University of Cambridge
PulseAugur coverage of University of Cambridge — every cluster mentioning University of Cambridge across labs, papers, and developer communities, ranked by signal.
- parent of King's College 100%
- parent of Kavli Institute for Cosmology 100%
- parent of Trojan Room coffee pot 100%
- parent of Cambridge University Press 100%
- employed by Rika Antonova 95%
- employed by Jason Arday 90%
- authored by South China Morning Post 90%
- developed by vaccine 90%
- employed by Henry Shevlin 90%
- affiliated with Rika Antonova 70%
- affiliated with Jason Arday 70%
- developed COVID-19 70%
- 2026-06-05 research_milestone University of Cambridge successfully tested a vaccine with an AI-designed antigen in human trials. 来源
13 天有情绪数据
-
Cohere AI数据中心引发安大略省电力危机
Cohere AI进驻安大略省剑桥市的一家数据中心引发了紧急电力危机,导致当地居民电费上涨。这一情况凸显了由于人工智能数据中心需求不断增长,安大略省的电网正承受日益增长的压力,这一趋势加剧了全省现有的容量挑战。
-
AI 领袖探讨意识、对齐和人类融合问题
人工智能领域的领军人物正在辩论高级人工智能的深远影响,特别是关于意识和与人类价值观对齐的问题。Anthropic 的 Dario Amodei 和 OpenAI 的 Sam Altman 等专家强调了确保人工智能合乎道德并与多样化人类价值观对齐的挑战。讨论还触及了通过脑机接口实现人机融合的潜力,未来学家 Ray Kurzweil 将其视为人类的扩张,而哲学家 Susan Schneider 则警告了激进增强和身份丧失的风险。
-
AI实验室聘请哲学家辩论机器意识和权利
像Google DeepMind和Anthropic这样的AI公司越来越多地聘请哲学家来应对先进AI系统的伦理影响。这些专家正在探索关于AI意识的复杂问题,以及这些系统是否可能值得道德考量。虽然一些人,如Microsoft AI首席执行官Mustafa Süleyman,警告不要拟人化机器并赋予它们权利,但另一些人则主张考虑新兴数字心智的潜在痛苦。这场辩论根植于Alan Turing等人物早期的AI讨论,现在已成为开发日益像人类的AI…
-
AI模型Claude协助数学家证明黎曼猜想 · 跟踪8个来源
Anthropic公司开发的名为Claude的AI模型据称正被用于证明长期存在的数学难题黎曼猜想。尽管初步报告表明该证明极有可能为真,并已通过初步验证阶段,但数学家们仍在仔细审查这些发现。这一进展在数学界引起了极大的兴奋和惊叹。
-
剑桥词典在AI进步的背景下将‘human’选为年度词汇
剑桥词典已选择‘human’作为其2026年度词汇,承认人工智能的进步日益模糊了人类和机器能力之间的界限。该词典指出,‘human-made’等术语的兴起是为了区分人类创作和AI产出。这一选择反映了关于身份、意识以及AI对人类生活和工作影响的持续社会讨论。
-
研究论文评估学习到的3D模型在图像定位精度方面的表现
一篇新的研究论文探讨了在利用姿态参考图像时,学习到的3D模型在提高定位精度方面的有效性。该研究在五个测试集上比较了八种不同的模型和变体,发现在某些数据集(如Cambridge和NAVER B1)上,仅使用一个额外参考的几何估计可以优于使用两个参考的模型。论文还强调,学习到的平移量所带来的好处高度依赖于参考图像的选择,并且当检索返回来自不同位置的参考时,模型可能在不同阶段失败。
-
决策模型获得关注,微软和初创公司推出新产品
决策模型,一种能够以高置信度快速选择预设选项的新型人工智能类别,正在迅速普及。Vercel 的 AI 模型路由器上超过四分之一的请求现在都指向它们。TypeSafe(及其 Jev 模型)和 Sqwish 等新兴初创公司正在利用这一趋势,Sqwish 已宣布获得 300 万美元的种子前融资。微软也已进入该领域,在 Azure 上发布了 Microsoft-Decision-1.1 模型,强调实际企业性能而非传统基准的重要性。
-
《芝麻街》工作室选择不推出AI Elmo玩具,优先考虑亲子连接
《芝麻街》工作室(Sesame Workshop),《芝麻街》节目的制作方,已决定不制作以Elmo等角色为特色的AI驱动玩具。首席执行官Sherrie Westin表示,此举源于担忧此类玩具可能会干扰孩子与照料者之间至关重要的连接,而这种连接对学习至关重要。虽然该公司看到了AI在教育工具和内容策展方面的潜力,但他们优先考虑的是增强而非取代早期儿童发展中的人际互动。
-
ICLR 2027 初评分数揭示大学排名
对ICLR 2027的初评分数进行了分析,并根据投稿情况对大学进行了排名。该数据来源于OpenReview,并通过OpenAlex与arXiv的隶属关系进行匹配,突显了各学术机构在即将举行的会议同行评审过程中的表现。包括MIT、斯坦福和卡内基梅隆在内的几所知名大学均在排名之列。
-
尽管接受了教育并付出了努力,英国的年轻人仍感觉被排除在就业之外
英国的年轻人正在表达他们的沮丧和士气低落,因为尽管他们拥有良好的教育背景,但获得入门级工作的难度却很大。许多毕业生,如 Aamir 和 Alice,申请了上千份工作,却面临雇主缺乏反馈,导致他们感觉被排除在职业机会之外。这种情况导致了一种“社会契约已破裂”的感觉,即勤奋努力和学业成就并不能保证就业或职业发展。
-
剑桥研究人员警告利用未经同意的死亡数据构建AI“数字亡灵”
剑桥大学的研究人员对利用未经事先同意的已故个人数据创建AI“数字亡灵”表示担忧。他们主张在建立此类数字遗产之前,服务机构应实施同意机制。作为实际步骤,个人可以利用Google的“不活动账户管理器”等工具来预先决定其数字信息的去向。
-
Cortex-FL 系统使用代理简化联邦学习协作
一个名为 Cortex-FL 的新系统已被开发出来,通过使用代理来管理协作,从而促进联邦学习。这些代理可以解释自然语言目标、寻找合适的协作者并协商协议,从而简化了没有专业知识的用户的流程。该架构确保用户在将协调任务委托给代理的同时,保留对其数据和计算的控制权,并通过演示展示了在区块链测试网上成功进行模型训练和结算。
-
剑桥研究员在播客中讨论机器人协同设计
剑桥大学的 Rika Antonova 博士在最近的一次播客中讨论了机器人硬件和软件的协同设计。谈话内容涵盖了机器人技术、进化和人工智能相关的主题。
-
ARM Cortex-A7 CPU 为入门级平板电脑提供动力,延续 Acorn 的传奇
Acorn 和 BBC Micro 的传奇在英国剑桥的 ARM Holdings 公司得以延续。像四核 1.3 GHz ARM Cortex-A7 这样的入门级 CPU 现在为廉价的 7 英寸平板电脑提供动力,以约 40 英镑的价格提供强大的计算能力。
-
效率陷阱:为何优化一切会适得其反
追求效率,特别是通过优化,可能导致意想不到的负面后果。过于狭隘地关注改善一个方面会削弱系统的鲁棒性,正如医院床位不足以应对激增情况那样。此外,优化易于衡量的指标(如交通流量)可能会忽略难以量化的因素(如乘客舒适度),米尔顿凯恩斯的环岛系统就是一个例子。此外,当多个优化系统相互作用时,它们各自的最佳行为可能会结合起来造成集体不稳定,2010年金融市场的闪崩现象就证明了这一点。
-
AI初创公司Potential Sciences旨在通过模拟分子相互作用来加速药物发现
总部位于英国的新初创公司Potential Sciences,旨在通过使用AI绕过传统的实验室工作来彻底改变药物发现。该公司计划通过基于物理学的分子相互作用模拟来生成大型化学数据集。这些数据集将用于训练AI模型,以预测药物疗效并识别靶向治疗,从而有可能加速针对包括罕见病在内的各种疾病的药物开发。尽管学术界承认这种模拟驱动方法的潜力,但他们也指出了在生物系统中准确预测分子行为所面临的重大挑战。
-
剑桥教授就如何建设成功的大学城向香港提供建议
剑桥大学的Girish Menon教授建议香港可以借鉴剑桥建设成功的大学城的模式。他强调了强大的政府-产业合作以及跨学科教育对于财务可行性的重要性。Menon认为香港的国际化特质使其能够很好地将学生置于其北部都会区计划的核心,重点关注社区、娱乐以及与企业、公共部门和公民社会的互动。
-
新研究表明彗星不太可能是地球生命的来源
新研究表明,彗星可能不是地球生命构成要素的主要来源,这挑战了长期以来科学界的理论。科学家们进行了广泛的模拟,表明来自彗星的关键生命前分子很可能在撞击古代地球时被摧毁。相反,该研究提出地球上的生命可能起源于来自地球内部的分子。该研究还表明,火星可能更适合彗星输送这些分子,从而增强了生命在那里出现的可能性。
-
AI 和定理证明被用于查找 Julia 语言中的错误
研究人员正在利用基于 Lean 的定理证明和 AI 代理来识别 Julia 编程语言中的错误和不一致之处。该方法涉及在 Lean 中对 Julia 的源代码进行建模,然后根据文档和其他指定属性验证其行为。这项工作由剑桥大学的 Miles Cranmer 领导,旨在自动化繁琐的调试任务。
-
基于FPGA的LENS系统为边缘机器人带来GPU级场景内存
研究人员开发了LENS系统,旨在使资源受限的机器人能够在不依赖高功耗台式GPU的情况下执行场景内存任务。该系统利用FPGA和ARM平台加速场景坐标回归(SCR)和3D高斯泼溅(3DGS)渲染,实现了具有竞争力的定位精度和新视角合成质量。与NVIDIA Jetson Orin NX相比,LENS在每瓦性能和低延迟方面表现更优,尽管设备端训练仍落后于GPU能力。