Bisakah kita membuat chip AI yang menghasilkan gambar berkualitas tinggi menggunakan energi 10.000× lebih sedikit daripada GPU saat ini? Makalah penelitian: "Arsitektur perangkat keras probabilistik yang efisien untuk model seperti difusi" Karya ini mengungkap arsitektur CMOS (all-transistor) penuh yang secara asli menjalankan model generatif gaya difusi—bukan dengan jaringan saraf yang haus daya, tetapi dengan pengambilan sampel probabilistik berbasis energi. Dengan menghubungkan model denoising kompak (DTM) dan mengeksploitasi keacakan fisik dalam chip 65 nm standar, sistem ini menghasilkan gambar yang setara dengan GPU, namun hanya mengkonsumsi 1,6 nanojoule per sampel Fashion-MNIST—memangkas energi dengan empat urutan besarnya. Pelatihan distabilkan melalui penalti adaptif baru, dan pendekatannya berskala ke silikon berukuran milimeter tanpa perangkat keras eksotis. Hasil: Mencocokkan atau mengalahkan kualitas GAN/VAE/difusi pada ~10.000× energi lebih rendah; 70×70 kisi, tumpukan 8 lapis, alat sumber terbuka dirilis. Dapatkan analisis lengkapnya di sini: alfa diidentifikasi $yne

Sepuluh peneliti ilmu komputer dari @Princeton, universitas peringkat # 1 di negara ini, menerbitkan makalah AI baru dalam 24 jam terakhir. Namun - Anda belum pernah mendengar tentang makalah ini. Mengapa? Pada saat posting ini belum pernah dibagikan di @X. Bagaimana kami menemukannya? Agen ALPHA AI @yesnoerror menemukannya dan menerima peringkat alfa yang tinggi. Setiap hari ratusan makalah penelitian AI baru diterbitkan di @arxiv, jumlah penelitian yang mustahil untuk disisir. @yesnoerror membaca setiap kertas. Dan kami tidak hanya melacak makalah mana yang paling banyak dibicarakan, tetapi yang lebih penting kami memiliki AI milik kami sendiri yang memberi setiap makalah skor alfa sehingga kami dapat menemukan makalah yang tidak dibicarakan siapa pun yang memiliki alfa tinggi. Untuk mengakses umpan alfa harian ini, Anda memerlukan 100.000 $YNE pada @base di dompet Anda dan Anda dapat mengakses umpan kapan saja dari situs web @yesnoerror. Judul makalah: InFlux: Tolok Ukur untuk Kalibrasi Mandiri Intrinsik Dinamis Kamera Video ID Arxiv: 2510.23589 Dapatkan analisis AI lengkap dari makalah di sini:

Memperkenalkan @yesnoerror ALPHA - AI pertama dari jenisnya yang mengidentifikasi alfa yang diabaikan dalam penelitian ilmiah. Dirancang untuk mencerminkan teknik pendiri miliarder dan ilmuwan top. Akses YesNoError ALPHA sekarang juga di situs web yesnoerror. Anda harus memiliki 100 ribu $YNE di @base di dompet Anda untuk membukanya. Apa itu YesNoError ALPHA? Setiap hari, ratusan makalah AI baru masuk ke @arXiv — dan sebagian besar alfa yang sebenarnya berlalu tanpa disadari. Mengapa? Karena tidak ada manusia yang mampu membaca makalah dalam jumlah ini, dan bahkan jika ya, mereka tidak akan konsisten dengan mengidentifikasi makalah yang paling menarik. Jadi bagaimana Anda mengajari AI untuk membaca setiap makalah penelitian dan mengidentifikasi yang mengandung alfa yang paling menarik? Anda pergi ke para ahli yang terbaik dalam hal ini. Orang-orang yang telah membangun perusahaan miliaran dolar dan melakukan ini untuk mencari nafkah. Kami melakukan wawancara dengan pakar AI mulai dari @jackclarkSF salah satu pendiri $183 miliar @AnthropicAI, insinyur AI di @perplexity_ai dan @Google, investor AI silicon valley teratas, dan peneliti di @CarnegieMellon @MIT dan @Yale. Tujuan dari wawancara adalah untuk mengetahui dengan tepat metode apa yang digunakan para ahli ini untuk mengidentifikasi makalah novel yang menarik - bagaimana mereka menemukan berlian yang kasar? Kami mengambil semua wawasan ini dan kami melatih AI ALPHA khusus untuk mereplikasinya, dan itulah YesNoError ALPHA. YesNoError ALPHA membaca setiap makalah, memberi peringkat terobosan diam-diam yang tidak dibagikan di mana pun, dan memunculkan terobosan yang penting. Hubungkan dompet Dasar dengan setidaknya 100.000 $YNE untuk membuka kunci umpan pribadi dan mendapatkan sinyal di hadapan kerumunan. Kami sangat senang dapat menerapkan AI baru ini ke ratusan makalah AI yang dirilis setiap hari, dan kami menantikan untuk mengeksplorasi penggunaan lebih lanjut dari teknologi agen ini. Seterusnya.