根据提供的新闻内容，该文档主要聚焦于党建工作部署和学习教育整改整治工作推进，不涉及公司和行业相关内容。因此，无法按照要求提取与公司或行业相关的关键要点。建议提供包含企业动态、行业趋势或经济数据的新闻素材以便进行专业分析。

超级智能发展路径 - 超级智能是超越AGI和人类通用能力的更高维度AI发展方向，Meta等头部公司正投入巨资追求这一目标 [1][3] - OpenAI CEO认为构建超级智能是工程问题而非科学问题，暗示已有可行路径 [1][3] - Meta研究员质疑当前主流LLM+RL路径的有效性，认为无法实现超级智能 [1][2] 技术实现争议 - 构建超级智能的三种可能路径：纯监督学习(SL)、人类验证的强化学习(RL)、自动验证器的RL [2] - 当前LLM在训练分布内任务表现持续提升，但难以发展为单一超级智能模型 [2][34] - 文本数据具有特殊价值，非文本数据(图像/视频等)尚未证明能提升模型整体性能 [6][7] 数据与规模挑战 - 互联网文本数据面临枯竭风险，行业正全力挖掘剩余数据(如转录YouTube视频) [8][19] - 模型规模扩展遭遇硬件和电力瓶颈，部分公司尝试分布式训练甚至收购核电站 [18][19] - 参数规模突破10^19的假设难以实现，当前最大模型约千亿参数级别 [17][18][19] 学习方法比较 - 监督学习(SL)面临规模扩展极限，未来3-4年可能仅能扩展10倍 [19][20] - 强化学习(RL)存在冷启动问题，需结合SL解决 [22][23] - RLVR(可验证奖励强化学习)成为新方向，OpenAI已展示在数学题上的成功案例 [32][33] 行业竞争格局 - Meta建立秘密"超级智能"实验室，投入数十亿美元资金 [3] - OpenAI、Anthropic和Google DeepMind均公开超级智能研发目标 [3] - 行业可能进入RL任务集军备竞赛，争夺最优训练环境设计 [33]

收购概述 - Nordic Semiconductor宣布收购Neuton AI的知识产权和核心技术资产 旨在将nRF54系列超低功耗无线SoC与Neuton AI的神经网络框架结合 为边缘机器学习提供可扩展的高性能人工智能解决方案 [1] - 公司CEO表示此次收购是嵌入式计算能力和效率的跨越 结合低功耗无线技术与TinyML平台 可赋能开发者构建新型始终在线、AI驱动的设备 实现更快速度、更小体积和更高能效 [1] 技术整合优势 - Neuton AI的创新IP围绕全自动平台展开 可创建小于5KB的机器学习模型 实现高达1/10的体积和速度提升 模型无需手动调优或数据科学知识 支持8/16/32位MCU快速部署 [1] - 该技术适用于消费电子、医疗保健和工业市场 是快速部署边缘AI的理想选择 [1] 市场前景与战略布局 - 预计2030年TinyML芯片组出货量将达到59亿美元 Nordic将为开发者提供AI/ML工具包 覆盖预测性维护、智能健康监测、流程自动化、手势识别及下一代消费可穿戴设备等领域 [2] - 公司高管强调合作将赋能开发者构建超低功耗智能设备 实现真正的边缘机器学习 技术不仅适用于nRF54系列 还将扩展至所有无线连接SoC产品组合 [2] 交易细节 - 交易涵盖Neuton AI全部知识产权及资产 包括13名高技能工程师和数据科学家团队 初始整合期间Neuton AI将持续运营以确保服务不间断 [2]

齐鲁晚报·齐鲁壹点 陈乃彰 通讯员 刘军 王栩晨 为进一步深化科技社团建设内涵，培育兼具人文底蕴与科学精神的复合型人才，6月4日，威海市科普志 愿者协会李盛副秘书长牵头组织跨领域专家团队走进新都中学。环翠区美术馆馆长、中职院校骨干教 师，以及农业技术局退休资深专家等各界精英齐聚一堂，从艺术融合、技术实践、产业应用等多元视 角，为学校科技社团发展注入专业指导力量。 在科技发明社团活动现场，于老师化身"电路魔法师"，以电路板、太阳能发电设备为教具，为同学们开 启了一场充满趣味的电学探索之旅。他手持电路板，用通俗易懂的语言讲解电阻、电容的基础原 理："电阻就像电路里的'交通指挥员'，能控制电流的大小；电容则像'小水库'，可以储存和释放电 能。" 随后，于老师亲自示范如何使用万用表测量电阻，边操作边强调安全规范与测量技巧，让晦涩的电学知 识变得直观易懂。理论讲解结束后，于老师与同学们展开热烈互动。面对"电阻在生活中有哪些实际应 用"的疑问，他以手机充电器、台灯调光功能为例，剖析电阻调节电流的原理；针对"电容能否替代电池 供电"的好奇，于老师结合电容充放电特性与电池持续供电的差异，引导同学们思考两者的适用场景。 互动中 ...

机器学习模型在量化选股中的应用 - 采用GBDT类树模型（LGBM/XGBoost/CatBoost）和神经网络模型（GRU/TCN/Transformer）进行量化选股训练测试，其中树模型适合处理手工构造的量价和基本面特征，神经网络擅长捕捉时序变化[1][2] - 特征筛选采用SHAP方案能有效减少特征数量并保证模型效果，特征中性化对因子改进不明显，整体标准化处理更有利于模型学习时序信息[2][28] - 沪深300指增策略年化超额10.03%，中证500指增年化超额8.41%，中证1000指增年化超额11.44%，显示机器学习因子在中小盘更具优势[3][61][62][63] 模型结构与特征处理 - GBDT模型通过残差迭代优化，每棵树学习前一棵树的残差，错分样本权重会逐步增大[10][11] - 神经网络结构中，GRU作为LSTM简化版通过更新门和重置门减少参数量，TCN采用空洞卷积实现指数级增长的历史数据回顾[12][13][18] - 特征类型选择显示：Alpha158量价特征适合两类模型，GFStyle基本面因子更适合树模型，原始量价数据神经网络表现更优[26][27] 损失函数与预测目标优化 - 排序学习损失函数中，结合NDCG指标的LambdaNDCG2和NeuralNDCG在多头部表现优异，与MSE因子相关性仅0.7-0.9[42][43][45] - 预测目标处理显示：截面标准化能排除市场beta干扰，使用超额收益率经CSRank处理后效果最佳[50][51] - 多周期预测目标合成可提升因子表现，沪深300指增策略信息比率从1.67提升至1.81，中证500年化超额从13.28%提升至14.28%[52][53][55] 策略构建细节 - 组合优化控制行业偏离、市值偏离等约束条件，采用月度调仓，交易成本假设双边千三[59][60] - 中证1000指增策略信息比率达2.09，超额最大回撤-7.95%，显著优于沪深300策略的2.23信息比和中证500策略的1.38信息比[63][61][62]

"今晚我们要学习手语版中国科大校歌《永恒的东风》。"手语部负责人、统计学专业大四学生韩羽萌 说。此刻，窗外的雨声化为柔和的课堂背景音。 安徽合肥，中国科学技术大学第二教学楼2210教室，雨点拍打着窗户，数十把雨伞湿漉漉地依偎在墙 角。教室里，笑声、交谈声交织在一起。 这是中国科大芳草社特教服务团手语部组织的手语课堂，也是本学期最后一节课。晚上8点30分，雨势 不减，同学们仍踩着水花陆续赶来。上课铃响起前，已有近30名学员来到教室。 一群科研学霸课余学手语，难在哪 不同于以听觉主导的语言体系，手语以"画面"为底层逻辑，手势起止、速度、角度等都承载特定意义。 2005年至今，中国科大芳草社手语课堂已走过二十载。一群又一群平时埋头实验、醉心科研的学霸，用 双手学习全新的语言。 手语入门，并不容易。 "不仅一个手势能表示多种含义，不同速度打出来的手语意义也不同。"韩羽萌举例，将拇指、食指、小 指直立，手背朝外，这个手势既可以通过仿字打法来表示"山"，也是国际通用的"我爱你"。 此外，手语往往以视觉化的画面描述为基础。韩羽萌解释说，"红色"的手语表达，是用两指轻触嘴唇， 因为嘴唇常呈红色；表达"黄色"时，用手触摸脸颊， ...

AICon全球人工智能开发与应用大会北京站 - 大会将于6月27日-28日举办，聚焦AI前沿技术与落地实践 [1] - 汇聚腾讯、阿里、百度、字节跳动等头部大厂及50+资深专家 [1] - 设置AI Agent、多模态应用、推理性能优化等10多个专题论坛 [1][4] 京东集团算法总监韩艾的主题分享 - 演讲主题为《JDAgents-R1：基于强化学习的异构多智能体联合进化算法》 [2] - 提出JDAgents-R1框架，首次将GRPO应用于异构多智能体联合训练 [2] - 通过迭代优化LLMs与自适应记忆机制实现决策与记忆能力动态均衡 [2] - 在通用和商家定制化场景中达到与大规模语言模型相媲美的性能 [2] 韩艾的专业背景 - 中科院与康奈尔大学联合培养博士，北京大学双学士 [3] - 现任京东集团算法总监，京东零售数据与算法通道委员 [3] - 在国际顶级期刊发表数十篇论文，专注AI技术创新 [3] - 主持设计Multi-Agent Planning算法架构并落地京东商家智能助手 [3] 演讲内容框架 - 涵盖多智能体训练技术、应用案例、LLM决策与Memory进化等 [3][5] - 重点介绍GRPO联合训练算法技术和Memory更新技术 [3][5] - 探讨多模型联合训练的信息通信难题和memory进化评估 [5] 大会其他亮点 - 设置AI Agent构建、多模态实践、大模型助力研发等专题论坛 [4] - 50+专家将分享前沿技术洞察和一线实践经验 [4] - 报名可享9折优惠，单张门票立省580元 [4]

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Shaoting Zhu等 编辑丨具身智能之心 近年来，得益于强化学习与高性能仿真器的结合，足式机器人在自主运动控制方面取得了显著进展。然 而，当这些策略部署到现实世界中时，往往因"仿真到现实（Sim-to-Real）"存在差异而表现不佳。现有方 法难以复现真实场景中的复杂几何和视觉细节，限制了基于视觉感知的高层次任务（如目标导航）的开 展。为解决这一难题，我们提出了VR-Robo：一个面向足式机器人视觉导航与运动控制的"真实-仿真-真实 （Real-to-Sim-to-Real）"统一框架。 作者单位包括清华大学、普林斯顿大学、星海图、上海期智研究院和上海交通大学。 项目主页/代码（现已开源）：https://vr-robo.github.io/ 相关工作 以往研究为缩小Sim-to-Real差距做了大量探索。包括： 但这些方法多依赖特定传感器，难以在高保真渲染和真实几何建模之间取得平衡。此外，许多方法仅支持 低层次的运动控制，尚未形成完整的感知-理解-行动闭环。 解决方案 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术 ...

出品丨虎嗅汽车组 作者丨李赓 头图丨视觉中国 在所有造车新势力中，今年1-5月依旧保持高速增长的只有两家：小鹏和零跑。 两家车企的销量都保持了大幅的提升 （1-5月零跑相比去年同期增长161%，小鹏增长293%） ，今年 一季度的营收也实现了大幅增长 （零跑同比增幅187%，小鹏同比142%） ，净亏损则实现了大幅的 收窄 （零跑净亏损缩小87%，小鹏净亏损缩小52%） 。除去数据上的略微不同，更加不同的是两家 心态的外露。 零跑依旧保持了自己不怎么开发布会不怎么大力做营销的状态 （今年正式发布会也就两场，而且全 是车型更新） ，而去年刚"触底反弹"的小鹏显然更加"珍惜"市场给的又一次机会，在方方面面都选 择了投入到"极点"，几乎每个车型都要按着"曝光、预热、预发布、实际发布、会后沟通"的充分流程 走下来，更是在一众车企中罕见地结合产品发布会搞了几次针对实际车主的品牌文化活动。 就拿4月中，上海车展开幕前夕的关键时刻，何小鹏就跑到了香港去，不仅豪横地再次定下了香港启 德邮轮码头的场地 （2021赴港上市，也是这块场地） ，请了近500家中外媒体看新款X9发布。在主 活动之外，小鹏还在香港独立地举办了两场媒体沟 ...

销量与财务表现 - 零跑和小鹏1-5月销量同比分别增长161%和293%，一季度营收同比分别增长187%和142%，净亏损分别收窄87%和52% [2] - 两家车企营销策略差异显著：零跑保持低调仅举办两场车型发布会，小鹏则采用高强度营销流程包括多阶段产品发布和车主文化活动 [2][3] 产品策略与市场定位 - 小鹏MONA M03以10万元定价实现销量占比超50%，核心优势为620公里CLTC续航（实际450-500公里）、智能泊车等刚需配置，同时削减非核心功能如后桥扭力梁悬架、热泵空调等控制成本 [7][8][9][10][11] - 产品调整高效：小鹏在6-8个月内完成滴滴C1车型改造，通过用户需求调研优化配置，形成差异化竞争力 [12] 用户画像与营销创新 - MONA M03女性用户占比达38.6%（行业平均21.3%），年轻化（平均28.5岁）和未婚用户（76.5%）特征显著，通过白色内饰等快速响应提升女性占比至50% [18][19][20][21] - 营销活动精准定位：邀请欧阳娜娜等明星强化新手司机视角，打造"MONA小镇"场景化展示，发布会风格年轻化 [23][24][25] 技术研发与自动驾驶 - 小鹏自研"图灵AI芯片"单颗算力超700TOPS，G7搭载3颗实现2200TOPS算力，远超行业主流300TOPS配置，目标验证自动驾驶领域Scaling Law效应 [27][30][31] - 基座大模型采用思维链推理（CoT）技术，已训练720亿参数模型，累计处理2000万条30秒视频数据，结合强化学习实现自动驾驶能力持续进化 [36][40][42] - 实际路测显示复杂场景处理流畅，如无保护左转、多车道变道等，计划通过OTA升级将点对点智驾成功率提升至70% [44][45][47][48] 公司战略与行业竞争 - 小鹏明确"卷科技"路线，避免与传统车企价格战，聚焦智驾和AI技术差异化 [26][27] - 通过引入传统汽车人才优化供应链和成本控制，为技术创新提供支撑，目标建立体系化能力而非依赖单一爆款 [50][51]