Solar
PulseAugur coverage of Solar — every cluster mentioning Solar across labs, papers, and developer communities, ranked by signal.
- 2026-05-15 research_milestone A new self-supervised framework for symmetric multimodal retrieval, SOLAR, was introduced in a research paper. 来源
4 天有情绪数据
-
SOLAR框架使用SVD-Attention实现高效的终身推荐
研究人员开发了SOLAR，一个用于终身推荐系统的新框架，它利用SVD-Attention高效处理用户行为的大量序列。这种新颖的注意力机制将计算复杂度从O(N^2d)降低到O(Ndr)，使系统能够处理广泛的用户历史记录和候选项目而无需截断。SOLAR在RecFlow和MIND等基准测试中表现出卓越的性能，以低延迟实现了高AUC，并已完全部署在快手（Kuaishou）的生产推荐系统中，带来了视频观看量的可衡量增长。
-
AI被提议为解决无家可归、气候和安全问题的方案
一位Mastodon用户倡导使用AI解决方案来解决无家可归、气候变化和安全问题。该帖子重点介绍了一个视频，并建议开源太阳能可以成为AI驱动解决方案的一部分。
-
新研究质疑检索在时间序列预测中的益处 · 跟踪 2 个来源
两篇新研究论文探讨了检索增强方法在时间序列预测中的有效性。第一篇论文介绍了一种学习预测哪些历史数据点对未来预测最相关的方法，在多个基准测试中优于现有的检索规则。第二篇论文质疑了检索插件报告的持续收益，认为这种收益与操作点有关，特别是回看窗口长度与数据的主要季节性周期之间的关系。第二篇论文提出了一种状态图和预测统计量，而不是新的检索机制。
-
新型SOLAR模型采用多模态人工智能进行高级番茄病害诊断
研究人员开发了SOLAR，这是一种新颖的多模态生成模型，旨在理解番茄植物病害。与先前将病害分析视为孤立预测任务的方法不同，SOLAR将视觉症状与文本上下文相结合，提供全面且可解释的诊断。该模型将病害分析构建为生成式视觉问答（VQA）任务，通过对齐视觉特征和语言表示，使其能够回答六个不同的诊断问题。在超过41,000张图像和216,000个问答对上的实验表明，SOLAR在准确性、鲁棒性和多模态推理方面优于现有模型。
-
阿尔伯塔省对太阳能电池板征收回收费，禁止填埋
阿尔伯塔省已引入一项新的回收费，每块太阳能电池板收费14美元，将于2026年10月生效。此举伴随着禁止在垃圾填埋场丢弃太阳能电池板的禁令。该政策被视为保护该地区缺乏竞争力的化石燃料行业的一种方式。
-
中国以太阳能和风能创新引领全球绿色电力扩张
中国正在迅速扩大其太阳能和风能发电能力，其装机速度超过了全球平均水平。该国同时也在通过高空风力发电、开发更高效、更具成本效益的太阳能电池板替代品以及测试强大的新型海上风力涡轮机设计等创新技术，不断突破技术界限。
-
航空旅行的气候影响估计为 7.57 亿美元用于缓解
航空旅行的气候影响是一个重大的担忧，一项分析表明，在跨大陆航班的整个生命周期内，缓解这种损害的成本可能高达 7.57 亿美元。这一数字被用作与太阳能数据中心和太阳能飞机作为潜在解决方案的可行性进行比较。
-
中国光伏装机容量首次超越煤炭 · 追踪到2个来源
中国已超越煤炭，成为其首要的发电装机容量来源，这是其能源转型中的一个重要里程碑。国家能源局数据显示，截至7月底，全国光伏装机容量达到1286吉瓦，占总装机容量的31.5%。这一转变被誉为“标志性成就”，打破了煤炭主导长达一个世纪的格局，并得到了强大国内太阳能制造产业的支持。
-
新的金融模型旨在促进开源硬件创新
《开源硬件杂志》上的一项研究提出了一种新的金融模型，以加速科学创新，特别是开源硬件的创新。目前的专有模式由于高成本和专利而阻碍了进展。该研究分析了四种资助方法，重点介绍了一种“分离风险投资模型”，该模型将设计风险与投资者的投资回报率分开，有可能使开源硬件对资助者和投资者更具吸引力。
-
新方法学习时间序列预测的预测相关性
研究人员开发了一种新的时间序列预测方法，该方法侧重于识别哪些历史数据点对未来结果最具预测性。这种称为预测相关性的方法在训练期间使用已实现的未来数据作为监督信号，来训练多层感知机（MLP）对模式检索器生成的候选进行重新排序。该方法旨在通过学习更准确的历史相关性标准来提高检索准确性，这在六个基准测试和十二个验证任务中被证明是领域相关的。
-
太阳能和风能成为比石油更便宜的替代品
能源行业正经历重大转变，太阳能和风能的成本效益已超过石油。这一转变正促使管道所有者和油田服务提供商拓宽服务范围，纳入数据中心。此外，一些石油生产商正在探索微电网为其运营供电，因为电网连接等待时间过长。
-
AI用户质疑共和党对数据中心的化石燃料依赖
用户质疑为什么政治领导人，特别是共和党人，不愿意用太阳能和电池储能等可再生能源为数据中心供电，而是依赖化石燃料。他们认为，在20年的时间里，这是一种爱国且具有成本效益的方法，并提议将其作为一项数学练习供学生完成。
-
人工智能数据中心偏爱燃气发电而非更便宜的太阳能替代方案
最近的一项研究表明，尽管太阳能微电网的成本仅高出8%，且部署速度更快，但人工智能数据中心仍选择燃气发电。研究强调，经济因素并非这一决定的主要驱动因素，目前有超过82个私人燃气发电厂在建。
-
中国公司建造2吉瓦可再生能源供电的离网人工智能园区
中国公司恩威集团正在内蒙古建设一个2吉瓦的离网人工智能园区。该设施将完全由可再生能源供电，包括风能、太阳能、储能和氢能，以满足人工智能基础设施巨大的电力需求。该项目旨在为人工智能计算需求提供切实可行的解决方案，这与其他提出的方法（如轨道数据中心）形成对比。
-
德国太阳能创纪录与Adform遭黑客攻击凸显科技趋势
2026年7月，德国太阳能发电量达到创纪录的120亿千瓦时，标志着其可再生能源生产的一个重要里程碑。此外，在线广告公司Adform遭遇数据泄露，凸显了在数字广告领域对广告拦截器和强大网络安全措施的持续需求。
-
201吉瓦的太阳能和储能项目争夺电网接入权，对抗化石燃料
PJM Interconnection 正在面临一项重大挑战，即如何将新项目接入电网，目前有 201 吉瓦的拟建容量正在争夺有限的接入名额。这些申请的激增主要来自太阳能和储能项目，它们正在与传统的化石燃料和核能发电来源竞争。这些申请的巨大数量凸显了向可再生能源转型和电网基础设施扩张过程中存在的主要瓶颈。
-
新的CSFS方法改进风能/太阳能预测，计算成本降低21% · 跟踪4个来源
研究人员开发了一种名为基于聚类的顺序特征选择（CSFS）的新方法，以提高风能和太阳能发电预测的准确性和效率。这种模型无关的方法通过提供自动、高效和可靠的特征选择，解决了现有可再生能源预测中特征选择技术的局限性。CSFS在实现与现有方法相当的预测性能的同时，将计算成本平均降低了21%。该方法的一个开源实现可在GitHub上获取，以支持可复现性。
-
新的SOLAR框架推进了对称多模态检索
研究人员推出了一种新颖的自监督框架SOLAR，用于对称多模态检索，其中查询和上下文可互换。该框架利用来自网络的无标签图像-文本对，通过一个两阶段过程进行。第一阶段学习一个交集掩码，以对齐模态之间的共同点并保留差异；第二阶段则利用此掩码创建用于自监督学习的正面和困难负面样本。据报道，SOLAR在新的基准测试中，尽管使用的模型参数和嵌入维度都较少，但其性能仍显著优于最先进的监督方法。
-
安全新闻涵盖 VM 逃逸、Solar 漏洞和 NPM 恶意软件
本周的安全新闻包括 Januscape 漏洞，该漏洞允许虚拟机用户逃离隔离并破坏主机内存。此外，还有关于 Solar 系统漏洞以及 Node Package Manager 中令人困惑的恶意软件的报道。随着 AI 的集成，安全形势持续带来挑战。
-
关键KVM虚拟机逃逸漏洞、太阳能技术漏洞以及AI代理风险详细披露
Linux Kernel Virtual Machine (KVM) 中发现了一个关键漏洞，可能允许虚拟机（VM）破坏主机内存并逃逸隔离。该漏洞已存在16年，影响了Amazon AWS和Google GCP等主要云服务提供商。此外，安全研究人员在Hoymiles微型逆变器中发现了未加密的管理协议，可能导致设备被控制和锁定。OpenSSH 10.4 已发布，包含对SFTP和SCP文件处理的安全修复，以及实验性的后量子加密支持。另外，Te…