Aeneas
PulseAugur coverage of Aeneas — every cluster mentioning Aeneas across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新AI模型Stoicheia增强古希腊文本分析
研究人员开发了Stoicheia，一个拥有4.05亿参数的字符级掩码扩散模型，专门用于古希腊语。该模型能够同时修复损坏的文本、解析句子以及确定格律扫描，而无需进行特定任务的重新分词。Stoicheia在大型语料库上进行了预训练，在铭文重建、词法句法标记和长音标记方面，相比之前的最先进系统有了显著改进。
-
人工智能助力古代文本解读，但人类专业知识仍然至关重要
人工智能正在展示解读古代文本的能力，其中有麻省理工学院CSAIL在B线文字上的著名项目以及Google DeepMind的Aeneas。然而，关于人工智能的局限性的讨论正在出现，特别是对于缺乏足够数据的失传语言。对话还触及了人工智能对语言不平等影响的伦理考量以及人类语言知识的持久重要性。
-
$K$-NeAS 使用神经SDF推进多材料CT重建
研究人员开发了 $K$-NeAS，一种用于可扩展多材料CT重建的新型架构。该系统利用神经符号距离函数（SDF）和高斯混合模型（GMM）来自动进行衰减边界确定，无需手动调整。$K$-NeAS 可以模拟任意数量的重叠组织，并已证明具有卓越的 3D 体积保真度，尤其是在腹部等复杂多组织区域，其性能优于现有的单材料基线。
-
Microsoft Research 使用 Lean 和 Aeneas 验证 Rust 加密代码
Microsoft Research 开发了一种新的方法，用于形式化验证用 Rust 编写的加密算法，利用 Lean 证明框架和 Aeneas 工具链。该方法旨在为生产加密代码提供更高的安全保障，包括 ML-KEM 和 SHA-3 等后量子密码学标准。经过验证的代码、规范和证明正在开源，首批发布的是目前在 Windows Insider 版本中使用的算法。
-
Google DeepMind 使用 AI 重建古代历史
Google DeepMind 展示了其“预测过去”技能，这是一种旨在推进历史研究的人工智能工具。该技能分析古代文本和文物，以重建历史事件、网络和习俗。例如，绘制了多德玛神谕的访客图，绘制了罗马领土上 Aufaniae 邪教的图谱，并通过对诅咒石板进行年代测定和定位来识别 Aquae Sulis 的一名戒指盗贼。
-
Google DeepMind 发布 AI 工具供历史学家分析古代文本
Google DeepMind 推出了一个名为“Predicting the Past Skill”的新人工智能驱动工具，旨在协助历史学家。该工具集成了 Aeneas 和 Ithaca 等专业 AI 模型，并结合了 Gemini 的推理能力。它允许历史学家使用简单的英语分析古希腊语和拉丁语文本，解决了定制分析、跨源模式识别以及需要非编码界面的挑战。
-
Mistral AI 发布 Leanstral-1.5 用于形式化证明和错误检测
Mistral AI 发布了 Leanstral-1.5，一个用于形式化证明和错误检测的开源 AI 模型。该模型超越了传统统计语言模型，进入了形式化验证领域。Leanstral-1.5 可通过将代码转换为允许模型推导和证明正确性属性的格式，自动检测 Rust 项目中的错误。