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 · 新兴实验室

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 · 新兴实验室

论文2026-10-30

开发突破复杂机器人控制限制的分层世界模型

Hierarchical World Models with Implicit Dynamics
扬·勒丘恩 等 6 人
做了什么
研究团队开发了ID-WM(Hierarchical World Models with Implicit Dynamics),这是一种能够分离状态可及性与局部控制,从而执行复杂且漫长任务的分层世界模型。
核心结果
与现有最高性能的方法相比,性能提升了38.5%;与单层世界模型相比,性能提升了135%。
意义
这项研究展示了机器人在复杂且陌生的环境中减少错误并进行长期规划的可能性。AI 摘要
论文2026-10-29 · arXiv (Cornell University)

联合训练使用不同控制器的机器人数据的技术

Cross-Controller Transfer via In-Context Behavior Adaptation
Chelsea Finn 等 2 人
做了什么
开发了在无冲突的情况下利用使用不同控制方式的机器人数据进行学习的技术。
核心结果
与现有方法相比,平均成功率提高了33个百分点。
意义
展示了更有效利用在各种环境中收集的机器人数据的可能性。AI 摘要
论文2026-10-29 · arXiv (Cornell University)

证明了人工智能模型在处理不同信息模态时能够学习到相同的世界

Proving and Improving the Platonic Representation Hypothesis with JEPAs
扬·勒丘恩 等 1 人
做了什么
研究团队将“学习不同输入形态的人工智能模型会收敛于相同的世界表征”这一假设证明为数学定理,并提出了改进该方法的方法。
核心结果
研究确认,采用良好视角的模型能够以比下一个词预测方法少得多的数据,高效地使表征保持一致。
意义
本研究有助于改善人工智能高效理解数据以及连接不同信息模态的方式。AI 摘要
论文2026-10-28

开发能够执行复杂任务的高效AI模型

Nemotron 3.5 Super and Lightning: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Models for Agentic AI
做了什么
研究人员开发了 Nemotron 3.5 Super 和 Lightning,这是两款适合推理、长文本理解和自主任务执行的开源AI模型。
核心结果
Super 模型在使用的激活参数较少的情况下,在软件工程评估中取得了 51.78% 的成绩,超越了以往的模型,并通过各种优化展现了高吞吐性能。
意义
本研究展示了同时提升大规模模型效率与性能、从而在各种环境中进行实用性应用的可能性。AI 摘要
论文2026-10-11 · arXiv (Cornell University)

应用物理定律减少AI世界模型的预测误差

LeHami: Symplectic Latent Dynamics for World Models
扬·勒丘恩 等 2 人
做了什么
研究团队开发了一种名为LeHami的新型世界模型训练方法,该方法将物理系统的几何性质与人工智能相结合。
核心结果
与传统方法不同,该方法防止了长期预测过程中信息被压缩而丢失的现象,并显著提升了速度预测性能。
意义
这项研究有助于人工智能更准确地理解和模拟物理空间。AI 摘要
论文2026-10-07 · arXiv (Cornell University)

开发整合各种机器人动作的世界模型

Cross-Embodiment Robot Foundation World Models with Latent Actions
李飞飞 等 11 人
做了什么
开发了一种机器人世界模型,利用可供各种形态机器人共享的统一潜在动作空间。
核心结果
应用于新机器人时,在精细操作任务中比传统方法性能提升高达46.7%,在LIBERO性能评估中提升了11.7%。
意义
实现了不同机器人之间的高效学习,有助于解决机器人学中的主要难题。AI 摘要
论文2026-10-07 · arXiv (Cornell University)

将虚拟机器人视频转化为真实场景的AI技术

RoboRender: Robot-Oriented Video Generation for Visual Sim-to-Real Transfer
李飞飞 等 8 人
做了什么
开发了一项将虚拟环境中的机器人数据转化为看似真实环境视频的技术,从而提升了机器人的控制能力。
核心结果
通过该技术学习的机器人在真实环境中取得了平均百分之71的成功率,展现出优于传统方法的性能。
意义
这有助于缓解在虚拟环境中生成的数据难以直接应用到真实机器人上的视觉差异问题。AI 摘要
论文2026-10-07

开发预测基础AI模型的编码智能体性能的方法

Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models
做了什么
为了评估基础AI模型的潜力,开发了利用事后训练的编码智能体成功路径的三个评估界面(屏幕)。
核心结果
开发的三种评估方法都准确预测了公开模型组与实际性能接近的排名。
意义
展示了未来将编码智能体基准测试用于基础模型评估的可能性。AI 摘要
论文2026-10-06 · arXiv (Cornell University)

开发了一种分离短期和长期记忆的新型人工神经网络结构

Continuous Memory Machines
Llion Jones 等 5 人
做了什么
研究团队开发了一种名为连续记忆机器(CMM)的新型人工神经网络结构,它具有分离的矩阵形式的短期和长期记忆状态。
核心结果
在算法和推理任务中,它展现出了优于现有模型的性能和泛化能力。
意义
它有助于提升人工智能在各种任务中的记忆和推理能力。AI 摘要
论文2026-10-06 · arXiv (Cornell University)

探明人工智能代理的环境控制力与结构中心性之间的关系

The Geometry of Empowerment
Sergey Levine 等 3 人
做了什么
研究团队揭示了人工智能代理控制周围环境的能力(即授权/赋能,Empowerment)与使其能够广泛接触未来结果的结构中心性之间的关系。
核心结果
提出了一个全新的几何结构,将最大化授权与技能学习方法联系起来,并能对其实施解释和分析。
意义
为构建可扩展的最大化授权方法提供了必要的理论启示。AI 摘要
论文2026-10-06 · arXiv (Cornell University)

公开结合机器人控制与未来预测的开源框架

OpenWAM: An Open Framework for Composable World-Action Models
李飞飞 等 9 人
做了什么
开发了OpenWAM,这是一个开源框架,可用于比较和研究同时处理机器人控制与未来视频预测的世界-行动模型。
核心结果
所提出的方法显著提高了机器人操作任务的成功率,并通过反事实数据训练提升了动力学模型的性能。
意义
为公平比较各种机器人控制和视频预测方法提供了基础,从而提高了相关技术研究的效率。AI 摘要
论文2026-10-06

OTel发布了专用于电信领域的AI数据和模型

OTel: Open Telco AI Datasets, Benchmarks, and Models
做了什么
研究人员公开了“Open Telco (OTel)”资源,集成了电信领域AI训练所需的数据集、评估标准以及利用这些资源训练的模型。
核心结果
基于OTel公开的模型在电信数据检索、文档重排序以及语言模型准确度评估中分别取得了93.1%、0.947和87.8%的性能表现。
意义
此次发布为电信领域的AI研究与应用促进提供了可重复实现的起点。AI 摘要
论文2026-10-05 · arXiv (Cornell University)

开发研究人工智能行为克隆技术现象的新基准

Behavioral Cloning Mystery
Sergey Levine 等 1 人
做了什么
提出了OCBench(一个具有与人类示范相似特性的机器人操作评估工具)。
核心结果
通过该工具,证明了能够在基于图形处理单元(GPU)的环境中科学研究与行为克隆相关的多种现象并验证假设。
意义
为在受控环境中分析机器人学习技术中此前原因不明的现象提供了基础。AI 摘要
论文2026-10-05 · arXiv (Cornell University)

提高机器人学习效率的基于性能的数据收集方法

Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning
Chelsea Finn 等 6 人
做了什么
研究团队提出了 Mulligan 技术,该技术通过重点收集机器人操作学习过程中的失败状态和未尝试状态来提高效率。
核心结果
与传统方法相比,Mulligan 技术将机器人的最终任务成功率提高了 10% 到 34%。
意义
这展示了技术上的进步,有助于在人类教导机器人的过程中更有效地利用时间和精力。AI 摘要
论文2026-10-05 · arXiv (Cornell University)

开发用于复杂视觉规划的层级学习AI模型 H-JEPA

H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
扬·勒丘恩 等 4 人
做了什么
开发了根据时间段划分抽象级别的层级世界模型 H-JEPA。
核心结果
在仿真环境和真实机器人视频实验中,相比现有的单层级模型,其规划成功率更高,计算效率得到了提升。
意义
有助于在需要复杂长期规划的机器人控制和视觉任务中提高效率。AI 摘要
论文2026-10-04 · arXiv (Cornell University)

推出将音乐转换为乐谱的AI 'SheetSage2'

SheetSage2: Coherent Lead-Sheet Transcription with Synthetic Supervision
扬·勒丘恩 等 6 人
做了什么
提出了统一的音乐转录模型 SheetSage2,可将录音自动转换为人类可读的乐谱(lead-sheet)。
核心结果
在评估的 15 个基准和指标对中,单一模型 SheetSage2-AR 在其中的 12 个上超越了所列出的现有系统,比旧版本 SheetSage1 有了显着改进,并且在某些基准测试中表现出甚至高于特定任务专用模型的性能。
意义
这是一项提高音乐转录技术准确性的研究,其模型权重和推理代码已公开,可用于后续研究或应用。然而,仅凭摘要很难判断其商业化可能性或市场规模。AI 摘要
论文2026-10-01 · arXiv (Cornell University)

由184名研究人员打造的“寻找灵感论文”基准

ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research
Chelsea Finn 等 13 人
做了什么
构建了ScholarCatalyst数据集,由计算机科学领域近期207篇论文的184名第一作者指出哪些之前的论文对他们的研究真正起到了帮助,并提出了检索这一关联的任务。
核心结果
智能体(自主重复搜索以完成任务的AI)搜索的表现并未优于基础检索方式(基于前20个结果的召回率,智能体为0.42,基础检索为0.48)。基于Claude Fable 5.1的智能体也仅达到0.51。
意义
这表明当前的AI在海量研究文献中识别所需先前创意的专家直觉方面仍有欠缺,并指出了需要为此开发新学习方法的发展方向。虽然这可以看作是辅助科学研究的AI研究迈出的一步,但其实际商业化或产业效果无法从摘要中确认。AI 摘要
论文2026-09-29 · arXiv (Cornell University)

T2Mem:一种使机器人通过记忆过去场景来学习执行任务的技术

T$^2$Mem: Learning Test-Time Memory for Robotics
李飞飞 等 6 人
做了什么
针对需要记忆过去观察信息的机器人操作任务,提出了一个框架(T2Mem),通过测试时学习为原本没有记忆功能的预训练机器人策略增加记忆能力。
核心结果
在16项 RoboMME 任务中,平均成功率从没有记忆功能的基准策略的 17.93% 提升至 56.83%,高于基准测试中报告的循环记忆方法。
意义
其意义在于展示了无需外部存储设备、仅通过演示数据即可培养机器人利用当前画面中不存在的过去信息的能力;但由于摘要仅涉及研究阶段的成果,因此无法确认商业化或市场效果。AI 摘要
论文2026-09-28 · arXiv (Cornell University)

DexAgent利用人类示范视频自动生成机器人手部动作学习数据

DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library
李飞飞 等 4 人
做了什么
提出了一种具身智能框架,输入一段人类第一人称视角视频和任务描述,即可生成物理可行的机器人动作轨迹,从而产生用于机器人学习的数据。
核心结果
在真实环境的11项任务中,使用DexAgent生成的数据训练出的策略(机器人行为规则)展现出了比对比基准方法高出3.5倍的成功率。
意义
展现了将人类示范视频转化为机器人学习数据过程自动化的潜力,但仅凭摘要很难判断其实际工业应用水平或商业化时间节点。AI 摘要
论文2026-09-28 · arXiv (Cornell University)

使自动驾驶世界模型提速100倍的JEPA研究

AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving
扬·勒丘恩 等 3 人
做了什么
对自动驾驶中使用的基于预测的世界模型(JEPA系列)进行了对比评估,并提出了大幅减少计算量的改进架构 AD-E2E-JEPA。
核心结果
据报告,该提议架构将规划使用的图像块数量减少到1/16,嵌入维度减少到1/4,在保持规划性能的同时,将推理速度提高了约100倍。
意义
虽然该研究展示了降低自动驾驶AI计算成本的方向,但仅凭摘要很难判断其实际车辆应用效果和商业化可能性。AI 摘要
论文2026-09-12

Cohere发布具备成本效益的大型语言模型翻译模型

North Small Translate: Advanced Cost-Effective Translation (Cohere CAT+)
做了什么
研究团队推出了基于大型语言模型的具备成本效益的机器翻译模型“North Small Translate”,该模型在50种语言中表现出色。
核心结果
该模型在参数量小于1万亿的模型组中,在50种语言上实现了顶尖的机器翻译性能。
意义
这展示了在推理过程中无需昂贵计算即可高效执行各种语言翻译和后编辑任务的可能性。AI 摘要
论文2026-08-24

机器人边等待边学习行动的技术

Learning to Act While Waiting: RL Finetuning of Generalist Robot Policies Under Inference Latency
Sergey Levine 等 19 人
做了什么
研究人员开发了 ARLI,这是一个延迟感知强化学习框架,旨在解决机器人模型思考时间(推理延迟)所引发的问题。
核心结果
这种新方法使机器人即使在存在延迟的环境中也能成功继续学习,并展现出与无延迟的理想环境相同或更出色的性能。
意义
为复杂且庞大的机器人人工智能在实际现场不间断、不卡顿地自主提升性能打开了可能性。AI 摘要
论文2026-08-17

公开关系型学习的开源工具和性能比较平台

Advancing Open and Reproducible Relational Learning: RelArena-$\alpha$, TabPFN-Rel and RPI
扬·勒丘恩 等 46 人
做了什么
研究人员为了促进关系型学习领域的研究,以开源形式发布了一个综合比较平台以及两种相关软件。
核心结果
在公开的新工具中,针对关系型数据库的模型 TabPFN-Rel 在比较平台中创下了最高排名。
意义
此次公开有望为关系型学习领域建立可靠的比较基准,并成为帮助其在研究和产业现场得到应用的基石。AI 摘要
论文2026-08-03

探究动作分块(Action chunking)提升机器人控制性能的工作原理

Why Does Action Chunking Improve Behavioral Cloning Performance in Robotic Control?
Sergey Levine 等 5 人
做了什么
通过实验分析了机器人控制中一次性预测并执行多个动作的“动作分块”技术性能提升的原因。
核心结果
证明了现有假设的错误,揭示了动作分块成功的核心因素是学习多样化时间关系的“隐式集成(Implicit ensembling)”效应,并据此提出了新的策略。
意义
通过阐明提升机器人控制技术性能的核心因素,为未来开发高效的机器人学习模型提供了理论基础。AI 摘要
论文2026-06-11 · arXiv.org

开发出更精确引导机器人行为的新技术

Improving Robotic Generalist Policies via Flow Reversal Steering
Sergey Levine 等 4 人
做了什么
为了提升通过各种机器人数据集训练出的通用机器人政策的性能,在控制设置中评估了一种名为“流反转转向(FRS)”的方法,该方法能将笨拙的行为转变为更好的行为。
核心结果
使用 FRS 可以将人类或视觉语言模型的粗略指令转化为良好的机器人行为,通过不到 1 分钟的学习,绝对任务成功率提升高达 95%。
意义
展现了利用人类指令或现有技术帮助机器人在新任务中取得更好性能的可能性。AI 摘要
论文2026-05-27 · arXiv.org

开发用于在人工智能训练过程中追踪记忆与泛化转换的诊断工具

A Training-Time Diagnostic for Generalization via the Log-Alignment Ratio
做了什么
研究了一种利用测量参数与激活值的“对数对齐比率(LAR)”来追踪人工智能是在对数据进行简单记忆还是在实际学习的诊断方法。
核心结果
LAR 在无需额外验证数据的情况下,有效地捕捉到了人工智能泛化能力的变化和过拟合征兆。
意义
无需单独的验证数据即可在训练过程中诊断 AI 的性能,有望为未来高效的模型训练管理技术发展做出贡献。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...