University of Pennsylvania
PulseAugur coverage of University of Pennsylvania — every cluster mentioning University of Pennsylvania across labs, papers, and developer communities, ranked by signal.
- parent of The Wharton School 100%
- founded by Benjamin Franklin 100%
- parent of University of Pennsylvania Health System 100%
- located in Jessica Wachter 90%
- employed by Jessica Wachter 90%
- affiliated with Jessica Wachter 70%
- competes with University of Washington 50%
- affiliated with University of Washington 50%
- competes with University of California, San Diego 50%
- competes with University of Illinois Urbana-Champaign 50%
- affiliated with University of Illinois Urbana-Champaign 50%
- affiliated with University of Texas at Austin 50%
- 2026-10-07 regulatory The University of Pennsylvania has decided to make its Critical Writing Seminars AI-free. 来源
8 天有情绪数据
-
Z世代对AI技能兴趣低,担心职业污名化
一项最新调查显示,与老一辈员工相比,Z世代员工在培养AI技能方面的兴趣显著较低,尽管他们使用AI工具的频率相似。这种犹豫源于他们担心使用AI可能会导致自身能力受到质疑,从而阻碍职业发展。虽然老一辈员工拥有成熟的专业知识来抵消对使用AI的疑虑,但处于职业生涯早期的Z世代员工缺乏这种缓冲,更容易受到对其能力和勤奋程度的负面看法的影响。
-
AI 生成文本对学术同行评审构成挑战
宾夕法尼亚大学的一篇论文探讨了 AI 生成文本对学术同行评审过程的潜在影响。文章质疑当前的同行评审系统是否能有效识别和处理完全或部分由人工智能生成的投稿。研究表明,学术交流的完整性和可靠性可能面临风险。
-
OpenAI 与四个大学研究小组分享内部数据
OpenAI 已向四个外部研究小组授予内部信息访问权限。这些小组隶属于宾夕法尼亚大学、卡内基梅隆大学、加州大学伯克利分校和多伦多大学等著名大学,将获得信息以协助其研究。此举是 OpenAI 与学术界在人工智能安全和开发方面合作努力的一部分,微软、谷歌、Anthropic 和 Meta 等主要科技公司也参与其中。
-
教授指出AI使学生创意项目加速十倍
Ethan Mollick 在宾夕法尼亚大学生成式AI工作室观察了学生演示,并指出AI已显著加速了创意项目。他发现,与三年前的同类团队项目相比,学生个人项目先进了十倍,这凸显了AI辅助创意领域的快速进步。
-
斯坦福开源Memorilla,一个用于冻结LLM的记忆模块
斯坦福大学的研究人员开发了Memorilla,一个开源的潜在记忆模块,旨在提高冻结的大型语言模型(LLM)的性能。Memorilla处理整个文档集合,并将其提炼成一组固定的16个记忆令牌,与全上下文提示相比,大大降低了计算负担。这种方法在各种基准测试中表现出更高的准确性,尤其是在处理大量文本时,其性能优于其他记忆系统和全上下文方法。
-
教授抗议费城送餐机器人
卡罗琳·马文(Carolyn Marvin)是宾夕法尼亚大学的一名退休教授,她在费城因抗议送餐机器人而闻名。她故意在公共场所阻挡这些机器人,认为它们构成危险并抢走工作。马文最近一次抗议后因扰乱治安被捕并被罚款,但她计划对指控提出异议,理由是她拥有抗议企业存在的美国第一修正案权利。
-
Claude 等 AI 助手正在侵蚀 CS 教育和职业的满意度
一位计算机科学专业的学生对大学经历和未来职业前景感到虚无和幻灭,原因在于 Claude 等 AI 编码助手的普遍使用。该学生描述了 AI 工具如何快速解决复杂问题,从而削弱了成就感,并使他们自己的编码努力显得可有可无。这种对 AI 的依赖,虽然对于跟上期望是必要的,但导致作者感觉自己更像是 AI 的“提示者”和“安全套”,而不是熟练的程序员,从而侵蚀了克服技术挑战所带来的满足感。
-
OpenAI的textGrain AI水印难以满足欧盟透明度规则
OpenAI新推出的textGrain水印系统旨在符合欧盟《人工智能法案》的透明度要求,但在可靠检测AI生成文本方面面临挑战。测试表明,水印在文本编辑后或在少于150字的段落中常常无法保留。尽管该系统目标是将误报率控制在1%,但其检测准确率在文本较短和经过大量编辑的情况下显著下降,这引发了对其能否达到欧盟法律基准的有效性的质疑。
-
民主党人努力应对医疗保健可负担性问题,选民要求立即缓解
民主党人在解决美国人高昂的医疗保健费用方面面临重大挑战,因为选民已明确表示这是首要关切的问题。虽然进步派可能推动全民医保等长期改革,但眼前的现实是需要应对特朗普总统可能发动的否决。战略家建议采取务实的短期方法,专注于零散的可负担性解决方案,例如恢复《平价医疗法案》的补贴和扭转医疗补助削减,同时以后再寻求更广泛的系统性变革。
-
Anthropic 计划 IPO,采用独特治理结构以保护人工智能安全使命
Anthropic 计划进行首次公开募股(IPO),但其目标是在公众市场压力通常优先考虑利润的同时,保持对人工智能安全和负责任开发的承诺。为实现这一目标,该公司提议建立一种复杂的治理结构,包括作为一家公众利益公司(public benefit corporation)运营,并设立一个长期利益信托(long-term benefit trust)。该信托将任命多数董事会成员,旨在使决策不受短期财务需求的影响,并确保公司的使命至关重要。
-
LitPivot系统通过文献语境化帮助研究人员构思想法
研究人员开发了LitPivot系统,旨在通过动态地将想法置于现有文献的语境中,来辅助研究构思的早期阶段。该系统与宾夕法尼亚大学合作开发,可根据研究提案中正在编辑的特定部分来组织相关论文。LitPivot提供基于选定研究摘录的支持性评论,并建议修改,用户可以接受或修改。一项涉及17名研究人员的研究表明,与使用标准文本编辑器和AI聊天工具相比,使用LitPivot开发的想法被评为基础更好、新颖性更强、更有用。
-
百万富翁创作者挑战以购房作为美国梦的基准
被称为 Mrs. Dow Jones 的财经创作者 Haley Sacks 正在挑战美国梦的传统观念,认为购房应是一种生活方式的选择,而非财务的基准。尽管身价百万,Sacks 仍偏爱租房并在其他地方投资她的资本,理由是房屋维护的高昂成本和持续性支出。她的观点与老一辈的看法形成对比,并凸显了年轻成年人在实现购房目标时面临日益严峻的经济挑战,因为房屋的平均价值增长速度远超收入增长速度。
-
探讨AI规模法则、可扩展系统及AI生成电影制作
一篇发表在arXiv上的技术笔记深入探讨了AI规模法则的基本原理,通过几何和光谱分析解释了模型大小、训练数据和计算资源之间的关系。另外,《麻省理工科技评论》讨论了构建可扩展AI系统的要素,强调了数据、工程、平台和治理,特别是在受监管的环境中。与此同时,一篇中文出版物探讨了爱奇艺与电影制作人鲍德熹合作创建的“AI影院”,旨在通过关注故事叙述和美学质量,将AI融入专业的影视内容创作。
-
穆迪经济学家警告美国债务面临“恶性循环”风险,收益率不断攀升
穆迪首席经济学家 Mark Zandi 正在观察美国国债市场金融压力的早期迹象,他认为可能出现“恶性循环”,即利率上升增加债务负担,进而进一步推高利率。这种担忧出现之际,美国国债已超过 40 万亿美元,而近期 2 万亿美元赤字中的很大一部分归因于利息支付。尽管全球收益率也有所上升,但 Zandi 强调了美国情况的关键重要性,因为美元在全球范围内扮演着基准货币的角色。
-
OpenAI 确认计划制造人形机器人,重点关注 AI '大脑'
OpenAI 正在开发人形机器人,首席执行官 Sam Altman 表示该公司“将”制造一个。Altman 强调,主要挑战不在于机器人的物理形态,而在于创造使其能够导航和与人类设计世界互动的复杂“大脑”或人工智能。OpenAI 计划在 2027 年前展示该机器人,但预计广泛上市还需要数年时间。该公司正在积极招聘运动控制、机器学习基础设施和硬件开发等岗位的员工,以应对这些复杂的挑战。
-
机器人通过单次演示学习框架实现83%的泛化能力
来自宾夕法尼亚大学、麻省理工学院和斯坦福大学的研究人员开发了一个名为RAPID的新框架,以提高机器人在物理任务中的泛化能力。该方法摒弃了数据密集型、端到端学习的模式,转向更结构化的、基于模型的规划方法。RAPID利用一个“编码代理”将人类的单次演示转化为可重用的、以对象为中心的程序,然后在模拟环境中进行验证,最后在真实世界中执行。这种方法显著提高了机器人执行新颖的、非抓取任务的能力,成功率很高,在复杂任务上实现了83%的泛化能力。
-
Dyna Robotics 部署具备一小时自主性的物理 AI 智能体
Dyna Robotics 推出了 Dyna-2.1,一个基于其 Dyna-2 世界-动作模型构建的物理机器人智能体。该模型在一百万小时的人类视频上进行了训练,并展示了令人印象深刻的长时自主性,在连续 24 小时折叠餐厅餐巾的任务中取得了 99.4% 的成功率。Dyna Robotics 专注于实际生产应用,使机器人能够仅通过 45 分钟的演示即可学习新任务,旨在克服机器人领域的数据扩展挑战。
-
Dyna Robotics 部署具有一小时自主能力的物理AI代理
Dyna Robotics 推出了 Dyna-2.1,这是一个物理机器人代理,建立在其 Dyna-2 世界-动作模型之上。该模型在一百万小时的人类视频上进行了训练,并展示了令人印象深刻的长视距自主能力,在 24 小时内折叠餐厅餐巾纸的任务中取得了 99.4% 的成功率。Dyna Robotics 旨在将物理AI从演示提升到实际生产,其机器人能够仅用 45 分钟的演示就能学会新任务。
-
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。
-
Vest 融资 1300 万美元用于建立利润共享自营交易平台
Vest 是一家专注于自营交易的初创公司,已获得 1300 万美元的种子轮融资,用于开发其平台。与从交易员收费中获利的传统公司不同,Vest 通过分享真实市场交易的利润来使其利益与交易员保持一致。该公司计划利用这笔资金来改进其移动应用程序,扩大团队并扩展资产交易能力。