University of California, Berkeley
PulseAugur coverage of University of California, Berkeley — every cluster mentioning University of California, Berkeley across labs, papers, and developer communities, ranked by signal.
- subsidiary of University of California 100%
- parent of International Computer Science Institute 100%
- parent of World Inequality Lab 100%
- parent of University of California, Berkeley School of Law 100%
- parent of Haas School of Business 100%
- parent of Vice Provost for the Faculty, University of California Berkeley 100%
- developed mast cell 90%
- developed University of Texas at Austin 90%
- developed by Agents Last Exam 90%
- developed Claude Fable-5 90%
- developed Carnegie Mellon University 70%
- partners with mast cell 70%
23 天有情绪数据
-
新的评估方法针对大型语言模型会议助手的接地失败
加州大学伯克利分校的研究人员推出了一种名为 Evaluation-as-Search (EaS) 的新方法，用于评估由大型语言模型 (LLM) 驱动的会议助手的接地保真度。这种由反馈驱动的方法将评估视为一种自适应搜索，将探测工作集中在最有可能发生故障的领域。该团队开发了 MeetingProbe，这是一个基准测试，包含 3,000 多个来自会议记录的带注释的问答对，该测试表明，与事实回忆相比，当前模型在语篇语用挑战方面面临更大的困难。
-
职场监控应用与Facebook、Yandex共享员工数据
最近的一项调查显示，包括Hubstaff、Deputy和Time Doctor 2在内的几款热门职场监控应用程序将敏感的员工数据与Facebook、Google、Microsoft以及俄罗斯搜索引擎Yandex等第三方共享。研究人员发现，这些平台不仅收集了与工作相关的数据，还收集了姓名、电子邮件地址和在线活动等个人信息，其中一些甚至追踪精确位置并访问运动传感器。这些数据共享发生在未向员工明确披露的情况下，引发了重大的隐私担忧，并凸显了…
-
FreeToken使大型AI模型能在消费级GPU上运行 · 已追踪4个来源
FreeToken是加州大学伯克利分校开发的一款开源引擎，它允许像拥有7530亿参数的GLM-5.2这样的大型专家混合（MoE）模型在消费级硬件上运行。它通过将个人计算机视为一个统一的弹性推理平台，动态地将计算映射到GPU、CPU和内存上，从而实现这一点。这项创新为在边缘部署前沿规模的AI模型开辟了新的可能性。
-
FreeToken 使大型 MoE 模型能在单 GPU 上运行
来自加州大学伯克利分校和德克萨斯大学奥斯汀分校的研究人员开发了 FreeToken，这是一个开源服务引擎，旨在单台工作站 GPU 上运行大型 MoE 模型，显著降低了先进 AI 的硬件门槛。该系统通过采用带宽自适应执行和语义感知缓存来有效管理 CPU 和 GPU 之间的计算，从而解决了现有引擎的局限性。FreeToken 使 753B GLM-5.2 等模型能在消费级硬件上以交互速度运行，使强大的人工智能能力对个人开发者和小团队更加易于获取。
-
Meta 推出 AI 小游戏应用；AI 编辑评论文章引发争论 · 追踪 4 个来源
Meta 已在美国推出 Pocket 应用，用于创作生成式 AI 小游戏。该平台允许用户构建和分享各种“小玩意”。此外，据《卫报》报道，关于使用 AI 编辑一篇关于学生数学技能的评论文章是否会削弱作者论点的讨论正在兴起。另外，Microsoft Power BI 用户可能已经拥有一个 AI 语义层，这是许多公司正在努力开发的一项功能。
-
慈善家向旧金山湾区薪资过低的教师捐赠 100 万美元
一位名叫 Maja Kristin 的慈善家捐赠了 100 万美元，为旧金山郊区罗斯谷学区的教师提供直接经济援助。超过 100 名教育工作者、辅导员和顾问每人收到约 9,161.70 美元的支票，以解决该行业薪资过低的问题。 Kristin 拥有法律和教育背景，旨在激励更多直接捐赠以支持公共教育。
-
加州大学伯克利分校教授承认在关于学生数学能力的评论文章中使用AI
加州大学伯克利分校的教授Zvezdelina Stankova承认使用AI帮助编辑了一篇批评学生数学能力的评论文章。这篇发表在The San Francisco Standard上的评论文章声称，一些学生在基础数学技能方面远远落后，并将此归因于加州大学系统的免试招生政策。Stankova表示，虽然AI协助了编辑和查找文件，但分析是人类驱动的，并且是大量工作的成果。她的承认在学术界和社交媒体上引发了关于在学术写作中合乎道德地使用AI的辩论。
-
反 AI 抗议者被判入狱；桑德斯参议员呼吁暂停 AI 发展
退休教师 Wynd Kaufmyn 因在 2025 年 2 月将自己锁在 OpenAI 总部而被判处 14 天监禁，这是首次有记录的反 AI 抗议入狱事件。她的定罪凸显了关于 AI 生存风险的持续辩论，AI 教授 Stuart Russell 为辩方作证。与此同时，参议员 Bernie Sanders 因担心 AI 驱动的生物武器，敦促 OpenAI、Anthropic 和 Meta 的首席执行官暂停先进 AI 的研发。此案还引起了对…
-
儿童监控应用因隐私和信任问题面临审查
旨在提高青少年在线安全性的儿童监控应用程序可能需要重大更新。专家认为，虽然这些工具可以防止严重伤害，但其侵入性可能会侵蚀父母与孩子之间的信任。家长控制软件市场规模庞大且不断增长，人工智能集成是未来发展的重点。
-
Yuanluo Technology deploys humanoid robots in national labs for AI-driven science
Yuanluo Technology has introduced Monte2, a humanoid robot designed to automate laboratory tasks in national-level research platforms. These robots can perform complex procedures like reagent handling, cell toxicity tes…
-
机器人会议展示机器人操控转向少样本学习 · RSS 2026
2026年机器人：科学与系统（RSS）会议在悉尼举行，会议强调了机器人操控领域的一个重大转变，即从需要大量数据的传统方法转向“少样本”学习。研究人员正在开发仅需少量真实世界演示即可训练机器人的方法，利用人类视频、触觉数据和模拟来实现更强的泛化能力。创新包括从单次演示中合成数千个训练数据点，从人类互联网视频中学习，以及通过触觉对齐在无配对数据的情况下转移技能。会议还展示了在处理手术室和水下环境等复杂环境方面的进展，减少了在这些领域进行广…
-
Agentic AI Summit 2026 吸引5000人参加加州大学伯克利分校
Agentic AI Summit 2026 在加州大学伯克利分校举行，吸引了约5000名与会者。本报告详细介绍了会议的议程和主要讨论内容。
-
包括哈佛、麻省理工在内的美国大学被要求审计与中国的研究关系
据报道，美国国防部已命令包括哈佛和麻省理工在内的约 30 所美国大学审计其与中国的研究合作。一位匿名官员证实了这一指令，此举是在对潜在的未经授权的技术转让或不当行为表示担忧的背景下发布的。然而，这些大学和美联社指出，五角大楼并未提供引发此次审计的具体合作证据或细节。
-
加州亿万富翁资助1.1亿美元竞选活动以反对财富税 · 跟踪1个来源
加州亿万富翁正在资助一项阻止40号提案的竞选活动，该提案是一项提议的一次性征收的5%的资产税，适用于超过10亿美元的资产，旨在增加医疗保健资金。主要捐款来自风险投资家John Doerr和Ripple执行主席Chris Larsen等人，为“建设一个更好的加州”政治行动委员会（PAC）总计超过1.1亿美元。由于选民支持率不确定，该PAC还支持反制措施41号提案和42号提案，以可能使该税无效，因此结果仍不确定。
-
Apple研究人员发布更快的最优传输方法
Apple Machine Learning Research 发表了一篇论文，详细介绍了一种用于基于核的最优传输的新型半光滑牛顿法。该方法旨在克服现有估计器的计算限制，这些限制在样本量较大时会变得难以处理。所提出的方法在合成和真实数据集上都比以前的方法有显著的加速，实现了 O(1/√k) 的全局收敛率和局部二次收敛。
-
人工智能时代需要“安全”学位：顶尖大学聚焦可转移技能
在当前的就业市场中，某些大学学位因需求高和可转移技能的发展而被认为是“安全”的。这些领域通常结合了技术熟练度和批判性思维，为毕业生应对不断变化的职业格局做好准备。
-
经济学家：AI公司利润受到浅护城河和商品化的威胁
加州大学伯克利分校的经济学家Brad DeLong认为，由于竞争护城河浅薄，AI公司在维持盈利能力方面面临严峻挑战。他认为竞争对手可以轻易复制或提炼先进模型，任何技术优势都会随着竞争对手的追赶而迅速商品化。DeLong总结道，销售LLM模型服务的业务很可能成为一个商品化市场，而这在历史上并不能带来丰厚的经济利润。
-
谷歌AI重组、HR AI缺陷与效率之辩 · 追踪3个来源
谷歌正在进行重大的AI重组，联合创始人谢尔盖·布林（Sergey Brin）据报道敦促全力投入其Gemini模型以更有效地竞争。与此同时，一份谷歌内部文件曝光，显示该公司自己的人力资源AI一直在丢弃合格候选人的申请。此外，加州大学伯克利分校的专家提出，AI开发可以更有效率，建议专注于更智能的AI设计，而不是仅仅扩展数据中心基础设施，这可以减轻对环境的影响。
-
vLLM 对比 Ollama：LLM 的生产部署
vLLM 和 Ollama 是用于部署大型语言模型的不同工具，各自针对不同的用例进行了优化。Ollama 在本地、单用户交互方面以简洁性见长，易于在个人机器上快速运行模型。相比之下，vLLM 专为高吞吐量的生产环境设计，通过 PagedAttention 和连续批处理等高级技术，能够高效地服务数百名并发用户。基准测试表明，在高度并发的情况下，vLLM 的性能显著优于 Ollama，每秒处理的令牌数几乎是 Ollama 的 20 倍，同…
-
新的 Omni-Persona 基准测试评估全模态 LLM 个性化
研究人员推出了 Omni-Persona，这是一个新颖的基准测试，旨在系统地评估和改进大型语言模型中的全模态个性化。该基准测试通过涵盖文本、图像和音频模态，并引入新的指标 Calibrated Accuracy (Cal) 来评估正确对齐和适当弃权，即使在无个性化场景下，也解决了现有研究的局限性。实验揭示了开放权重模型中显著的音频与视觉对齐差距，RLVR 在一定程度上缓解了这个问题，同时还强调了召回率和模型规模不足以诊断个性化质量，因…