注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 科研
科研 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 科研 的推特
科研经费不能直接用来放贷 但是可以先成立项目,再用来融资 果然方法比困难多
科研训练还真是有点用 在公司,我越来越明显地感受到,经历过充分科研训练的人,和没有经历过的人,在看问题的角度、做事的习惯,以及相关能力上,确实有不小的差距。 最直观的例子,就是博士和硕士。 做科研某种程度上很像创业。你得自己找方向、判断价值、验证可行性,再想办法把它做出来。这种训练,会让人习惯从更宏观的角度看问题。 尤其是 idea 的重要性,做过科研的人不可能不知道。 一个问题值不值得做,一个方向有没有前景,往往在动手之前,就值得花很多时间去想。 所以我观察到,博士做事情,通常会多考虑一些可行性和长期价值;硕士则往往更倾向于短平快,更关注眼前能得到什么收益。 当然,我这里说的博士和硕士,指的是接受科研训练的多少。 你哪怕是硕士,如果已经经历了充分的科研训练,在我这里,也属于前面那一类。
显示更多
0
41
657
49
转发到社区
【科研人才】美國擬投入逾1億美元 培養本土科學家 在遏制外國科學家流入及加碼人工智能競賽之際,特朗普政府正向美國STEM(科學、技術、工程和數學)領域培養項目投入逾1億美元,並重啓於1996年終止的「青年學者計劃」,旨在增加受過高水平訓練的美國公民科研人員數量。
显示更多
科研论文体系不是正在崩溃。 它已经崩溃了。只是大家不能承认。 因为太多人的博士学位、工作、基金、身份和过去十几年的人生,都建立在这个游戏还有效的前提上。 以前制造一篇垃圾论文至少还需要人写。现在写作、代码、实验、图表、review都可以批量生成。论文生产能力可能正在以十倍百倍增加,但真正有能力认真判断一项研究的人并没有增加。
显示更多
科研出来的一个动作提示词,给群里的好兄弟们测试玩玩,结果他们都说出出不出来,还有肢体混乱的问题。 其实吧这个主要还是GPT本身的能力问题 首先是色情违规问题,这无可厚非,抽卡就能解决的事情 然后二是这个动作涉及的肢体和空间的关系,很容易导致肢体残缺的失败或者服装的叠加和手臂的包裹,大概成功率只有10%左右 如果是在lovart上的sd 5.0 Pro的话成功率蛮高的,但是在即梦上的话就几乎成功不了 其实出现问题主要还是文生图的原因,若果想要简单话控制,那就采用线稿动作参考吧,几乎不会失败。 但是我研究的就是文生图,我始终觉得文字去表达让模型扩散才会有更多的可能,在不考虑成本效益的情况下,发挥创造力和随机感也是很有趣的一件事。
显示更多
科研最重要的是博士研究生培养。本届菲尔兹数学奖四个获奖者,两个是普林斯顿的博士,普林斯顿是最大的赢家。另两个是麻省理工学院和斯坦福的博士。美国数学重镇还有哈佛、伯克利、芝加哥大学。美国顶尖数学家基本上就这几所大学培养的,普林斯顿遥遥领先,已有9个普林斯顿数学博士获得菲尔兹奖。
显示更多
科研 Agent 真正进入实验室,最缺的可能是一套能把论文、代码、数据和研究决策串起来的工作台。 上海人工智能实验室这篇论文提出 SciForge,一个面向科研流程的 AI 原生环境。 它会把论文、数据、代码、模型参数和人工决策连接到同一张 Evidence DAG 上,让研究过程能够持续保存,也方便后续追踪和复查。 研究者主要负责判断和审批,文献搜索、数据分析、绘图、实验执行和写作则交给后台 Agent 与工作流。 论文展示了基因发现、蛋白质设计、分子优化和论文复现等 8 个案例,其中一个长期任务经历了 132 个阶段,留下 199 次以上 Git 提交。 这项工作把科研 Agent 从单次任务工具,推进成了一个能够维护长期研究现场的系统。 科研自动化越深入,证据链和可复查性就越重要。 真正进入科研流程的 Agent,需要把做过什么、结论从哪里来,一起留下来。 📎 arxiv:
显示更多
科研出了连续使用 AirPods Max 四个小时的办法,先戴一顶帽子,然后半躺着。
从科研人到项目PM 从PM到产品运营 从产品运营到一个成熟的商人 我觉得我需要补的课真的挺多的
做科研的朋友手上有篇论文,被问到能不能转化落地,就得自己去查专利、翻市场报告、估技术成熟到哪一步,一个人翻好几天。 academic-commercialization-agent 把这件事交给一组 AI Agent,丢进一篇论文 PDF 或一个研究方向,最后出一张带引用的商业化评估打分表。 打分覆盖技术成熟度、制造成熟度、专利强度、市场可及性和证据可信度,风险和机会也会单独列出来,每条结论都标了出处。 GitHub: 我比较认可它的做法,先由代码把资料检索好、校验完,后面六个模型环节只能在这批资料里推理。加权总分也是代码算的,不让模型随口给分。 作者把实验也公开了,连失败的结果都写进了仓库。比如四个 Agent 的精简版,消耗的 token 中位数比默认六个 Agent 少了 54.89%。 线上有 5 份做好的样例报告,其中一份是中文,打开就能看。做技术转移、科研管理的同学,可以先拿样例报告看看靠不靠谱。
显示更多