Ditto
PulseAugur coverage of Ditto — every cluster mentioning Ditto across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Peak XV 将种子轮投资提高至 500 万美元，支持包括 AI 公司在内的 18 家初创公司
Peak XV Partners 已将其 Surge 计划的每家公司种子轮投资上限提高至 500 万美元，这反映了资本密集型初创公司（尤其是在深度科技和 AI 领域）的种子轮融资额不断增大的趋势。该公司在其最新的 18 家公司队列中投资了超过 5000 万美元，这些公司总共筹集了超过 9000 万美元的种子资金。这个新的 Surge 12 队列比以往任何一期都更具全球性，创始人及公司遍布从旧金山到悉尼，其中包括专注于 AI、机器人、太…
-
Nostr 去中心化网络通过 nostr-apps.zamrock.net 获得中央应用目录
一个名为 nostr-apps.zamrock.net 的新网站已上线，旨在作为 Nostr 去中心化网络内应用程序的中央目录。该网站旨在整合分散的 Nostr 应用程序，包括客户端、签名器和市场，为去中心化网络提供单一入口点。该项目还包括一个自定义的 ZamZam 播放器，并通过分叉和自托管鼓励社区贡献。
-
新的pFedMARL方法利用MARL改进非独立同分布数据的联邦学习
研究人员推出了一种新的联邦学习方法pFedMARL，该方法利用多智能体强化学习来应对非独立同分布数据带来的挑战。该方法在聚合过程中动态调整客户端贡献，以增强全局模型的鲁棒性和公平性。该系统在半监督音频频谱图Transformer上进行了测试，与FedAvg和Ditto等标准方法相比，即使存在对抗性客户端，其准确性和弹性也有所提高。
-
联邦储备委员会密切关注人工智能投资热潮对经济的影响和稳定性风险 · 跟踪到2个来源
联邦储备委员会官员正密切关注人工智能基础设施的大量投资，一些经济学家认为，这种支出可能在2027年前成为经济扩张的驱动力。尽管存在潜在泡沫的担忧，但许多官员认为目前的投资和融资水平尚未达到关键阈值。这种高度关注表明，人工智能基础设施已成为宏观经济因素，促使企业考虑未来重大资本支出的潜在融资限制和监管审查。
-
Z世代约会应用Ditto利用人工智能促进线下约会，融资920万美元
Ditto是加州大学伯克利分校辍学生Allen Wang和Eric Liu创立的一款新的约会应用，正逐渐摆脱传统的滑动式约会应用。取而代之的是，它使用一个人工智能聊天机器人，每周三匹配大学生进行线下约会。该人工智能分析更深层次的个性特征和偏好，而非仅仅是表面兴趣，以预测化学反应。该平台已有15万用户注册，匹配成功率（匹配到约会）为20%，并已获得920万美元的种子轮融资。
-
Pokémon Pokopia 2.0 更新增加了新功能和质量改进
游戏 Pokémon Pokopia 已收到重要的 2.0 更新，这是迄今为止最大的补丁，引入了玩家要求的众多质量改进和新功能。更新包括潜水等新招式、水下建造能力以及动态的 Ditto 印花图案。玩家还可以期待新的表情、扩展的物品和房屋定制选项，以及改进的库存和制作管理功能。
-
《宝可梦 宝可梦乐园》首个DLC“Bubbly Basin”将于8月5日推出
《宝可梦 宝可梦乐园》的首个付费下载内容“Bubbly Basin”将于8月5日登陆Nintendo Switch 2。此次扩展将引入新的水下探索机制和区域，以及装饰品和新的西瓜作物。“Bubbly Basin”DLC是价值35美元的扩展通行证的一部分，该通行证还包含另外两个未来的DLC以及额外的游戏内物品。
-
Hinge创始人为AI驱动的约会服务Overtone筹集1800万美元
由Hinge创始人Justin McLeod创立的新AI约会服务Overtone已获得1800万美元融资。该公司旨在超越传统的滑动式应用，通过专注于语音和音频互动，利用AI促进基于深刻个人理解而非肤浅资料的高度定制化介绍。Overtone计划于今年晚些时候推出，并已吸引了关系专家Esther Perel等知名人士加入其董事会。
-
宝可梦主题泡澡球将于2026年8月推出，包含皮卡丘和伊布
新的宝可梦主题泡澡球将于2026年8月发布。这些泡澡球将包含热门宝可梦角色，包括Ditto、皮卡丘和伊布，以及该系列第九代的所有初始宝可梦。
-
研究表明，大型语言模型可大幅降低实体匹配数据标注成本
一篇新的研究论文探讨了使用像GPT-5.2这样的大型语言模型（LLMs）作为“教师”模型来标注实体匹配任务的训练数据。这种知识蒸馏方法可以训练更小、更快的“学生”模型，从而显著减少创建特定任务数据集所需的手动工作和成本。研究发现，使用LLM生成的标签训练的模型，其性能与使用人工标注数据训练的模型相当，标注成本低于50美元，而手动工作则需要数百小时。
-
KinemaForge 管道从传感器数据生成精确的数字孪生
研究人员开发了 KinemaForge，这是一个新管道，用于从 RGB-D 传感器数据创建用于仿真的活动对象的数字孪生。该系统联合推断部件几何、关节拓扑和运动学参数，解决了先前将这些方面分开处理的局限性。KinemaForge 还包含一个能量一致的验证器，以确保重建的模型符合物理定律，与现有方法相比，可减少仿真漂移并提高操作成功率。
-
新方法推动个性化联邦学习和联邦遗忘
研究人员开发了几种新方法来增强个性化联邦学习（PFL），这是一种允许AI模型从分布式数据中学习同时保持客户端特定适应性的技术。例如，CLoVE使用客户端损失向量嵌入来识别和分离客户端集群，优化特定于集群的模型。pFedUL通过区分共享层和个性化模型层的策略来解决PFL中的联邦遗忘问题，以遵守GDPR等隐私法规。此外，DC-CFL通过分析数据协作提供了一种单轮集群联邦学习方法，而FedSPC则引入了一种共享参数校正方法来提高PFL模型的一致性。
-
DiTTo框架实现了可扩展、感知顺序的图像恢复
研究人员推出了一种新的图像恢复框架DiTTo，该框架解决了多重图像退化带来的复杂性。与之前需要为每个新的恢复专家进行广泛训练的方法不同，DiTTo采用即插即用方法。这使得在无需完全重新训练的情况下无缝集成新的恢复专家，显著提高了效率和可扩展性。DiTTo代理在多重退化恢复任务上取得了最先进的成果。
-
研究表明大型语言模型在模拟真实人类行为方面存在困难
两篇新研究论文探讨了当前大型语言模型在模拟真实人类行为方面的局限性。第一篇论文“OmniBehavior”引入了一个使用真实世界数据的基准测试，发现大型语言模型倾向于表现出积极的、同质化的偏见，未能捕捉个体差异。第二篇论文“DITTO”提出了一种结合语言反馈的强化学习方法来提高大型语言模型的模拟能力，与基础模型相比有了显著的提升，并在多项基准测试中超越了GPT-5.4。