PulseAugur
实时 11:41:02
实体 Mycelium

Mycelium

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

Show in brief
总计 · 30天
1
90 天内 7
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 4
层级分布 · 90 天
主题
时间线
  1. 2026-07-26 product_launch US Neural has developed and open-sourced Mycelium, a local semantic registry designed to improve tool routing efficiency. 来源
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 7 条
  1. TOOL · CL_164317 ·

    US Neural 开发本地语义注册表以取代LangChain的工具路由

    US Neural的一名开发人员开发了一个名为Mycelium的本地语义注册表,以解决LangChain工具路由中存在的效率低下问题。新系统旨在提供更快、更确定的工具发现,其冷启动发现延迟为9.6毫秒,而据报道LangChain的AgentExecutor需要194毫秒。Mycelium利用本地嵌入和ChromaDB作为其基础设施,在拥有10万个代理的合成语料库的测试中,实现了70.7%的意图匹配准确率。

  2. RESEARCH · CL_151518 ·

    AI 研究探索人机协作和 Qubes OS 安全起源 · 跟踪 2 个来源

    一篇新的 arXiv 预印本详细介绍了 Mycelium,这是一个旨在促进人类研究人员和 AI 代理之间协作的 AI 系统。Mycelium 充当一个共享工作空间,将科学假设路由给最合适的实体(无论是人类还是 AI)来采取行动。另外,对 Qubes OS 14 年安全咨询的另一项分析表明,大约 80% 的漏洞源于 Xen 和 CPU 架构等上游代码组件,而不是 Qubes OS 本身。

  3. TOOL · CL_145788 ·

    菌丝体系统增强了人机在科学研究中的协作

    研究人员开发了Mycelium,一个新颖的活动共享工作空间,旨在增强人机在科学事业中的协作。该系统自动连接研究人员和AI代理,捕获观察结果和假设,并将其路由给最相关的团队成员或AI代理。Mycelium在一次生物多组学活动中进行了测试,其上下文路由能力将本地分析发现转化为跨专家机制约束,并指导了实验设计。该系统的计算框架将网络化智能视为在分布式科学上下文上的稀疏条件计算,区分了何时一个规模化的独立代理可以匹配网络,以及何时独立专业知识…

  4. TOOL · CL_118685 ·

    菌丝体芯片实现可调谐储层计算

    研究人员开发了利用可调谐菌丝体(一种真菌材料)进行物理储层计算的新型芯片。这种方法利用菌丝体的自然生长模式来创建适应性计算基板。该技术旨在通过提供一种生物集成且可能更高效的信息处理方法来推进神经形态计算领域。

  5. MEME · CL_53255 ·

    Bokashi堆肥将食物垃圾转化为土壤改良剂

    通过一种称为Bokashi堆肥的过程,食物垃圾可以转化为有价值的土壤改良剂。该方法利用乳酸菌发酵分解食物残渣,产生有机酸并加速细胞壁分解。然后,菌丝体进一步处理所得物质,这表明食物垃圾是一个土壤改良剂问题,而不是垃圾问题。

  6. COMMENTARY · CL_52825 ·

    咖啡渣、陈旧面包等有机物是宝贵的基质,而非废物

    咖啡渣、陈旧面包和过熟的水果不是废物,而是像菌丝体这样的生物的宝贵基质。这些材料提供必需的营养物质,如氮和糖,这对分解过程至关重要。了解这些有机物的具体成分和益处是有效利用它们,例如在蚯蚓堆肥箱或用于土壤改良等系统中关键。

  7. RESEARCH · CL_08442 ·

    Mycelium at FediForum: AI Agents Need Open Social Infrastructure https://www. lqdev.me/posts/mycelium-fedifo rum-ai-agents-open-social-infrastructure-04-2026

    Anthropic 进行了一项内部实验,让 Claude 代理在数字市场中充当参与者,就真实商品进行谈判和交易。这项研究探讨了 AI 代理如何代表用户处理购买、销售和谈判。实验表明,更先进的 AI 模型在这些模拟市场场景中取得了更好的结果。