本文字数:约 3500 字,预计阅读时间:10 分钟海淀放大招!90亿资金+近30条政策,重磅释放三大科创关键信号海淀区近日宣布,将投入90亿资金,并出台近30条政策,旨在释放三大关键信号,推动科技创新。这些政策涵盖了AI、大数据、云计算等前沿技术领域,意在优化创新环境、促进成果转化和提升产业竞争力。其中,人工智能被视为最重要的技术之一,其发展将直接影响未来科技和产业格局。此次政策的出台,将为AI企业提供更多的资金支持和政策保障,助力AI技术的创新应用和产业化落地。这些政策中的亮点包括:设立专项基金支持AI企业研发,提供税收减免和融资便利,以及推动AI与产业深度融合。海淀区政府希望通过这些措施,激发企业创新活力,加速AI技术在医疗、教育、交通等领域的应用,提升城市智能化水平。此举不仅有助于推动AI技术的普及和应用,还将为海淀区乃至整个北京的科技创新注入新的动力。“翻版”豆包AI手机,谷歌和三星还是太保守了谷歌近日宣布,将推出一款“翻版”豆包AI手机,这被视为谷歌在AI手机领域的重大突破。这款手机不仅具备强大的AI处理能力,还能实现更智能的交互体验,为用户带来全新的手机使用体验。然而,与

今日新鲜事 · 昨天

本文字数:约 4200 字,预计阅读时间:14 分钟北大林宙辰团队:从最优传输角度训练时序预测模型 丨ICLR 2026在时间序列预测研究中,一个有趣的现象长期存在:尽管模型结构从循环网络到Transformer不断演进,但几乎所有方法在训练阶段依赖同一类损失函数,即以均方误差(MSE)为代表的点对点误差。然而,这一假设与时间序列数据的生成机制之间存在张力,真实世界中的时间序列由随机过程演化而来,不同时间点之间存在显著的相关关系。这使得时间序列预测在方法论层面呈现出一种隐性的停滞,即研究重心持续向模型表达能力倾斜,而对损失函数所隐含的统计假设缺乏系统反思。北京大学林宙辰团队深入剖析了此类结构性偏差的成因,并提出了 DistDF:一种通过联合分布对齐训练预测模型的损失函数。DistDF 的提出不仅为时间序列预测提供了一种新的损失函数设计思路,也在更一般的意义上,对序列建模中“应当优化什么”这一长期被默认的问题给出了新的回答。论文指出,传统均方误差(MSE)隐式地做了独立性假设,这一假设与时间序列数据的生成机制相悖,导致其作为损失函数是有偏的。DistDF 通过直接对齐预测序列的条件分布与

今日新鲜事 · 前天
Theme Jasmine by Kent Liao