02:45李开复 Kai-Fu Lee@kaifulee斯坦福大学DigEconLab主持了一场对话,李开复与机器学习先驱Tom Mitchell分享了他进入AI领域并坚持45年的经历。对话中提到了AI从早期符号主义到现代深度学习的多个发展阶段。李开复回顾了他在卡内基梅隆大学、苹果、微软、谷歌等机构的AI工作经历。Tom Mitchell讨论了机器学习领域的几个关键里程碑,包括决策树、神经网络和强化学习。行业Tom Mitchell李开复AI历史机器学习斯坦福推荐理由:想看AI老炮聊45年从业经历?李开复和Tom Mitchell的对话,斯坦福出品,讲真话有干货。原文
12:27Sakana AI@SakanaAILabsSakana AI 宣布将于 7 月 7 日(周二)在首尔举办晚餐交流会,面向 ICML 2026 参会者。活动旨在为机器学习前沿研究者提供交流与社交空间。名额有限,若申请超额将抽签决定,结果于 6 月 30 日前通知。这是与顶尖 AI 研究者面对面交流的难得机会。行业Sakana AIICML 2026首尔机器学习社交活动推荐理由:ICML 参会者别错过——Sakana AI 的晚餐会能让你直接和前沿研究者聊技术,名额有限建议尽早申请。原文
01:29Sam Altman@sama76°OpenAI 宣布成立 OpenAI Robotics 部门,并开始招聘全栈硬件、运营、系统和机器学习工程师。该部门由 Aditya Ramesh 领导的世界模拟研究项目在过去一年中演变而来,专注于编程和制造对社会有用的机器人。短期目标是支持技术工人建设未来基础设施,长期愿景是让每个人拥有能完成任何任务的个人机器人。OpenAI 强调机器人硬件与 ML 研究的协同设计,并邀请有卓越成就的工程师加入。行业OpenAI机器人招聘硬件机器学习10 个信源在谈推荐理由:OpenAI 正式进军机器人领域,硬件与 ML 协同设计思路值得关注,做机器人或具身智能的工程师可以直接投递简历。原文
21:36Evan Morikawa@E0M一项观察指出,机器学习模型的规模扩展能够显著降低对大量昂贵且脆弱的力传感器的依赖。这意味着通过增加模型容量和训练数据,机器人或物理系统可以在更少的硬件传感器支持下实现精确控制。这一发现可能改变机器人硬件设计思路,降低系统成本并提高鲁棒性。对于从事机器人、自动化或物理AI的研究者和工程师来说,这是一个值得关注的趋势。论文机器学习扩展性力传感器机器人硬件设计推荐理由:做机器人或物理AI的团队可以重新思考传感器策略——用模型扩展替代部分硬件,降低成本和脆弱性,值得关注。原文