construction
PulseAugur coverage of construction — every cluster mentioning construction across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
比尔·盖茨预测AI将带来极大丰富，但警告就业将受颠覆
比尔·盖茨预测，人工智能和人形机器人可以显著降低建筑、手术和疾病治疗的成本，从而带来物质的极大丰富。然而，他也警告说，在未来二十年内，就业和财富再分配将面临重大颠覆。从提供的YouTube来源来看，这些说法的具体背景和证据无法完全核实。
-
美国私营部门9月新增就业9万，制造业和建筑业面临劳动力短缺
根据ADP的数据，美国私营部门9月份新增就业9万，标志着在经历了一段放缓期后有所反弹。教育和医疗保健领域就业增长显著，制造业和建筑业也出现增长。建筑业和制造业的领导者们担心熟练劳动力短缺，导致这些职位需求旺盛且薪资竞争激烈，一些经济学家正在关注其潜在的通胀影响。
-
欧美股市震荡；分析8月美国通胀及人工智能数据中心成本
欧洲和美国股市在周中出现波动。美国8月份的通胀数据也是一个关键的经济指标。建设人工智能数据中心及相关基础设施所需的大量经济投资得到了强调。
-
新的WIPT方法通过查询特定适应性增强跨域小样本学习
研究人员开发了一种名为“实例内原型变换器”（WIPT）的新方法，用于跨域小样本学习。该技术使用极少量的标记示例来适应新视觉域的分类器，而无需在测试时更新参数。WIPT通过联合转换未标记的查询数据和标记的支持嵌入来创建查询特定的类别均值来实现这一点。实验表明，WIPT可以在CUB和EuroSAT等特定数据集上提高性能，尤其是在低样本场景下，同时还提供流式兼容性和减少内存使用等优势。
-
AWS 使用合成数据提高工业安全 AI 准确性
AWS 开发了一个使用 Amazon SageMaker AI 和 Amazon Rekognition 的合成数据生成管道，以改进工业安全 AI。该管道通过生成带有自动标签的逼真图像，解决了关键边缘案例（如工人在重型机械附近）的训练数据稀缺问题。该系统在人员检测准确性方面实现了 160% 的提升，减少了危险数据收集和手动标注的需求。
-
新的AdaConRed方法提高了医学图像分类的准确性
研究人员开发了自适应共形再分配（AdaConRed），这是一种新颖的后共形决策规则，旨在通过解决过渡类中的不确定性来改进医学图像分类。该方法将模糊的预测集转换为精炼的类别分配，从而提高了口腔癌和皮肤癌检测等关键领域的准确性。在OSCC和ISIC等基准测试中，AdaConRed在识别恶性病例方面取得了显著的进步，其性能优于LAC、APS和RAPS等现有方法。
-
新的PRISM框架通过组合奖励改进医学图像生成
研究人员推出了一种新的PRISM框架，用于使用组合奖励模型（CRMs）生成条件医学图像。与依赖单一标量奖励的先前方法不同，PRISM将图像质量分解为不同的阶段，评估诸如强度、纹理、结构对齐和语义保真度等方面。这种分层方法确保在考虑更高级属性之前先纠正更低级的图像属性，从而提供更有效的训练信号。在用于下游任务生成数据时，PRISM在多个医学成像数据集的分割和分类准确性方面均有所提高。
-
新工具揭示医学图像分割模型中文本敏感度的差异
研究人员开发了一种名为证据解耦解码器（EDD）的新工具，以更好地理解文本如何影响视觉语言模型中的医学图像分割。EDD 分析了分割过程中图像和文本证据之间的相互作用。实验表明，虽然一些数据集在准确分割方面严重依赖文本信息，但其他数据集受文本影响很小，这表明文本的影响在不同的医学成像环境中差异很大。
-
韩国 AI 初创公司 VIDRAFT 在 Hugging Face 下载量突破 160 万次
韩国 AI 初创公司 VIDRAFT 在 Hugging Face 的累计模型下载量已超过 160 万次，使其成为该平台上领先的韩国组织之一。该公司开发了一系列模型，包括用于科学推理的自进化 Darwin 系列和用于专有模型设计的 AETHER 架构。VIDRAFT 还提供 AI 安全工具，并参与政府项目和企业部署，强调用于构建和调整模型的“AI Foundry 流程”。
-
AI将重塑建筑业，领导者必须适应
人工智能将深刻变革建筑行业，带来新的效率和能力。该领域的领导者必须了解这些进展，以保持竞争力并利用AI的潜力来实现更智能的建筑实践。这包括探索AI如何优化项目管理、加强安全规程以及推动建筑技术创新。
-
新的RegionDet基准挑战计算机视觉的以对象为中心的偏见
研究人员推出了RegionDet，一个旨在评估计算机视觉区域检测能力的新基准，超越了对单个对象实例的传统关注。该基准包含八个不同的区域类别，如建筑工地、损坏区域和群体对话，所有这些都以COCO风格的格式进行了标注。对现有检测器的初步评估显示，当前模型存在强烈的以对象为中心的偏见，表明在理解上下文相关和边界模糊的区域方面存在重大挑战。
-
Indeed经济学家：美国劳动力短缺由老龄化婴儿潮一代驱动，而非AI
到2032年，美国劳动力预计将因婴儿潮一代的退休而减少近600万工人，这一人口结构变化带来的挑战比人工智能对就业的影响更大。医疗保健和技术行业等最不可能受到人工智能干扰的行业，面临着最严重的劳动力短缺。可用工人与最热门工作之间的不匹配，加上再培训和搬迁的障碍，构成了重大的经济挑战。
-
探讨人工智能在未来两年内为建筑业创造的潜在价值
建筑行业正在探索人工智能在未来两年内的潜在影响。一项在Mastodon上进行的投票旨在衡量人工智能预计将在该行业内产生最大价值的领域。
-
新方法通过高效适应性提升少样本分割能力
研究人员开发了新的方法来改进少样本语义分割，这项任务专注于在训练数据非常有限的情况下识别图像中的物体。一种名为“Take a Peek”（TaP）的方法，利用低秩适应（LoRA）来高效地微调特征提取编码器，在不显著增加计算成本的情况下增强其适应新类的能力。另一种方法，多视图渐进式适应（MPA），通过渐进式增强数据并采用双链预测策略来更好地将模型适应新领域，从而解决了跨域少样本分割问题，并显示出比现有技术显著的性能提升。
-
新方法规范了用于人工智能皮肤病学的临床图像数据集
研究人员开发了一种创建临床验证的皮肤镜图像数据集的新方法，这对于推进人工智能驱动的皮肤病学诊断系统至关重要。该方法使用移动设备标准化图像采集，包含16个结构化元数据字段，并强制执行多阶段专家验证，包括对恶性病变的组织学确认。一个包含1026张图像（来自443名患者）的试点数据集（于2025年6月至2026年5月收集）证明了该方法的效果，其中所有39个恶性病变均有已验证的诊断。
-
新模型增强了用于计算机视觉任务的散射变换
研究人员开发了一种新的相位感知散射编码器-解码器模型，旨在改进计算机视觉中的密集预测任务。该模型通过保留通常在全局平均中丢失的空间结构和相位信息来增强散射变换。在图像去噪上的初步测试显示PSNR显著提高，并且一项关于皮肤病变分割的初步研究也正在进行中。
-
AI创新重塑建筑、工程和施工行业
该集群聚焦于建筑、工程和施工（AEC）行业内与人工智能相关的资讯。它强调人工智能在推动创新、探索新材料和塑造建筑技术未来方面的应用。内容旨在为AEC行业的专业人士提供相关信息。