Simon Fraser University
PulseAugur coverage of Simon Fraser University — every cluster mentioning Simon Fraser University across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
人工智能机器人涌入加拿大大学图书馆，危及公众访问
加拿大各地的大学图书馆正经历人工智能机器人的涌入，这些机器人正在抓取大量数据，可能危及公众获取资源的途径。这些机器人正在压垮图书馆系统，消耗带宽，并占用本可用于服务人类读者的员工时间。这些人工智能实体不受控制的数据提取引发了对学术机构信息未来可用性和完整性的担忧。
-
AI专家警告技术可能导致孤立，集体经验丧失
计算机和AI历史学家Stephanie Dick对先进技术的孤立性质表示担忧。她担心，对AI生成音乐等个性化AI内容的日益依赖，可能导致社会进一步碎片化和集体经验的衰退。Dick希望人们不要忽视共享人际交往的价值。
-
Android AI Agent易受多种漏洞攻击
研究人员在五个开源Android AI Agent框架中发现了重大的安全漏洞，包括AppAgent、AppAgentX、Mobile-Agent-v3、Open-AutoGLM和MobA。这些框架旨在与移动设备交互并可能在主机PC上运行代码，但被发现容易受到各种攻击，其中大多数至少会受到七种已演示的漏洞中的六种的攻击。这些漏洞源于允许不可见屏幕文本控制AI Agent、在连接的PC上执行命令以及不安全地处理数据和权限等问题。
-
新的GPU优化器\chisao{}在黑盒函数中实现100%模式恢复
研究人员开发了一种名为\chisao{}的新型GPU原生并行优化器，旨在高效地找到多模态黑盒函数的所有模式。该优化器利用收敛-反收敛振荡周期，允许它在冻结已确认模式的同时，通过基于动量的反收敛和梯度平滑继续探索。\chisao{}在西蒙菲沙大学优化基准套件上表现出卓越的性能，在不同维度上实现了100%的模式恢复，并且与传统的基于CPU的方法相比，即使在存在显著噪声的情况下，也显示出显著的速度提升。
-
\chisao{}优化器利用GPU进行多模态黑盒函数优化
研究人员开发了\chisao{}，一种新颖的GPU原生并行优化器，旨在高效地找到多模态黑盒函数的所有模式。与盆地跳跃或CMA-ES等顺序CPU方法不同，\chisao{}同时处理整个样本批次。它采用独特的收敛-反收敛振荡周期来逃离局部最优解，同时保留已确认的模式。该优化器表现出卓越的性能，在基准测试套件上实现了100%的模式恢复，并提供了高达34倍于CPU基线的加速，即使在存在显著噪声的情况下。
-
加拿大被敦促在人工智能和特朗普担忧之际构建自己的主权科技软件
加拿大应优先开发自己的主权技术软件，涵盖从操作系统和文本编辑器到教育内容管理系统和移动应用程序等所有领域。此举被视为应对美国在软件行业主导地位的必要步骤，当前的政治气候和人工智能的进步是这一转变的催化剂。数字主权化的推动应从该国的高等院校开始。