Vector Institute 任命 Glenda Crisp 为新任 President & CEO
summary_zh: Vector Institute 任命 Glenda Crisp 为新任 President & CEO，于 2025 年 4 月 21 日生效。
全部AI 动态
全部动态
今日 606 条Vector InstituteAI 评分1515
Vector InstituteAI 评分5858 Vector Institute 发布 11 个主流 AI 模型的综合评估
Vector Institute 对 11 个主流大语言模型进行 16 项基准的独立评估，涵盖开源模型如 DeepSeek-R1、Cohere Command R+ 与闭源模型如 GPT-4o、Gemini 1.5。
Vector Institute精选AI 评分6767 Vector Institute 发布 State of Evaluation 研究：全球11个AI模型经16项基准评估
Vector Institute AI Engineering团队评估了11个前沿模型（涵盖开源与闭源），使用16项基准（含MMLU-Pro、MMMU、OS-World），并首次开源结果与代码，提供交互排行榜。
推荐理由：Vector开源了16项基准与代码并附交互排行榜，读者可据此独立复现和比较11个前沿模型的能力与局限。
Mistral AIAI 评分3333 Evaluating RAG with LLM as a Judge
summary_zh: Mistral 提出用结构化输出（Structured Outputs）实现 RAG Triad 评估框架，通过 Context Relevance、Groundedness、Answer Relevance 三个指标，结合"LLM As a Judge"对检索与生成结果进行自动评分。
Vector InstituteAI 评分3636 Real World Multi-Agent Reinforcement Learning – Latest Developments and Applications
summary_zh: ACM 将 2024 年 A.M. Turing 奖授予 Richard Sutton 与 Andrew Barto，表彰强化学习（RL）领域的奠基性贡献。
Vector InstituteAI 评分2828 Vector Institute 推出负责任 AI 产品开发手册
Vector Institute 发布 Responsible AI Product Development Playbook，帮助创业团队、产品经理、设计师和技术负责人在 AI 产品开发中落实负责任 AI 原则。
Vector Institute精选AI 评分6262 Vector Institute：利用大语言模型提升医学系统综述筛选效率
Vector Applied Scientist David Emerson 等人提出通用提示模板 Abstract ScreenPrompt 和 ISO-ScreenPrompt，在 10 个临床领域的系统综述上实现 97.7% 加权灵敏度和 85.2% 加权特异性（摘要筛选），全文筛选达 96.5% 灵敏度和 91.2% 特异性。
推荐理由：通用提示模板让大语言模型在系统综述筛选中达到高灵敏度与特异性，为自动化证据筛选提供了可迁移方法。
Vector InstituteAI 评分2727 Global AI Alliance for Climate Action 公布资助项目
Vector Institute 与 Be Node 宣布 Global AI Alliance for Climate Action 资助名单，CleanTech21、美国国家物候网络以及全球风险创新中心与吉尔吉斯斯坦互联网协会联合项目各获资助。
Mistral AIAI 评分5858 Mistral Small 3.1 发布：性能超越 Gemma 3 与 GPT-4o Mini，支持 128k 上下文
Mistral Small 3.1 正式发布，在文本指令、多模态理解和长上下文任务上超越 Gemma 3 与 GPT-4o Mini，推理速度达 150 tokens/秒。
TensorFlow BlogAI 评分2121 TensorFlow 2.19 更新了什么
TensorFlow 2.19 已发布，主要更新包括 LiteRT C++ API 变更、TF-Lite tfl.Cast op 支持 bfloat16，以及停止发布 libtensorflow 包。tf.lite.Interpreter 将于 TF 2.20 删除，需迁移至 ai_edge_litert.interpreter。
Mistral AI精选AI 评分7272 Mistral OCR 文档理解 API 发布
Mistral 推出 OCR API，支持图像和 PDF 输入，以 interleaved 文本与图片结构化输出，并作为默认文档理解模型集成到 Le Chat。API 在 la Plateforme 以 1000 页/$ 开放，批量推理每美元页数约翻倍，同时提供自托管选项。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Vector InstituteAI 评分1212 Vector Institute CEO Update：Tony Gaffney 转任 Special Advisor to the Chair
summary_zh: Vector Institute 宣布 Tony Gaffney 于 2025 年 3 月 6 日起转任 Special Advisor to the Chair，聚焦推动 AI 在加拿大经济生产力中的应用。
Vector InstituteAI 评分1818 Unilever 深化与 Vector Institute 的 AI 合作
Unilever 与 Vector Institute 宣布新合作，借助其研究洞察、专业知识和人才网络推动全球 AI 创新。Unilever 已在全球部署超过 500 个 AI 项目，覆盖研发到营销等多个领域。合作进一步巩固其 Horizon3 AI Labs 在全球 AI 进展中的前沿地位。
Mistral AIAI 评分3434 Mistral AI 用 Agentic Workflow 赋能产品开发
Mistral AI 展示了 TranscriptToPRDTicket agentic workflow，利用 Mistral Large 2 自动将会议纪要转化为 PRD 和开发工单。该流程由 PRDAgent 和 TicketCreationAgent 两个组件驱动，自动在 Linear 和 Jira 中生成结构化工单。相关实现已在 Google Colab notebook 中提供。
Ollama Blog精选AI 评分7474 Minions：本地与云端大语言模型协同工作
斯坦福 Hazy Research 团队发布 Minions 论文与开源代码，让本地小模型（如 Llama 3.2 via Ollama）与云端大模型（如 GPT-4o）协作，将大量 LLM 工作负载转移到消费设备。
推荐理由：通过本地小模型与云端大模型协作的两套协议，在显著降低远程调用成本的同时保持较高性能。
Vector InstituteAI 评分1212 Vector Institute 合作推动负责任 AI 实践
summary_zh: Vector Institute 通过与 Canadian Tire Corporation、BMO、TELUS、Mount Sinai Hospital 等合作伙伴，在零售、金融、医疗和气候监测领域推进负责任 AI。
Vector InstituteAI 评分5050 Thought Cloning：让 AI 像人类一样思考以提升决策能力
Vector 研究院 Jeff Clune 与 Shengran Hu 提出 Thought Cloning（TC）框架，通过让 AI 智能体在语言层面模仿人类思维来学习。
Vector InstituteAI 评分1212 推荐系统综述：学术界与工业界的交汇
summary_zh: 推荐系统融合AI与个性化，通过分析用户画像、物品特征和反馈来预测偏好并生成建议。经典方法涵盖协同过滤、内容过滤和混合模型；近期进展包括深度学习、图方法、序列模型和大语言模型（如GPT）的应用。
Vector InstituteAI 评分1616 Vector Institute 举办三场 AI 监管专家圆桌会议
Vector Institute 召集 20 家公司 70 余位行业领袖，围绕 AI 监管对加拿大 AI 生态的影响展开三场圆桌讨论。第一场聚焦 AI 隐私与人权，提出动态同意模型和问责框架；第二场讨论 AIDA 与劳动力市场影响，涉及再培训、AI 税收和通用基本收入；第三场探讨数据治理与知识产权，强调数据生命周期治理和标准化认证。
Vector InstituteAI 评分3131 FairSense：融合负责任 AI 与可持续性
FairSense-AI 扩展偏见检测到文本与视觉内容，同时采用节能 AI 框架，由 Vector 团队开发。优化后 Llama 3.2 1B 每小时推理碳排放从 107,000 kg 降至 0.012 kg CO2，并使用 CodeCarbon 评估能耗。提供 Python 包，集成 LLM/VLM 进行偏见评分与风险识别，并计划接入 MIT 风险库与 NIST 框架。
Vector InstituteAI 评分3333 Vector Institute 访问研究员 Baoxiang Wang 的研究经历
summary_zh: Baoxiang Wang 于今年从港中深理工休学加入 Vector Institute，担任访问研究员，研究方向为战略智能体环境下的学习算法。
Ollama Blog精选AI 评分6262 Ollama 支持结构化输出
Ollama 新增结构化输出功能，可通过 JSON Schema 约束模型返回格式，并更新 Python 与 JavaScript 库。支持文本与视觉模型的结构化提取，提供 cURL、Python（Pydantic）、JavaScript（Zod）及 OpenAI 兼容接口示例，建议配合 return as JSON 与 temperature=0 使用。
推荐理由：原文给出 JSON Schema 约束输出与多语言库升级，读者可据此评估结构化输出在数据提取和一致性上的可用性。
Vector InstituteAI 评分1212 Vector Institute 学者在 NeurIPS 2024 发表 98 篇论文
summary_zh: Vector Institute 学者在 NeurIPS 2024 发表超过 98 篇论文，涵盖贝叶斯优化、多模态生物多样性数据集与扩散模型合成数据等方向。
TensorFlow BlogAI 评分3333 引入 Wake Vision：面向 TinyML 计算机视觉应用的高质量大规模数据集
Wake Vision 是一个约 600 万张图像的大规模数据集，专为 TinyML 人员检测任务设计，比此前 VWW 数据集大约 100 倍。数据集提供 Wake Vision (Large) 和 Wake Vision (Quality) 两个训练集，分别侧重规模与标注质量。
Vector InstituteAI 评分3131 解锁提示词微调在联邦学习中的潜力：共享与组提示调优（SGPT）方法
summary_zh: Vector Institute 发表新论文提出共享与组提示调优（SGPT）方法，结合通用学习与个性化学习以应对联邦学习中的数据异构问题。
Ollama BlogAI 评分4242 Ollama Python library 0.4 发布：支持函数作为工具调用
summary_zh: Ollama Python library 0.4 新增将 Python 函数作为 tools 传递给模型的功能，支持完整类型提示和 Pydantic 自动生成 JSON Schema。
TensorFlow BlogAI 评分2727 MLSysBook.AI：机器学习系统工程的原理与实践
MLSysBook.AI 是哈佛大学 CS249r Tiny Machine Learning 课程及 HarvardX TinyML 系列扩展而来的开源"教材"，覆盖数据工程、模型开发、优化、部署、监控与维护等端到端 ML 生命周期。它将核心概念映射到 TensorFlow 生态，阐明量化等原则在嵌入式设备与大型数据中心间的一致性，帮助 ML 从业者构建高效、可扩展的系统。
Vector InstituteAI 评分1515 Vector Institute 合作伙伴关系如何应对 AI 人才技能缺口
summary_zh: Vector Institute 通过与高校、企业和医疗机构的合作培养并连接 AI 人才，以加速 AI 落地与商业成果。去年向行业赞助方转移超过 47,000 小时知识，赞助方门户提供超 125 小时按需 Upskilling 内容，500 多名注册用户来自行业赞助方与 FastLane 公司。
Ollama BlogAI 评分2727 Llama 3.2 Vision 现已可在 Ollama 中运行
Llama 3.2 Vision 已支持在 Ollama 中运行，提供 11B 与 90B 两种规格。11B 需至少 8GB VRAM，90B 需至少 64GB VRAM。用户可通过拖拽图片或添加图片路径将图像输入提示词，并使用 Python、JavaScript 库或 cURL 调用。
Vector InstituteAI 评分3737 加拿大AI就业市场转向青睐专业化技能
Vector Institute报告显示2018至2023年加拿大核心AI技能需求增长37%，机器学习、深度学习及AI伦理治理相关岗位需求上升。运维AI系统与管理机器学习项目的招聘需求分别增长48%和60%。加拿大AI人才储备充足，但需加强AI治理能力与跨领域应用能力以维持竞争力。
TensorFlow BlogAI 评分3434 TensorFlow 2.18 更新了什么
TensorFlow 2.18 发布，亮点包括支持 NumPy 2.0、LiteRT 代码库迁移、Hermetic CUDA 以及 CUDA 内核更新。NumPy 2.0 可能改变计算精度并引发类型错误，迁移指南已更新。CUDA 内核不再支持 compute capability 5.0，最低预编译支持为 Pascal（6.0），Maxwell 需用 TF 2.16 或从源码编译。
Vector InstituteAI 评分2525 Vector Institute 发布多模态数据集 Newsmediabias-plus（NMB+）以支持伦理 AI 系统开发
Vector Institute 发布了多模态数据集 Newsmediabias-plus（NMB+），包含约 90,000 篇新闻文章，覆盖文本与图像，并附带偏见分类和发布详情。该数据集面向学术研究者、NGO 及社会导向团队，用于检测虚假信息、分析媒体偏见及训练公平性模型。数据集在 Hugging Face 上以非商业许可开放。
Ollama Blog精选AI 评分6262 IBM Granite 3.0 模型已可通过 Ollama 运行
IBM Granite 3.0 的 2B、8B 密集模型与 1B、3B MoE 模型已可在 Ollama 中运行，均采用 Apache 2.0 许可证。
推荐理由：原文给出具体模型与开放入口，读者可据此判断是否适合本地低延迟部署。
Vector InstituteAI 评分2020 Vector Institute 用生成式 AI 重塑内部工作流程
Vector Institute 营销团队通过定制生成式 AI 接口实现自动化，每年节省约 1,750 小时。12 周试点期间每位成员平均每周节省 5 小时，同时提升内容产出效率与创意水平。团队已将应用扩展至其他部门，并计划向全机构推广。
Vector Institute精选AI 评分6262 Vector研究：语音与AI检测阿尔茨海默病
Vector Institute研究显示，基于Word2Vec和语言特征的简单AI模型在ADReSS数据集上以92%准确率和100%灵敏度检测阿尔茨海默病，性能超过微调的BERT和GPT-2等上下文模型。该方法结合词向量与34项语言特征，可解释性强、计算效率更高，未来需在不同人群和临床场景中进一步验证。
推荐理由：用简单词向量加语言特征就能在ADReSS上达到92%准确率，为低成本、可解释的阿尔茨海默筛查提供新思路。
Vector InstituteAI 评分1212 Vector Institute 实习到理想工作的机器学习成功故事
Justin Yang 通过 Vector 应用 AI 实习项目获得实践经验，最终在 TELUS 拿到负责 AI 的技术架构师职位。实习期间他参与 FL4Health 项目中的联邦学习与差分隐私工作，并通过 I.M.P.A.C.T. 导师计划和 Vector 数字人才中心建立行业联系。
Vector Institute精选AI 评分7070 Vector 联合创始人 Geoffrey Hinton 获得 2024 诺贝尔物理学奖
Geoffrey Hinton 与 John J. Hopfield 因「为人工神经网络的机器学习奠定基础的发现和发明」共享 2024 年诺贝尔物理学奖。Hinton 是 Vector Institute 联合创始人、多伦多大学计算机科学名誉教授，其方法基于 Hopfield 的模式保存与重建技术，成为当今大型人工神经网络的关键基础。
推荐理由：Hinton获奖及其学生网络为加拿大AI生态提供背景，读者可借此理解学术传承与产业影响力的关联。
Vector InstituteAI 评分2828 Vector Institute 推出加拿大航空旅客权益聊天机器人
Vector Institute 研究人员开发了一款基于检索的加拿大航空旅客权益聊天机器人，使用 GPT-4 进行查询分解与去上下文化，并采用 OpenAI embeddings 进行密集检索，从官方文档中提取相关条款直接呈现给用户。
Ollama Blog精选AI 评分6060 Llama 3.2 通过 Ollama 发布小尺寸与多模态版本
Meta Llama 3.2 现可通过 Ollama 运行，提供 1B/3B 文本模型与 11B/90B 视觉模型。1B 和 3B 面向移动端与边缘设备本地部署，用于构建个性化端侧智能体；11B 和 90B 支持图像推理、文档理解与图表分析。原文链接：https://ollama.com/blog/llama3.2
推荐理由：原文给出本地部署入口和模型规格，读者可据此判断它对端侧隐私和即时响应的实际影响。
Ollama BlogAI 评分5555 Ollama 发布 Bespoke-Minicheck 事实核查模型
Bespoke Labs 发布 Bespoke-Minicheck 并已在 Ollama 上线，用于核查其他模型生成的事实性输出以减少幻觉。其通过对比文档与生成声明，输出 Yes 或 No；在 RAG 场景中可作为后处理步骤确保回答基于检索上下文。示例与代码见 GitHub。