
据路透社报道,谷歌公司正在对美国至少三个州展开游说,试图说服当地官员暂缓关于驾驶途中禁止佩戴谷歌眼镜的立法。
对于谷歌来说,目前或许并非谷歌眼镜上市的最佳时期,就是这样一款智能且充满激情的产品,遭到了美国多个州立法委员的质疑,理由是当人们驾车过程中配戴谷歌眼镜容易分心。因而,这些州的立法委员们建议立法:驾车过程中禁止佩戴谷歌眼镜。
美国西维吉尼亚州的立法委员们首先提出了这一观点,尽管在立法程序上碰到一些问题,但他们表示将重新考虑此事。很快,其他多个州也都提出质疑;在驾驶途中佩戴谷歌眼镜到底是否安全?其中圣地亚哥的警察在路上拦住了一名佩戴谷歌眼镜的驾车司机,但由于法院无法证明该司机在驾车途中佩戴的谷歌眼镜呈开启状态,而被宣布无罪释放。
路透社的报道称,为此,谷歌在伊利诺斯、特拉华和密苏里等三个州展开游说,试图说服当地官员暂缓关于驾驶途中禁止佩戴谷歌眼镜的立法。谷歌在整个游说活动中提出了自己的观点,谷歌认为,当前谷歌眼镜尚未面向普通公众推出,公众对待谷歌眼镜“过度恐慌”。
伊利诺斯州参议员西尔弗斯坦(Ira Silverstein)表示,他在去年12月递交了一项限制使用谷歌眼镜的相关议案,而在最近,谷歌公司拜访了他。
克里斯·巴雷特(Chris Barrett)是谷歌眼镜的“探险家”项目的一名体验者,最近因为头疼而被限制使用了谷歌眼镜。他称,“2013年,我戴着谷歌眼镜开车超过2500英里,我悟出这样一个道理,谷歌眼镜将拯救生命。”他称,与紧盯着手机屏幕相比,驾车途中佩戴谷歌眼镜更安全些。他认为谷歌很快将开发出适合于驾车模式的谷歌眼镜。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。