P versus NP problem
PulseAugur coverage of P versus NP problem — every cluster mentioning P versus NP problem across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的DH-Active系统通过选择性弃权增强LiDAR深度感知
研究人员开发了DH-Active，一个新颖的几何处理系统，旨在增强iPhone等设备的深度感知能力。该系统无需训练，使用LiDAR回波作为度量尺，锚定多个视图的相对姿态，然后进行视觉可追踪点的三角测量。DH-Active选择性地放弃在几何条件不佳时进行深度估计，提供明确的空洞和分数，而不是不准确的数据。该系统实现了近毫秒级的CPU延迟，并在各种基准测试中显示出深度恢复精度的显著提高。
-
AI 新闻集锦：P=NP 关联、后工作乌托邦和儿童安全担忧 · 追踪 4 个来源
一项研究表明，竞争性市场与计算机科学中的 P=NP 问题之间存在关联，对经济学和 AI 产生影响。另外，一个思想实验探讨了 AI 使工作成为可选项的未来，引发了关于目标和身份的问题。此外，英国父母因担心 AI 辅助的性虐待和 AI 生成的儿童虐待材料，被警告不要在网上分享孩子的照片。
-
人工智能助推百万美元竞赛，攻克数学最难方程
有人提供百万美元奖金，奖励能够利用人工智能解决数学中最具挑战性问题的人。此举旨在推动人工智能在复杂数学推理和问题解决能力方面的边界。
-
OpenAI 模型证伪一项已有 80 年的数学猜想
一个 OpenAI 模型成功证伪了由 Paul Erdős 提出的、已有 80 年历史的单位距离猜想。该模型利用“测试时计算”机制，探索了多种推理路径并自我纠正，最终得出了一个新颖的解决方案，挑战了长期以来认为方形网格排列是最优的观点。这一突破不仅推进了数学理解，还展示了人工智能与人类研究人员协作的潜力，从而在相关领域带来更多发现。
-
新研究提出可判定性度量和计算的复杂度类
本文提出了一个理解计算不可判定性的新框架，将艾伦·图灵的工作与格奥尔格·康托尔的集合论联系起来。它引入了一种根据输入数据的概率分布来衡量问题不可判定性程度的方法。该研究还定义了三个新的不可判定问题复杂度类——U-complete、D-complete 和 H-complete——并否定地回答了一个关于不可判定问题复杂度的基本问题，类似于P vs. NP问题。