欧洲空间局(ESA)的两名天文学家大卫·奥瑞安和巴勃罗·戈麦斯利用人工智能技术,在哈勃太空望远镜的档案中发现了超过800个此前未记录的"天体物理异常现象"。研究人员训练了一个AI模型来梳理哈勃35年的数据集,搜寻奇异天体并标记供人工审查。奥瑞安在声明中表示,这是"一个可能发现天体物理异常现象的数据宝库"。
太空研究面临诸多挑战。太空范围广阔,充满干扰,哈勃太空望远镜等工具产生的海量数据甚至会让大型研究团队感到不知所措。有时太空会表现得非常奇异。人工智能在筛选大量信息以发现模式方面表现出色,能够标记出天文学家可能遗漏的异常现象。
研究人员使用的模型名为AnomalyMatch,扫描了哈勃遗产档案中近1亿个图像片段,这是首次对该数据集进行系统性异常搜索。搜索对象包括形状奇异的星系、被大质量天体重力扭曲的光线,或侧视角度观察到的行星形成盘等。AnomalyMatch仅用两天半时间就完成了整个数据集的处理,远快于人工研究团队。
这项发表在《天体物理学与天体物理学》期刊上的研究发现了近1400个"异常天体",其中大部分是正在合并或相互作用的星系。其他异常现象包括引力透镜(光线被前方大质量天体扭曲成圆形或弧形)、水母星系(具有悬垂的气体"触手")以及拥有大型恒星团块的星系。欧洲空间局在博客文章中表示:"或许最引人注目的是,有数十个天体完全无法分类。"
戈麦斯说道:"这是人工智能技术在最大化哈勃档案科学产出方面的绝佳应用。在哈勃数据中发现如此多的异常天体,而你可能认为许多已经被发现了,这是一个了不起的结果。这也显示了这一工具对其他大型数据集的实用价值。"
Q&A
Q1:AnomalyMatch是什么?它是如何工作的?
A:AnomalyMatch是天文学家开发的AI模型,专门用于搜索哈勃太空望远镜档案中的异常天体。它能够扫描近1亿个图像片段,自动识别奇异形状的星系、引力透镜、水母星系等异常现象,并标记供研究人员进一步审查。
Q2:这次发现了哪些类型的异常天体?
A:研究发现了近1400个异常天体,主要包括正在合并或相互作用的星系、引力透镜现象、具有气体"触手"的水母星系、拥有大型恒星团块的星系,以及数十个完全无法分类的神秘天体。
Q3:AI在天文研究中有什么优势?
A:AI能够快速处理海量数据,AnomalyMatch仅用两天半就完成了1亿个图像片段的扫描,远超人工处理速度。它擅长发现模式和异常,能够标记出天文学家可能遗漏的奇异天体,大大提高了科学研究的效率。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。