@ Scale
PulseAugur coverage of @ Scale — every cluster mentioning @ Scale across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
风险投资家揭示发现独角兽公司创始人的38点框架
风险投资家Paige和Leura Craig开发了一个38点框架，用于识别潜在的独角兽公司创始人，重点关注决策能力（在混乱中）、韧性和非理性乐观等特质。他们的方法借鉴了Paige的军事背景以及在SpaceX和Gusto等公司的经验，强调性格和执行力而非传统指标。该框架涉及广泛的访谈，旨在在压力下引发创始人真实的行为，以期为评估创业卓越性提供一个共同的词汇。
-
Anthropic 的 Claude Fable 5 在复杂任务上表现出色，在远程劳动力指数中获得 16.1%
Anthropic 的 Claude Fable 5 模型在远程劳动力指数（Remote Labor Index）中获得了 16.1% 的分数，该指数旨在评估 AI 执行自由职业计算机工作的能力。据报道，这一表现是次优模型的两倍，凸显了 Fable 5 在需要多步骤和判断的长周期任务中的优势。建议用户将 Fable 5 视为处理复杂工作的资源，而不是简单的聊天机器人任务，并建议在 Fable 参与关键规划或执行阶段之前，先使用更便宜的…
-
新的SCALE框架增强了异构机器人车队的协调能力
一个名为SCALE的新框架已被开发出来，用于解决工业环境中异构机器人车队的协调挑战。该框架通过引入一种用于在线路径生成和冲突解决的运动诱导冲突减少机制，将实时规划与鲁棒执行相结合。为了处理干扰和偏离规划路径的情况，SCALE采用了一种广义的共轭动作-优先超图（CAPH），该超图能够自适应地调整机器人优先关系。SCALE的有效性已通过广泛的实验和一个为期三天的仓库部署得到证明。
-
新框架SCALE增强了工业环境中机器人车队的协调能力
一篇新研究论文介绍了一种名为SCALE的反应式在线协调框架，旨在提高工业环境中异构机器人车队的效率。该框架解决了密集、多样化机器人种群的实时路径规划挑战，并缓解了通信延迟和执行不确定性引起的问题。SCALE包含一个用于在线路径生成和冲突解决的运动诱导冲突减少机制，以及一个通用的共轭动作-优先超图（CAPH）来适应性地管理机器人交互。
-
适用于 AMD GPU 的 CUDA 模拟器 Zluda 失去资金支持，回归爱好状态
Zluda 项目是一个在 AMD GPU 上模拟 NVIDIA CUDA 的开源项目，现已失去商业资金支持并回归爱好状态。尽管面临挫折，Zluda 的第 6 版引入了新功能，包括对 32 位 PhysX 的预 Alpha 支持、改进的 Windows 兼容性以及对 PyTorch 集成的增强。虽然 Zluda 之前曾获得 AMD 和一家未披露的 AI 公司的支持，但其未来的开发现在完全依赖于其首席开发者的热情。
-
Anthropic 的 Claude 代码负责人：递归代理是编码的下一个时代
Anthropic 的 Claude 代码负责人 Boris Cherny 在 Meta 的 @Scale 会议上讨论了编码的未来。他强调递归代理循环是下一个重大发展，并将其描述为能够提交拉取请求的、持续自我改进的子代理。Cherny 指出，令牌成本仍然是这项技术的主要限制因素。
-
新研究解决 LVLM 幻觉问题并改进视觉-语言学习
研究人员正在开发新方法来提高大型视觉-语言模型 (LVLM) 的鲁棒性和能力。一种名为 SeeMe 的方法侧重于通过工程化视觉标记来抑制不相关信息同时保留关键证据，从而减轻幻觉。另一个框架 Text as Partial Constraint (TPC) 旨在通过将多视图字幕视为不完整监督并提炼共识语义核心来创建更可靠的表示。此外，还在探索像 HiMe 这样的新架构，用于长视域的视觉-语言-动作控制，将具身智能解耦为分层组件，以实现更…
-
新的AI调度器SCALE可泛化到未见的集群大小
研究人员开发了SCALE，这是一种新颖的深度强化学习调度器，专为智能体LLM系统设计，可管理异构集群上的任务，且集群大小可变。与需要为不同集群配置重新训练的先前调度器不同，SCALE使用交叉注意力指针网络，无需微调即可泛化到未见的集群规模。通过引入结构化表示正则化（SRR），包括去相关损失和KL惩罚，SCALE保持了稳定的特征统计，并在比训练时更大的集群上进行测试时，平均响应时间减少了8.9%。
-
新的SCALE方法改进了图结构时间序列的保形预测
研究人员引入了一种名为通过小波变换进行谱保形预测（SCALE）的新方法，以改进图结构时间序列预测中的不确定性量化。传统的保形预测方法在处理此类数据中固有的跨节点依赖性时遇到困难，这违反了可交换性假设。SCALE通过利用谱图理论和图小波将数据分解为低频和高频分量来解决这个问题，将保形预测应用于更具可交换性的高频部分，同时保留全局趋势。
-
ZoneMaestro 框架通过区域图范式增强 3D 室内场景生成
研究人员推出 ZoneMaestro，一个用于生成复杂 3D 室内场景的新框架，解决了当前数据驱动和迭代方法的局限性。该方法利用区域图范式将语义意图转化为功能区域和拓扑约束，从而更好地适应各种建筑形式。该框架得到了新的数据集 Zone-Scene-10K 和一个名为 SCALE 的基准测试的支持，SCALE 旨在评估复杂空间编排能力。
-
AI 代理通过新研究和模型获得先进的长期记忆能力
2026年6月发布的多篇研究论文探讨了 AI 代理长期记忆系统的进展。Qwen 发布了开源稀疏专家混合模型 Qwen3.6-35B-A3B，强调了其代理编码能力。几篇论文介绍了新的记忆架构和框架，包括用于上下文恢复的 RaMem、用于预测世界模型的 Nous、用于原子事实的 AtomMem，以及用于记忆驱动的自我演进的边际优势累积（MAA）。这些工作旨在改进 AI 代理在扩展交互和不断变化的环境中存储、检索和利用信息的方式，解决上下文…
-
推出 gpt-realtime 和 Realtime API 更新
OpenAI 发布了 GPT-4.1，这是其 API 的新模型系列，在编码、指令遵循和长上下文理解方面提供了显著改进，性能优于 GPT-4o 等先前模型。该公司还推出了更小、更快的 GPT-4.1 mini 和 GPT-4.1 nano 变体。此外，OpenAI 推出了其最先进的语音到语音模型 gpt-realtime，旨在提供具有增强自然度和指令遵循能力的可靠语音代理，并更新了其 Realtime API。