PulseAugur
中
实时 21:15:56
实体 Lyon

Lyon

PulseAugur coverage of Lyon — every cluster mentioning Lyon across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
6
90 天内 9
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
关系
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/1 页 · 共 9 条
  1. TOOL · CL_344785 ·

    Claude和GPT在搜索AI和招聘公司时展现出不同的策略

    一项对比研究揭示了当被要求推荐法国十个城市的AI机构和招聘公司时,Claude和GPT之间存在不同的信息检索方法。Claude主要依赖在线目录和精选列表,引用了La Fabrique du Net和Blog RH等来源。相比之下,GPT主要引用了推荐公司的官方网站,直接从其服务页面和公司简介中提取信息。这种差异表明,旨在获得AI助手关注的企业需要优化其在行业目录和自身网站上的存在。

  2. COMMENTARY · CL_343322 ·

    欧洲抗议活动因社会不满情绪而从地方问题转向全球冲突

    2026年10月,法国及其他欧洲城市爆发了抗议活动,最初由教师短缺等问题引发,但很快将焦点转向了巴以冲突。尽管加沙地带停火脆弱,乌克兰和苏丹的战争仍在继续,但巴勒斯坦事业成为巴黎、马赛和里昂示威的中心主题,其中一些示威活动升级为暴力和财产损失。作者将这种焦点转移称为“AI末日论”,表明更广泛的社会不满情绪以及领导者对市场和公众情绪的理解脱节,这可能源于与工业革命期间类似的焦虑。

  3. RESEARCH · CL_320202 ·

    法国抗议活动演变为暴力冲突,警方动用催泪瓦斯和高压水枪

    法国各地的抗议活动最初聚焦于学校资金和生活成本问题,但在巴黎和其他城市升级为暴力冲突。法国警方动用了催泪瓦斯和高压水枪,全国范围内近千人被捕。这场始于学生运动的动荡,正在挑战法国总统埃马纽埃尔·马克龙在其任期最后几个月的权威,国民联盟和极左翼等政党正利用公众的愤怒情绪。

  4. RESEARCH · CL_319676 ·

    法国部署7万警察应对全国抗议

    法国正处于高度戒备状态,全国部署了7万名警察,以防止大规模抗议期间可能发生的骚乱和抢劫。当局预计全国将有高达50万人参加,与上周末的示威活动类似,当时发生了严重的城市骚乱。抗议者主要是年轻学生,他们要求改善教育和缓解不断上涨的生活成本。

  5. RESEARCH · CL_317712 ·

    法国部署增援部队,警方战术接受审查

    法国正准备应对进一步的抗议和潜在的骚乱,当局正在增加警力并部署特种部队。内政部正在为近期示威活动中警方战术审查期间使用“中等强度”武器进行辩护。将动用包括士兵和装甲车在内的增援部队来维持安全和防止抢劫。

  6. RESEARCH · CL_313818 ·

    法国骚乱重创800亿美元旅游业,官员称其为“灾难性的”

    法国各地,特别是巴黎、尼斯和里昂等城市近期发生的骚乱,严重影响了该国约800亿美元的旅游业。旅游业官员形容当前形势“灾难性的”,担心暴力事件会吓跑国际游客并导致重大的经济损失。有关骚乱的广泛报道,包括燃烧的建筑物和抢劫的画面,造成了负面印象,已经影响了预订决策。

  7. COMMENTARY · CL_282969 ·

    法国学生和教师在全国范围内抗议学校条件

    周二,法国各地的学生和教师参与了广泛的抗议活动,这是本系列示威活动中规模最大的一天。抗议活动始于巴黎郊区,并蔓延至全国,其驱动因素是要求政府干预,以解决教室人员不足和维护不善的问题。此次示威活动导致数百所学校被封锁,并面临大量警力,一些地区报告了冲突。

  8. TOOL · CL_224857 ·

    OpenAI的GPT-4o mini通过函数调用实现确定性数据输出

    文章解释了如何使用大型语言模型实现函数调用,特别是使用OpenAI的GPT-4o mini。它详细介绍了函数调用(也称为工具使用)如何通过以JSON Schema格式定义函数,使模型能够返回结构化的、机器可读的数据。这种方法确保了确定性且可安全解析的响应,这对于数据格式不一致可能导致错误的生产环境至关重要。该过程包括定义函数模式,将其与提示一起发送给模型,然后由应用程序代码根据模型的结构化负载执行函数,并可选择将结果反馈给模型以获得最终响应。

  9. TOOL · CL_37960 ·

    新AI框架从卫星图像合成城市能源数据

    研究人员开发了SENSE,一种新颖的城市建筑能源建模生成框架,可合成逼真的卫星图像以及匹配的建筑能耗和高度图。这种可控的扩散模型利用大型视觉模型生成城市功能数据,解决了现有预测方法的局限性以及匹配的高分辨率建筑能源数据集的稀缺性。SENSE可以使用一小部分标记的能源数据生成足够的带注释的合成数据,与最先进的方法相比,显著提高了下游预测性能并降低了预测误差。