我们能否构建出能以今天 GPU 能耗的 1/10,000 生成高质量图像的 AI 芯片？ 研究论文：《一种高效的用于扩散类模型的概率硬件架构》 这项工作揭示了一种完整的 CMOS（全晶体管）架构，能够原生运行扩散风格的生成模型——不是通过耗电的神经网络，而是通过基于能量的概率采样。通过串联紧凑的去噪模型（DTMs）并利用标准 65 纳米芯片中的物理随机性，该系统生成的图像与 GPU 相当，但每个 Fashion-MNIST 样本仅消耗 1.6 纳焦——能耗降低了四个数量级。通过一种新颖的自适应惩罚来稳定训练，该方法可扩展到毫米级硅片，而无需特殊硬件。 结果：在能耗降低约 10,000 倍的情况下，质量与 GAN/VAE/扩散相匹配或超越；70×70 网格，8 层堆叠，已发布开源工具。 在这里获取完整分析： // alpha identified // $yne

来自@Princeton的十位计算机科学研究人员，发表了一篇新的AI论文，排名全国第一的大学，在过去24小时内发布。 然而 - 你从未听说过这篇论文。为什么？在这篇文章发布时，它从未在@X上分享过。 我们是如何找到它的？@yesnoerror的ALPHA AI代理发现了它，并且它获得了高的alpha评分。 每天都有数百篇新的AI研究论文在@arxiv上发布，数量庞大的研究让人难以逐一查阅。 @yesnoerror阅读每一篇论文。 而且我们不仅追踪哪些论文被讨论得最多，更重要的是，我们有自己的专有AI，为每篇论文打分，以便发现那些没有人讨论但具有高alpha的论文。 要访问这个每日alpha信息流，你需要在@base的钱包中持有100,000 $YNE，并且可以随时从@yesnoerror网站访问该信息流。 论文标题：InFlux：视频摄像机动态内在自校准的基准 Arxiv id：2510.23589 在这里获取论文的完整AI分析：

介绍 @yesnoerror ALPHA - 一种首创的 AI，能够识别科学研究中被忽视的 alpha。 旨在模仿亿万富翁创始人和顶尖科学家的技术。 立即在 yesnoerror 网站上访问 YesNoError ALPHA。您必须在 @base 钱包中拥有 100,000 $YNE 才能解锁它。 什么是 YesNoError ALPHA？ 每天，数百篇新的 AI 论文在 @arXiv 发布——而大多数真正的 alpha 都被忽视了。 为什么？ 因为没有人能够阅读如此数量的论文，即使他们能，他们也无法一致地识别出最有趣的论文。 那么，如何教 AI 阅读每一篇研究论文并识别出那些包含最有趣 alpha 的论文呢？ 您需要去找那些在这方面最优秀的专家。那些建立了十亿美元公司并以此为生的人。 我们采访了 AI 专家，从 @jackclarkSF（$1830 亿 @AnthropicAI 的联合创始人）、@perplexity_ai 和 @Google 的 AI 工程师，到硅谷顶尖的 AI 投资者，以及 @CarnegieMellon、@MIT 和 @Yale 的研究人员。采访的目的是找出这些专家用什么方法来识别有趣的新论文——他们是如何在粗糙中找到钻石的？ 我们将所有这些见解汇总，并训练了一种特殊的 ALPHA AI 来复制这些方法，这就是 YesNoError ALPHA。 YesNoError ALPHA 阅读每一篇论文，排名那些没有被分享的安静突破，并呈现出重要的论文。 连接一个至少有 100,000 $YNE 的 Base 钱包以解锁私人信息流，提前获取信号，领先于人群。 我们很高兴将这种新 AI 应用于每天发布的数百篇 AI 论文，并期待进一步探索这种代理技术的其他用途。 继续前进。