computer science
PulseAugur coverage of computer science — every cluster mentioning computer science across labs, papers, and developer communities, ranked by signal.
- instance of Computer vision and pattern recognition 70%
- instance of Data structures and algorithms 70%
- instance of alphaXiv 60%
- instance of ScienceCast 60%
- instance of Gotit.pub 60%
- instance of CatalyzeX Code Finder for Papers 60%
- instance of Influence Flower 60%
- instance of CORE Recommender 60%
- instance of stat.ML 60%
25 天有情绪数据
-
YouTube频道为学生提供免费的AI和CS学习资源
YouTube为攻读计算机科学、人工智能和机器学习的学生提供了宝贵的免费学习资源。一份精选列表重点介绍了2026年特别推荐给AI/ML和计算机科学学生的20个顶级YouTube频道。这些频道为编程、编码、软件开发、数据科学和深度学习领域的学生提供了基础知识。
-
出于政治原因，人工智能和计算机科学与控制论保持距离
“信息学”和“计算机科学”这两个术语被用来与诺伯特·维纳（Norbert Wiener）相关的“控制论”领域划清界限。据报道，这种疏远是由避免某些政治观点的愿望驱动的。约翰·麦卡锡（John McCarthy）被引用为创造“人工智能”这个总括性术语以达到此目的，马文·明斯基（Marvin Minsky）也支持了这一举措。
-
本体解释：为 AI 代理定义含义
本文介绍了本体论在人工智能和数据管理背景下的概念。它解释说，本体论是对概念化的显式、机器可读的规范，将其与非正式定义或分类法区分开来。作者使用 SaaS 客户流失定义的实际示例来说明，缺乏正式的本体论会导致 AI 代理解释数据时产生歧义和错误。这篇是旨在为 AI 应用构建一个受管理的意义层级的五部分系列文章的第一篇，从以机器可读格式定义客户流失规则开始。
-
新模型预测手术视觉状态和器械轨迹
研究人员开发了一种初步的联合视觉-轨迹世界动作模型，用于手术运动规划。该模型同时预测未来的视觉状态和器械轨迹，克服了单独方法的局限性。通过编码历史视频帧和工具轨迹，该模型在较短的预测范围内展示了更高的预测精度，优于直接的一次性预测。
-
Core-KAN：基于Kolmogorov-Arnold网络的连续视觉核发布
研究人员推出Core-KAN，一种新颖的连续卷积算子，旨在增强计算机视觉任务。该算子基于Kolmogorov-Arnold网络，将几何尺度自适应与内容相关的滤波解耦，从而能够更灵活、更高效地处理各种分辨率下的图像特征。Core-KAN通过预测局部尺度并构建尺度条件核响应，在任意分辨率下合成空间滤波器，以最小的开销超越了现有的卷积和动态核基线。
-
AI研究论文揭示集中不等式保证中的缺陷
一篇最近在arXiv上发表并由Hugging Face重点介绍的论文，指出了一个广泛使用的自归一化集中不等式加权扩展中的缺陷。研究表明，在非平稳问题中，折扣最小二乘估计器的所谓时间一致保证是不正确的，并提供了一个高斯反例，其中有界半径以概率一被越过。作者将证明错误归因于在不同终端时间使用了不同的高斯混合分布，这阻止了单个超鞅的形成。他们提供了修正并讨论了对后续在 Bandit 和强化学习中的分析的影响。
-
用于路面缺陷识别的新3D深度学习架构
研究人员开发了一种新颖的3D深度学习架构，用于利用探地雷达（GPR）数据识别路面缺陷。该方法通过整合RGB图像与GPR扫描来有效标记缺陷，解决了标注数据集稀缺的问题。提出的卷积神经网络（CNN）结合了残差连接、混合核大小和注意力机制，以提高特征表示和分类精度，用于检测路面裂缝和修补区域。
-
完美世界“幻塔”游戏全球收入超20亿元
完美世界发布2026年半年度报告，受新游戏“幻塔”集中营销费用影响，公司净亏损1.18亿元。尽管如此，该游戏自4月下旬上线以来，全球收入已超过20亿元人民币，预计从第三季度开始实现财务贡献。公司还强调了其不断增长的长青游戏组合、不断深化的电竞业务以及强劲的经营现金流是未来增长的基础。
-
新TDIR算法增强历史图像检索
研究人员开发了时间可分解图像表示（TDIR），这是一种旨在改进历史照片图像和对象检索的新型算法。TDIR通过使用正交子空间将图像分解为独立的时间和内容组件来工作，这种方法在特定条件下已被数学证明是可行的。这种方法允许在嵌入空间上进行传递操作，从而在无监督的情况下将一个图像的时间信息注入另一个图像，并提供了一种更直观的方式来浏览照片档案，同时在日期估计和对象检索方面保持有竞争力的性能。
-
新论文利用统计学和机器学习理论挑战元归纳
本文提出了一种新的挑战，通过关注其归纳步骤来反驳对科学实在论的悲观元归纳论证。作者借鉴了频率统计学、机器学习和形式认识论的认识论框架，以评估科学推理的真实性收敛性。他们认为，虽然普通的枚举归纳可以收敛到真实，但元归纳却不能，并且在元归纳的特定背景下，没有任何推理方法可以实现这种收敛。
-
机器学习中超参数调优的新理论界限
研究人员为机器学习中面向数据的超参数调优开发了新的理论界限。该工作利用代数几何学改进了现有的上界，以实现更精确的样本复杂度，并引入了一个多状态下界框架来证明这些界限被紧密饱和。该拓扑框架还被扩展以处理更广泛的半代数应用和一般的双层验证损失调优。
-
新框架加速视听生成模型
研究人员开发了一个新框架，用于加速视听生成模型，这些模型目前由于重复的注意力计算而计算成本高昂。他们的方法称为同步感知稀疏注意力，在加速过程中识别并保留音频和视频分支之间的关键交互。该方法在保持视频质量、音频质量和视音频同步的高保真度的同时，提高了推理效率。
-
新框架使用人工智能绘制复杂动力系统边界
研究人员开发了一个新颖的框架，该框架结合了监督分类和生成建模，以识别和重建复杂动力系统吸引盆的边界。该方法使用神经网络对相空间进行划分并识别不确定区域，然后利用这些区域来训练基于分数的生成模型。生成模型产生的样本密度与分离线附近样本的经验密度非常匹配，为重建这些关键边界提供了一种数据驱动的方法。
-
科技从业者冷漠：新版本发布和职业目标感觉毫无意义
一位 Hacker News 用户在论坛上表达了对新软件发布和学习新概念的冷漠感，质疑在技术飞速变革的背景下，职业发展和个人项目的相关性。这种情绪暗示着对科技行业更广泛的幻灭感，特别是对工作的短暂性和副业项目的商品化。
-
AI的快速发展引发存在主义恐惧和无意义感
一种存在主义恐惧和无意义感正在蔓延，一些人觉得AI的快速发展已经使人类的努力变得无关紧要。这种情绪表明，AI的能力正在削弱新软件发布、学习、职业追求和个人项目的感知价值，导致一种感觉，就像在玩一个开了作弊码的游戏，成就失去了意义。
-
建筑运营中的人工智能面临独特的软件工程挑战
由于控制故障的不可逆性，在建筑运营中部署人工智能会带来独特的软件工程挑战。与典型的数字环境不同，不理想的建筑控制可能导致能源浪费、居住者舒适度下降以及设备加速磨损。土木工程和计算机科学的两个跨学科研究项目确定了当前针对具有物理后果的故障系统的 SE4AI 实践中的关键差距，为未来的验证奠定了基础。
-
新框架以弧秒级精度估计相机平台运动
研究人员开发了一种新颖的框架，用于估计视觉测量中相机平台的相对运动，特别是在控制场不完整或缺失的情况下。该方法直接从图像位移和已知的3D点计算帧间平台运动，无需非线性优化或初始姿态估计。该框架展示了最先进的精度，在只有一个控制点的情况下实现了2.97弧秒的旋转RMSE和1.19毫米的平移RMSE，同时保持了计算效率，平均运行时间为0.46毫秒。
-
新的ORCA框架增强了对撞机物理学中可解释异常检测的能力
研究人员开发了一个名为ORCA的新框架，用于对撞机物理学实验中的异常检测，该框架专为高亮度大型强子对撞机设计。这种两阶段方法使用监督对比学习来创建一个可解释的嵌入空间，然后将其输入到自动编码器中进行异常评分。ORCA旨在通过提供对新物理信号更灵敏的检测，并允许通过将事件归因于已知物理过程来解释异常分数，从而克服现有方法的局限性。
-
扩散模型框架应对复杂的InSAR相位解缠挑战
研究人员开发了一种利用扩散模型的新型相位解缠框架，以应对InSAR处理中的挑战，特别是针对地震等大规模复杂事件。该新方法旨在处理由地表断层引起的突然位移不连续和相位跳变，而这些问题常常阻碍传统算法。与先前受限于固定输入尺寸的学习方法不同，该框架可以有效地处理大型InSAR图像，并在合成和真实数据集上都展示了其实用性。
-
新研究探讨扩散图像模型的缩放定律和训练策略
研究人员发表了多篇探讨扩散模型在图像生成方面进展的论文。其中一项研究“Abra: Scaling Diffusion Image Training”详细介绍了文本到图像扩散模型的缩放定律的系统分析，发现它们比语言模型需要更多的数据才能实现最佳训练，并且对过度训练具有鲁棒性。另一篇论文研究了像素空间扩散模型，提出了一种潜在到像素的策略，该策略可以加速收敛并提高推理速度。此外，关于“TINA+”的研究探讨了未学习扩散模型中的残余视觉知识，…