University of Michigan
PulseAugur coverage of University of Michigan — every cluster mentioning University of Michigan across labs, papers, and developer communities, ranked by signal.
- parent of The Michigan Daily 100%
- parent of University of Michigan Law School 100%
- partners with Los Alamos National Laboratory 90%
- instance of The Conference Board 70%
- instance of Federal Reserve System 70%
- affiliated with Los Alamos National Laboratory 60%
- affiliated with data center 60%
- competes with University of California, Berkeley 50%
- affiliated with Harvard University 50%
- affiliated with Fortune 50%
- affiliated with arXiv 50%
- located in Los Alamos National Laboratory 50%
13 天有情绪数据
-
心理学家解释“为了剧情而行动”作为一种自我疏离的工具
一种心理学观点认为，网络用语“为了剧情而行动”（do it for the plot）可以作为一种有价值的咒语，尤其适用于开放性和认知需求较高的人。这句话鼓励自我疏离和认知重评，让人们将挑战性经历视为更宏大叙事弧的一部分，而不是孤立的事件。通过采取叙述者的视角，个人可以减少反刍和情绪反应，从而带来更大的幸福感和目标感。
-
密歇根大学计划在伊普西兰蒂镇新建数据中心
密歇根大学计划在密歇根州的伊普西兰蒂镇新建一座数据中心。该项目旨在支持大学的各项计划，但所提供的摘要中并未详细阐述其人工智能或技术重点。
-
特朗普政府通过资金和政策调整重塑美国高等教育
特朗普政府正通过资金杠杆和潜在的诉讼，对美国高等教育进行重大重塑。这种方法始于2025年初，给研究资金和国际合作带来了不确定性。一项拟议中的管理和预算办公室规定，可能要求政治任命官员审查拨款申请，并终止那些不符合机构优先事项的申请，此举被批评者认为破坏了公平竞争和创新。
-
YpsiTownship 领导层联合反对数据中心，实施供水暂停令
YpsiTownship 的当地领导层和社区在反对拟议的数据中心项目上意见一致。该镇委员会已对向数据中心供水实施了为期 365 天的中止令，密歇根大学（潜在合作伙伴）批评此举具有歧视性，并威胁要采取法律行动。这场冲突凸显了地方上对大规模科技基础设施开发的抵制。
-
密歇根州一乡镇禁止为AI数据中心新建电力基础设施
密歇根州伊普西兰蒂乡镇已实施为期六个月的新建电力基础设施禁令，直接影响了密歇根大学和洛斯阿拉莫斯国家实验室提出的价值12.5亿美元的超大规模数据中心项目。该禁令旨在允许乡镇研究此类基础设施对噪音污染和现有客户的潜在影响，特别是考虑到AI计算设施的高能源需求。该大学声称该数据中心用于复杂的科学挑战，而非军事用途，但居民们担心数据中心对社区的广泛影响，此前曾对超大规模设施的供水实施过为期一年的暂停令。
-
密歇根州乡镇通过基础设施禁令叫停核数据中心项目
密歇根州的Ypsilanti乡镇通过了一项为期六个月的新电力基础设施禁令，以推迟一个大型数据中心的建设。该设施是密歇根大学和洛斯阿拉莫斯国家实验室合作的项目，旨在用于核武器研究。居民和乡镇官员担心该项目的环境影响以及大学方面缺乏沟通，一些人称选址是“司法上的侮辱”。
-
沃尔玛销售额增长触及六年新低，消费者持谨慎态度
沃尔玛报告称，第二季度美国可比销售额增长率为六年来的最低水平，仅为2.6%，未能达到分析师的预期。这家零售巨头还对未来一年给出了谨慎的展望，预计第三季度销售额增长3%至3.5%，全年增长4%至5%。尽管有这些数据，沃尔玛的净收入和调整后每股收益均超出了华尔街的预测。
-
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。
-
公司文化由核心信念定义，而非仅仅是价值观
公司文化常常被误解，领导者经常将核心信念与宣称的价值观混淆。密歇根大学市场营销学教授 Marcus Collins 认为，真正的文化源于公司对世界的根本信念，然后应与可观察到的行为保持一致。他建议领导者识别其指导性信念，并确保其行为反映这些信念，并以 Patagonia 的环保承诺为例，说明信念与运营的一致性。此外，文章还讨论了在远程工作环境中验证候选人地点所面临的复杂性，强调了为薪资和法律合规性进行清晰沟通和标准化验证流程的重要性。
-
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。
-
野火和高温给美国电网带来压力，促使基础设施升级
极端高温和野火正给美国电网带来严峻挑战，迫使公用事业公司重新评估和升级其基础设施。持续的高温会降低空调、输电线路和发电厂等电网组件的效率，同时也会增加电力需求。与此同时，野火日益增长的威胁也要求关注韧性，公用事业公司正在探索地下化电力线路和实施微电网等解决方案，尽管这些升级的成本很高。
-
美国8月消费者情绪恶化，共和党人尤为明显
根据密歇根大学的初步数据，美国消费者情绪在8月初有所下降。总体情绪指数降至51，比上月下降8%，但仍高于今年早些时候的低点。导致这一下降的一个重要因素是共和党受访者乐观情绪的急剧下降，他们的情绪目前处于2024年选举以来的最低点。
-
大学因财政紧张出售土地给人工智能公司建设数据中心
由于财政压力和此类房地产的高价值，大学越来越多地将土地出售给人工智能公司用于数据中心开发。乔治·华盛顿大学以4.27亿美元将其弗吉尼亚校区出售给Amazon就是一个例子，这引发了对高等教育核心功能影响的担忧。虽然大学认为这些出售是增强其财政状况的一种方式，但教育工作者担心可能出现“人才流失”和学术资源被侵蚀。
-
随着低收入家庭迎头赶上，美国经济K型分化收窄
美国经济分化，其特点是
-
前彭博社记者为富裕家庭管理40亿美元资产
前彭博社记者 Sarah Ponczek-Van Camp 目前在瑞银私人财富管理公司为富裕家庭管理40亿美元资产。她从财经新闻业转向财富管理，因为她意识到自己对建立客户关系的热情胜过日常市场报道。Ponczek-Van Camp 利用她的媒体背景来建立信誉，并利用她的年轻和性别来与客户建立联系，特别关注教育年轻家庭成员了解财富管理。
-
ChinaTalk 发起 25,000 美元竞赛，旨在评估人工智能在外交政策中的应用
ChinaTalk 正在发起一项 25,000 美元的竞赛，旨在为人工智能模型在外事和国家安全背景下的评估协议制定方案。该倡议旨在解决在评估人工智能的战略决策能力方面缺乏标准化方法的问题，特别是在涉及国际关系和潜在冲突的高风险场景中。该竞赛面向具有或不具有人工智能专业知识的个人征集提案，以创建能够衡量模型在政治谈判和危机管理等领域进展和实用性的基准。
-
AI代理完成在线课程威胁学位价值 · 追踪2个来源
人工智能代理越来越多地被学生用来完成整个在线课程，这引发了人们对在线学位贬值的担忧。这些AI代理可以执行从撰写论文到解决习题集等各种任务，在某些情况下，甚至可以代表学生获得完整的学位。这一趋势已超越了简单的复制粘贴AI生成内容，斯坦福大学和密歇根大学等机构据报道正在调查此类事件。
-
与生菜相关的寄生虫病已蔓延至15个州 · 跟踪到1个来源
一种名为隐孢子虫病的寄生虫病爆发已蔓延至美国15个州，官员将其与生菜联系起来。美国疾病控制与预防中心报告称，今年全国已有超过25,000例病例，超过了2019年的历史最高纪录。调查人员已将Taylor Farms确定为潜在来源，并导致了对产自墨西哥中部的生菜的召回。公共卫生专家指出，由于寄生虫的潜伏期、实验室分析的困难以及公共卫生资源的减少，此类疫情的调查和控制具有挑战性。
-
研究人员提出新的人工智能友好型论文格式以促进科学协作
来自顶尖大学和科技公司的37位研究人员提出了一种新的科学论文格式，称为“原生智能体研究成果”（Agent-Native Research Artifact, ARA）。这种新格式旨在提高人工智能代理阅读、复现和扩展科学工作的效率，认识到人工智能日益增长的角色是合作者而非仅仅是工具。发表在arXiv上的论文提出，随着人工智能模型的知识不断增长，它们最终将超越人类研究人员，因此有必要从一开始就围绕人工智能的需求构建基础设施。ARA提案获得…
-
AI代理Kernel Forge为PyTorch模型自动优化CUDA内核
研究人员开发了Kernel Forge，一个开源的代理式框架，它使用大型语言模型自动生成和优化PyTorch模型的CUDA内核。该工具旨在减少对专家工程师手动编写底层GPU代码的需求。Kernel Forge支持各种工作负载，包括视觉、扩散和LLM模型，并采用蒙特卡洛树搜索进行优化。它已显示出显著的速度提升，在多个内核上优于PyTorch的eager模式，并在ResNet-50和Gemma 4-E2B等模型上取得了显著改进。