重视基础研究,要“正其名”“给其养”“宽其境”“育其才”“殊其制”;科技创新,大师与“大楼”都重要;加快数字经济和实体经济深度融合,促进工业互联网规模发展;持续推进核心芯片产业突破,筑牢数字经济安全底座。两会进行时,科技大佬们的建言令人振聋发聩!
印象最为深刻的一句是:“当他们不必忙于立项、评估、总结,不靠追评奖、争‘帽子’……中国有望成为基础研究世界强国!”
“有意见”留言板
@我说的是某些国家:基础学科就像一根柱子,撑起了所有工科的大厦。这根柱子有多粗能建多高,决定了大厦能建多高多广。没有基础学科的支持,工程是发展不起来的。从全世界范围看,目前部分国家有着研究者待遇低,拨款不到位的现象,劝退了一大波优质人才,没人想搞、没人敢搞,导致体量上不去,而应用型研究和工程项目却都赚得盆满钵满。所以,研究基础科学,环境还是蛮重要的。
@黑咕隆咚:在当前国际局势面前,如果我们一味用别人的昨天来装扮自己的明天,却没有自主创新,就很难在世界中立足。但是如何能培养出更多的科技创新人才、如何能留住人才、如何给科研人员提供一个合适的环境都是至关重要的。不要只是喊口号,实干才是硬道理。
@不倒翁:当前面临最大的困境是如何通过创新来扩大发展的蛋糕。因此提案越多越好,目前来看各类代表的提案还是太少,建议每个人应该至少提1万个五花八门各种提案。越天马行空越好,越广泛越好,我们看银河系大约有1000亿个恒星,才诞生了一颗地球。所以如果代表们能提出1000亿个提案,相信也能从海量的提案中碰撞、讨论出新的机会。
@周一见:事贵制人,而不贵见制于人,提升科技创新能力掌握关键核心技术是首要,而创新之路需要方方面面齐头并进,才能越走越宽。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。