了一种全新的扩散模型强化学习(RL)范式 ——Diffusion Negative-aware FineTuning (DiffusionNFT)。该方法首次突破现有 RL 对扩散模型的基本假设,直接在前向加噪过程(forward process)上进行优化

来自主题: AI技术研报
10917 点击    2025-10-08 11:43
「一页纸」讲透美股公司之:AppLovin

「一页纸」讲透美股公司之:AppLovin

「一页纸」讲透美股公司之:AppLovin

今天继续给大家带来「一页纸」讲透美股公司系列。对国内投资者而言,美股研究资料相对匮乏,导致认知大多停留在几家全球科技巨头,但其实美股存在大量的“隐形冠军”,都录得相当不错的收益。这是一个非常「有钱景」的方向,我会借助 AlphaEngine 的帮助,帮你跨越美股研究的信息鸿沟,每天挖掘一个潜在的美股财富密码。

来自主题: AI资讯
10421 点击    2025-09-25 10:49
AI支付时代,支付巨头们的洗牌之战

AI支付时代,支付巨头们的洗牌之战

AI支付时代,支付巨头们的洗牌之战

2025 年 9 月,这个未来主义的问题进入了全球最高决策层的视野。美联储率先表态将研究 AI 与代币化支付,紧接着,SEC 前主席 Paul S. Atkins 在巴黎正式将其命名为「代理金融」(Agentic Finance)时代。

来自主题: AI资讯
10070 点击    2025-09-25 10:32
当 AI 从试点进入规模化,华为数字金融的长期选择

当 AI 从试点进入规模化,华为数字金融的长期选择

当 AI 从试点进入规模化,华为数字金融的长期选择

作为华为服务金融客户的窗口,华为数字金融军团不仅在全联接大会上回顾了过往案例,更重点推出了应对 AI 落地挑战的 FAB(FinAgent Booster)金融智能体加速器。帮助客户快速建立自己的 Agent 能力,缩短开发周期,让 AI 加速融入业务流程。

来自主题: AI资讯
9978 点击    2025-09-23 23:21
马斯克转发字节Seed&哥大商学院新基准:大模型搞金融,连查个股价都能出错

马斯克转发字节Seed&哥大商学院新基准:大模型搞金融,连查个股价都能出错

马斯克转发字节Seed&哥大商学院新基准:大模型搞金融,连查个股价都能出错

字节跳动Seed团队联合哥伦比亚大学商学院推出了FinSearchComp,这是首个完全开源的金融搜索与推理基准测试。该基准包含635个金融专家精心设计的问题,覆盖全球和大中华两个市场,并在多个主流模型产品上进行了全面评测。

来自主题: AI技术研报
8940 点击    2025-09-21 11:07
微软警告:大模型ICL并非真正意义上的学习,你的AI Agent随时可能“失忆”

微软警告:大模型ICL并非真正意义上的学习,你的AI Agent随时可能“失忆”

微软警告:大模型ICL并非真正意义上的学习,你的AI Agent随时可能“失忆”

上下文学习”(In-Context Learning,ICL),是大模型不需要微调(fine-tuning),仅通过分析在提示词中给出的几个范例,就能解决当前任务的能力。您可能已经对这个场景再熟悉不过了:您在提示词里扔进去几个例子,然后,哇!大模型似乎瞬间就学会了一项新技能,表现得像个天才。

来自主题: AI技术研报
7467 点击    2025-09-18 14:44
从「会说」迈向「会做」,LLM下半场:Agentic强化学习范式综述

从「会说」迈向「会做」,LLM下半场:Agentic强化学习范式综述

从「会说」迈向「会做」,LLM下半场:Agentic强化学习范式综述

过去几年,大语言模型(LLM)的训练大多依赖于基于人类或数据偏好的强化学习(Preference-based Reinforcement Fine-tuning, PBRFT):输入提示、输出文本、获得一个偏好分数。这一范式催生了 GPT-4、Llama-3 等成功的早期大模型,但局限也日益明显:缺乏长期规划、环境交互与持续学习能力。

来自主题: AI技术研报
9801 点击    2025-09-09 10:49