科研人不容易。3年投稿6次全被拒，每次等反馈要半年？？机器学习大佬吴恩达听说这位学生的“水逆”遭遇后，亲手搓了个免费的AI论文评审智能体出来。通过在ICLR 2025审稿数据上训练系统，并在测试集中对比发现，该AI审稿系统与人类审稿的相关系数达0.42，和人与人审稿间的0.41相近甚至还高一点。
卡内基梅隆揭秘美国AI产业链：谁能扼住AI的喉咙？OpenAI和迪士尼如何捆绑，AMD、软银和英伟达究竟在下哪盘棋？卡内基梅隆大学刚刚抛出一颗「产业核弹」：首个系统刻画数据、算力、模型、资本乃至人才流向的AI供应链数据集。
在推荐系统迈向多模态的今天，如何兼顾数据隐私与个性化图文理解？悉尼科技大学龙国栋教授团队联合香港理工大学杨强教授、张成奇教授团队，提出全新框架 FedVLR。该工作解决了联邦环境下多模态融合的异质性难题，已被人工智能顶级会议 AAAI 2026 接收为 Oral Presentation。
特朗普正式签署「创世纪计划」，打响AI版「曼哈顿计划」！核心任务由美国能源部挂帅，集结举国超算资源与联邦数据，誓打造「美国科学与安全平台」。剑指核聚变、芯片、生物技术等六大命门，勒令9个月内构建AI科研闭环。
作为连接 AI 模型与广阔数字生态的「神经中枢」，MCP 协议已然成为智能体（AI Agent）不可或缺的基础设施。然而，长期以来，MCP 的交互仅限于文本和结构化数据，这种「盲人摸象」般的体验限制了更复杂应用场景的落地。
AI 浪潮席卷全球，但算力功耗的 “电费焦虑” 也随之而来。传统冯・诺依曼架构下，数据在 CPU 和内存间 “疲于奔命”，消耗了大量能量。
CMU×Meta 联手，姚班李忆唐最新论文成果。
扩散概率生成模型（Diffusion Models）已成为AIGC时代的重要基础，但其推理速度慢、训练与推理之间的差异大，以及优化困难，始终是制约其广泛应用的关键问题。近日，被NeurIPS 2025接收的一篇重磅论文EVODiff给出了全新解法：来自华南理工大学曾德炉教授「统计推断，数据科学与人工智能」研究团队跳出了传统的数值求解思维，首次从信息感知的推理视角，将去噪过程重构为实时熵减优化问题。
我们拥有全世界最好的实时数据来源，这些都是极为重要的资产，而其他人只有数字资料。
他是站在诺奖得主身侧的MIT天之骄子，用一篇完美契合时代痛点的AI论文愚弄了国会与顶级期刊，却最终败给了跨学科的常识。这不仅是一场关于数据造假的惊天丑闻，更是一次对学术圈盲目追逐风口、迷信权威与跨界盲区的残酷祛魅。当才华被野心吞噬，他编织的谎言虽然构建了一个严丝合缝的「完美世界」，却在现实的审视下瞬间化为泡影。
