Gem Ai Copilot
PulseAugur coverage of Gem Ai Copilot — every cluster mentioning Gem Ai Copilot across labs, papers, and developer communities, ranked by signal.
- 2026-05-19 research_milestone Publication of a research paper detailing the GEM framework for optimizing MoE model inference. 来源
2 天有情绪数据
-
格林美计划回购股份；自动驾驶时间表公布；DeepSeek寻求IPO
格林美宣布一项计划，拟以1亿至1.6亿元人民币回购公司股份。回购的股份将用于股权激励或员工持股计划，最高回购价格为每股10.6元。另外，华为高管靳玉祉概述了自动驾驶的时间表，L3城市试点预计将在2027年实现规模化商业落地，L4 Robotaxi服务可能于2028年在部分城市推出。此外，据报道DeepSeek正准备IPO。
-
Westwell提交A股IPO申请，目标成为首家在GEM上市的自动驾驶公司
Westwell是一家专注于人工智能驱动的物流解决方案的公司，已提交在中国创业板（GEM）的IPO申请，目标筹集约37亿元人民币。Westwell成立于2015年，最初专注于港口自动化，现已扩展到工厂物流，其最大客户是AITO的母公司Seres。尽管2025年因Seres的一个大型项目带动了显著的收入激增，Westwell目前仍处于亏损状态，三年累计亏损超过13亿元，毛利率较低。
-
新的GEM框架推动了用于分子发现的图生成
研究人员开发了一个名为Graph Energy Matching (GEM) 的新生成建模框架，专为分子图等离散数据设计。GEM利用置换不变势能来引导噪声向高似然图区域传输，并在这些区域内优化样本。该方法旨在克服离散能量模型中常见的采样效率低下和训练不稳定问题，在分子图基准测试中达到或超过了当前离散扩散基线的性能。
-
DeepC4：新AI模型利用人口普查数据增强城市形态测绘
研究人员开发了DeepC4，一种用于城市形态空间分解的新型深度学习方法。该方法将本地人口普查统计数据作为聚类级别约束，并利用多任务学习来分析卫星图像模式。DeepC4旨在提高屋顶、墙壁和高度等城市特征测绘的准确性，并为住宅和居住者数量提供更可靠的估计，尤其是在发展中经济体。
-
新的GEM框架采用几何方法增强LLM数据策展
研究人员推出了一种新颖的框架GEM（Geometric Entropy Mixing），用于优化大型语言模型（LLM）的数据策展。GEM将数据混合重新表述为超球面上的变分问题，采用混合平衡正则化器来克服现有分类方法（如人类分类法和欧几里得聚类）的局限性。该框架利用可证明的最小化最大化算法来发现平衡的语义结构，并在与现有混合策略集成时，在平均下游准确性方面展示了高达1.2%的改进。
-
GEM模型通过生成式深度监督增强机器人技术
研究人员推出GEM，一种新颖的生成式监督具身视觉语言模型，旨在增强机器人能力。GEM将深度图生成任务整合到其预训练阶段，弥合了高级语义理解与对物理操作至关重要的低级空间知识之间的差距。该方法在具身智能方面取得了显著改进，在各种基准测试中取得了最先进的成果，并在模拟和现实世界环境中展示了卓越的任务执行能力。该项目还包括发布GEM-4M数据集以及相关的代码和模型。
-
GEM 框架优化 MoE AI 模型 GPU 映射以加快推理速度
研究人员开发了 GEM，一个旨在优化混合专家 (MoE) AI 模型中专家到 GPU 映射的框架。这种新方法考虑了 GPU 性能的变异性，旨在通过战略性地放置专家来减少推理延迟。GEM 的策略涉及分配专家，以确保 GPU 同时完成层处理，从而缓解由较慢 GPU 或过载专家引起的减速。实验表明，GEM 的端到端延迟平均可提高 7.9%，在某些情况下提高幅度高达 16.5%。
-
GEM模型为自动驾驶生成激光雷达世界模型
研究人员开发了GEM，一个生成式激光雷达世界模型，旨在模拟自动驾驶的环境动态。该模型利用可变形Mamba架构来克服无序激光雷达点云的挑战以及区分动态和静态物体。GEM对激光雷达扫描进行分词，分离动态和静态特征，然后通过三路径Mamba进行处理，以增强时空理解能力，并在各种基准测试中取得了最先进的结果。
-
GEM 框架通过图增强专家和 ReAct 代理提升对话状态跟踪能力
研究人员开发了 GEM，一个用于对话状态跟踪的新颖框架，该框架结合了图增强混合专家模型和 ReAct 代理。这种方法动态地路由到专门的专家之间，包括用于对话结构的图神经网络和 T5-Small 编码器-解码器，并由路由器协调。对于复杂任务，ReAct 代理执行结构化推理，在 MultiWOZ 2.2 上实现了 65.19% 的联合目标准确率，显著优于现有的 LLM 方法和最先进的方法。
-
Opal推出AI助手Gem以减少营销协同成本
营销规划平台Opal推出了一款名为Gem的新AI助手。该工具旨在通过将营销活动数据与整体策略相结合来帮助营销团队。Gem旨在减少“协同成本”，即用于协调营销活动指标与战略目标所花费的时间和精力，从而更快地理解结果。
-
新研究表明微调机制显著影响持续学习评估
一篇新论文认为，微调机制，特别是可训练参数子空间，是评估持续学习方法的一个关键变量。研究人员发现，像EWC、LwF、SI和GEM等标准持续学习方法的相对性能排名，会根据所选的微调深度而发生显著变化。更深的适应机制与遗忘增加有关，这表明当前的评估协议可能在不同的微调设置下不够稳健。
-
新的 GEM 激活函数提供了比 ReLU 更平滑、更具理性的替代方案
研究人员推出了一种名为 Geometric Monomial (GEM) 的新型激活函数族，专为深度神经网络设计。这些函数采用纯粹的有理数算术，并提供 $C^{2N}$-平滑性，旨在克服标准 ReLU 的局限性。实验表明，GEM 变体在 CIFAR-10、CIFAR-100、MNIST、GPT-2 和 BERT-small 等各种基准测试中，其性能可媲美甚至超越 GELU 等成熟函数。