本届世界杯揭幕战,开场不到3分钟,身穿黄色球衣的厄瓜多尔队就打进一球,然而,进攻球员被VAR判定越位在先,进球无效。22日,阿根廷1:2爆冷输给沙特,在上半场短短13分钟内,阿根廷连进三球,均因越位而被判无效,整个上半场越位次数多达7次。
大量越位判定的背后,与本届世界杯首次使用了半自动越位识别系统不无关系。该系统主要由特制摄像机、球内传感器和人工智能系统三部分组成,球内传感器以每秒500次的频率将数据发送给视频助理裁判(VAR),协助主裁判作出公正的决定。
我们的科技留言板“有意见”如下
@TOFU:相比以前观看VAR回放的方式,采用半自动越位识别系统,搭配足球内置的芯片,不仅提升效率,大幅缩短判定时间,也减少对比赛进程的干扰,相信这项技术为比赛的公平性提供了充分保障。
@老董:“半自动越位识别”系统的出现,很好的向我们展示了如何通过数字化技术向我们提供更加精准的判断依据,让裁判可以更加公平的进行判决。毕竟人的主观判断很容易受到多方面的干扰,而公开的数字化展示会受到的干扰因素就小很多,毕竟公众的眼睛是雪亮的嘛!
@独木舟:此前的世界杯比赛中,由于裁判的个人判断标准及多种因素影响,误判、漏判在足球赛场上并不少见,此项“黑科技”一定程度上杜绝了“黑裁判”。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。