Berkeley
PulseAugur coverage of Berkeley — every cluster mentioning Berkeley across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
AI 安全领域需要更多全球性中心来扩大人才库
AI 安全领域目前集中在少数几个大城市，这可能导致人才招聘和思想多样性出现瓶颈。作者提议在不同城市建立更多的 AI 安全中心，以降低职业中期专业人士和潜在创业者的职业转型门槛。这些中心设想为联合办公空间，将促进当地 AI 安全生态系统，孵化新组织，支持独立研究人员，并鼓励思想多样性以减少群体思维。
-
作者认为，AI安全和EA社群过于庞大，无法一概而论
作者反思了在AI安全、理性主义和有效利他主义领域内，对大型社群发表普遍性意见的倾向。尽管作者长期参与其中，但承认只了解这些广阔领域的一小部分。这种观察被比作人们不喜欢整个伯克利，而不是其中的特定街区，这表明一种普遍的认知偏见，倾向于广泛的判断而非细致的理解。
-
为约会者提出的AI主题寻宝游戏，以增进亲密度
这篇帖子提出了一个新颖的约会概念，称为“学习彼此的寻宝游戏”。这个想法包括参观一个有各种商店和咖啡馆的地方，并一起创建一个要寻找的物品列表。这些物品可以是从美观的物品到能唤起个人记忆或引起强烈反应的物品。这项活动旨在通过鼓励参与者分享个人见解和偏好来变得有趣并促进亲密度。
-
AI 代理自主训练机器人安装 GPU、剪断扎带 · 跟踪 3 个来源
来自 NVIDIA、CMU 和 Berkeley 的研究人员开发了一个名为 ENPIRE 的框架，使 AI 代理能够自主训练机器人。这些 AI 代理已成功教会机械臂在无人干预的情况下将 GPU 安装到主板上并剪断扎带。这项进展允许机器人在白天由 AI 代理阅读报告的基础上，在夜间学习和改进其任务。
-
LLM标价具有误导性；实际成本差异显著
来自微软研究院、斯坦福大学、伯克利大学和卡内基梅隆大学的一项新研究表明，前沿推理模型的每token标价并不能准确反映其实际运行成本。在超过20%的比较中，标价较低的模型使用成本更高，其中一个案例显示成本高出28倍。造成这种差异的主要原因是“思考token”的消耗量可变，它们占总输出成本的很大一部分，并且即使是相同的查询在同一模型上运行，其消耗量也可能出现不可预测的波动。
-
AI安全社区很少关注直接的超级智能对齐
LessWrong 上的一篇最新帖子指出，AI安全社区中直接从事超级智能对齐研究的人员比例之少令人惊讶。作者提到，虽然许多人从事能力评估、风险评估和政策等相关领域的工作，但专注于确保未来超级智能AI与人类价值观保持一致的人却较少。帖子中提到的致力于对齐研究的特定组织包括Alignment Research Center、Sequent以及GDM的部分团队，还有一些零散的大学个人。
-
LessOnline 2026 汇聚人工智能专家与企业家
在伯克利举行的LessOnline 2026活动汇聚了来自人工智能实验室、金融界和各个创意领域的雄心勃勃、充满热情的多元化群体。会议就人工智能、商业和细分领域的话题展开了深入讨论，在兴奋感中夹杂着对人工智能快速发展及其相关风险的担忧。与会者在一个充满活力的环境中分享想法、获得新体验并实现个人成长，体现了社区的活力与前瞻性。
-
Scott Alexander 在伯克利举办 Astral Codex Ten 大型聚会
Scott Alexander 将于本周三在伯克利为其博客 Astral Codex Ten 举办一次聚会。活动将于晚上 6:30 至 9:30 在 Lighthaven 举行。无论是否熟悉该博客或社交舒适度如何，所有人都欢迎参加。此次聚会预计规模较大，可能包括与 Alexander 的问答环节。
-
Anthropic 为 IPO 做准备，声称开发者生产力提升 8 倍
据报道，Anthropic 正在为 IPO 做准备，标志着其向公开募股迈出了重要一步。该公司还声称其 AI 模型将开发者生产力提高了八倍。与此同时，伯克利的一项研究表明，LLM 使用增加与学生不及格率上升相关。
-
人工智能初创公司Krane融资900万美元以简化建筑供应链
建筑科技初创公司Krane正在利用人工智能为项目供应链带来可预测性。该公司的平台使用人工智能代理来分析供应商数据、识别风险并管理采购，旨在防止大型建筑项目中常见的成本高昂的延误。Krane最近获得了900万美元的融资，以进一步开发其人工智能驱动的解决方案。
-
初创公司向印度零工工人支付费用以获取实体AI训练数据
Human Archive，一家源自加州大学伯克利分校和斯坦福大学的初创公司，正在雇佣印度的零工工人来收集真实的物理世界数据。这些工人佩戴特制的帽子和传感器来收集这些信息，这些信息对AI和机器人研究实验室来说非常有价值。
-
研究人员发现自主代理易受攻击
一项对各行业 847 个自主代理部署的最新研究发现，其存在严重的安全漏洞。这项由斯坦福大学和麻省理工学院等多个机构的学者进行的研究发现，91% 的代理容易受到工具链攻击。此外，近 90% 的代理在短时间内出现目标漂移，而超过 94% 的带有内存增强功能的代理容易受到投毒攻击，这表明当前代理技术普遍存在脆弱性。
-
Google Research 发布隐私保护型 AI 聊天机器人洞察框架
Google Research 开发了一个名为 Urania 的新框架，该框架使用差分隐私来分析 AI 聊天机器人使用情况，同时不损害用户隐私。该方法采用 DP 聚类和关键词提取来识别高级用例和趋势，比以往的启发式方法提供了更正式的隐私保证。与此同时，研究正在探索使用持久同调来增强聊天机器人性能，特别是在心理健康支持等专业领域，其他讨论则深入探讨了 AI 聊天机器人错误的法律责任、减轻 ChatGPT 等模型中的政治偏见的工程挑战，以…
-
April 发布语音 AI 助手，用于管理电子邮件和日历
April 是一款新的语音控制 AI 助手，已在 App Store 上线，用于管理电子邮件和日历。该应用程序允许用户通过语音发送回复、总结消息以及免提重新安排会议。它使用 Deepgram 进行语音转文本，使用 Eleven Labs 进行文本转语音，并使用自定义服务器进行 Google 集成。开发人员专注于低延迟和自然交互，同时还考虑用户对安全功能（如用于非破坏性操作的“安全模式”）的反馈。
-
在竞技场：LMSys 如何永远改变了 LLM 基准测试
Hugging Face 开发的 AraGen 基准测试旨在通过解决静态基准测试的局限性来改进 LLM 评估。它引入了一种类似于 LMSys 的 Chatbot Arena 的众包方法，允许进行更动态和用户导向的评估。这种方法旨在捕捉传统指标之外的真实用户偏好和模型性能。此外，一个名为 DharmaOCR 的新的开源 OCR 模型已经发布，与大型商业和开源模型相比表现强劲。