Trinity College, Dublin
PulseAugur coverage of Trinity College, Dublin — every cluster mentioning Trinity College, Dublin across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
研究发现，人工智能增强而非自动化驱动公司长期增长
新研究表明，主要专注于通过人工智能减少员工数量的公司可能犯了战略性错误。自动化取代的是任务，而增强则扩展了人类的能力，培养创造力、判断力和创新能力。当人工智能被视为替代工具时，员工会担心失业并对其产生不信任感，这会阻碍开放的实验和改进。更有效的方法是让员工参与进来，展示人工智能的支持性作用，并建立信任，从而解锁一个复利增长周期，让员工充当该技术的“驾驶员”。
-
NASA 及合作伙伴将通过飞机和气球研究日食
NASA 及其他科学组织正为一系列雄心勃勃的空中和地面任务做准备，以研究 2026 年 8 月 12 日的日全食。NASA 的 WB-57 喷气式飞机将飞至 50,000 英尺高空观测太阳日冕，而一架装备有欧洲航天局和都柏林高等研究院仪器的爱尔兰空军飞机将进行类似观测。冰岛的地面团队将在活动期间发射高空飞机和气球，以收集地球大气层的数据。
-
大学绘制“大型人工智能”企业对政策的影响图
多所大学的研究人员识别出“大型人工智能”影响法律和监管的27种“企业俘获”模式。他们对新闻文章的分析揭示了用于控制叙事和塑造有利于企业的AI政策的方法。这项研究强调了公众对AI监管的更大关注的必要性。
-
雷达系统利用人工智能区分昆虫种类
研究人员开发了一种新颖的雷达系统，能够区分包括蜜蜂和黄蜂等授粉昆虫在内的不同昆虫种类。该系统利用毫米波并分析昆虫翅膀拍打产生的微多普勒信号，以识别其运动模式的细微差异。一个在五种昆虫数据上训练的机器学习模型在物种级别分类方面达到了85%的准确率，在区分蜜蜂和黄蜂方面达到了96%的准确率。
-
扩散模型加速取决于开销减少，而非仅仅是步数减少
单张图像扩散模型推理速度慢的原因在于内核启动开销和注意力内存流量，而非原始计算能力。通过在 `reduce-overhead` 模式下使用 `torch.compile` 进行优化，采用融合注意力后端，以及批处理无分类器引导，可以显著降低延迟。只有在这些优化之后，才应考虑使用蒸馏方法来进一步提高速度，同时仔细评估潜在的质量下降。