Workflow
学习
icon
搜索文档
都在庆祝学霸,我再跟“学渣们”说几句
虎嗅APP· 2025-06-27 21:23
九边 . 2023年印象笔记收藏量排第一的公号 本文来自微信公众号: 九边 (ID:ertoumu893) ,作者:九边,头图来自:AI生成 这些年发出去的文章不少,被人反复提起的是这篇: 《八千里路云和月》 ,昨天还有个小伙伴后台 发消息,说当初迷茫的时候看到这篇,于是选择去做海员,现在跟着人把中国的商品往非洲倒卖。迷 茫时候就看一遍,心里就有了劲。说感谢我把他从坑里拉出来。 这两天高考出成绩了,突然在想,应该有很多人迷茫吧,我就再写点,说不定能帮到几个人。 首先要说一句,我听不止十个人说过,高考这东西当初没考好觉得天塌了,多年以后回过头来看,觉 得也没啥。尤其在这个学历大贬值时代,能考好自然非常好,考不上也没啥,机会多得是。尤其放在 几十年的长度上,只要肯探索,叠加中国现在资源这么丰富,总有出路。 最可怕的是几十年没咋挪窝,内心戏很多,但啥也没干。听着不可思议,但是绝大部分的人生都是这 个状态。退一万步讲,麦子输了三千次,衣食无忧第一次,这个社会已经很难把人饿死了,所以吧, 真不要怕。 1. 人这辈子有两次大考,一次是在18岁的高考,35岁还有一次。第一次属于纯零和博弈,而且是排 位赛,输了很正常,大部分 ...
肖仰华教授:具身智能距离“涌现”还有多远?
36氪· 2025-06-27 19:30
人工智能技术发展路径 - 人工智能发展呈现两条清晰脉络:生成式人工智能(AIGC)和具身智能 前者聚焦机器认知能力 后者侧重感知与行动能力 [3][6][7] - 生成式大模型本质是让机器具备人类大脑的认知功能 包括语言生成和逻辑思考能力 具身智能则模拟人类身体感知与环境交互能力 [6][7] - 认知智能与具身智能的下一个里程碑是身心协同阶段 需实现身体与大脑的双向塑造 [3][8][9] 技术革命性特质 - 判断技术革命性的三大标准:基础性(如水电煤)、生产力指数级提升、对社会上层建筑的颠覆性影响 [9][10] - 生成式AI符合三大标准:成为新型基础设施 脑力工作效率提升百倍 渗透社会各领域 [10] - 具身智能对生产力的提升作用有限 80亿机器人产能仅相当于人口增长1-2倍 且受安全伦理制约 [11][12][13] 模型发展规律 - Scaling law主导生成式AI初期发展 依赖海量数据(万亿token)和大规模算力 [14] - 后训练范式崛起(如DeepSeek R1) 数据质量与训练策略取代规模成为关键 参数规模让位于算法设计 [15][16] - 行业大模型落地瓶颈在于数据 央国企需投入80%精力治理行业数据 高质量数据集建设成产业护城河 [18][19] 具身智能发展挑战 - 数据缺口显著:最大具身数据集仅百亿token 较语言模型差2个数量级 仿真/合成数据质量不足 [21][22] - 泛化能力受限:环境表达复杂性(如办公室场景需建模高维身体状态)导致数据采集困难 [31][32] - 突破路径包括增加训练量(虚拟试错) 借鉴人类类比/归纳机制 但需敬畏"不可言说"的交互复杂性 [33][34] 产业实现范式 - 三大技术路线并存:连接主义(神经网络)、符号主义(知识图谱)、行为主义(强化学习) 分别对应数据学习、知识学习和实践学习 [36][37][38] - 机器人应走场景化路径而非绝对通用 功能受限于物理构造 机械臂案例显示需任务与身体适配 [42][43] - 集约化需适度 扫地机器人通过附加刷头扩展功能 但强行植入多能力违背产业逻辑 [42][43] 技术风险与治理 - 物理伤害风险远低于认知风险 需警惕AI通过决策误导造成的系统性危害 [45][46] - 安全治理核心是发展AI监管师职业 建立"拔插头"机制 同时加强价值观对齐研究 [48][49] - 身体限制可成为安全保障 思想无边界才是最大风险源 [46][47] 行业影响与教育变革 - AI将冲击产业分工基础 未来工作意义转向体验而非谋生 物质极大丰富改变经济逻辑 [62] - 教育需破除内卷 在保留核心技能(写作/编程)基础上 培养AI难以替代的鉴赏/批判能力 [55][61] - 学科交叉与内心探索是重建价值体系方向 需拓展认知边界应对文明转型 [56][57]
Plumas Bancorp(PLBC) - 2024 Q4 - Earnings Call Presentation
2025-06-27 19:28
业绩总结 - 截至2024年12月31日,公司的总资产为16亿美元[13] - 2024年第四季度净收入为7,749千美元,同比增长3.0%[78] - 2024年第四季度净利息收入为18,959千美元,同比增长7.3%[78] - 2024年总资产为1,623,326千美元,同比增长0.80%[82] - 2024年净贷款为1,005,375千美元,同比增长5.98%[82] - 2024年每股稀释收益为4.80美元,同比下降4.38%[82] 用户数据 - 截至2024年12月31日,存款总额为13.71亿美元,平均利息-bearing 存款利率为1.10%[37] - 贷款总额达到10.15亿美元,贷款组合的平均收益率为6.22%[56] - 农业贷款中,70%为农业房地产贷款,27%为农业运营贷款[70] - 截至2024年12月31日,农业贷款余额占总贷款的12%[71] - 2024年SBA贷款余额从2023年的3500万美元增加至6900万美元[66] 贷款组合与资产质量 - 政府担保贷款在贷款组合中占比约为7%[67] - 2024年,分类资产中有1000万美元的贷款为次级贷款,占分类资产的43%[69] - 2024年不良资产占总资产比例为0.27%[86] - 2024年ROAA为1.74%,较2023年下降0.14%[82] - 2024年ROAE为17.2%,较2023年下降6.2%[82] 收入来源 - 2024年非利息收入为313万美元,主要来源于手续费和贷款服务费[34] - 2024年净利息收入增加390万美元,净利息利润率为4.79%[29] - 2024年净利息利润率为4.79%,较2023年上升0.08%[82] 商业房地产贷款 - 2024年,商业房地产贷款组合中,CRE/投资和CRE/自用各占27%[55]
你的扫描全能王,作价217亿冲刺港股IPO
量子位· 2025-06-27 18:57
公司概况 - 名片全能王、扫描全能王母公司上海合合信息科技计划以217亿市值赴港上市,实现"A+H"双重上市[2][3] - 公司2024年营收14.38亿元,净利润4亿元,毛利率高达84.3%[4] - 公司C端产品月活跃用户达1.71亿,在全球C端效率类AI"超级APP"公司中排名第五[5][6] 产品与技术 - 公司定位为人工智能及大数据科技企业,专注多模态大模型文本智能技术[7] - C端核心产品包括扫描全能王、名片全能王和启信宝,B端产品包括TextIn和启信慧眼[8][9][10][12] - 扫描全能王覆盖超200个国家和地区的10亿多用户,是全球最大图像文本处理AI产品[11] - 技术底座以文本智能感知与认知技术为核心,构建天枢、天璇、天玑三大技术平台[14][16] 商业模式 - C端产品主要通过付费订阅实现商业化,2024年付费用户占比4.3%[18][21] - B端产品将场景knowhow转化为标准化AI模块,覆盖近30个行业约160家世界500强公司[19][20] - 2024年C端业务占总收入83.8%,其中扫描全能王贡献77.3%[27][28] 财务表现 - 2022-2024年营收复合年增长率21%,分别为9.89亿、11.87亿和14.38亿元[25] - 同期净利润分别为2.84亿、3.23亿和4亿元[36] - 研发投入持续增加,2024年达3.9亿元占营收27.2%,研发人员占比60.6%[33][35] 市场地位 - 按2024年收入计,在中国MAU超1亿的C端效率类AI产品公司中排名第一[21] - 全球市场份额2.5%,排名第五,前四位为OpenAI、谷歌、Adobe和微软[22][23] 行业前景 - 全球AI产品市场规模预计从2024年465亿美元增长至2029年2280亿美元,复合增长率37.4%[66] - 中国B端AI市场2024年规模52亿美元,预计2029年达257亿美元,复合增长率37.6%[69][70]
保姆级分享!ALOHA:低成本双臂机器人结合模仿学习经典工作
具身智能之心· 2025-06-27 16:36
ALOHA系统概述 - 一种低成本开源的双臂遥控操作系统,全称为A Low-cost Open-source Hardware System for Bimanual Teleoperation [4][5] - 成本控制在20k美元以内,使用现成机械臂和3D打印组件,2小时可完成组装 [7][8] - 支持精确操作、接触式操作和动态操作三类任务 [20][22] 核心技术方案 - 采用关节空间映射实现遥控操作,使用WidowX作为主动臂控制ViperX从动臂 [18] - 系统配备4个罗技C922x摄像头(480×640@30FPS),数据记录频率50Hz [19] - 设计了3D打印"透明手指"和防滑胶带增强抓取能力,采用橡皮筋机构平衡重力 [18][21] ACT算法创新 - 提出Action Chunking with Transformers算法解决模仿学习的复合误差问题 [12] - 通过预测k步动作序列(k=100时成功率从1%提升至44%)减少有效任务范围 [52][53] - 引入Temporal Ensembling技术平滑动作执行,提升3.3%成功率 [29][54] - 采用CVAE建模人类演示数据,对人工数据训练时性能提升33.3% [33][55] 实验验证 - 在6个真实任务和2个仿真任务上测试,仅需10-20分钟演示数据 [51] - 调味瓶开启任务达到80-90%成功率,RAM安装等接触任务表现良好 [12][22] - 50Hz控制频率显著优于低频(5Hz时操作时间增加62%) [56] 应用限制 - 无法处理需要多指协同(如儿童药瓶)或大力操作(如开密封瓶)的任务 [57] - 对精细视觉感知要求高的任务(如开糖果包装)成功率较低 [60][61] - 低成本电机扭矩限制导致无法完成某些力量型操作 [57]
OpenAI连丢4位大将!Ilya合作者/o1核心贡献者加入Meta,苏黎世三人组回应跳槽:集体做出的选择
量子位· 2025-06-27 16:09
核心观点 - Meta近期从OpenAI挖走多名核心AI研究员,包括Trapit Bansal和苏黎世三人组(Lucas Beyer、Alexander Kolesnikov、翟晓华),加强其在推理大模型和多模态领域的布局 [1][10][11] - 公司同时推进语音AI初创公司PlayAI的收购谈判,并已招募语音AI专家Johan Schalkwyk,强化AR眼镜的语音交互能力 [23][24][26] - OpenAI创始人奥特曼公开回应称不担心人才流失,并暗示被挖人员并非其最优秀人才 [12] 人才流动 Trapit Bansal - 2022年加入OpenAI,与Ilya Sutskever合作推动大模型强化学习研究,是o1系统的核心贡献者 [1][6] - 谷歌学术引用量2883次,h指数16,多篇高引论文涉及多智能体强化学习和非平稳环境适应 [7][8] - 加入Meta新成立的超级智能部门,专注推理大模型研发 [2] 苏黎世三人组 - 原谷歌研究员,共同开发ViT架构(论文引用超6.5万次),开创Transformer视觉应用先河 [14][15] - 2023年被OpenAI集体挖走并成立苏黎世工作室,2024年6月又集体跳槽至Meta [10][20][21] - 成员背景:翟晓华(南京大学本科/北大博士)、Lucas Beyer(德国亚琛工业大学博士)、Alexander Kolesnikov(ISTA博士) [16][17][18] 战略布局 语音AI - 拟收购初创公司PlayAI(2024年获2100万美元融资),其技术目标是实现类人类的流畅语音对话 [24][25] - 此前已招募Seasame AI的Johan Schalkwyk,强化端侧语音模型能力 [26] - 行业推测Meta计划将语音AI整合至AR硬件生态 [27] 研究领域 - 推理大模型:通过Trapit Bansal加盟强化前沿技术探索 [2] - 多模态:苏黎世三人组持续深耕视觉-语言交叉领域 [14][20]
绵阳以制度推动整改成效落到实处 小台账发挥大作用
四川日报· 2025-06-27 15:53
民生工程建设 - 梓潼县开展"梓此一心·潼爱老小"工程 建成区域养老服务中心2个 老年助餐点6个 "童伴之家"10个 未成年人保护站(点)等服务阵地197个 [1] - 依托服务阵地累计开展健康问诊 爱心陪伴等志愿服务活动 惠及2 61万人次 [1] - 通过调研座谈 来信来访 网络留言等方式收集民生难题1349个 建立整改整治台账分类施策 [1] 民生问题整治 - 绵阳各地建立民生事项台账 对12345市长热线 网络理政等渠道收集问题分类梳理 围绕群众急难愁盼推进集中整治 [2] - 平通羌族乡党委政府抢抓防汛施工窗口期 开展板涵桥改建工程 解决山洪灾害造成的道路涵洞堵塞问题 [2] - 绵阳燃气集团将"免费安全升级居民超期燃气表"作为整治重点 累计免费更换智能燃气表近2万台 [2] 整改工作机制 - 绵阳市建立点对点督办制度 由市级工作专班专项督促116件民生事项 确保需求有回应 问题有解法 进度有跟踪 [3] - 首批确定的1 24万个集中整治问题正在加快推进整改 "党建惠企""关爱老小·守护朝夕"等系列制度陆续出台落实 [4]
最低仅需2G显存,谷歌开源端侧模型刷新竞技场纪录,原生支持图像视频
量子位· 2025-06-27 12:40
核心观点 - 谷歌发布开源多模态模型Gemma 3n,原生支持文本、图像和音视频处理 [2] - Gemma 3n在10B以下模型中首次突破1300分(1303分),成为性能领先的小规模模型 [3] - 模型通过架构创新实现低内存占用(最低2GB),适配端侧设备 [4][6] 模型架构 - 采用MatFormer(嵌套式Transformer)架构,包含E2B(5B)和E4B(8B)两种型号,通过"有效参数"概念优化资源占用 [10][11] - 嵌套结构允许训练E4B时同步优化E2B子模型,并支持Mix-n-Match方法自定义模型尺寸 [12][15] - 配套工具MatFormer Lab将发布,用于检索最佳模型配置 [16] 端侧优化技术 - 引入逐层嵌入(PLE)技术,将部分参数加载到CPU,仅核心权重需VRAM存储,内存占用降至2B/4B水平 [17][18] - 采用KV缓存共享技术,预填充性能较Gemma 3-4B提升2倍,优化长序列处理 [19] 多模态支持 音频处理 - 集成基于USM的音频编码器,支持160毫秒音频转Token,实现端侧ASR/AST功能 [20] - 流式编码器默认支持30秒音频片段,可通过训练扩展至任意长度 [20] 视觉处理 - 搭载MobileNet-V5-300M视觉编码器,支持256x256至768x768分辨率,Pixel设备处理速度达60FPS [21] - 架构较MobileNet-V4扩大10倍,采用混合深度金字塔模型和多尺度融合VLM适配器 [21] 模型可用性 - 已在谷歌AI Studio及Ollama、llama.cpp等第三方工具上线,权重可通过Hugging Face获取 [8] - 技术细节持续公开,MobileNet-V5技术报告将后续发布 [22]
Cell子刊:盛斌/戴荣平团队开发新型AI模型DeepSLE,从视网膜图像检测系统性红斑狼疮
生物世界· 2025-06-27 11:38
系统性红斑狼疮(SLE)概述 - 系统性红斑狼疮(SLE)是一种严重的自身免疫疾病,影响全球约340万人,其中女性患者约300万 [2] - 女性患病率显著高于男性,发病高峰在15-45岁之间 [2] - SLE诊断标准复杂且公众认知不足,导致诊断延误普遍 [2] SLE筛查挑战 - 缺乏标准化、无创且经济有效的筛查工具,尤其是针对无症状或症状轻微人群 [3] - SLE相关并发症(如狼疮性视网膜病变和狼疮性肾炎)的筛查在初级保健和资源匮乏环境中未常规实施 [7] DeepSLE深度学习系统 - 上海交通大学盛斌教授团队与北京协和医院戴荣平团队合作开发了DeepSLE系统,通过视网膜图像检测SLE及其并发症 [4][5] - 系统基于Vision Transformer(ViT)技术,利用来自173346名参与者的666383张视网膜图像进行预训练 [9] - 在多民族验证数据集中(247718张图像),DeepSLE检测SLE的受试者工作特征曲线下面积为0.822-0.969 [11] - 系统在性别、年龄、种族和经济状况分层的亚组中表现稳健 [11] 视网膜成像的应用潜力 - 视网膜变化与SLE活动期高度相关,可作为无创、即时且经济有效的生物标志物 [7] - 数字视网膜成像已在初级保健和社区环境中普及,成本低廉 [7] - DeepSLE在读者研究中表现出比初级保健医生更高的灵敏度 [11] 研究意义 - DeepSLE为SLE及其并发症的早期检测提供了数字化解决方案,具有巨大临床应用潜力 [12]
数字赋能让学习型社会建设按下“加速键” 全民终身学习向“新”而行
央视网· 2025-06-27 10:57
国家智慧教育平台升级 - 国家智慧教育平台2.0智能版全方位升级,新增3000门新课程,涵盖基础教育、职业教育、高等教育优质资源 [1] - 平台新增岗位胜任力专区,促进职场能力提升和职业生涯发展 [1] - 新设人工智能专区,推进人工智能全学段教育和全社会通识教育 [1] 智能化功能与用户体验 - 平台新增智能搜索、智慧学伴升级功能,推出8个专属智能体,如爱因斯坦聊科学智能体 [4] - 学员反馈平台提供一流高校教学名师资源及AI助教、AI问答功能,助力职业发展和规划 [7] 国际化与海外拓展 - 国家开放大学本月新建巴西圣保罗学习中心,已在29个国家设立35个海外学习中心,开展中文国际教育和数字教育 [9] 五级数字化学习网络建设 - 活动将构建覆盖省—市—县—镇(街)—村(社区)的五级数字化学习网络,带动学习型城市和社区建设 [10] 高校资源开放与学分银行服务 - 试点高校将开放数字化学习资源,开展线上非学历教育,加强社会服务职能 [12] - 学分银行数字化服务体系将优化学习成果认证、积累和转换,支撑全民终身学习 [12]