environment
PulseAugur coverage of environment — every cluster mentioning environment across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新基准显示大型语言模型在复杂科学推理方面存在困难
开发了两个新基准 PHD 和 SDABench，用于评估大型语言模型 (LLM) 在科学发现和数据分析方面的能力。PHD 侧重于模型从不确凿证据中自主构建假设空间的能力，而 SDABench 则评估了包括探索、推理和跨不同科学领域的机械推理在内的六项特定科学能力。对 15 个大型语言模型的初步评估表明，虽然模型在描述性任务方面表现出色，但在更复杂的推理、假设选择和机械解释方面存在困难，这表明它们在科学发现潜力方面存在显著差距。
-
人工智能数据中心反对被视为环境问题，而非 NIMBY
反对人工智能数据中心建设的个人并非仅仅是“NIMBY”（后院派），而是优先考虑环境保护、气候行动和当地水资源的关切公民。这一观点将反对此类设施重新定义为对生态和资源管理问题的合法立场。
-
数据中心因环境影响面临日益增长的反对
数据中心因其环境影响（包括污染、水资源短缺和高电力消耗）而面临日益增长的公众审查和反对。这种日益增长的担忧正使数据中心成为即将到来的选举中的一个潜在问题，因为环保组织和关心此事的公民正在动员起来反对其扩张。文章认为，数据中心在解决这些环境问题方面面临着重大的公关挑战。
-
人工智能巨大的耗水足迹引发环境担忧
人工智能对环境的代价正日益成为一个重大担忧，大型语言模型消耗大量水资源为其数据中心降温。企业将利润置于可持续性之上，随着人工智能基础设施的扩张，可能引发一场危机。这种不受约束的增长引发了对长期影响社区和环境的疑问。
-
RAG 在企业研发中失败；Naboo 提供上下文层解决方案
据 Naboo 首席执行官 Gilad Salinger 称，检索增强生成（RAG）在复杂的企业研发环境中被证明是不足的。RAG 在处理跨越代码库、项目管理工具和通信平台等多个系统的碎片化数据时遇到困难，无法理解关系上下文。它还缺乏意图理解，通过相似的文本相似度处理不同的任务，并且由于不频繁的重新索引而导致数据陈旧。Salinger 提出了一种上下文层，用于构建跨系统理解和实时摄取，以克服这些限制。