PulseAugur
实时 10:28:34
实体 Technical University of Darmstadt

Technical University of Darmstadt

PulseAugur coverage of Technical University of Darmstadt — every cluster mentioning Technical University of Darmstadt across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 8
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 4
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 8 条
  1. COMMENTARY · CL_221360 ·

    德国人工智能研究将认知与担忧挂钩;体育领域人工智能使用增长

    来自达姆施塔特工业大学的一项德国研究表明,对人工智能的熟悉程度增加与对社会影响的担忧加剧相关。与此同时,一份每日人工智能简报强调了休闲运动员对人工智能工具日益增长的依赖,训练应用程序正达到其局限性。该简报还包含一个排行榜,比较了ChatGPT、Claude和Gemini等领先的人工智能模型,并指出人工智能的监督范围应超越模型本身。

  2. TOOL · CL_212596 ·

    新研究揭示AI算法出现串通迹象

    来自达姆施塔特工业大学、比勒费尔德大学和蔚蓝海岸大学的研究人员发现了人工智能算法之间串通的证据。他们的研究表明,这些AI系统可能以不易察觉的方式协调它们的行动。

  3. TOOL · CL_151790 ·

    RSS 2026最佳论文奖聚焦机器人控制与感知领域的进展

    机器人:科学与系统(RSS)会议公布了其最佳论文奖项,表彰在机器人控制和感知领域取得的进展。最佳论文奖授予了FlashSAC,因其在高维机器人控制中采用高效稳定的强化学习方法,显著缩短了训练时间。最佳学生论文奖授予了Muninn,因其使用缓存机制实现了更快的轨迹扩散模型。最佳系统论文奖则表彰了NeuralActuator,因其无需专用传感器即可模拟机器人动力学并感知外部力的能力。

  4. TOOL · CL_145103 ·

    德国联盟发布开源混合 Mamba-Transformer 模型 Soofi S 30B-A3B

    一个德国研究联盟发布了 Soofi S 30B-A3B,这是一个开源的混合 Mamba-Transformer 专家混合(MoE)基础模型。该模型在 Deutsche Telekom 的 AI 云上使用 NVIDIA B200 GPU 进行训练,优先处理德语数据,在德语基准测试中表现远超其架构相同的参考模型。虽然在英语方面,其表现与其他开源模型相比具有竞争力,但像 Qwen3.5 35B-A3B 这样更大的模型仍然保持着领先分数。该模…

  5. TOOL · CL_150504 ·

    德国SOOFI联盟发布用于工业用途的Soofi-S-Base大语言模型

    Soofi-Project/Soofi-S-Base模型,一个德语-英语双语大语言模型,现已可与各种库和推理提供商一起使用。该模型由SOOFI联盟开发,旨在成为工业应用的欧洲开源替代方案,专注于强大的推理和AI代理能力。目前处于与选定合作伙伴的封闭测试阶段,预计未来将在宽松的许可下公开发布。

  6. TOOL · CL_19070 ·

    UKP实验室招聘博士,从事自然语言处理/机器学习研究,截止日期2026年5月

    Technische Universität Darmstadt 的 UKP实验室正在招聘具有自然语言处理、机器学习或人工智能专业知识的博士候选人。成功的申请者将拥有良好的研究发表记录和独立研究的能力。该实验室由Iryna Gurevych教授领导,专注于InterText愿景,申请将滚动审核,截止日期为2026年5月31日。

  7. RESEARCH · CL_10813 ·

    CVPR 2026:视觉AI从准确性转向理解不完美的现实世界数据

    计算机视觉研究正从优化基准测试性能转向使模型能够在不完美条件下理解世界。围绕CVPR 2026展示的近期工作挑战了视觉系统的基本假设,例如模型是否必须是静态的、目标是否预先定义、信息是否完整或输入是否结构化。诸如视频分割的交互式训练和无训练的上下文内分割等创新展示了模型可以从反馈中学习并在无需显式重新训练的情况下适应新目标。

  8. RESEARCH · CL_10040 ·

    视觉AI研究从性能提升转向重写核心假设

    在CVPR 2026上重点展示的视觉AI的最新进展,标志着研究方向从渐进式性能改进转向对现有建模假设的根本性重新评估。研究人员正在质疑扩散模型中的无分类器引导等核心原则、视频生成对扩散的必要性以及生成模型的最优预测目标。这种重写基础设置的举措旨在为未来的视觉AI建立新的生成目标、控制机制和架构范式。