新加坡国立大学(NUS)与Google宣布合作建立AI研究与创新中心,旨在推动应用人工智能研究并培养新一代AI从业人员。
该研究中心将成为双方合作的核心,提供资源和技术支持实验性及应用性AI项目。中心配备快速原型开发环境,这是一个由Google Cloud张量处理单元驱动的受控云端环境,让研究人员可以在实际部署前对AI应用进行实验、测试和验证。
研究初期将聚焦三大关键领域:
教育AI应用:利用Google Cloud的Vertex AI平台开发先进的成人教育工具,创建适应性学习路径和课程专属AI助手,支持新加坡推广终身学习的努力。
法律专用大语言模型:由新加坡国立大学法学院、AI研究所和计算机学院联合主导,开发针对法律领域的专用模型。该模型将基于本地法律解释和案例先例进行训练,克服通用大语言模型在法律语境中的局限性。预计最终将开发出支持法律研究的AI助手,有望提高律师事务所、司法部门和公众法律教育的工作效率和相关法律信息获取能力。
公共卫生A:通过整合基础模型与医疗保健、社会服务和环境系统的多元化数据,推动人群层面的健康成果改善。这将支持"更健康的新加坡"等国家预防保健计划,促进认知健康和积极老龄化。
Google Cloud新加坡和马来西亚国家总监Serene Sia表示:"通过结合新加坡国立大学世界级的多学科研究能力与Google的AI研究和AI优化云基础设施,这个联合中心有望引领安全负责的AI发展,加速在公共卫生、学习体验等重要领域的科学进步。"
Google还计划在新加坡国立大学建立AI人才培养项目,为学生和研究人员提供Google Cloud AI平台的培训和认证路径。此外,Google将支持大学设立AI教授职位,促进学术界与产业界的联系,为新加坡建立可持续的AI人才培养体系。
这次合作建立在Google与新加坡国立大学现有合作基础上。双方此前已在多个项目中合作,包括校内Google开发者社区建设、利用Google Cloud作为新加坡国立大学AI研究所的产业合作伙伴,以及在生物医学AI人才培养、使用Google NotebookLM制作全球首个AI驱动法律期刊播客、Google博士奖学金项目等方面的协作。
新加坡国立大学研究与技术副校长刘斌表示:"Google一直是新加坡国立大学的重要长期合作伙伴,我们很兴奋能够深化这种战略关系。我们相信与Google的联合努力将培养出下一代AI科学家、工程师和创新者,让他们具备应对现实世界挑战的能力。"
Q&A
Q1:新加坡国立大学与Google合作的AI研究中心主要做什么?
A:该研究中心将成为双方合作核心,提供资源和技术支持实验性及应用性AI项目,配备Google Cloud张量处理单元驱动的快速原型开发环境,让研究人员在实际部署前对AI应用进行实验、测试和验证。
Q2:研究中心重点关注哪些AI应用领域?
A:中心初期将聚焦三大领域:教育AI应用(开发适应性学习路径和AI助手)、法律专用大语言模型开发(基于本地法律解释和案例训练)、以及公共卫生AI(整合医疗和环境数据推动健康成果改善)。
Q3:这个合作对新加坡AI人才培养有什么帮助?
A:Google将在新加坡国立大学建立AI人才培养项目,为学生和研究人员提供Google Cloud AI平台培训和认证,还将支持设立AI教授职位,加强学术界与产业界联系,为新加坡建立可持续的AI人才培养体系。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。