53005 条内容 最近更新 1592 条 / 24h 保留 30 天 · 收藏永久 本地可读 2238 篇
时间范围
来源筛选(可多选)

🔥 正在热议(多家媒体同时报道的事件)

华尔

纽约联储调查:美国消费者通胀预期稳定,失业率担忧升至2020年以来最高

美国消费者对未来一年通胀预期保持稳定,但对劳动力市场的悲观情绪明显升温,折射出当前经济前景的内在矛盾。 纽约联储周一发布的月度消费者预期调查显示, 受访者对未来一年通胀的预期维持在3.9%,三年及五年通胀预期亦分别稳定在3.3%和3%。 与此同时,消费者对失业率上升的预期概率攀升至2020年4月以来最高水平,折射出民众对就业市场的隐忧。 通胀预期总体平稳,但就业前景的分歧将为美联储的政策路径提供重要参考。 多位美联储官员近期表示,需要通过渐进式加息将通胀压回2%的政策目标,10月消费者价格指数(CPI)数据将于周二公布,届时或进一步左右市场对货币政策走向的判断。 失业率担忧升至四年半高位,内部分化明显 纽约联储调查显示, 受访者预计未来一年失业率将上升的平均概率升至45.3%,为2020年4月以来最高,主要由无大学学历的受访者推动。 然而,该调查同时呈现出相反的信号:在已失业人群中,找到新

华尔街见闻 · 6 天前
东方

FDA要求GLP-1药物新增罕见眼病警告 礼来、诺和诺德回应

美国食品药品监督管理局(FDA)周一宣布,要求所有GLP-1受体激动剂药物在说明书的“警告和注意事项”部分,增加一种罕见但可能导致永久性视力损伤的眼病风险提示。 这一要求覆盖 诺和诺德 以及 礼来 的多款热门GLP-1降糖和 减肥药 。 引发监管关注的疾病名为“非动脉炎性前部缺血性视神经病变”(NAION)。 这种疾病涉及视神经前部供血减少,典型表现是一只眼睛突然、无痛地出现视力下降,严重时可能留下永久性损伤。NAION是导致成年人视力丧失的重要原因之一,也是仅次于青光眼的第二常见视神经病变。 世界卫生组织去年6月曾就含司美格鲁肽药物与NAION相关的风险发布警示,并指出,NAION造成的视力损失通常不可逆,目前尚无有效治疗方法。 风险究竟有多大,是理解此次监管行动的关键。 FDA对126项随机对照试验、涉及逾13.4万名患者的数据进行汇总分析后发现,GLP-1药物组的NAION发生率为每

东方财富 · 6 天前
Te

Elliptic:币安 6.3B 美元盗窃案背后的黑客在 NEAR 区块链网络上创建了至少 6 个模因币,以洗钱约 43 万美元的被盗资金(Emily Nicolle/彭博社)

Emily Nicolle / Bloomberg :Elliptic:6.3B 币安盗窃案背后的黑客在 NEAR 区块链网络上创建了至少 6 个模因币,以洗钱约 43 万美元的被盗资金——在加密货币史上最大的盗窃案中,从币安控股有限公司窃取了 63 亿美元的黑客已经转向该行业的一位......

Techmeme · 6 天前 · 译
Te

Meta 发布了 Muse Ember,这是迄今为止最小、最具成本效益的人工智能模型,称它比 Haiku 5.5 和 GPT-6 Luna 提供的智能更多(Russell Brandom/TechCrunch)

Russell Brandom / TechCrunch:Meta 发布了 Muse Ember,这是迄今为止最小、最具成本效益的 AI 模型,并表示它比 Haiku 5.5 和 GPT-6 Luna 提供的智能更多——Meta 超级智能实验室周一发布了一个名为 Muse Ember 的新 AI 模型,这是该实验室迄今为止最轻、最具成本效益的 AI 模型。

Techmeme · 6 天前 · 译
Ha

显示 HN:有人在这里 – 找出在您离开时谁使用了您的 Mac

非常感谢我的前任启发了我的新 MacOS 应用程序“Someone Was Here”。当你不在时,它会拍下使用你 Mac 的人的照片,无论你是否解锁了 Mac,还是他们知道你的密码;如果照片不是你的,它还会将他们的照片发送到你的 iPhone。我使用 Apple Vision 和通过 Core ML 运行的本地人脸识别,将“Someone Was Here”构建为菜单栏应用程序。一切都在您的 Mac 上本地运行

Hacker News · 6 天前 · 译
ar

损失曲线遗漏了什么:FP4 预训练减慢了稀有事实的获取速度

低精度预训练通常通过验证损失来判断。我们询问匹配损失是否也意味着有效地学习稀有事实。我们从头开始训练变形金刚,在合成传记上进行模拟 4 位矩阵乘法,并控制曝光次数,将其单独训练并混合到网络文本中。 NVFP4 需要 1.32$\times$ 和 1.52$\times$ 与 BF16 一样多的曝光才能匹配其召回率

arXiv cs.LG · 6 天前 · 译
ar

人工智能同行评审的效果如何?由 100 个植入错误构建的基准

一百个已知错误被植入 10 篇开放获取的心理学论文中,然后修改后的论文通过前沿模型和两个商业人工智能审查工具进行运行。最好的单一系统捕获了 100 个错误中的 71 个,而最差的单个系统捕获了 30 个。汇集每个系统的输出捕获了 93 个。模型在它们发现的错误中仅部分相关,这使得集成成为寻找错误的重要杠杆。

arXiv cs.CL · 6 天前 · 译
ar

LUCQUE:来自魁北克的肺癌筛查数据集,用于可靠的人工智能评估

背景:基于人工智能的工具预计将在肺癌筛查(LCS)中发挥关键作用。这些工具的评估通常依赖于私人数据集或分散的公共数据集,临床数据和专家结节注释的可用性不一致。这阻碍了人工智能工具的可重复性、可比性和独立评估。为了解决这些差距,我们推出了 LUCQUE,一种新型

arXiv cs.AI · 6 天前 · 译
ar

路边聊天机器人:审核向临床医生、护理人员和患者推荐的心理健康干预措施

用户向语言模型询问心理健康问题并收到答案。当相同的临床信息从三个角度到达用户时,我们审核了 41 种语言模型向用户推荐的内容:临床医生描述患者、护理人员描述亲人或个人描述自己。通过 19 个案例摘要和 5 个问题,我们收集了 35,055 个自由文本回复,例如

arXiv cs.CL · 6 天前 · 译