人工智能的边界：从拉普拉斯恶魔到熵与噪声
两百年间，人类对“全知全能”的想象，经历了两次深刻的幻灭。 第一次，是拉普拉斯恶魔的幻灭。拉普拉斯设想，如果有一个妖怪知道宇宙中每一个粒子的位置和速度，就能预测整个未来。但物理学的发展告诉我们，世界不是这样运行的。量子力学的不确定性原理、混沌系统的蝴蝶效应，共同宣告了一个事实：即使拥有完美的先验知识，世界本身也不允许无限精确的预测。 但第二次幻灭，可能更贴近我们今天的生活。我们造出了人工智能。我们以为，即使先验知识不完备，只要给AI足够多的数据，它就能自己“学”出规律。天气预报、股价预测、自动驾驶——这些
李飞宏博士提出新型REQ损失函数提升SVM鲁棒性
该文提出一种新型重新缩放指数商（REQ）损失函数，显著提升了系数支持向量模型的鲁棒性，并构建了REQ支持向量模型。由于REQ损失具有非凸特性，研究者通过共轭函数将其转化为每个变量均为凸的二元形式，进而推导出新优化问题的一阶最优性条件。在此基础上，引入工作集机制，充分挖掘REQ损失的稀疏结构，设计出基于半二次优化的快速交替方向乘子法框架，并严格证明了其全局收敛性。针对分布式场景中因可扩展性或隐私约束而无法与中央节点直接通信的问题，论文进一步构建了基于共识优化的分布式REQ支持向量机，并开发了高效求解算法。此
微软73亿美元AI数据中心陷噪音风波：周边居民发起集体维权
IT之家 7 月 7 日消息，今年早些时候，微软 CEO 萨提亚 · 纳德拉曾高调宣传位于美国威斯康星州芒特普莱森特的 Fairwater 数据中心。微软为项目投入 73 亿美元（IT之家注：现汇率约合 496.53 亿元人民币），纳德拉称其为“全球最强大的 AI 数据中心”，可把数十万块高耗能芯片连成一个无缝集群。 但附近居民显然不认同微软的宏大叙事。当地时间 6 日，据外媒 Futurism 报道，上周，毗邻芒特普莱森特的斯特蒂文特村有 3 名居民提起集体诉讼，指控微软数据中心产生不合理且过度的噪声，
量子新传感器助力探测引力波与暗物质
英国《自然》杂志近日发表的一项研究显示，一种新型量子传感器可显著抑制背景噪声对测量的干扰，能够捕捉以往技术难以识别的微弱信号，为揭示超大质量黑洞的形成机制提供新途径。
智能AI降噪处理器AS2
此设备为二进二出专业型AI数字降噪处理器，采用增强型数字处理芯片，运用AI智能降噪技术，构建全新的纯净语音发言模式。双输出通道支持混音/平行模式一键切换，配备2.0寸IPS触摸显示屏，可脱离计算机进行编程、调试，使现场人员轻松完成安装调试，适用于两套手拉手会议系统同时使用场景。基于深度学习算法的AI智能降噪技术，智能识别会场环境，能精确分离人声与环境噪音，并有效消除除人声以外的环境噪音与现场扩声设备声音；AFC自适应反馈抑制技术，内置高速浮点数字信号处理器，根据会场环境自动搜索并处理系统啸叫点，从而提升话
全国已建成安静居住社区3272个
北京5月29消息（ 记者高敬）生态环境部等相关部门联合发布的《中国噪声污染防治报告（2026）》披露，全国已建成安静居住社区3272个，覆盖居民超过240万户。 生态环境部发言人裴晓菲在29日举行的新闻发布会上通报了相关内容。报告显示，2025年，全国城市声环境质量整体保持良好水平，声环境功能区白天达标率达到93.3%，夜晚达标率达到87.8%。 报告强调，我国各重点领域噪声污染防治工作扎实开展。在工业噪声治理方面，约29万家工业企业的噪声已全部纳入排污许可管理，约120万家企业完成排污登记管理，实现工业
朱雀检测为何判定AI文？教你用3个指令破解高AI率
先理清底层逻辑，再讨论如何降低检测率。许多人误以为AIGC检测系统在扫描特定词汇，一旦看到“首先、其次、综上所述”就判定为AI生成，实则这些仅是表层特征，属于肉眼可见的语法痕迹。真正导致AI检测率飙升的，是文本在统计层面上表现出的“过于正确与完美”。检测工具通过计算下一个词出现的概率来工作，而AI生成的文本概率最高，因此“困惑度”极低，低困惑度直接对应高AI率。人类写作天然带有噪声，会突然偏离主题，会使用看似不恰当却个人偏好的比喻，也会写出语法略有瑕疵但读起来顺畅的句子。这些“不完美”正是真人创作的指纹，
arXiv AI论文精选 2026-05-10
1. 人机交互新基准：AI智能体何时应主动求助？ 原文标题: HiL-Bench (Human-in-Loop Benchmark): Do Agents Know When to Ask for Help? 发布时间: 2026-04-10 论文链接:http://arxiv.org/abs/2604.09408v1 当前前沿编码智能体虽能在信息完备时处理复杂任务，但在面对信息残缺或语义模糊的场景时往往失效。问题根源并非能力欠缺，而是判断力的缺失：无法准确识别应独立决策还是应寻求外部支持。现有评测体系对