NeuronAI推出首个免费TTS、STT、LLM三合一语音AI平台
NeuronAI发布了号称业界首个免费集文本转语音（TTS）、语音转文本（STT）与大语言模型（LLM）于一体的一站式平台。该平台主打实时音频流处理能力，具备超低延迟，适用于直播等场景；同时提供高度定制选项，支持自定义词汇与语音风格，满足不同行业需求。基础设施方面，平台承诺99.9%可用性SLA，并配备企业级安全防护。其TTS合成音色接近真人，STT可精准生成语音转录文本，LLM则能在同一工作流中完成摘要、翻译、回复及结构化问答。开发者可通过REST API快速接入主流编程语言与框架，平台还提供全面的使用分析与监控功能。官方展示了企业客户的使用案例，并开放各模块免费试用。 #NeuronAI #TTS #STT #LLM #语音AI #AI平台 #免费服务
NeuronAI发布了号称业界首个免费集文本转语音（TTS）、语音转文本（STT）与大语言模型（LLM）于一体的一站式平台。该平台主打实时音频流处理能力，具备超低延迟，适用于直播等场景；同时提供高度定制选项，支持自定义词汇与语音风格，满足不同行业需求。基础设施方面，平台承诺99.9%可用性SLA，并配备企业级安全防护。其TTS合成音色接近真人，STT可精准生成语音转录文本，LLM则能在同一工作流中完成摘要、翻译、回复及结构化问答。开发者可通过REST API快速接入主流编程语言与框架，平台还提供全面的使用分析与监控功能。官方展示了企业客户的使用案例，并开放各模块免费试用。 #NeuronAI #TTS #STT #LLM #语音AI #AI平台 #免费服务
人工智能设计出全新病毒，可复制且能感染细菌
据美国斯坦福大学研究人员发布在《科学》期刊上的成果，他们利用生成式人工智能成功设计出16种全新的、功能完整且能在实验室中复制的病毒。这是首次由AI完整设计出基因组。研究团队使用类似ChatGPT的语言模型Evo1和Evo2，将训练数据从文字换成病毒、细菌、植物和人类的遗传密码，进而生成名为“噬菌体”的病毒，专门感染特定细菌。在筛选出的302个AI设计中，16个被证实能有效杀死大肠杆菌。专家称这是科学领域的“重大转折点”，有望为治疗耐药性感染开辟新途径。但与此同时，约翰斯·霍普金斯大学专家警告，AI设计病毒的能力带来“紧迫的”生物安全风险，恶意使用可能制造新疾病，建议避免设计可能致病的病毒。 #AI #人工智能 #病毒设计 #生物安全 #合成生物学 #科学新闻
据美国斯坦福大学研究人员发布在《科学》期刊上的成果，他们利用生成式人工智能成功设计出16种全新的、功能完整且能在实验室中复制的病毒。这是首次由AI完整设计出基因组。研究团队使用类似ChatGPT的语言模型Evo1和Evo2，将训练数据从文字换成病毒、细菌、植物和人类的遗传密码，进而生成名为“噬菌体”的病毒，专门感染特定细菌。在筛选出的302个AI设计中，16个被证实能有效杀死大肠杆菌。专家称这是科学领域的“重大转折点”，有望为治疗耐药性感染开辟新途径。但与此同时，约翰斯·霍普金斯大学专家警告，AI设计病毒的能力带来“紧迫的”生物安全风险，恶意使用可能制造新疾病，建议避免设计可能致病的病毒。 #AI #人工智能 #病毒设计 #生物安全 #合成生物学 #科学新闻
研究发现可利用稀疏性侧信道提取大模型服务中的令牌数据
一项最新研究揭示了针对采用稀疏性优化的 LLM 服务系统的侧信道攻击方法。论文指出，许多大模型服务为提升推理效率，会利用激活稀疏性或专家混合（MoE）等技术跳过部分计算，这类系统在生成不同令牌时会产生确定性的时序差异。攻击者可借此通过测量响应延迟等侧信道信息，推断并提取模型生成的敏感令牌内容，从而绕过现有安全机制。研究团队对该攻击进行了实测验证，并警告所有依赖稀疏性加速的托管推理服务均可能受影响。论文已以预印本形式发布于 arXiv，作者建议服务商采取随机化处理或时序混淆等缓解措施。 #AI安全 #大模型 #侧信道攻击 #稀疏化 #LLM #信息安全 #arXiv
一项最新研究揭示了针对采用稀疏性优化的 LLM 服务系统的侧信道攻击方法。论文指出，许多大模型服务为提升推理效率，会利用激活稀疏性或专家混合（MoE）等技术跳过部分计算，这类系统在生成不同令牌时会产生确定性的时序差异。攻击者可借此通过测量响应延迟等侧信道信息，推断并提取模型生成的敏感令牌内容，从而绕过现有安全机制。研究团队对该攻击进行了实测验证，并警告所有依赖稀疏性加速的托管推理服务均可能受影响。论文已以预印本形式发布于 arXiv，作者建议服务商采取随机化处理或时序混淆等缓解措施。 #AI安全 #大模型 #侧信道攻击 #稀疏化 #LLM #信息安全 #arXiv
DG-FedReuse论文亮相 arXiv，提出联邦学习缓存更新复用新方案
近日，一篇题为《DG-FedReuse: Proxy-Gradient-Gated Cached-Update Reuse with Matched Sparse Uplink Accounting》的学术论文在 arXiv 预印本平台发布，作者为 Rahil Aftab、Vineet Kumar Rakesh、Soumya Mazumdar 和 Tapas Samanta，提交日期为 2026 年 8 月 5 日。从标题和现有信息来看，该研究聚焦联邦学习中的通信效率问题，提出一种由代理梯度门控的缓存更新复用机制，并结合稀疏上行链路预算计算，目标是通过减少客户端与服务器之间的数据上传量来降低训练通信开销。论文目前提供 PDF、HTML 及 TeX 源码等多种阅读方式，并已接入多个学术引用与推荐工具，但具体技术细节和实验结论尚未在页面中进一步公开。 #联邦学习 #arXiv #论文 #通信优化 #AI #机器学习
近日，一篇题为《DG-FedReuse: Proxy-Gradient-Gated Cached-Update Reuse with Matched Sparse Uplink Accounting》的学术论文在 arXiv 预印本平台发布，作者为 Rahil Aftab、Vineet Kumar Rakesh、Soumya Mazumdar 和 Tapas Samanta，提交日期为 2026 年 8 月 5 日。从标题和现有信息来看，该研究聚焦联邦学习中的通信效率问题，提出一种由代理梯度门控的缓存更新复用机制，并结合稀疏上行链路预算计算，目标是通过减少客户端与服务器之间的数据上传量来降低训练通信开销。论文目前提供 PDF、HTML 及 TeX 源码等多种阅读方式，并已接入多个学术引用与推荐工具，但具体技术细节和实验结论尚未在页面中进一步公开。 #联邦学习 #arXiv #论文 #通信优化 #AI #机器学习
QEvict：可恢复的量化KV驱逐技术，提升长上下文解码对注意力漂移的鲁棒性
一篇题为《QEvict: Recoverable Quantized KV Eviction for Attention-Drift-Robust Long-Context Decoding》的论文于2026年8月5日提交至arXiv预印本平台。该研究针对大语言模型在长上下文解码过程中出现的“注意力漂移”现象，提出了一种可恢复的量化KV（键值）驱逐机制。该方法通过对KV缓存进行量化压缩，并在必要时恢复被驱逐的信息，从而在降低显存占用的同时保持模型对长序列中关键信息的敏感度，提升解码的稳定性和鲁棒性。论文作者包括Ayushman Garg等六位研究者。该工作为高效长文本推理提供了新的技术路径，有望缓解长上下文建模中的资源瓶颈与注意力分布偏移问题，对后续大模型推理优化研究具有参考价值。 #论文 #AI #大模型 #长上下文 #KV缓存 #注意力机制 #量化
一篇题为《QEvict: Recoverable Quantized KV Eviction for Attention-Drift-Robust Long-Context Decoding》的论文于2026年8月5日提交至arXiv预印本平台。该研究针对大语言模型在长上下文解码过程中出现的“注意力漂移”现象，提出了一种可恢复的量化KV（键值）驱逐机制。该方法通过对KV缓存进行量化压缩，并在必要时恢复被驱逐的信息，从而在降低显存占用的同时保持模型对长序列中关键信息的敏感度，提升解码的稳定性和鲁棒性。论文作者包括Ayushman Garg等六位研究者。该工作为高效长文本推理提供了新的技术路径，有望缓解长上下文建模中的资源瓶颈与注意力分布偏移问题，对后续大模型推理优化研究具有参考价值。 #论文 #AI #大模型 #长上下文 #KV缓存 #注意力机制 #量化
研究者提出在线无源域自适应方法，解决类别不平衡脑电几何错位问题
一项新研究聚焦于脑电信号（EEG）分析中的几何错位与类别不平衡挑战。在实际应用中，不同受试者或不同时段的EEG数据往往存在几何分布偏差，且各类别样本数量不均，导致传统分类模型的泛化性能下降。该研究提出一种在线无源域自适应方法，无需访问原始源数据，即可在测试阶段实时调整模型，以纠正几何错位，并专门针对类别不平衡问题进行优化。该方法由 Shiwen Chu 等人提出，论文已以预印本形式在 arXiv 发布。其研究成果有望提升脑机接口、神经疾病诊断等领域的EEG信号解码准确性与系统鲁棒性。 #脑电信号 #脑机接口 #在线自适应 #无源域自适应 #类别不平衡 #科研进展 #arXiv #AI
一项新研究聚焦于脑电信号（EEG）分析中的几何错位与类别不平衡挑战。在实际应用中，不同受试者或不同时段的EEG数据往往存在几何分布偏差，且各类别样本数量不均，导致传统分类模型的泛化性能下降。该研究提出一种在线无源域自适应方法，无需访问原始源数据，即可在测试阶段实时调整模型，以纠正几何错位，并专门针对类别不平衡问题进行优化。该方法由 Shiwen Chu 等人提出，论文已以预印本形式在 arXiv 发布。其研究成果有望提升脑机接口、神经疾病诊断等领域的EEG信号解码准确性与系统鲁棒性。 #脑电信号 #脑机接口 #在线自适应 #无源域自适应 #类别不平衡 #科研进展 #arXiv #AI
评估用于野火后泥石流预测的机器学习模型
一篇由 Quinn Ledingham 等九位作者撰写的学术论文《Evaluating Machine Learning Models for Post-Wildfire Debris-Flow Prediction》提交至 arXiv 预印本平台。该研究聚焦于野火发生后泥石流灾害的预测问题，系统评估了多种机器学习模型在该场景下的表现。论文内容涉及模型构建、数据训练与性能比较，旨在提升对野火后泥石流发生风险与规模的预测能力，为灾害预警和应急响应提供更可靠的技术支持。目前论文已提供 PDF 及 HTML 实验版全文，并附带相关代码与数据链接供研究者参考。 #机器学习 #泥石流预测 #野火 #灾害预警 #arXiv #AI #科学论文
一篇由 Quinn Ledingham 等九位作者撰写的学术论文《Evaluating Machine Learning Models for Post-Wildfire Debris-Flow Prediction》提交至 arXiv 预印本平台。该研究聚焦于野火发生后泥石流灾害的预测问题，系统评估了多种机器学习模型在该场景下的表现。论文内容涉及模型构建、数据训练与性能比较，旨在提升对野火后泥石流发生风险与规模的预测能力，为灾害预警和应急响应提供更可靠的技术支持。目前论文已提供 PDF 及 HTML 实验版全文，并附带相关代码与数据链接供研究者参考。 #机器学习 #泥石流预测 #野火 #灾害预警 #arXiv #AI #科学论文
新兴零售投资组合管理应用：结合自然语言目标的个性化税收感知强化学习
arXiv 上近日出现一篇题为《An Emerging Retail Portfolio Management Application: Personalized, Tax-Aware Reinforcement Learning with Natural Language Goals》的论文，作者为 Ramin Pishehvar。该论文于2026年8月5日提交，研究方向聚焦零售投资组合管理，提出将个性化、税收感知的强化学习与自然语言目标相结合的方法。论文页面提供 PDF 和 HTML 全文链接，目前 DOI 尚未正式注册。该研究或为个人投资者提供更贴合需求、更智能的资产配置方案。 #arXiv #论文 #强化学习 #投资组合 #金融科技 #AI #自然语言处理 #税收优化
arXiv 上近日出现一篇题为《An Emerging Retail Portfolio Management Application: Personalized, Tax-Aware Reinforcement Learning with Natural Language Goals》的论文，作者为 Ramin Pishehvar。该论文于2026年8月5日提交，研究方向聚焦零售投资组合管理，提出将个性化、税收感知的强化学习与自然语言目标相结合的方法。论文页面提供 PDF 和 HTML 全文链接，目前 DOI 尚未正式注册。该研究或为个人投资者提供更贴合需求、更智能的资产配置方案。 #arXiv #论文 #强化学习 #投资组合 #金融科技 #AI #自然语言处理 #税收优化
超越旋转
据arXiv预印本显示，Yue Han和Dianlin Wang提交了一篇题为“Beyond Rotations: AuroOFT for Expressive Quantized Orthogonal Fine-Tuning”的论文。该研究提出了一种名为AuroOFT的新方法，旨在通过量化正交微调技术提升模型的表达能力，突破了传统仅依赖旋转操作的局限。该方法在保持参数高效的同时，增强了微调过程中的表达自由度，有望为大规模模型的轻量化适配提供新思路。论文于2026年8月5日提交，目前正在等待DOI注册。 #arXiv #论文 #AI #机器学习 #量化 #微调 #正交 #AuroOFT #深度学习
据arXiv预印本显示，Yue Han和Dianlin Wang提交了一篇题为“Beyond Rotations: AuroOFT for Expressive Quantized Orthogonal Fine-Tuning”的论文。该研究提出了一种名为AuroOFT的新方法，旨在通过量化正交微调技术提升模型的表达能力，突破了传统仅依赖旋转操作的局限。该方法在保持参数高效的同时，增强了微调过程中的表达自由度，有望为大规模模型的轻量化适配提供新思路。论文于2026年8月5日提交，目前正在等待DOI注册。 #arXiv #论文 #AI #机器学习 #量化 #微调 #正交 #AuroOFT #深度学习
PRISM：通过结构化多模态数据合成实现优先级感知的评分标准内化
据arXiv预印本平台显示，一篇题为“PRISM: Priority-aware Rubric Internalization via Structured Multimodal Data Synthesis”的研究论文于2026年8月5日提交。该论文由Xiaomin He等7位作者共同撰写，核心聚焦于通过结构化多模态数据合成技术，使模型能够内化优先级感知的评分标准。论文目前提供PDF版本下载，并已通过DataCite分配arXiv DOI（待注册）。该研究可能对多模态学习、自动评估及AI教育领域产生潜在影响。 #arXiv #多模态 #数据合成 #评分标准 #AI研究 #机器学习 #论文
据arXiv预印本平台显示，一篇题为“PRISM: Priority-aware Rubric Internalization via Structured Multimodal Data Synthesis”的研究论文于2026年8月5日提交。该论文由Xiaomin He等7位作者共同撰写，核心聚焦于通过结构化多模态数据合成技术，使模型能够内化优先级感知的评分标准。论文目前提供PDF版本下载，并已通过DataCite分配arXiv DOI（待注册）。该研究可能对多模态学习、自动评估及AI教育领域产生潜在影响。 #arXiv #多模态 #数据合成 #评分标准 #AI研究 #机器学习 #论文