Purdue University
PulseAugur coverage of Purdue University — every cluster mentioning Purdue University across labs, papers, and developer communities, ranked by signal.
- 2026-10-15 product_launch Purdue University is developing a wearable device for automatic anaphylaxis detection and treatment. 来源
7 天有情绪数据
-
普渡大学研发出AI驱动的可穿戴设备，用于过敏性休克自动治疗
普渡大学正在研发一种可穿戴设备，能够检测过敏性休克并自动注射肾上腺素。该设备由Muhammad Hussain教授领导，通过监测多种生物信号并利用AI区分紧急情况和误报，旨在缩短从症状出现到药物输送的时间。AI将在设备本地处理数据，不依赖云端，并在满足条件时，在注射前向佩戴者和周围人员发出警报。该项目目前处于组件测试阶段，下一个主要挑战是将所有组件集成到单个原型中。
-
底特律智能停车实验室与行业合作伙伴共同推进出行技术
底特律智能停车实验室是一个专注于通过协作推进交通技术的设施。它与初创公司和成熟公司合作，以促进出行领域的创新。该实验室旨在推动自动驾驶和智慧城市解决方案等领域的进步。
-
轻量级AI分析振动数据用于消费设备监测
研究人员开发了一个轻量级AI框架，用于利用振动数据监测消费设备的状态。该系统使用CWT和HHT将一维振动信号转换为二维时频表示，然后由MobileNetV3-Small、ConvNeXt-Tiny和YOLOv11-cls等轻量级深度学习模型进行分析。该框架在Case Western Reserve University、Paderborn University和Intelligent Maintenance Systems的公开轴承数…
-
哥伦比亚大学团队开源低成本机器人触觉传感器
哥伦比亚大学的研究人员开发了FlexiTac，这是一个开源、低成本、柔性的压阻式触觉传感器平台，旨在使机器人的触觉感知像视觉感知一样可扩展。该系统在IROS 2026上进行了详细介绍，其组装过程简单、耐用性高且批次一致性好，即使是本科生研究也能轻松使用。FlexiTac已在学术界和工业界得到广泛应用，促成了各种应用和合作，包括Analog Devices正在开发一个分辨率显著提高的商业版本。
-
AI代理通过跟踪状态而非历史，可节省94%的代币
一篇题为SKILL.state的新预印本，由Google LLC和普渡大学的研究人员撰写，提出了一种AI代理通过跟踪状态而非历史来更有效地管理其内存的方法。这种方法显著减少了代币使用量，一项实验显示与有状态基线相比，累积代币减少了16.2倍。研究表明，维护结构化状态，而不是依赖历史上下文或摘要，可以在相同的代币预算下实现更高的准确性。
-
新方法使用正负样本未知数据最大化pAUC
研究人员开发了一种新方法，仅使用正样本和未知样本数据来最大化接收者操作特征曲线下的部分面积（pAUC）。该方法解决了在网络安全和医疗保健等实际应用中，标记负样本数据稀缺或难以获取的常见挑战。所提出的方法在经验风险最小化框架内，使用正密度和边际密度来表示pAUC，并从PU数据中推导出经验估计器来训练分类器。
-
生成式AI重塑高等教育，引发学术诚信和学习成果担忧
研究人员正在探索生成式AI在高等教育中的应用，重点关注其为学生提供即时反馈的潜力，同时解决学术诚信和准确性方面的担忧。研究正在 examining AI工具如何影响学生的学习和表现，一些研究表明AI辅助工作与考试成绩之间存在负相关。各机构正在考虑如何调整课程和政策，以利用AI的优势，同时减轻错误信息和偏见等风险。
-
AI代理面临激进化风险和治理挑战
近期讨论突显了围绕AI代理不断演变的挑战和考量。研究人员正在探索AI系统，特别是大型语言模型，如何被操纵或表现出意外行为，甚至通过共振或说服使彼此激进化。与此同时，Microsoft和OpenAI等公司正在开发AI代理，强调理解其失败并实施健全治理以防止滥用的重要性。专家们还就人类和AI代理之间的最佳劳动分工进行辩论，强调AI治理应融入系统架构，而不是仅仅作为一项政策来对待，并且对AI行为的问责制仍然是人类的责任。
-
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、…
-
LLM代理通过跟踪状态而非历史来削减token使用量 · 跟踪1个来源
最近的一篇预印本SKILL.state，引入了一种新颖的LLM代理记忆管理方法，通过跟踪结构化状态而非对话历史，显著减少了token使用量。该方法在包括合成仓库环境和InterCode CTF在内的各种基准测试中进行了测试，与传统的基于历史的方法相比，token减少高达94%。研究强调，这种状态跟踪方法不仅节省了成本，还提高了准确性，在同等预算下，结构化状态的准确率为0.94，而上限摘要的准确率为0.52。
-
Hugging Face 发布 399 美元的物理 AI 可编程鸭子机器人
Hugging Face 推出了 Microduck，这是一款售价 399 美元的、旨在普及物理 AI 的可编程机器人。这款由 Pollen Robotics（已被 Hugging Face 收购）开发的、小巧的鸭子造型机器人，可以被编程以行走、拾取物体，甚至溜冰。其开源 SDK 和模拟环境可在 GitHub 上获取，允许开发者使用强化学习来训练和微调其行为。
-
普渡大学发布PUR-1 DT，一款用于核反应堆运行的人工智能驱动的数字孪生
研究人员开发了普渡大学反应堆一号数字孪生（PUR-1 DT），这是一个为核系统设计的网络物理数字孪生。该先进模型集成了基于物理和人工智能驱动的组件，以提供实时诊断、状态估计、预测控制和运行建议。PUR-1 DT旨在通过与物理设施保持双向同步，展示准确的状态估计和短期预测，从而提高运行的灵活性和响应能力。
-
SK Hynix在美国破土动工建设首个HBM工厂，将于2029年开始生产
SK Hynix已在美国印第安纳州破土动工建设首个高带宽内存（HBM）生产工厂。这家投资40亿美元的工厂将专注于HBM的先进封装、测试和研发，计划于2029年下半年开始生产。该工厂旨在为美国本土的AI公司提供在国内组装的HBM，从而降低供应链的复杂性并促进与普渡大学等学术机构的合作。
-
人形机器人打破速度纪录，但在世界运动会上起火
在北京举行的人形机器人运动会展示了人形机器人技术的重大进展，机器人打破了此前人类保持的百米冲刺和跳高纪录。然而，本次运动会也凸显了当前技术的局限性，一些机器人在停止时遇到困难，撞上障碍物，甚至起火。此次活动旨在展示这些机器人在中国快速发展的机器人产业中的商业潜力，并在体育和家务任务中对其进行测试。
-
Google DeepMind 首席人工智能高管：从玉米地到企业领导者
Google DeepMind 首席人工智能就绪官 Lila Ibrahim 回顾了她的职业道路，这条道路始于她在印第安纳州摘玉米的卑微起点。尽管缺乏正式的人工智能背景，但她强烈的职业道德和作为“局外人”的自在感推动她先后在英特尔和最终在 Google DeepMind 担任职务。她现在是一位关键高管，负责公司重大的组织变革。
-
研究发现，人工智能可能通过提高石油和天然气产量来增加全球排放量
发表在《自然》杂志上的一项新的同行评审研究表明，人工智能可能通过提高石油和天然气产量来显著增加全球排放量。研究人员估计，人工智能在降低化石燃料开采成本和提高盈利能力方面的作用可能超过其在加速可再生能源方面的益处，可能使全球能源行业的排放量增加1%至5%。然而，行业团体对这些发现提出异议，声称技术进步既能提高能源产量，又能减少排放。
-
美国水务系统面临气候威胁下的网络攻击脆弱性
网络攻击（可能与伊朗有关）正凸显美国分散式水务系统中存在的重大漏洞。这些系统面临着老旧基础设施和日益加剧的气候变化影响的双重威胁。尽管有呼吁制定全国最低标准，但许多公用事业公司，尤其是小型公司，在加强网络安全防御方面资源有限。
-
人工智能治理档案AGORA通过大学合作扩展
新兴技术安全中心（CSET）正通过与顶尖大学的新合作扩展其人工智能治理和监管档案（AGORA）。CSET正与普渡大学、麻省理工学院的人工智能风险倡议以及卡内基梅隆大学的EncyclopAIdia团队合作，以加强这个公开可用的工具。AGORA于2024年推出，在全球范围内收集和分类了1000多项与人工智能相关的法律、法规和标准，为研究人员、政策制定者和从业者提供了关键资源。
-
随着计算机科学入学人数下降，大学转向人工智能辅修专业
大学越来越多地为计算机科学专业以外的学生提供人工智能素养辅修和课程。这一转变的驱动因素是计算机科学专业的入学人数下降、由于人工智能自动化导致软件开发人员就业市场降温，以及人们越来越认识到所有领域的专业人士都需要对人工智能有基本的了解。弗吉尼亚联邦大学、普渡大学和哈佛大学等大学正在调整其课程以满足这一需求，使更广泛的学生能够获得人工智能教育。
-
CARGO 在没有训练数据的情况下击败了经过训练的 LLM 路由器
普渡大学和普林斯顿大学的研究人员开发了一种名为 CARGO 的新方法，该方法可以在不需要任何训练数据的情况下将查询路由到大型语言模型 (LLM)。这种方法利用模型的自我一致性作为确定最佳路由策略的信号。发表在 arXiv 预印本上的研究结果表明，CARGO 的性能优于传统的经过训练的 LLM 路由器。