跳到正文
  1. Google DeepMind78

    超越树冠:绘制全球森林类型与变化时间序列

    Google DeepMind 与 Google Research 与世界资源研究所(WRI)及国际应用系统分析研究所(IIASA)联合发布了 Forest Typology (ForTy) 2020,提供10米分辨率的全球森林类型分类图,并公开了2017‑2025年的时间序列。

    推荐理由:新地图提供10米分辨率的森林类型分类和时间序列,结合EUDR监管需求,ForTy可精准识别自然森林与种植园,支持监管者和企业评估森林变化与合规风险。

  2. NVIDIA Blog82

    NVIDIA Cosmos 发布新工具,支持训练、评估与部署世界模型

    NVIDIA Cosmos 平台新增训练、评估与部署工具,帮助开发者加速物理 AI 训练与部署。新增 Cosmos Data Factory 蓝图、Cosmos Framework 训练工具和 Cosmos NIM 微服务,支持多模态数据、agentic 技能,并已被 Porsche、ANYbotics 等企业使用。

    推荐理由:NVIDIA Cosmos 平台新增训练、评估与部署工具,帮助开发者加速物理 AI 训练与部署,并支持多模态数据与 agentic 技能。

  3. NVIDIA Blog66

    NVIDIA 改变欧洲零售:从数字发现到实体运营

    NVIDIA 在欧洲零售业通过开放模型和物理智能实现数字发现到实体运营的转型。

    推荐理由:文章展示了 NVIDIA 技术在欧洲零售业的多场景落地,读者可了解其成本与性能提升的具体案例。

  1. Berkeley AI Research88

    从CUDA到MLX K-Search实现内核知识迁移至Apple Silicon

    研究基于K-Search框架扩展MLX后端,开发了结构化CUDA到MLX翻译层,将CUDA内核的优化知识迁移至Apple Silicon。在Attention内核上,该方法达到0.97x的加速比;在Mamba SSM内核上,实现了比社区mlx-lm高约20倍的Prefill吞吐量。

    推荐理由:研究展示了将CUDA内核知识通过结构化翻译层迁移至MLX,在Apple Silicon上达到接近专家水平的性能。

已经到底了