中富电路泰国基地小批量出货二次电源PCB,三季度起实现单月盈利
今天讲的出海案例是中富电路,这家印制电路板制造商在泰国开始小批量出货二次电源产品,海外工厂也从三季度开始实现单月盈利。
今天讲的出海案例是中富电路,这家印制电路板制造商在泰国开始小批量出货二次电源产品,海外工厂也从三季度开始实现单月盈利。
论文提出PLL和SLL两种学习出的离散蛋白质语言,分别替代氨基酸序列和结构坐标作为自回归Transformer的生成目标,显著提升计算扩展效率并降低生成漂移,为蛋白质序列与结构的自回归生成提供新思路。
本文介绍OPPD方法,把需要多候选采样才能实现的"幂分布锐化"直接训练进模型参数,单次生成即可媲美64候选采样甚至超过用标准答案训练的强化学习方法GRPO,且无需任何参考答案。
该研究提出FairRSFM,一套按生态生物群落分组评测遥感AI模型的基准框架,揭示了高总分之下隐藏的地区性表现差异,并测试了三种针对性修复方法的实际效果与局限。
MM-ABC是一个面向通用移动操作的机器人基础模型,通过多层次视觉感知、未来几何预测监督和手臂底盘协同注意力机制,解决机器人边移动边操作时的空间感知与动作协调难题,在多个基准测试和真实任务中取得领先表现。
论文提出"世界编辑"概念,用干预深度衡量AI改动游戏世界的复杂程度,并构建IGMBench测试七大模型。结果显示深层系统改动远比表面参数修改更难,且视觉一致性是所有模型的共同短板。
iADD是一种针对扩散模型强化学习微调的新方法,通过数学证明揭示早期时间步更新的重要性,结合增量训练课程与费曼卡茨路径引导机制,在图片生成、灭点修正、3D场景合成三类任务中同时提升了对齐度与多样性表现。
致力于将AI技术应用于复杂环境中数据的 Cloudera 今日发布全球报告《2026年企业级 AI 现状:规模化应用的新规则》,深入分析企业如何应对成本、管控和灵活性方面的挑战,以支持 AI 持续规模化应用。
Legora CTO Jacob Lauritzen复盘了公司从斯德哥尔摩地下室的问答工具到法律智能体的产品演化:模型选择器为何拖了很久才加、60%法律工作已达标的判断依据、按强化学习"世界"思路搭建的评测体系,以及一次...
Tutor Intelligence CEO Josh Gruenstein在对话中揭示机器人行业长期未能规模化的根本原因:缺乏类似互联网的物理世界数据积累。公司通过人类远程操作员"tutor"实时教导机器人完成任务,边...
Blacksmith用游戏PC级CPU重构CI云基础设施,帮助开发者将代码测试等待时间从15分钟压缩到10秒。三位非DevOps出身的创始人凭借对工作负载特性的"外行"洞察,在一年内实现20倍增长,完成6600万美元C轮...
两位 SpaceX 工程师的创业故事揭示了一个共同逻辑:没有产品经理庇护的工作环境,逼着工程师早早学会定义问题、承担结果,这种训练后来直接转化为创始人所需的决断力。Shivani Patel 和 Chris Markus...
联影医疗(United Imaging ,UIH)是先进医疗影像和放疗设备的全球领导者,为全球医疗机构提供MRI、CT、PET-CT和数字X射线等多种高端精密复杂医疗设备。
论文提出Foresight,一种无需训练的架构,让冻结的视觉语言模型通过双流Siamese设计实现主动预判,在OmniPro、StreamingBench、OVO-Bench上均超越现有训练方法,证明预判可作为控制计算的...
论文提出ZEN和FOCUS两种方法,利用TabPFN等表格预训练模型的内部特征做异常检测。无需或仅需少量微调,在ADBench基准47个数据集上超越所有传统与深度学习基线,且方法可迁移到多个表格基础模型。
KAIST团队提出GeoCR,一个能统一处理RGB、多光谱、单多时相及SAR数据的通才去云模型,通过冻结预训练主干加轻量适配接口,在十个遥感数据集共88万张图像上联合训练,无需微调即可在多个基准上超越专用去云模型。
论文提出EVA,用自回归经验先验替代VAE固定的标准正态先验,仅加一层线性层即可大幅缩小先验后验分布差距,在ImageNet和VGGSound上实现接近扩散模型的生成质量,推理速度却快得多。
MEA是一个多智能体解释系统,通过强化学习训练Proposer和Actor两个智能体,为表格、文字、图像模型生成经过真实扰动验证的忠实解释,在六个数据集上全面超越传统解释工具和闭源大模型。
LiFT提出循环扩散变换器,让共享网络层反复推理而非堆参数,用渐进式路径监督训练,使模型推理深度可远超训练深度,在ImageNet上以更少参数和算力超越密集DiT模型效果。
AI助手能力再强,如果不懂何时该等、何时该主动、何时该守住边界,照样会好心办坏事。这篇论文提出任务能力、时间分配、信任三原则,并搭建测试场验证,发现当前AI普遍不及格。