基准日期 2026-11-03
上次运行 2026-11-03 22:30:03
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.87
WTI
$96.76
Gold
$3,940
USD/KRW
1,344
SOX
10,600
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.87
WTI
$96.76
Gold
$3,940
USD/KRW
1,344
SOX
10,600
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 2026-11-04 07:41 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 · 智能体与编程

暂无符合条件的人事变动。

论文 · 新兴实验室 · 智能体与编程

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2026-10-28

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2026-10-07

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)

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2026-10-04 · 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2026-09-28 · 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

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...