lysergic acid diethylamide
PulseAugur coverage of lysergic acid diethylamide — every cluster mentioning lysergic acid diethylamide across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
dots 因缓慢的 LLM 驱动的客户支持聊天而受到批评
一位 Mastodon 用户批评 dots 的客户支持聊天，称这是他遇到的最糟糕的。聊天系统使用大型语言模型 (LLM) 来改写每条消息，这会引入几秒钟的延迟。然后，用户必须手动选择这个改写后的版本才能发送，这为沟通过程增加了额外的步骤。
-
九问Swarm发布鸿蒙PC版AI工作台，支持人机协作
开源AI智能体平台九问Swarm发布了专为鸿蒙PC设计的最新版本。这款统一工作台允许用户在不切换应用程序的情况下，管理跨越办公、编程甚至游戏等多种任务。该平台引入了一种新的人机协作范式，称为HITS（Human in the Swarm），使用户能够作为团队的一员与AI智能体协同工作，而不仅仅是监督它们。这种方法通过多智能体协作和人机协同，能够简化诸如生成长篇报告或开发应用程序等复杂任务。
-
礼来公司以38亿美元收购AtaiBeckley，标志着大型制药公司对迷幻药物的重大押注
礼来公司宣布以高达38亿美元收购AtaiBeckley，这是迷幻药物领域最大的一笔交易。此举以及此前艾伯维的收购，标志着大型制药公司正大力投资迷幻疗法治疗精神健康状况的重大转变。此次收购得益于有希望的科学数据和市场成功的潜力，并得到了近期监管顺风和杨森公司Spravato等成功商业先例的推动。
-
纯视觉模型在人脸防伪基准测试中达到SOTA
研究人员开发了一种新的人脸防伪（FAS）纯视觉基线，与现有的多模态方法相比，该基线在性能和效率上均表现出色。该研究系统地对15个预训练视觉模型进行了基准测试，发现像DINOv2 with Registers这样的自监督模型在捕捉细微的欺骗线索方面特别有效。当结合特定的数据增强技术和损失函数时，这种纯视觉方法在具有挑战性的跨领域FAS协议上取得了最先进的结果，即使在数据受限的条件下也是如此。
-
人类保存倡导者引用冷冻动物园的成功案例
Aurelia Song 提倡对整个人体进行保存以供未来复苏，认为复苏的能力并非有效保存的先决条件。她以 Kurt Benirschke 创立的圣地亚哥冷冻动物园为例，该动物园几十年前仅凭基本的遗传学知识就成功地使用液氮保存了动物细胞。Song 认为，目前的科学理解足以开始保存人类，并强调保存所需的知识通常少于复苏所需的知识。
-
openJiuwen发布JiuwenSwarm，实现AI智能体协同
openJiuwen社区推出了JiuwenSwarm，一个用于多智能体协同的开源AI智能体平台。该新系统引入了“协同工程”，将焦点从单一智能体转向支持多个AI智能体高效协作，类似于蜂群。JiuwenSwarm包含动态任务分配、通过中心枢纽进行技能共享，以及基于性能的智能体能力自我进化等功能，并提供人类作为监督者（HOTS）或参与者（HITS）的选项。
-
印度禁止食糖出口；推出新型人形机器人解决方案
印度已禁止食糖出口至9月30日，以确保国内供应并稳定价格，此禁令涉及原糖和精炼糖。作为全球主要食糖生产国，此举旨在管理国内市场状况。与此同时，在另一则不相关的科技新闻中，浙江人形机器人创新中心与施耐德电气为智能化学实验场景推出了一款新解决方案，该方案配备了人形机器人。
-
小红书成立AI部门Dots，加速AI产品化与社区融合
小红书已成立专门的AI部门Dots，标志着其将人工智能融入平台的战略性转变。此举是该公司在其核心社区和广告业务之外寻求新增长途径的一部分。尽管最初持谨慎态度，并侧重于平衡AI与其社区精神，但受代理叙事兴起和竞争格局的影响，小红书现正加速其AI发展。
-
新的DoTS框架在推理时合成SFT和RLVR大语言模型能力
研究人员开发了一种新颖的后验框架，称为解耦测试时合成（DoTS），用于集成大语言模型的监督微调（SFT）和人类反馈强化学习（RLHF）。该方法解决了这两种范式顺序或联合训练时出现的灾难性遗忘和梯度冲突的挑战。DoTS利用任务向量算术在推理时合成独立训练的SFT和RLHF检查点的能力，显著降低了计算成本并避免了参数更新。
-
Databricks 推出 Lakebase 以整合操作型数据库与 AI 工作负载
操作型数据库，也称为 OLTP 数据库，专为快速、实时的事务处理而设计，这对日常业务运营至关重要。它们擅长处理并发用户交互并通过 ACID 保证确保数据准确性。然而，传统的 OLTP 系统在应对现代需求，特别是非结构化数据和 AI 工作负载方面存在困难，这需要一种新的方法。Databricks 提出了“Lakebase”架构，结合了事务数据库的优势和数据湖的灵活性，以弥合这一差距并支持智能应用。