Princeton University
PulseAugur coverage of Princeton University — every cluster mentioning Princeton University across labs, papers, and developer communities, ranked by signal.
- 2026-07-22 funding Princeton University researchers were awarded Genesis Mission grants from the Department of Energy to accelerate AI use for scientific discovery. 来源
- 2026-06-03 regulatory Princeton University has ended its tradition of unproctored exams due to concerns over AI use. 来源
- 2026-05-16 regulatory Princeton University reinstates exam proctors due to concerns over generative AI. 来源
- 2026-05-15 regulatory Princeton University has ended its 133-year-old tradition of proctor-free exams due to concerns about AI-assisted cheating. 来源
- 2026-05-15 regulatory Princeton University will implement proctored final exams due to concerns about AI cheating. 来源
- 2026-05-14 regulatory Princeton University faculty voted to mandate proctoring for in-person exams. 来源
- 2026-05-13 controversy Widespread academic dishonesty involving generative AI is straining Princeton University's honor code. 来源
9 天有情绪数据
-
NVIDIA 训练 AI 代理从关键性错误中恢复
NVIDIA 研究人员与普林斯顿大学和马里兰大学合作，开发了 PivotOPD，一种新颖的多轮 AI 代理训练方法。该技术教会代理识别并从可能导致任务失败的关键早期错误中恢复。PivotOPD 在 ALFWorld、WebShop 和基于搜索的问答等多个基准测试中表现出卓越的性能，在应用于 Qwen3 和 Nemotron-3.5-SFT 等模型时，优于其他 13 个基线。
-
数学家陶哲轩呼吁AI放缓步伐，称存在“证明消化不良”
著名数学家陶哲轩公开表达了对模型公司快速、不受控制的AI发展步伐的担忧。他认为，尽管AI正在迅速解决复杂的数学问题，但理解、传播和将这些证明融入更广泛知识的关键步骤却被忽视了。这种“证明消化不良”可能会扼杀数学创造力，并导致未来AI训练的数据污染。针对这些担忧以及25位菲尔兹奖得主的相关抗议，OpenAI已成立一个咨询小组，以帮助管理AI驱动的数学研究的审查和传播，但该小组不会就内部进展提供建议。
-
JEPA-Anything 框架统一了 7 个领域的 عالم 模型创建
研究人员推出了一种新颖的领域无关框架 JEPA-Anything，用于构建 عالم 模型。该框架通过引入正交预测因子分解 (OPF) 来扩展联合嵌入预测架构 (JEPA)，OPF 将单个预测目标分解为多个正交因子，每个因子都有自己的专用预测器。这种方法在包括视觉、生物学、临床轨迹、控制、分子动力学、物理场和天气在内的七个不同领域都展示了改进的性能，在许多动力学任务上优于标准的 JEPA 基线。
-
新的LCLM架构将LLM上下文压缩16倍，提高效率
研究人员开发了潜在上下文语言模型（LCLM），该模型在输入文本到达解码器之前将其压缩16倍，从而显著降低了内存和计算成本。这种由多所大学和国家实验室团队开发的新颖方法在长上下文基准测试中保持了高精度，并且优于现有的压缩方法。LCLM架构使用一个较小的编码器来创建压缩的“摘要向量”，并使用一个较大的解码器来处理这些向量，为处理大上下文提供了更有效的方式，特别适用于RAG系统和代理。
-
研究人员警告：AI可揭露佐治亚州选民的秘密投票
研究人员发现，人工智能可被用来破坏佐治亚州投票的保密性。普林斯顿大学的一位研究员演示了如何通过结合公开的选举数据和AI，将特定选民与其投出的选票联系起来。这一漏洞已促使佐治亚州选举官员召开紧急会议，尽管正在采取措施删除制表数据中的识别号码以减轻风险。
-
Anthropic 的 Claude 3 Opus 打破数论记录
Anthropic 的 Claude 3 Opus 在数论领域取得新纪录，发现了一个比以往已知多项式更复杂的素数生成多项式。该 AI 模型超越了斯坦福大学和普林斯顿大学的数学家 David Singh 和 K. Soundararajan 长期保持的数学纪录。这一突破涉及与 Heegner 数和素数相关的素数生成多项式，推动了数论领域的发展。
-
美国“无处不在的百万富翁”掌握巨额财富，影响政治
经济学家 Eric Zwick、Owen Zidar 和 Danny Yagan 发现，美国存在一个重要的富裕阶层，他们并非广为人知的亿万富翁，而是私营企业的拥有者。这些“无处不在的百万富翁”，被定义为净资产至少达到 500 万美元，且主要来自单一企业的人士，全国约有 300 万人。他们的集体财富相当可观，估计是福布斯富豪榜 400 强总财富的 13 倍，并且他们在政治中占有不成比例的代表性，通过影响政策来维持其有利的财务结构。
-
普林斯顿研究表明AI不会消除工作，而是会创造新的角色
普林斯顿大学的最新分析表明，人工智能不太可能完全取代人类工人。研究表明，虽然AI可以自动化某些任务，但它也会创造新的就业机会并增强人类的能力。这一观点挑战了人们对AI进步导致大规模失业的普遍担忧。
-
人工智能可能利用佐治亚州投票缺陷，威胁选票保密性
安全研究人员对佐治亚州投票设备的一项漏洞发出警告，该漏洞可能允许人工智能将选民与其投出的选票进行匹配。虽然该缺陷不允许篡改选票，但它会损害选票保密性，而选票保密性是一项基本权利。人工智能复杂性的提高加剧了人们的担忧，使得技术专业知识较低的个人更容易利用此类漏洞。佐治亚州由于全州范围内使用受影响的Dominion Voting Systems设备及其提供数据访问的公开记录法，因此风险尤为突出。
-
OpenAI AI 生成了千禧年大奖难题的解法，引发争议
OpenAI 宣布其 AI 生成了纳维-斯托克斯存在性与光滑性问题的解法，这是一个重大的数学挑战。这一进展引发了关于 AI 在数学领域作用的争论，以及该领域是否正走向被“解决”的状态。然而，作者认为 AI 并没有真正解决该问题，因为解决方案需要人类能够理解和在此基础上进行发展的可理解证明，而不仅仅是一个经过认证的答案。他们还认为，数学是一个比单纯解决问题更广泛的学科，它包括概念发展、社群建设和审美价值，表明 AI 的贡献是人类更宏大、…
-
普林斯顿教授称当前模型限制了AI的科学发现潜力
在2026年智涌·外滩大会上，普林斯顿大学的王梦迪强调，当前的大语言模型虽然拥有海量知识，但在进行新颖科学发现方面的能力有限。这些模型倾向于选择最可能的结果，而忽略了真正突破往往隐藏在长尾可能性中。王梦迪的团队发现，像ChatGPT和Claude这样的LLM在模拟生命实验中，常常高估常见情景并低估少数情景。她认为，AI实现独立科学发现的途径不在于更大的模型，而在于构建更多可验证的真实世界实验基础设施。
-
普林斯顿大学启动人工智能计划；阿肯色州泄露事件揭示谷歌数据中心成本
普林斯顿大学已启动一个名为数据与智能系统（DaIS）的新学术部门，以推进人工智能和数据科学的研究与教育。与此同时，在阿肯色州，泄露的文件显示，谷歌为其为数据中心供电的太阳能设施支付的费用将远低于预期，其西孟菲斯项目的全部电力消耗也已披露。
-
搞笑诺贝尔奖公布；Android Auto 音量问题解释
2026年搞笑诺贝尔奖获奖者已公布，该奖项旨在表彰那些“首先引人发笑，然后引人思考”的成就。奖项涵盖物理学、医学和工程学等多个类别，麻省理工学院（MIT）、哈佛大学和斯坦福大学等知名学府的获奖者均有代表。另外，Android Auto 音量降低的技术问题已被查明，归因于其音频衰减功能，该功能旨在在操作期间管理声音级别。
-
普林斯顿研究警告：算法故障威胁秘密投票的完整性
普林斯顿大学信息技术政策中心的一篇博客文章讨论了算法系统如何破坏秘密投票的完整性。文章强调了算法过程中可能出现的故障，这些故障可能会损害选民隐私和选举的公平性。文章指出，日益依赖算法的民主进程需要仔细考虑其对秘密投票等基本权利的影响。
-
Arvind Narayanan 在新论文中质疑算法公平
普林斯顿大学的研究员Arvind Narayanan发表了一篇题为《算法公平是否是一个范畴错误？》的论文。该论文探讨了算法公平的概念，并质疑其根本适用性。
-
普林斯顿大学、蚂蚁集团、斯坦福大学发布 AQuA，用于自主金融研究
普林斯顿大学、蚂蚁集团和斯坦福大学的研究人员开发了 AQuA，这是一个新颖的双部分代理框架，旨在自主发现因子和开发量化金融模型。该框架通过将代理的探索过程与其评估过程分开，解决了自实验研究代理中证据腐败的问题。第一部分专注于在加密货币数据中发现符号 alpha 因子，其表现优于现有方法，而第二部分则使用可配置的混合架构开发美国股票的时间序列模型。
-
用于量化研究的AI代理通过AQuA系统获得可靠性提升
来自普林斯顿大学、蚂蚁集团和斯坦福大学的研究人员开发了AQuA系统，旨在提高量化研究中AI代理的可靠性。AQuA将研究过程分为两个独立的系统：一个用于符号因子研究，另一个用于可训练模型。这种分离通过保持数据路径和评估规则的稳定，同时允许代理根据经过验证的发现调整其研究策略，从而确保实验结果的可复现性，避免数据泄露或过拟合造成的偏差。该系统表现强劲，其中第一部分在加密资产上实现了约0.190的Spearman IC，第二部分在美国股票期…
-
经济学家警告因夏季度假导致市场进入“恐慌季”
Acadian Asset Management的高级投资组合经理Owen Lamont发现，历史上市场危机往往发生在8月至10月之间，他称之为“恐慌季”。这种现象归因于许多市场参与者休夏假导致交易流动性降低，从而放大了任何冲击的影响。Lamont的研究将这种模式追溯到美国的农业根源，当时的收获季需要金融流动，恰逢市场下跌。
-
麦肯齐·斯科特捐赠260亿美元，灵感源于大学室友的1000美元贷款
麦肯齐·斯科特受到大学室友提供的1000美元贷款的启发，通过她的平台Yield Giving捐赠了260亿美元。这一慷慨之举延续了她重要的慈善努力，这些努力一直专注于教育、DEI（多元化、公平性和包容性）和灾后恢复等领域。斯科特自身的经历，包括在大学期间获得经济支持以及她作为小说家取得的成功，都影响着她的捐赠方式。
-
专家警告俄乌冲突加剧核战争风险，敦促全球废除核武器
美国顶尖的军备学者警告称，俄乌冲突的升级显著增加了全球核战争的风险。模拟俄罗斯与美国之间洲际核战的复杂计算机模型预测，此类冲突可能导致数十亿人死亡，占世界人口的一半以上。普林斯顿大学的Sharon Weiner等专家指出，最初的核交火将导致广泛的伤亡，并因大气中的烟尘引发长期的“核冬天”，导致农作物歉收并威胁文明。为避免这一灾难性情景，学者们主张迅速在全球范围内废除核武器，包括普遍采纳联合国《禁止核武器条约》以及迅速实施裁军计划。