资讯列表
AI时代下数字化转型最大陷阱！是没数据，还是没用对数据？
许多企业谈起数字化转型，第一反应就是"我们没有数据基础"。 真相是，企业不缺数据，缺的是对数据价值的挖掘。 企业只要存续经营，就在不断产生大量数据，这些未被充分利用的数据就像沉睡的金矿，等待被唤醒创造价值...数据早已存在，只是未被唤醒企业数据无处不在。
大模型+数据分析：下一代智能查询优化体系的先行探索
当你每天面对万亿级数据、日均百万次查询请求时，你会怎么做？ 处理海量数据查询犹如在迷雾中寻路，方向稍有不慎就会迷失。 数据负载高到屏幕只显示超时，查询速度慢到让你有时间泡一杯咖啡再来检查结果。
ChatGPT的危险之处：你永远不应该告诉AI机器人的五件事
但这个征服世界的大型语言模型聊天机器人被描述为一个“隐私黑洞”，人们担心它处理用户数据的方式，这甚至导致它在意大利被短暂封禁。 它的创造者OpenAI毫不掩饰这样一个事实：任何输入的数据都可能不安全。 这些数据不仅可能被用于进一步训练其模型，从而可能暴露给其他用户，而且还可能被人工审核，以检查其是否符合使用规则。
超仿真：全球首款可拉伸电子皮肤触觉传感器产品亮相，能感知 1 克物体所产生的力
据央视财经消息，全球首款可拉伸电子皮肤触觉传感器产品已正式亮相，该产品采用超仿真设计，能拉伸、揉搓，可感知 1 克物体所产生的力。
迈向机器人领域ImageNet，大牛Pieter Abbeel领衔国内外高校共建RoboVerse，统一仿真平台、数据集和基准
大规模数据集和标准化评估基准显著促进了自然语言处理和计算机视觉领域的发展。 然而，机器人领域在如何构建大规模数据集并建立可靠的评估体系方面仍面临巨大挑战。 一方面，采集真实世界的机器人数据需要消耗大量资源（如时间、硬件成本），且效率低下；另一方面，在现实场景中测试机器人性能面临复杂的环境配置，难以控制变量并标准化。
UI-R1|仅136张截图，vivo开源DeepSeek R1式强化学习，提升GUI智能体动作预测
基于规则的强化学习（RL/RFT）已成为替代 SFT 的高效方案，仅需少量样本即可提升模型在特定任务中的表现。 该方法通过预定义奖励函数规避人工标注成本，如 DeepSeek-R1 在数学求解中的成功应用，以及多模态领域在图像定位等任务上的性能突破（通常使用 IOU 作为规则 reward）。 vivo 与香港中文大学的研究团队受到 DeepSeek-R1 的启发，首次将基于规则的强化学习（RL）应用到了 GUI 智能体领域。
消息称 AI 大牛贾扬清已入职英伟达
据 The Information 今日援引知情人士消息，英伟达已经完成了对 AI 大牛、阿里前副总裁贾扬清创企 Lepton AI 的收购，这笔交易价值数亿美元。
奥特曼采访回应“偷走”吉卜力！GPT4o大爆炸；套壳OpenAI也能成为大生意；今年AI可以帮编程提效10倍！
整理 | 伊风出品 | 51CTO技术栈（微信号：blog51cto）刚刚，奥特曼又有了一个新采访！ 在这场访谈中，OpenAI CEO 奥特曼接受了印度博主兼开发者 Varun Mayya 的专访，聊到了多个当前 AI 技术从业者最关心的话题：包括最近火爆出圈的 GPT-4o 图像生成能力、Prompt Engineer 是否真的值得存在、Agent 的落地路径等等，甚至还有他本人对 AI 带来失业焦虑的思考。 画个重点，本次采访亮点有： GPT-4o爆火，“现在生成的图像数量远远超过了我原本以为互联网有的需求。
斯坦福最新 AI 研究报告出炉：中美模型质量差距缩小至 0.3%
斯坦福最新报告显示，中美顶级AI模型性能差距已缩小至0.3%，中国在AI领域快速崛起。2024年是小型AI模型的突破年，更小更高效的模型表现亮眼。#人工智能##AI前沿#
用于科研的AI：Nature教你如何选择正确地选择工具
编辑丨toileter人工智能（AI）的到来是一场革命。 随着现在越来越多的 AI 投入使用，虽然许多教育工作者和学术机构最初对此持谨慎态度，但学术界似乎越来越愿意允许学生学生进行这种尝试。 Nature 期刊为此探讨了如今学者与学生们如何利用 AI 进行实验的简化。