找到 5 筆
Meta 宣布支援五所美國高校的科研工作，向 Caltech、俄亥俄州立大學醫學院、LSU、印第安納大學和 UTHealth Houston 的研究人員提供模型存取權限，用於推動科學與醫學領域的突破。可用模型包括最新的 Muse Wonder 與 Muse Spark、開放權重版本 Muse Glimmer 與 Muse Spark Open，以及 SAM、V-JEPA、DINO 等計算機視覺模型和多語言通訊模型 SeamlessM4T。
南洋理工大學研究者與合作者發布 CodeActionBench，用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首，75 次嘗試完成 55 次、22 個任務至少成功一次；Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%，Gemini 3.6 Flash 為 20.0%。
劍橋大學研究團隊指出，OpenAI 公布的 Navier-Stokes 證明中，Lean 形式化版本與自然語言版本並不一致，問題出在 Lemma 8.6：自然語言版要求某值小於 m+4，Lean 版卻放寬為小於 m+5，數學上更弱。團隊用 ChatGPT 逐條比對再人工核查，花了約兩週才找到這處真實差異，而 OpenAI 稱其智慧體僅用 88 小時生成證明。
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現，AI 程式設計工具並未讓企業軟體產出增加或減少用人，編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加，pull request 更常需要返工，審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
匹茲堡大學研究發現，視覺語言模型（VLM）的中間層隱空間保留了可提取的三維場景拓撲。研究先用物體掩碼聚合視覺標記，再通過跨場景平均剔除顏色、形狀等身份屬性；處理後，中間層的 PCA 佈局與真實場景最吻合，相鄰物體的表徵能量比也更低。把 Dirichlet 能量加入微調目標，並在中間層做 500 步 LoRA 後，Qwen2.5-VL-7B 在 VSI-Bench 簡單相對方向任務上的準確率從 47.9% 升到 60.0%。