University of Illinois Urbana-Champaign
PulseAugur coverage of University of Illinois Urbana-Champaign — every cluster mentioning University of Illinois Urbana-Champaign across labs, papers, and developer communities, ranked by signal.
- 2026-06-09 research_milestone Researchers at the University of Illinois demonstrated a new monolithic 3D integration technique for semiconductors. 来源
6 天有情绪数据
-
LLMRouter库通过将查询路由到合适的模型来优化AI成本
LLMRouter是伊利诺伊大学厄巴纳-香槟分校开发的一个开源库，它解决了使用大型语言模型的高昂推理成本问题。它根据复杂性智能地将用户查询路由到最合适的模型，而不是默认使用最昂贵的选项。该库提供了超过16种路由方法和五类路由策略，旨在为频繁使用的AI用户优化成本并可能提高响应时间。
-
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。
-
3D高斯溅射技术向具身AI发展，兼具效率与适应性
研究人员正将3D高斯溅射（3DGS）从高质量渲染推进到具身AI和机器人领域的实际应用。CVPR 2026 上展示的最新研究专注于使3DGS在现实世界部署中更高效、更具适应性。创新包括用于快速场景生成的前馈网络，以及根据计算资源自适应控制高斯基元密度。
-
文本到 SQL 基准测试错误突显了有缺陷的黄金标准
对 BIRD-dev 文本到 SQL 基准测试的新分析揭示了其黄金标准 SQL 注释存在重大问题，近 20% 的模型错误源于基准测试错误地将正确的模型输出标记为错误。研究人员发现，基准测试的评分机制经常因为模型添加了 `DISTINCT` 子句而惩罚模型，而这些子句实际上比提供的黄金 SQL 更准确。这表明，由于过度拟合有缺陷的注释，直接针对基准测试分数进行优化可能会导致模型在实际应用中表现更差。
-
南洋理工大学副校长Kuan Jimmy Hsia加盟中国新大学
南洋理工大学（NTU）杰出研究员兼前副校长Kuan Jimmy Hsia已接受宁波东方理工大学（EIT）的全职职位。Hsia是美国科学促进会（AAAS）会士，在跨学科力学、生物材料和微/纳米力学方面拥有丰富经验，他表示建立新学术体系的机会是促使他此次调动的动机。他之前的职业生涯曾在伊利诺伊大学厄巴纳-香槟分校和卡内基梅隆大学担任重要职务。
-
统一的 RLVR 算法 GRPO、Dr. GRPO 和 DAPO 详解
伊利诺伊大学厄巴纳-香槟分校 Bay 和 Yearick 的一篇新论文揭示，GRPO、Dr. GRPO 和 DAPO 在单一算法下得到统一，仅在处理组内奖励标准差（σ）方面有所不同。该论文提供了精确的公式来阐明每种变体何时最有效。GRPO 除以 σ 会放大简单和困难问题的梯度，而 Dr. GRPO 使用 σ 进行自然难度加权。DAPO 通过丢弃 σ 为零的批次来优化计算，这在困难问题中很常见。
-
哈佛大学和伊利诺伊大学厄巴纳-香槟分校发现新的 AI 预训练轴，可实现更快生成
来自哈佛大学和伊利诺伊大学厄巴纳-香槟分校的研究人员为生成式人工智能模型识别出了第三个预训练轴。据报道，这一发现使样本效率提高了 6.2 倍，并使生成速度提高了 250 倍。研究结果表明，在如何训练和利用 AI 模型以实现更快的内容创建方面取得了重大进展。
-
大学生阅读能力下降，引发重拾阅读全本著作的呼吁
一位阿默斯特学院的人文教授表示，如今的大学生越来越难以理解和读完整本书。调查显示，高中时布置的整本书数量以及成年人阅读的整本书数量均显著下降，同时阅读能力水平也在下降。这一趋势可能需要高等教育回归到类似19世纪设立的预备阅读课程，以应对那些已减少对整本书强调的K-12教育系统所带来的挑战。
-
UIUC 发布开源人工智能助教
伊利诺伊大学厄巴纳-香槟分校的人工智能创新中心发布了一款开源人工智能助教。该项目可在 GitHub 上获取，旨在为教育目的提供人工智能驱动的辅助。
-
文本到SQL基准测试存在缺陷：超过一半的答案密钥不正确
最近对文本到SQL基准测试的审计显示，答案密钥存在严重不准确之处，在BIRD Mini-Dev和Spider 2.0-Snow等主要数据集中，超过50%的标注是错误的。这表明当前该领域AI代理的性能指标可能不可靠。为解决此问题，一种新方法提出根据预定义的答案规范生成数据库，而不是从现有数据库推导出答案，旨在创建更值得信赖的基准测试。
-
GPT-5.6 Sol(max) 在物理基准测试中领先，推理设置已详细说明 · 跟踪 3 个来源
GPT-5.6 Sol(max) 模型在 CritPt 物理问题基准测试中取得了新的领先分数，该基准测试由阿贡国家实验室和伊利诺伊大学厄巴纳-香槟分校开发，属于私有的研究级别评估。该基准测试评估模型解决来自 30 多个机构的 60 多名研究人员提出的研究生级别的物理研究问题，突显了其先进的科学推理能力。此外，关于 GPT-5.6 系列的推理努力设置的细节也已浮出水面，其中 GPT-5.6-Sol 默认设置为“低”级别，而“terra”…
-
Google DeepMind总监曹良亮回归香港
曾任Google DeepMind总监、并在多家科技巨头公司担任人工智能系统架构师的曹良亮，在阔别20年后已返回香港。他此前曾在香港中文大学多媒体信息处理实验室（MMLab）工作，该实验室是人工智能人才的聚集地，并曾为Gemini和Apple Intelligence等重要项目做出贡献。曹良亮的回归预计将为香港的学术人工智能界注入新的活力。
-
NVIDIA ASPIRE 框架使机器人能够学习和复用技能
NVIDIA 推出了 ASPIRE，一个旨在克服传统机器人编程局限性的新型机器人框架。ASPIRE 采用自学习、持续学习系统，通过存储和复用成功的技能来编写和优化机器人控制程序。该框架利用带有持久技能库的协调器-执行器架构，使机器人能够从过去的经验中学习，并将这些经验应用于新任务，从而随着时间的推移提高效率和学习速度。在模拟中，ASPIRE 在 LIBERO-Pro 基准测试的长任务上展示了 31% 的零样本性能。
-
新基准测试表明，提示优化可能会削弱大型语言模型的对抗性鲁棒性
开发了一个新的基准测试，以研究大型语言模型（LLMs）的提示优化技术是否会削弱它们对抗恶意攻击（特别是提示注入）的鲁棒性。初步研究结果表明，虽然提示优化可以提高在干净数据集上的准确性，但可能会导致对抗提示注入攻击的安全性下降。该基准测试旨在弥合提示优化和提示注入研究社区之间的差距，这两个社区历史上一直独立运作。
-
研究发现：AI代理在重写自身记忆时准确性会下降
伊利诺伊大学厄巴纳-香槟分校（UIUC）的研究人员发表的一篇新论文表明，当AI代理的记忆由大型语言模型（LLM）自身进行整合或重写时，其准确性会显著下降。该研究测试了GPT-5.4在各种环境中的表现，发现在重复的记忆整合后，其在ARC-AGI等任务上的性能从100%下降到52.6%。论文指出了导致这种性能下降的三个关键机制：选择偏差、重写漂移以及一个反馈循环，即损坏的记忆会导致进一步的错误。研究人员建议采用一种只追加（append-o…
-
生物多样性遗产图书馆免费分享6400万页科学文献
生物多样性遗产图书馆（BHL）正在向公众免费开放6400万页科学知识。这个庞大的数字图书馆旨在通过提供海量科学文献的访问权限，让自然世界爱好者受益。史密森尼学会和多所大学等机构参与了这项倡议。
-
中国研究揭示海底电缆面临的常见威胁
一项由清华大学牵头、发表在《美国国家科学院院刊》上的新研究，开发了一个更好地预测和管理自加速浊流的框架。这些强大的水下洋流能够破坏海底电缆并重塑地貌。这项涉及怀俄明大学和德克萨斯理工大学等机构的研究，旨在保护关键的水下基础设施。
-
伊利诺伊州研究人员在行业支持下推进整体式3D芯片堆叠
伊利诺伊大学的研究人员开发了一种新颖的半导体整体式3D集成技术。该方法允许在低温下堆叠晶体管层，实现近乎完美的良率。这项突破得到了IBM、Intel和TSMC等行业巨头的支持，并有可能显著改变半导体制造业的未来路线图。
-
UIUC 和 Chroma 发布 Harness-1 检索子代理
UIUC 和 Chroma 的研究人员推出了 Harness-1，这是一个拥有 200 亿参数的检索子代理。该系统在有状态搜索框架内利用强化学习，维护内部记账，如候选池和证据图。Harness-1 在八个基准测试中平均实现了 0.730 的精选召回率，表现强劲，其权重和代码已公开提供。
-
亚马逊 AWS 为数据中心部署新颖的随机网络设计
亚马逊网络服务（Amazon Web Services）开发了一种名为 RNG（弹性网络图）的新型数据中心网络设计，可显著提高数据速度并降低能耗。这种新颖的方法摒弃了传统的胖树（fat-tree）架构，转向了准随机设计，这在理论上已存在数十年，但现在正由 AWS 大规模实施。该公司自去年年底以来已在其数据中心部署了这项技术，并设计了新的硬件 ShuffleBox 来支持它。