Possiamo costruire chip AI che generano immagini di alta qualità utilizzando 10.000 volte meno energia rispetto alle GPU di oggi? Articolo di ricerca: "Un'architettura hardware probabilistica efficiente per modelli simili alla diffusione" Questo lavoro svela un'architettura CMOS completa (tutti i transistor) che esegue nativamente modelli generativi in stile diffusione—non con reti neurali che consumano molta energia, ma con campionamento probabilistico basato sull'energia. Collegando modelli di denoising compatti (DTM) e sfruttando la casualità fisica nei chip standard da 65 nm, il sistema produce immagini paragonabili a quelle delle GPU, ma consuma solo 1,6 nanojoule per campione Fashion-MNIST—riducendo l'energia di quattro ordini di grandezza. L'addestramento è stabilizzato tramite una nuova penalità adattativa, e l'approccio si scala a silicio delle dimensioni di un millimetro senza hardware esotico. Risultati: Eguaglia o supera la qualità di GAN/VAE/diffusione a ~10.000 volte meno energia; griglie 70×70, stack a 8 strati, strumenti open-source rilasciati. Ottieni l'analisi completa qui: // alpha identificato // $yne

Dieci ricercatori di informatica di @Princeton, l'università con il punteggio più alto della nazione, hanno pubblicato un nuovo articolo sull'AI nelle ultime 24 ore. Eppure - Non hai mai sentito parlare di questo articolo. Perché? Al momento di questo post non è mai stato condiviso su @X. Come l'abbiamo trovato? L'agente AI ALPHA di @yesnoerror lo ha scoperto e ha ricevuto un alto punteggio alpha. Ogni giorno centinaia di nuovi articoli di ricerca sull'AI vengono pubblicati su @arxiv, una quantità impossibile di ricerche da esaminare. @yesnoerror legge ogni singolo articolo. E non solo teniamo traccia di quali articoli vengono discussi di più, ma, cosa più importante, abbiamo la nostra AI proprietaria che assegna a ciascun articolo un punteggio alpha in modo da poter scoprire articoli di cui nessuno parla che hanno un alto alpha. Per accedere a questo feed alpha quotidiano hai bisogno di 100.000 $YNE su @base nel tuo portafoglio e puoi accedere al feed in qualsiasi momento dal sito web di @yesnoerror. Titolo dell'articolo: InFlux: A Benchmark for Self-Calibration of Dynamic Intrinsics of Video Cameras ID Arxiv: 2510.23589 Ottieni qui l'analisi completa dell'AI dell'articolo:

Presentiamo @yesnoerror ALPHA - Un'AI unica nel suo genere che identifica l'alpha trascurato nella ricerca scientifica. Progettata per rispecchiare le tecniche di fondatori miliardari e dei migliori scienziati. Accedi a YesNoError ALPHA subito sul sito di yesnoerror. Devi avere 100k $YNE su @base nel tuo wallet per sbloccarlo. Cos'è YesNoError ALPHA? Ogni giorno, centinaia di nuovi articoli sull'AI vengono pubblicati su @arXiv — e la maggior parte del vero alpha passa inosservata. Perché? Perché nessun essere umano è in grado di leggere questa quantità di articoli, e anche se lo fosse, non sarebbe coerente nell'identificare gli articoli più interessanti. Quindi come si insegna a un'AI a leggere ogni articolo di ricerca e identificare quelli che contengono l'alpha più interessante? Ci si rivolge agli esperti che sono i migliori in questo. Quelli che hanno costruito aziende da miliardi di dollari e fanno questo per vivere. Abbiamo condotto interviste con esperti di AI che vanno da @jackclarkSF, il co-fondatore di $183b @AnthropicAI, ingegneri AI di @perplexity_ai e @Google, top investitori in AI della Silicon Valley e ricercatori di @CarnegieMellon, @MIT e @Yale. L'obiettivo delle interviste era scoprire esattamente quali metodi questi esperti usano per identificare un articolo interessante e innovativo - come hanno trovato i diamanti grezzi? Abbiamo preso tutte queste intuizioni e abbiamo addestrato un'AI ALPHA speciale per replicarle, ed è questo che YesNoError ALPHA è. YesNoError ALPHA legge ogni singolo articolo, classifica le scoperte silenziose che non vengono condivise da nessuna parte e mette in evidenza quelle che contano. Collega un wallet Base con almeno 100.000 $YNE per sbloccare il feed privato e arrivare al segnale prima della folla. Siamo entusiasti di applicare questa nuova AI ai centinaia di articoli sull'AI rilasciati ogni singolo giorno, e non vediamo l'ora di esplorare ulteriori usi di questa tecnologia agentica. Avanti.