AI技术如何革新航司收益管理体系？
AGIFORS 2025伦敦年会传递出一个清晰信号：收益管理学科正经历变革，而非被替代。不妨把收益管理系统（RMS）的发展过程视作一枚持续扩张的贝壳：内核层：基础理论（期望边际座位收益）。扩展层：航段优化、网络优化、动态定价、订单管理等。新生层：AI技术。a.RMS的演进脉络可直观呈现为层层叠加的贝壳结构，新增腔室象征着逐步引入的复杂模块。基础逻辑始终稳固，各模块依次构建而非相互替代。b.这一演进轨迹与RMS架构发展相吻合：上世纪90年代的网络RMS仅涵盖模块1与2，而当代RMS已融合模块1-4的全部要素
深度解析AI思维机制：普通人必须懂的AI核心原理与实战指南
我一直认为：AI不应该只是冰冷的效率工具，更应该是值得我们去了解、去亲近、去共同成长的伙伴。 想要真正爱上AI，其实有四层路径： 用好AI、做好AI、玩好AI、读懂AI。 这篇文章，就带你从原理到实战，从入门到进阶， 不只学会怎么用AI，更能真正走进AI、理解AI、爱上AI。 很多人每天都在用AI写文案、做封面、做内容，但大多停留在表面： AI为什么能对答如流？为什么反应如此迅速？为什么越用越贴合你的需求？ 其实AI并非天生智能，它所有的"智慧"，都来自一套严谨、可解释的思考与训练体系。 今天不讲玄学、不
重磅!百篇AI军事智能防务研究资料汇编
必读！【DARPA L2M终身学习系统】《自主系统感知与行动终身学习》美国空军与宾夕法尼亚大学2022年234页技术文档《多智能体交互深度强化学习》爱丁堡大学十多位学者2022年最新学术论文《无人机为核心的海军力量投送新时代》最新研究报告欧洲威慑与远程打击能力建设必读！全面掌握美陆军AI战略 |《人工智能战场运用》130页报告人机协同：《基于强化学习的有人-无人战机编队任务规划： 敌方防空压制任务》最新学术论文《综述：多智能体系统任务分配技术》美国空军项目支持必读！《人工智能在武器系统中的应用》美智库(D
AI热点资讯速览-2026/4/10
AI热点资讯速览-2026/4/10 2026/4/10 · 精选汇总2026/4/10 · 精选汇总The Verge AI · 4月9日YouTube Shorts现已上线一项全新的AI能力，帮助创作者更方便地在镜头中高拟真复制自己的形象。借助这一工具，用户可以生成一个被称作“头像”的数字化分身，并将其添加进已有的Shorts短视频中，或直接用来制作全新的内容。YouTube方面表示，这些头像在外观和声音上都会与用户本人高度相似。量子位 · 4月9日这一次，阿里云百炼发布的记忆库系统集成了“提取-存储
AI论文解读：大型语言模型中的“谄媚”与论证图挑战
未来打算分享几篇AI领域的学术文章，既是为了给自己做个网络存档，也希望能给从事智能传播研究的朋友带来一些灵感~摘要：AI系统中的“谄媚”现象，特别是在大型语言模型（LLMs）里，对保持客观、批判性思考及平衡论证构成了巨大阻碍。所谓“谄媚”，是指AI系统倾向于迎合用户的偏见、喜好或主流观点，而不是提供理由充分、公正无偏的论据。这个问题在论证框架里尤为严重，因为AI模型本应基于逻辑一致性而非顺从性来分析、评估和生成论证。随着法律、政策分析和决策支持等领域对AI驱动论证系统的依赖增加，迫切需要建立有效机制来减少
AI浪潮中的华裔双星：李飞飞与哈萨比斯
李飞飞（Fei-Fei Li）和德米斯·哈萨比斯（Demis Hassabis），堪称本轮人工智能变革中最具代表性的两位核心人物。二人不仅在年龄上相近（同样出生于1976年）、都带有华裔背景（哈萨比斯拥有一半新加坡华裔血统），且都拥有英美顶尖高校的学术经历，更重要的是，他们在理解智能的底层路径上都从神经科学出发，并在学术低潮期长期坚持，同时具备极强的技术叙事能力，呈现出惊人的一致性。如果把当下的AI革命看作一场复杂而系统的演化，那么这两位人物分别从“感知数据”与“决策强化”两个方向，铺设了通往通用人工智能
特斯拉FSD V14.3版上线，驾驶响应提速两成
特斯拉官方近日在其社交平台X上宣布，已正式推送FSD监督版的新版本。此版本将系统反应速度提高了20%，增强了行车安全性，并包含了多项性能优化。 完整的更新内容如下： FSD（监督版）v14.3 包含以下更新： 强化了FSD神经网络在强化学习阶段的训练，从而在多种驾驶情境下实现了性能优化。 利用MLIR技术从底层重写了AI编译器与运行时，不仅使响应速度提升了20%，也加快了模型更新迭代。 减少了不必要的车道偏移以及轻微的尾随行驶行为。 在停车位选择和操控上表现得更加果断。 优化了停车位预测功能，并会在地图上
AI与前沿科技常见术语盘点
下面整理了一些与AI技术和科技前沿有关的常见术语，并附上简明说明：人工智能（AI）指借助计算机程序或机器系统，对人类智能进行模拟、拓展与延伸的理论、方法、技术和应用体系，目的是让机器具备类似人类的思考、学习与决策能力。大模型（Large Model）这类深度学习模型拥有极大的参数规模，例如GPT-4、LLaMA等，具备较强的语言理解、内容生成和推理能力，也能够处理文本、图像、音频等多模态信息。多模态AI指能够综合利用多种数据类型（如文本、图像、音频、视频等）进行理解、预测与生成的AI系统，从而实现更完整的
速览：AI与军事智能防务资料精选汇总
精选推荐！【DARPA终身学习机器（L2M）】《面向自主系统感知与行动的终身学习》美空军、宾大2022年最新234页技术报告《多智能体交互中的深度强化学习》爱丁堡大学十余位作者2022年最新论文《以无人机为主导的海军力量投送新时代》最新报告欧洲、威慑以及远程打击能力推荐阅读！全面掌握美陆军AI版图 |《人工智能的战场运用》130页报告人机协同：《基于强化学习的有人-无人机编队任务规划：敌防空压制（SEAD）任务》最新论文《综述：多智能体系统（MAS）中的任务分派技术》获美国空军项目支持重点推荐！《人工智能
高功率微波对抗无人机蜂群的人工智能策略
本报告由美海军发布，探讨了通过人工智能（AI）技术提升高功率微波（HPM）系统效能，以有效应对自主无人机蜂群的战术研究。以下是报告的主要内容概述。一、 研究背景与核心目标二、 三个核心子项目的研究内容与发现三、 总结报告指出，在开发生成分布式神经网络控制器以高效击退攻击蜂群的强化学习框架方面取得了关键性进展：·点击左下角“阅读原文”或复制以下网址查阅https://www.zhuanzhiai.com/vip/f4f108772d842dfc920076b1817cfa28了解专知防务·欢迎微信添加专知助
上汽大众ID. ERA 9X首发搭载Momenta R7强化学习系统
3月16日，上汽大众举办以“人本科技”为主题的ID. ERA技术发布会，首次展示了ID. ERA系列智能辅助驾驶等核心技术。会上，Momenta CEO曹旭东宣布：Momenta R7强化学习世界模型即将面世，并将全球首发搭载于上汽大众全新旗舰SUV ID. ERA 9X。 上汽大众ID. ERA 9X 全球首发搭载Momenta R7强化学习世界模型，标志着‘物理AI’正式迈入实际应用阶段。全新的Momenta R7强化学习世界模型，通过在强化学习中加入世界模型，提升了对物理世界的理解能力，包括物体属性
机器人从实验室走向生活
“请整理一下客厅，并为客人准备一杯奶茶。”随着指令发出，机器人开始环视四周，迅速识别出散落的物品。它熟练地拿起扫帚，按照规划好的路径清扫地面；任务完成后，它转向操作台，取杯、加茶、加奶、搅拌、递送，动作流畅自然，一气呵成。整个过程完全无需人工干预，就像一位经验丰富的管家。 这是记者日前在天津大学深度强化学习实验室目睹的一幕。机器人的“智慧”来源于天津大学具身团队自主研发的具身基座模型Embodied-R1.5。在这个实验室里，一群年轻人正努力推动人工智能从“会计算”迈向“会行动”，加速实验室成果的产业化进
AI入门读物精选合集
这是一本融合理论与实践的AI基础读物，专为高校通识课程设计，也适合希望全面了解人工智能的各类读者。本书无需深厚的技术或数学背景，语言简洁明了，简化了复杂的数学推导，具备跨学科特性，文、理、工各专业读者均可轻松阅读。全书内容体系完整，覆盖人工智能的核心知识与最新动态，包括人工智能的定义、历史、伦理等基础介绍，以及知识推理、知识图谱、机器学习、深度学习等核心技术，还拓展了计算机视觉、具身智能、智慧医疗、生成式AI、大模型等前沿应用领域，全面展示了人工智能的完整框架。本书旨在培养读者的AI科学素养与科技思维，并
机器学习基础与核心概念
01）机器学习的关键理念是（）。A. 让计算机按照固定规则运行 B. 让计算机从数据中自主发现规律 C. 让计算机存储海量信息 D. 让计算机进行快速运算答案：B解析：机器学习的核心在于让计算机通过数据自主总结规律，而非依赖预设规则。利用大量数据和正确结果，使计算机自行归纳模式。02）监督学习与无监督学习的显著差异是（）。A. 是否需要大规模数据 B. 数据是否带有标签 C. 是否需要人工参与 D. 是否能处理连续值答案：B解析：监督学习与无监督学习的主要区别在于训练数据是否包含标签。监督学习的数据附带正
机器学习基础问答
01）机器学习的基本理念是（）。A. 让计算机遵循固定规则 B. 让计算机自动从数据中学习规律 C. 让计算机存储海量信息 D. 让计算机执行快速计算02）监督学习与无监督学习的区别在于（）。A. 是否需要大量数据 B. 是否包含标签数据 C. 是否需要人工干预 D. 是否能够处理连续值03）关于监督学习的说法，正确的是（）。A. 训练数据没有标签 B. 训练数据包含输入特征及正确输出标签 C. 仅适用于分类问题 D. 不需要训练过程04）无监督学习的任务不包括（）。A. 聚类 B. 降维 C. 分类 D