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
8 天有情绪数据
-
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。
-
两篇论文就大型语言模型代理记忆的可靠性展开争论
两篇近期研究论文提出了关于大型语言模型（LLM）代理记忆的对比方法。NeuSymMS 提出了一种混合神经符号架构，通过分离事实提取和检索来构建值得信赖的记忆系统。相比之下，来自加州大学戴维斯分校和伊利诺伊大学的“状态污染”论文认为，由于存在无声的、未知的状态污染，当前增强记忆的大型语言模型代理本质上是不可信的。
-
Microsoft Research 利用 MatterSim 增强材料发现人工智能
Microsoft Research 已经改进了其材料科学人工智能模型 MatterSim，增加了实验验证、更快的模拟能力以及一个新的多任务基础模型。更新后的 MatterSim-v1 现在实现了 3-5 倍更快的推理速度，并与 LAMMPS 集成以进行大规模模拟。引入了一个新模型 MatterSim-MT，用于模拟复杂的、多属性的现象，超越了简单的势能面。这些进展旨在加速电子、半导体和储能应用中新材料的发现和设计。
-
AI 的效用在准确性提高和用户需求中被争论
关于 AI 不准确且会产生幻觉因此无用的论点，忽视了其日益提高的准确性以及许多用户查询的性质。即使 AI 的精确度较低，其效用也常常在于提供一般信息，而非严格的事实回忆，这一点可以通过其集成到图书馆数据库中得到说明。
-
研究人员发现数据中心消耗三分之一的能源以避免过热
伊利诺伊大学的研究人员开发了一种新方法，以减少数据中心的能源消耗，目前这些中心消耗了大量电力用于冷却。该团队的发现发表在《Cell Reports Physical Science》杂志上，为这些设施的巨大能源需求提供了一个潜在的解决方案。