CERN
PulseAugur coverage of CERN — every cluster mentioning CERN across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
AI 安全计划：芯片级控制、类似 CERN 的项目和威慑
文章探讨了治理变革性 AI 的几种“A 计划”场景，超越了单一提案。一种想法涉及在芯片层面控制 AI 开发，集成监控和远程终止开关，但这面临现有芯片库存和物理篡改的挑战。另一个概念是类似 CERN 的联合国际项目，多个国家在 AI 训练上进行合作，以简化监控并增加合法性，但这会带来治理复杂性和潜在争端。第三种方法，受“相互保证毁灭”（MAD）的启发，提出了一种威慑策略，即各国同意对感知到的超级智能开发采取强硬行动，利用 MAD 的稳定…
-
CERN 科学家对人工智能的快速发展表示担忧
CERN 的科学家们对人工智能的快速发展及其潜在影响表示担忧，尤其是在图像生成领域。这种情绪表明科学界对人工智能发展的速度和方向日益感到不安。
-
AI安全：倾向于条约和IAEA式机构，而非CERN模式
作者认为，建立一个“AI的CERN”是应对AI安全问题的一种不切实际且无效的方法。取而代之的是，他们提出了一种分阶段的策略，首先是立即实施国际法规和红线，然后是建立一个IAEA式的核查机构。作者认为，这种方法比进一步的研究更能优先考虑政治意愿和执法，而研究是减轻AI风险的主要瓶颈。
-
AI实现脑语交流；LHC关闭；电动滑板车无视英国禁令
一项新技术已被开发出来，无需手术即可通过脑电波进行交流。这项创新利用AI解读大脑信号并将其转化为语言，有可能彻底改变人机交互。此外，欧洲核子研究组织（CERN）的大型强子对撞机（LHC）在发现希格斯玻色子等之后，已进入长期停运以进行升级。另外，电动滑板车尽管被禁止上路，但仍在英国被宣传用于通勤，这引发了安全和监管方面的担忧。
-
AI 框架利用分布式计算简化探测器设计优化
研究人员开发了一个新的 AI 辅助框架，用于优化探测器设计，该框架利用了生产和分布式分析 (PanDA) 系统。该框架集成了多目标贝叶斯优化和 PanDA 的工作流引擎，以管理跨各种计算资源的复杂模拟。该系统在高维参数空间探索方面展示了改进的自动化、可扩展性和效率，并成功应用于电子-离子对撞机的 ePIC 和 dRICH 探测器。
-
新框架通过更广泛的语言支持增强 PLC 正式验证
研究人员开发了 ESBMC-PLC+，一个用于正式验证可编程逻辑控制器 (PLC) 程序的新框架。作为 PLCverif 的后继者，它通过支持梯形图 (LD) 和结构化文本 (ST) 编程语言以及图形化 PLCopen XML 来解决现有局限性。ESBMC-PLC+ 利用 ESBMC 后端进行无界安全证明，并在计时器密集型程序上展示了比现有工具（如 nuXmv）显著的速度提升。
-
Transformer 模型针对 AMD Versal AI 引擎上的喷注标记进行了优化
研究人员开发了一种方法，将 transformer 模型部署到 AMD Versal AI 引擎上进行喷注标记，这是大型强子对撞机触发系统的一个组成部分。该方法将模型量化为仅使用整数，并将密集层和多头注意力层映射到 AI 引擎块。该项目还包括一个可重用的软件框架，允许将 transformer 层表示为可组合的 AI 引擎构建块，并从 Python 描述自动生成 Vitis 图代码。该框架作为开源软件提供。
-
Transformer 模型针对 AMD AI 引擎上的 CERN 喷注标记进行了优化
研究人员开发了一种方法，将 transformer 模型部署到 AMD Versal AI 引擎上进行喷注标记，这项任务对于 CERN 大型强子对撞机的触发系统至关重要。该方法涉及一个量化的、仅整数的 transformer，它将密集和多头注意力层映射到 AI 引擎块。一项关键贡献是一个可重用的软件框架，可以从 Python 模型描述生成 Vitis 图代码，从而支持未来的研究并提供开源解决方案。
-
前 Vox 制片人打造的 YouTube 科学节目观看量达 28 亿次
Cleo Abram，前 Vox Media 制片人，离职后创建了自己的 YouTube 频道“Huge If True”，专注于乐观的科学与技术。该频道拥有 7 名员工，通过深入浅出地解释量子计算和清洁能源等复杂科学主题，已获得 820 万订阅者和 28 亿次观看量。Abram 旨在通过展示科学技术如何改善生活来激励观众，并将她的作品定位为《星际迷航》等节目的现代、乐观的对应物。
-
CERN 研究员称人工智能对开放存储库的影响是“拒绝服务攻击”
CERN 的 Alexandros Ioannidis 将人工智能对 Zenodo 等开放存储库的影响描述为“对人力资源的拒绝服务攻击”。他用著名艺术家描绘的地狱景象来说明他的观点。这一观点是在 OpenRepositories 会议上分享的。
-
AI 编码初创公司 Lovable 寻求以 120 亿美元估值完成新一轮融资
据报道，AI 编码初创公司 Lovable 正在洽谈以 120 亿美元的估值获得新一轮融资，估值几乎是其去年 12 月份估值的一倍。该公司实现了显著增长，年经常性收入已超过 4 亿美元，并吸引了 800 万用户，他们利用其 AI 工具进行无需传统编码的软件创建。Lovable 的工具被个人和 Uber、Microsoft 等企业使用，并计划通过与 Google Cloud 的合作扩展其云基础设施。
-
新方法解决了大型系统中的异常因果发现问题
研究人员开发了一种名为 AnomalyCD 的新方法，利用时间二元异常数据高效地发现大规模系统中的因果关系。该方法解决了传统因果发现技术巨大的计算负担，使其更适用于实时和大规模部署。AnomalyCD 结合了异常数据感知因果测试和数据压缩等策略，在保持或提高准确性的同时降低了计算开销，并在来自 CERN 和 IT 监控系统的数据集上得到了验证。
-
LLM创建的虚假作者身份困扰网络和学术出版
一项新的研究论文揭示，大型语言模型会生成相关的“幽灵”身份，例如Elena Vasquez和Marcus Chen，它们出现在大量AI生成的文档中，充当专家或合著者。这些相关的名称先验特定于模型家族和版本，留下了可检测的痕迹。研究发现，这些幽灵作者已被用于在Zenodo等存储库上创建超过1600条虚假的学术记录，并附有伪造的出版日期，还在ResearchGate等平台上形成了合成研究小组。
-
新AI模型增强高亮度LHC信号净化能力
研究人员开发了PhyGHT，一种新颖的物理引导超图Transformer，用于改善高亮度大型强子对撞机（HL-LHC）的信号净化。该架构结合了图注意力与全局自注意力，并引入了一个物理约束的堆积抑制门，在数据聚合前过滤噪声。该模型在极端堆积条件下重建顶夸克对产生信号方面表现优于现有方法，增强了HL-LHC的发现潜力。
-
jBOT利用自蒸馏技术对LHC数据进行喷注表示聚类
研究人员开发了jBOT，一种用于分析CERN大型强子对撞机粒子物理数据的新型自监督学习方法。该技术利用自蒸馏，结合局部和全局蒸馏策略，在无需标记数据的情况下学习有意义的粒子喷注表示。预训练的jBOT模型在其学习的嵌入中展示了涌现的语义聚类，与传统的监督方法相比，可用于异常检测和提高分类性能。
-
新的HGQ-LUT和da4ml方法加速DNN训练和FPGA部署
研究人员开发了HGQ-LUT，一种用于训练基于查找表（LUT）的神经网络的新方法，该方法显著加快了训练过程，在现代GPU上速度提升超过100倍。该方法引入了专门的层和细粒度量化，以自动探索精度-资源权衡，无需手动调整。HGQ-LUT已集成到开源工具链中，能够为像CERN大型强子对撞机这样的应用实际部署这些高效的DNN。