高校专区
Vision Hopfield Memory Networks
机构 * Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Faculty of Informatics, Vienna University of Technology（维也纳理工大学信息学院）
AI总结 本文提出了一种受大脑启发的视觉Hopfield记忆网络（V-HMN），通过整合分层记忆机制和迭代细化更新，实现了统一框架下的局部和全局动态建模，提升了可解释性和数据效率。
ePC：数字仿真中的快速深度预测编码
机构 * IDLab, Ghent University -- imec, Belgium（ID实验室，根特大学——imec，比利时） ； Brain Network Dynamics Unit, University of Oxford, UK（脑网络动力学单位，牛津大学，英国）
AI总结 提出误差预测编码（ePC），通过重新参数化解决标准状态预测编码（sPC）在数字仿真中的指数信号衰减问题，实现与反向传播相当的深度模型训练速度。
Comments Accepted at ICML 2026 - Main Track. All code available at https://github.com/cgoemaere/error_based_PC
人工智能在C级管理层的战略整合：首席人工智能官的角色
机构 * University of Oxford（牛津大学）
AI总结 本文提出角色设计理论，解释企业为何设立首席AI官（CAIO）或采用其他结构，并分析AI的独特属性（分布式判断问责、上游治理、非平稳性）如何影响高管角色设计。
互补还是替代？AI如何增加对人类技能的需求
机构 * Oxford Internet Institute, University of Oxford（牛津互联网研究所，牛津大学） ； Burning Glass Institute（燃烧玻璃研究所） ； Institute for New Economic Thinking, Oxford Martin School（新经济思想研究所，牛津马丁学院） ； Bruegel（布鲁日）
AI总结 基于2018-2024年美、英、澳近3000万条招聘数据，发现AI岗位更需分析思维等互补技能，且这些技能带来工资溢价，并溢出至非AI岗位，同时替代技能需求下降。
Comments 69
时间序列与时空数据的大模型：综述与展望
机构 * Griffith University（格里菲斯大学） ； University of Oxford（牛津大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Zhejiang Normal University（浙江师范大学） ； Ant Group（蚂蚁集团） ； Alibaba Group（阿里巴巴集团） ； Deloitte Service LLP（德勤服务有限责任公司） ； The University of Hong Kong（香港大学） ； NEC Laboratories America（NEC美国实验室） ； A*STAR ； National Yang Ming Chiao Tung University（阳明交通大学） ； JD Technology（京东科技） ； Squirrel Ai Learning
AI总结 综述了面向时间序列和时空数据的大模型，按数据类型、模型类别、范围和应用领域分类，总结了通用与领域专用模型，并整理了相关资源与开放问题。
Comments Accepted by ACM Computing Surveys; 35 Pages; Github Repo: https://github.com/qingsongedu/Awesome-TimeSeries-SpatioTemporal-LM-LLM
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈