搜尋
依意思最接近的 11 筆
Anthropic Research● 精選AI 評分83
Anthropic 稱 Claude Mythos 5 可在無人工干預的閉環中自主設計量子電路:給出自然語言規格後,它在化學、最佳化、量子模擬、數論等八個計算原語上,找到比此前已發表最佳演算法用量子位元更少、門數更少的方案,部分提升達一個數量級。具體包括模逆運算的新電路,以及把某主流量子最佳化演算法中最昂貴步驟的成本降低約 12 倍。研究由 Andi Gu 在 Anthropic STEM Fellows 專案下主導,論文已發布在 arXiv。
X @GoogleDeepMindAI 評分18
Google DeepMind 表示,Argon 正在幫助加速量子糾錯與演算法設計兩個方向的進展。該說法出自其官方帳號,除這兩項用途外,未披露 Argon 的具體形態、能力細節或時間表。
Hacker News front pageAI 評分69
QuEra 今年春季部署了 Model Hardware Standard(MHS),讓 AI 代理 Claude 在人類設定的安全邊界內操作約 70 萬美元的精密硬體,把量子計算機雷射鎖的恢復時間從人工干預縮短到幾秒,且無需現場人員。該標準最初由 Anthropic 與 HHMI Janelia 合作發起。AI 代理還自行調優了鎖,並在單次執行中把能力擴充套件到第二個工作波長。
X @GoogleDeepMindAI 評分35
Google DeepMind 表示,Gemini 4 Argon 已在量子計算、核聚變、蛋白質設計等領域帶來新的科學突破。官方未披露具體成果、合作機構或模型的使用範圍,目前僅有這一對外表態。
Google Developers blogAI 評分60
Google Cloud 開源參考實現 AQuA(Ambient Quality Agent),用於持續診斷已在生產環境執行的 AI agent 的品質問題。它與生產 agent 並排執行,掃描失敗聚類並對照對話記錄逐條驗證,再把根因定位到當時實際部署的原始碼快照。它針對的場景是:agent 做到 80% 之後難以繼續改進,且靜默的品質回退仍然返回 HTTP 200 OK。
llama.cpp releasesAI 評分44
llama.cpp 發布建置 b11604,為 KleidiAI 加入 SME2 指令集的 Q4_K 與 Q6_K 矩陣乘支援,補丁編號 #29219,提交者來自 Arm。SME2 屬於 Armv9 的矩陣擴充套件,這項改動面向支援該指令集的 Arm CPU,用於加速這兩種常用量化格式的矩陣乘法。同一版本中,macOS Apple Silicon 的 KleidiAI 啟用建置被標記為 DISABLED,openEuler 也有一項標註 DISABLED;
The Verge AIAI 評分67
微軟發布第三代自研 AI 晶片 Maia 300,將其定位為微軟產品與服務的主要 AI 推理系統,計劃 2027 年開始投入生產部署。微軟雲業務執行副總裁 Scott Guthrie 表示,相比主流的 GPU 系統,Maia 300 每兆瓦可多輸出 40% 的 token,並更能應對最新的推理模型與 agentic 任務。該晶片的設計目標是提升雲端 AI 工作負載的成本與效率,減少對 Nvidia GPU 的依賴。
TechCrunch AIAI 評分55
Ricursive Intelligence 兩位創始人在 TechCrunch Disrupt 上介紹,公司正開發能自行設計晶片、從每次迭代中學習並改進後續設計的 AI,目標是自動化並加速晶片設計流程。創始人 Anna Goldie 與 Azalia Mirhoseini 稱未來五年算力需求至少增長 10000 倍,與其建 10000 倍資料中心,不如讓晶片和晶圓用得更高效;
量子位AI 評分43
量子位智庫發布報告《Agent 驅動的企業智慧化:單點提效到規模化重塑》,把企業 AI 落地受阻歸納為任務定義、資料可信度、判斷可驗證性、行動落地、權限責任、價值衡量六大斷點。報告提出 Agent 需具備貫通任務、上下文、判斷、行動、控制與衡量的全鏈路能力,並建議先選一個高價值場景跑通閉環再規模化複製。報告援引案例稱,三花智控的預算分析由 2-3 小時壓縮至 10 分鐘,空格數智新能源 CRM 開發從 60 人天降至 16 人天,上海企通 BIMS 約 2.5 倍提效、功能首次可用率 78.63%。
機器之心● 精選AI 評分73
哈工大(深圳)與新加坡國立大學團隊提出免訓練 2-bit KV Cache 量化框架 QuantWM,面向影片世界模型,實際壓縮最高 6.20 倍。研究指出,現有量化方法在 VBench 等指標上接近 BF16,畫面卻仍有閃爍、模糊和失真,原因是 Key 的量化誤差改變了注意力分數排序,使模型選中不同的歷史幀或影像塊。
llama.cpp releasesAI 評分43
llama.cpp 合併 PR #29717,為 Hexagon 後端新增 q2_k 和 q3_k 兩種量化型別支援,並統一了 src1_row_size 的分配方式。該改動由高通工程師 Max Krasnyansky 參與提交,面向在驍龍 Hexagon NPU 上執行本地推理的使用者,相關建置覆蓋 Linux arm64 與 Android arm64 的 Snapdragon CPU、Adreno GPU、Hexagon NPU 組合。