核能初创公司 Terrestrial Energy 于周三与一家特殊目的收购公司完成合并。
这家位于北卡罗来纳州的公司正在开发小型模块化反应堆,预计从此次交易中获得 2.8 亿美元资金。根据 PitchBook 的数据,在进行 SPAC 合并之前,Terrestrial Energy 已筹集了 9400 万美元。合并后的实体计划在纳斯达克上市,股票代码为 IMSR。
这个股票代码与 Terrestrial Energy 开发的小型模块化反应堆 (SMR) 类型有关,该公司称之为整体式熔盐反应堆。在这种装置中,铀燃料与氟化锂或氟化钠等各种盐类混合,这些盐类用于悬浮核燃料并作为反应堆的主要冷却剂。
Terrestrial Energy 的反应堆核心设计为每七年完全更换一次,部分原因是为了避免早期熔盐反应堆遇到的腐蚀等问题。反应堆核心不仅包括燃料和调节裂变反应速度的石墨调节剂,还包括保持盐类冷却和流动的热交换器和泵。
该初创公司的目标市场包括电力、数据中心以及需要热能的工业应用。
目前有许多建造商业规模熔盐反应堆的提案,但迄今为止还没有一个被建成。这项基础技术发明于 20 世纪 50 年代,但那个时期的两个实验都遇到了诸多问题。
随着建筑和交通电气化的推进,以及数据中心的快速增长导致电力需求激增,核能再次受到关注。
科技公司越来越关注这项技术,将其视为解决 AI 训练和推理所需电力的可能方案。Google、Meta、Amazon 和 OpenAI 的 Sam Altman 都在开发先进核反应堆的竞争中选择了各自支持的对象。
Terrestrial Energy 并不是第一家通过 SPAC 上市的 SMR 初创公司——Altman 支持的 Oklo 已于 2024 年完成相关交易。考虑到目前核能领域的热度,这可能也不会是最后一家。
好文章,需要你的鼓励
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。
这篇研究论文揭示了多模态大语言模型(MLLMs)存在严重的模态偏差问题,即模型过度依赖文本信息而忽视图像等其他模态。研究团队通过理论分析和实验证明,这种偏差主要源于三个因素:数据集不平衡、模态骨干能力不对称以及训练目标设计不当。他们提出了系统的研究路线图和解决方案,包括增强视觉模态在数据集中的贡献、改变模型关注点和应用偏好优化策略。未来研究方向则包括开发更客观的评估指标、探索更多模态组合中的偏差问题以及应用可解释AI技术深入分析偏差机制。
ComfyMind是香港科技大学研究团队开发的一个协作式AI系统,旨在解决当前开源通用生成系统面临的稳定性和规划挑战。该系统基于ComfyUI平台,引入了两项关键创新:语义工作流接口(SWI)和带本地反馈执行的搜索树规划机制。SWI将低级节点图抽象为语义函数,而搜索树规划将生成过程视为分层决策任务。实验表明,ComfyMind在ComfyBench、GenEval和Reason-Edit三个基准测试中均大幅超越开源基线,并达到与GPT-Image-1相当的性能,为开源通用生成AI开辟了新路径。
这项研究介绍了一种名为"热带注意力"的新型注意力机制,专为解决神经网络在组合算法推理中的困境而设计。传统注意力机制使用softmax函数产生平滑的概率分布,无法精确捕捉组合算法所需的锐利决策边界。