Institute of Electrical and Electronics Engineers
PulseAugur coverage of Institute of Electrical and Electronics Engineers — every cluster mentioning Institute of Electrical and Electronics Engineers across labs, papers, and developer communities, ranked by signal.
11 天有情绪数据
-
这位IEEE高级会员为电子商务和医疗保健开发AI工具
IEEE高级会员Balaji Ingole目前在Amla Commerce担任项目经理，并为电子商务网站开发AI工具。他还利用周末时间进行独立研究，专注于AI赋能的医疗诊断和残疾人辅助技术。Ingole对技术的热情始于年少时学习C编程语言，他形容这为他打开了一个充满可能性的新世界。
-
Gemini AI 在基础“失败”词语测试中失败，凸显 AI 的易错性
像 Google 的 Gemini 这样的生成式 AI 系统，在简单的测试中无法正确识别“failure”一词，反而建议它包含“ia not ai”。这凸显了 AI 在处理基本语言任务方面的持续易错性，即使在提示中使用引号。作者计划在即将举行的关于 AI 在内容工作流程中作用的小组讨论中使用此类示例。
-
Backblaze硬盘研究：HGST最可靠，东芝最不可靠 · 跟踪到1个来源
一项对443,000块Backblaze硬盘进行分析的同行评审研究发现，HGST是最可靠的品牌，其次是西部数据（Western Digital），而东芝（Toshiba）和希捷（Seagate）的故障率较高。这项由经济学家Christoph Siemroth和Yeomyung Park进行的研究，重新分析了Backblaze 12年的公开硬盘数据，涵盖了超过166万个驱动器年。研究控制了驱动器年龄、容量和工作温度等因素，显示东芝驱动器…
-
IEEE学生边缘AI竞赛：报名截止日期2026年9月6日
IEEE计算机学会正在组织极简边缘AI学生竞赛，团队报名截止日期为2026年9月6日。本次竞赛侧重于边缘计算、能源效率和人工智能。面向电气和电子工程师学会的学生会员。
-
大型语言模型难以进行参考文献分割，需要确定性解析步骤
将参考文献条目提取为结构化引文记录对大型语言模型来说是一个挑战，尤其是在分割单个参考文献时。虽然模型在解析作者和年份等单个字段方面表现出色，但由于缩进和换行等排版线索，识别条目之间的边界很困难。该过程最好分两个阶段进行：首先，根据编号或缩进等样式约定确定性地分割列表；然后，解析各个字段。这种方法提供了可验证的数量，并处理重复的作者破折号或截断的作者列表等样式细微差别。
-
巴西人工智能会议见证大型语言模型、开放科学的兴起
一项对巴西智能系统会议（BRACIS）十一年的元科学研究揭示了巴西人工智能研究的趋势。研究发现，自2020年以来，大型语言模型研究显著增加，目前占论文的19%。作者参与的特点是单届贡献者比例高，而引用高度集中在少数论文中。研究还强调了开放科学实践的兴起，例如工件发布和arXiv上的预印本可用性，预印本与更高的引用次数之间存在显著相关性，尽管全文访问仍受付费墙限制。
-
受 AI 需求和技术进步推动，HDD 行业 2026 年收入将超 300 亿美元
硬盘驱动器 (HDD) 行业正在复苏，预计 2026 年收入将超过 300 亿美元，达到 2014 年以来的最高水平。这种增长得益于面密度（areal density）的进步，实验室演示使用 HAMR 技术已达到每盘 8 TB。Seagate Technology 和 Western Digital 等公司正专注于提高每台驱动器的存储容量，目标是到 2030 年实现 100 TB HDD，并已扩大生产设施以满足这一需求，即使单位出货量…
-
AI科学家将“世界模型”定义为动作条件化，对具身AI至关重要
领先的AI科学家、Visionary Future创始人张磊认为，当前AI行业“世界模型”的兴起是由具身AI中模仿学习的局限性所驱动的。他强调，真正的世界模型必须是动作条件化的，这意味着它能够根据智能体采取的特定动作来预测环境变化。这种能力对于使机器人能够通过模拟试错来学习至关重要，从而降低了现实世界实验的高成本和风险。张磊指出，尽管中国在机器人硬件方面取得了令人瞩目的进步，但真正的瓶颈在于开发能够进行真正因果推理和适应性的更复杂的A…
-
新框架融合人工智能与电力工程教育 · 跟踪 2 个来源
一个名为“工程基础人工智能”（EGAI）的新框架已被开发出来，用于将人工智能整合到电力和能源系统教育中。该框架以一系列开放、可执行的 Jupyter Notebook 的形式呈现，旨在降低电力工程师和跨学科学习者的入门门槛。它从基础的深度神经网络进展到更高级的应用，如用于电池控制的深度强化学习和用于系统动力学的物理信息神经网络。该项目得到了 IEEE 在线课程和网络研讨会系列的支持，该系列受到了广泛关注，表明电力行业对实践性人工智能培…
-
人工智能投资回报：专家警告警惕“代币最大化”和盲目采用
公司越来越多地采用人工智能，但盲目集成可能会损害其利润。像“代币最大化”这样通过人工智能代币使用量来衡量生产力的做法正在受到抑制。相反，企业应专注于战略性地识别真正受益于人工智能的工作流程，仔细评估成本与生产力收益，并实施质量控制以防止错误并保持信誉。为特定任务使用正确的人工智能模型，而不是一刀切的方法，对于最大化投资回报至关重要。
-
使用学术论文的检索增强生成（RAG）可提高大型语言模型（LLM）的准确性，优于网络内容
通过使用精选的学术研究论文而非通用网络内容来实现检索增强生成（RAG），开发人员可以显著提高大型语言模型的响应。这种方法为大型语言模型提供了更权威、更精确的信息，从而产生更合理的答案。利用 ACM Digital Library 等资源，该库提供开放获取内容和同行评审论文，对于个人或小型团队构建 RAG 管道而言，既经济又技术上可行。
-
新的FMOPF框架增强了交流最优潮流计算
研究人员开发了FMOPF，一个旨在提高交流最优潮流计算速度和准确性的新颖框架。该方法将潮流解流形压缩与可行解生成分离开来，克服了先前生成模型的局限性。实验表明，FMOPF能够扩展到更大的系统，为牛顿法提供有效的热启动，并与现有的生成方法相比，为近优解提供更好的尾部风险控制。
-
IEEE SPACE 会议强调太空产业的增长和未来
在印度班加罗尔举行的 IEEE SPACE 会议强调了太空产业日益增长的繁荣。该活动由 IEEE 航空航天与电子系统学会支持，展示了技术进步并促进了国际合作。讨论的重点是私营公司（如 Skyroot Aerospace 和 SpaceX）推动的发射成本下降对人工智能驱动的制造、资源开采和数据中心等未来太空活动的影响。
-
高通副总裁详解智能Agent的端侧AI推进
高通全球副总裁许皓讨论了对端侧AI日益增长的需求，特别是针对智能Agent。他强调，随着移动交互从简单的命令演变为复杂的Agent调度，所需的Token处理量呈指数级增长，这需要一种混合的边缘-云方法。高通正在开发新的设备架构，并与FaceWall AI等合作伙伴合作，以提高端侧模型的效率和能力，目标是为用户设备带来更复杂的AI处理能力。
-
Google 的 coherent-lite 光模块接近 TPUv9 的量产采用
Coherent-lite 收发器技术最初由 Google 在 2021 年提出，目前正接近为 Google 的 TPUv9 扩展网络实现量产。虽然共封装光学器件 (CPO) 被认为是光学带宽扩展的未来，但在广泛使用之前仍面临集成和成熟度挑战。在此期间，coherent-lite 提供了更长距离和更少光纤数量等优势，使其成为数据中心内部互连的实用解决方案。
-
Xin的普适计算研究获报道，荣获新兴摇滚明星奖
Xin的研究在一篇近期文章中得到重点介绍，文章中包含对Xin的采访。该文章与普适计算和普适健康相关，Xin被授予新兴摇滚明星奖。
-
Capital One 聘请亚马逊 AI 老兵担任首席科学家
Capital One 任命了前亚马逊 Alexa AI 的 Prem Natarajan 担任其首席科学家，以领导金融领域的人工智能进步。Natarajan 认为，复杂的人工智能挑战正日益从广泛的技术平台转向金融等专业行业，在这些行业中，现实世界的限制要求进行原创研究。该银行旨在建立一个专注于解决客户问题和创新人工智能解决方案的科学社区，而不仅仅是部署现有模型。
-
Nikola Tesla 的原理驱动新能源和数据传输技术
Nikola Tesla 的基础工程原理正在复兴，近期研究表明它们在当代技术中得到积极应用。2025-2026 年的研究强调了受 Tesla 共振变压器原理启发的单线电力和数据传输的进步。此外，新的摩擦纳米发电机系统借鉴了 Tesla 的无叶涡轮机设计，无线电力传输技术则利用了 Tesla 开创的概念，表明他对未来技术基础设施的持久影响。
-
前IEEE总裁Tom Coughlin在新叙事中分享职业生涯
电气电子工程师学会（IEEE）的长期会员兼前总裁Tom Coughlin在他的新第一人称叙事《追求幸福》中记录了他的经历。该叙事在IEEE历史中心协助下整理和准备，包含了他近50年参与该组织的著作、博客和照片。Coughlin希望他的记述能激励科技界的其他人为人类做出积极贡献。
-
人工智能的70年历程：从达特茅斯会议到现代变革
人工智能，一个正式成立于1956年达特茅斯会议的领域，如今已成为重塑生活诸多方面的变革性技术。其根源可追溯至20世纪初的控制论和神经网络模型，艾伦·图灵在1950年的论文中提出了机器智能的问题并引入了图灵测试。该领域已从早期的专家系统发展到现代的机器学习和深度学习，IEEE为推动其进步和普及做出了巨大贡献。