基准日期 2026-11-03
上次运行 2026-11-03 21:00:25
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
AI LEADERS · MOVES & PAPERS

AI 领袖:人事变动与论文 — 最新任职变化与研究

LAST UPDATE 2026-11-03 08:00 KST PEOPLE 77 · PAPERS 76 · MOVES 0
AI 实验室、大型科技公司和学术界关键人物的去向与论文,是技术方向和企业竞争力的先行信号。人事变动与论文每天自动收集,经编辑审核后以通俗摘要和原文链接呈现。

近期要闻

人事变动 · AI 硬件

近期履历记录 (来自维基数据,可能包含未经核实的信息)

论文 · AI 硬件

论文2026-10-07 · arXiv (Cornell University)

开发用于实时机器人控制的长视觉记忆处理技术

Long-WAM: Scaling the Context of World-Action Models
Song Han 等 15 人
做了什么
研究团队开发了 Long-WAM,这是一种在实时约束下有效利用机器人过去视觉信息的模型。
核心结果
当使用自回归(AR)方法对处理视觉信息的基础模型进行预训练时,历史记忆的利用率达到最大化,并提高了机器人任务的成功率。
意义
证明了其能够在各种硬件环境中实时运行,有助于未来应用于复杂的长期机器人控制任务。AI 摘要
论文2026-10-06 · arXiv (Cornell University)

提高人工智能编程可靠性的Humanize技术

Humanize: Judgement Engineering for Agentic Coding
Song Han 等 8 人
做了什么
介绍了Humanize,这是一种在规划、实现和审查阶段之间应用清晰、机械性决策的多人工智能协作工作流。
核心结果
由不同厂商的生成人工智能与审查人工智能交替工作,在解决竞赛问题和性能评估中取得了优异的成果。
意义
表明在利用人工智能进行编程的过程中,独立审查有助于发现错误。AI 摘要
论文2026-09-29 · arXiv (Cornell University)

SoL-Refiner:通过单步处理将低分辨率视频提升至4K水平

SoL-Refiner: Speed-of-Light One-Step Refinement for High-Resolution Video
Song Han 等 11 人
做了什么
提出了SoL-Refiner,这是一种“精炼器(视频画质改善模型)”,它通过仅单步去噪过程,将预先生成的低分辨率视频转换为高分辨率视频。
核心结果
在2K分辨率下,其VBench和UniPercept的平均得分高于所对比的外部精炼器;在3840×2176分辨率下,这两个指标均优于采用三步法的LTX-2.3精炼器。据报道,在2K延迟设置下,与相同基准模型相比,精炼延迟缩短了8.91倍。
意义
高分辨率视频生成的计算量显著增加且成本高昂,这表明采用单步而非多步来提高画质的方向可以减轻这一负担。不过,摘要中给出的结果是在作者设定的条件下测得的,因此很难断言其在实际服务中的整体效果。AI 摘要
论文2026-09-29 · arXiv (Cornell University)

LeapQuant:将线性注意力状态压缩至8比特以加速AI推理

LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization
Song Han 等 12 人
做了什么
提出了LeapQuant,这是一种无需训练的方法,用于在大型语言模型处理长上下文时,将反复读写的“循环状态”压缩到较低的精度。
核心结果
根据摘要,在8比特压缩下,它在保持与FP32基准模型相近准确度的同时,在GPU内核层面平均加速2.05至3.70倍,整体推理速度提升1.47倍。
意义
鉴于它能够减少推理过程中的内存和计算负担,这项研究有助于提升处理长上下文的AI服务的运营效率。不过,由于摘要仅呈现了特定模型和GPU的结果,很难断言在所有实际商业服务中都会出现相同的效果。AI 摘要
论文2026-09-28 · arXiv (Cornell University)

提出降低视频生成AI速度与内存消耗的技术

Sol-H3: Recursive Self-Improvement for MiniMax-H3 Inference Acceleration on Sol-Engine across Cloud and Edge
Song Han 等 8 人
做了什么
构建了完整的执行流水线,旨在让拥有330亿参数的视频生成AI模型MiniMax-H3在云端服务器和小型设备上运行得更快、消耗更少内存。
核心结果
根据摘要,该技术实现了最高达30倍的端到端(从输入到最终结果的全过程)速度提升以及约20%的内存节省,并在8个GB200服务器节点上以比实时快3.5倍的速度生成了包含音频的5秒1344x768分辨率视频。
意义
该研究的意义在于展示了如何降低将视频生成AI应用於实际服务时面临的最大障碍——生成延迟与内存限制,但仅凭摘要很难判断其商业化效果或具体的成本节约规模。AI 摘要
论文2026-09-28 · arXiv (Cornell University)

引入未来上下文以改进块扩散语言模型训练的研究

d-OPD: Future-Aware On-Policy Distillation for Block Diffusion Language Models
Song Han 等 2 人
做了什么
提出了 d-OPD,这是一种蒸馏训练方法,用于将传统的自回归(一次生成一个标记)语言模型转化为以块为单位并行生成多个标记的块扩散语言模型。
核心结果
据报告,在 Qwen3 模型(0.6B 至 8B)的实验中,与现有方法 OPDLM 相比,六个基准测试的平均分最多提高了 4.0 分,同时训练时间缩短了 1.35 到 1.58 倍。
意义
摘要指出,以块为单位同时生成多个标记的方法有望提高文本生成速度,而本研究表明可以提高构建此类模型的训练过程效率。AI 摘要
论文2026-08-12

开发全新优化技术 Dion3,将人工智能训练速度提升最高 6 倍

Dion3: Full-Stack Orthogonal Updates
Tri Dao 等 7 人
做了什么
针对现有AI训练工具 Muon 存在的高计算和通信成本问题,开发了全系统改进的 Dion3。
核心结果
Dion3 在保持与 Muon 相同或更好性能的同时,将优化步骤所需时间缩短了最高 6 倍。
意义
有助于提高人工智能模型训练过程的效率,从而降低相关计算成本。AI 摘要

人物

为什么要关注 AI 领袖的人事与论文?

在 AI 行业,人就是技术。关键研究者加入哪家公司、创办哪家实验室,往往在几个月后演变为产品、融资和并购。本页按前沿实验室、新兴实验室、学术界、AI 芯片以及韩国、中国人物分类追踪任职变化。

论文反映一个人当下的关注点。我们把论文分为 HBM 与存储、GPU 与加速器、推理效率、智能体、机器人等 10 个与投资相关的领域,并根据摘要提供“做了什么·核心结果·意义”三行摘要及原文与 PDF 链接。本页仅为寻找投资思路的信息,不构成任何证券的买卖建议。

常见问题

问:追踪哪些人物?

包括前沿实验室(OpenAI、Google DeepMind、Anthropic、Meta 等)、新兴实验室、学术界、AI 芯片企业以及韩国和中国的关键研究者与高管。很少发表论文的高管只追踪人事变动。

问:数据来自哪里,多久更新一次?

论文来自 Semantic Scholar 与 arXiv,履历来自维基数据(CC0)及官方公告和媒体报道,每天自动收集。只有经编辑审核批准的条目才会公开。

问:论文摘要由谁撰写?

由 AI(Google Gemini)根据论文摘要撰写初稿,经编辑审核后发布。其他语言版本由 AI 翻译自审核过的韩文摘要。具体数据与背景请务必查阅原文。

本页面整理已发表的论文、官方公告和媒体报道,仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核,可能与原文存在差异,重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源,部分履历参考维基数据(CC0)。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。

🐩 支持코봉이零食基金
코봉이
如果这个页面对你有帮助,也欢迎支持코봉이的零食基金 🦴
💬 社区评论
基于IP的匿名昵称 · 滥用可能导致限制
加载中...