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
2 天有情绪数据
-
Apple发布归一化轨迹模型，加速AI图像生成
Apple Machine Learning Research推出了归一化轨迹模型（NTM），这是一种新颖的生成模型方法，即使只有少数粗略的采样步骤也能保持精确的似然训练。与以往牺牲似然性换取速度的方法不同，NTM在每个反向步骤中利用了表达性条件归一化流。这种架构结合了浅层可逆块和深度并行预测器，允许从头开始训练或从预训练的流匹配模型进行初始化。NTM在文本到图像基准测试中表现出竞争力，仅用四个步骤即可生成高质量样本，同时保持生成轨迹的精确似然。
-
新研究揭示哺乳动物细胞基因组复杂性的隐藏层
最近的一项研究发现了哺乳动物细胞内一种先前未知的机制，其中来自不同基因的RNA可以组合起来形成功能性的混合蛋白。这一发现揭示了基因组复杂性的一层隐藏面，尤其是在免疫细胞中。该研究涉及众多大学的合作，并得到了联邦机构的支持。
-
9/11和泛美航空103号班机袭击重塑了美国机场安检
在过去的25年里，美国机场的安全措施和检查程序发生了重大变化，这主要是为了应对恐怖袭击。在9/11事件之前，安检由私营承包商负责，要求不那么严格，允许携带刀具和较大的液体。基地组织（Al-Qaeda）发动的9/11袭击导致了美国运输安全管理局（TSA）的成立、联邦化的乘客安检、加固驾驶舱门以及强制进行100%的托运行李检查。早期的袭击，如泛美航空103号班机爆炸案，也促使了变革，特别是在托运行李和爆炸物检测方面。
-
古罗马混凝土的自愈特性或可解释大金字塔的建造方式
研究人员发现了一种潜在的解释，可以说明古罗马混凝土为何能经久不衰，这或许也能揭示吉萨大金字塔的建造方式。发表在《科学进展》上的一项新研究分析了哈德良别墅的古罗马混凝土，发现它通过方解石晶体形成的自愈过程随时间推移而增强。这一发现可能为现代建筑开发更耐用、低碳的混凝土提供信息，并可能支持大金字塔石块是用早期混凝土浇筑的理论。
-
大学强调AI模型并未超越人类研究人员
几所顶尖大学正在强调其AI模型尚未超越人类研究人员的实例，并将此视为一项积极进展。这种做法表明学术机构在评估和展示AI能力方面发生了转变，可能侧重于协作或人类智力的独特优势，而非单纯的AI性能指标。这一趋势表明了对AI在学术界作用的细致看法，超越了简单的竞争叙事。
-
AI加速伊利诺伊大学谷物作物育种
伊利诺伊大学厄巴纳-香槟分校的研究人员正在利用人工智能培育更具韧性的谷物作物。这项由国家科学基金会和能源部支持的计划旨在改善玉米、小麦和大豆等作物的基因构成。目标是培育出更能抵抗环境胁迫并提高农业产量的品种。
-
新型3D硅芯片垂直堆叠电路以提高AI计算能力
研究人员开发了一种新颖的三维硅芯片，通过垂直堆叠电路，这种技术被称为3D集成。该方法旨在通过在更小的占地面积内提高计算能力来满足AI应用日益增长的硬件需求。新芯片设计采用了超薄硅膜和低温制造技术，通过缩短数据传输距离和降低功耗，为传统的2D芯片提供了一种更高效且可能成本更低的替代方案。
-
AI模型仍在空间推理和逻辑谜题方面遇到困难
AI模型在某些类型的智力测试中仍然遇到困难，特别是那些涉及空间推理和经典谜题的细微变体的测试。虽然AI在《纽约时报》的“连接”谜题等领域取得了重大进展，但在面对需要细致理解或操纵视觉信息的任务时，它仍然会出错。这些挑战凸显了人类和机器认知之间的根本差异，即使AI能力在迅速发展。
-
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。