南洋理工大学突破:AI实现复杂光影完美合成
这项由南洋理工大学的卢世林、连竹明、周子涵、张绍聪等研究者与南京大学陈钊合作完成的研究发表于2025年9月,论文编号为arXiv:2509.21278v1。有兴趣深入了解的读者可以通过该编号查询完整论文。
这项由南洋理工大学的卢世林、连竹明、周子涵、张绍聪等研究者与南京大学陈钊合作完成的研究发表于2025年9月,论文编号为arXiv:2509.21278v1。有兴趣深入了解的读者可以通过该编号查询完整论文。
大家在用一些AI识图软件时,有没有想过,它到底是怎么“思考”的?为什么它能认出这是一只“北极燕鸥”而不是“普通燕鸥”?为了让AI不那么像个黑箱,可解释性AI(XAI)应运而生,其中一个很火的流派就是“原型网络(Prototype-based Network)”
细胞状态在正常发育、疾病进展和治疗响应过程中不断变化,而这些转变通常由少数关键基因(即“驱动基因”)主导。精准识别这些驱动基因,不仅有助于揭示复杂的生理机制和病理变化,还为靶向干预和药物开发提供了重要基础。然而,细胞状态的多样性、基因数量的庞大以及调控网络的复
2025年9月28日这天,OpenAI前CTOMiraMurati创办的ThinkingMachinesLab又搞出了新动静。
2025年9月27日,估值840亿的AI明星公司ThinkingMachines,直接甩出了第二篇研究论文。
训练 论文 流形 modularmanifolds jere 2025-09-28 16:15 4
AI圈的目光又被那家“明星公司”吸引了——估值840亿的Thinking Machines刚放出第二篇论文,就被翁荔、陈丹琦等大佬集体转发,前OpenAI CTO Mira Murati更是亲自站台。
在大模型训练时,如何管理权重、避免数值爆炸与丢失?Thinking Machines Lab 的新研究「模块流形」提出了一种新范式,它将传统「救火式」的数值修正,转变为「预防式」的约束优化,为更好地训练大模型提供了全新思路。
论文主题为“Modular Manifolds”,通过让整个网络的不同层/模块在统一框架下进行约束和优化,来提升训练的稳定性和效率。
爱国将领文天祥,今天他就是这幅上联的主人公。南宋朝廷昏庸,天下大乱,元军趁机入侵,家国危在旦夕。他一个文官,居然把家里所有钱拿出来招兵。那些兵大多是农民,没有打过仗,可他带着这些人,一场一场跟元军死拼,输了再打,从没想过放弃。
流形理论将“局部像欧氏空间、整体可能极其复杂”的几何对象系统化,为广义相对论、规范场论、弦论等提供了天然舞台。
做机器人逆运动学(IK)的时候,你迟早会遇到矩阵指数和对数这些东西。为什么呢?因为计算三维旋转的误差,不能简单地用欧氏距离那一套,那只对位置有效。旋转得用另一套方法——你需要算两个旋转矩阵之间的差异,这就涉及到矩阵对数了。
物质基本单元的革命弦理论认为自然界的基本单元并非点状粒子(如电子、夸克),而是一维的“能量弦线”(开弦或闭弦),其尺度约为普朗克长度(10⁻³⁵米)。 不同振动模式对应不同粒子:例如,某种振动产生光子,另一种产生引力子,从而统一物质与作用力。高维时空的必要性超
构造正规族:构建函数族。此函数族中的函数均为从区域(D)到单位圆盘的单叶解析函数,且满足在点(z_0)处函数值为(0),导数值大于(0)的条件。极值映射存在:从函数族达到最大值。这一选取的合理性由Montel定理保障,该定理确保了函数族的紧性,从而保证了极值映