Do LLM Agents Still Need to Be Told How to Self-Improve?
LLM 代理日益驱动其自身学习。自我改进方法将模型优化的各类组件委托给模型自身。随着模型能力增强,这促使一个基本问题:这些日益强大的模型是否仍需要我们指定它们应如何自我改进?
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
LLM 代理日益驱动其自身学习。自我改进方法将模型优化的各类组件委托给模型自身。随着模型能力增强,这促使一个基本问题:这些日益强大的模型是否仍需要我们指定它们应如何自我改进?
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
本地化社会偏见并去除的方法通过其对公平度量指标的影响进行验证,从未通过统计选择头的指标测量偏见的证据。我们对该模型Qwen-2.5-7B-Instruct和Llama-3.1-8B-Instruct进行审计。头映射在ρ=-0.950和-0.768与标签盲响应长度映射相关,似乎识别出表面混淆。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
原文摘录(自动中文摘要暂不可用):Higher-Scoring Coding Models Did Not Get More Work Done New coding models advertise themselves on score improvements of coding benchmarks. Yet no study has tested if a model that scores higher on these benchmarks gets more real work done. On June 12, 2026, a U.S. export control directive banned access to Claude Fable 5 for 19 days, which forced users to swit
推荐理由:自动中文摘要尚未通过校验,请核对原文与完整来源。
我们提出一种多模态掩码扩散自动编码器,ID-MAE,它添加了一个自监督目标以改善功能障碍预测:除了预测功能障碍标签作为掩码令牌外,它还重建了掩码的注视和轨迹。为探究不同模态和类型的功能障碍对模型推理的影响,我们引入了DIVERT,一个包含103小时驾驶数据(n = 109)的驾驶模拟器数据集,包含十种功能障碍诱导,涵盖认知、视觉和情绪状态,数据包括注视、车辆状态和场景视频。我们展示了ID-MAE在DIVERT数据集和现有数据集上显著提升功能障碍预测结果,并在诸如轨迹和注视预测等附加任务中实现强结果。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们提出一种可证明无失真语义水印算法,仅需黑盒采样访问生成模型,并需黑盒访问语义嵌入。水印在平均其秘密检测密钥下保持生成器输出分布不变,这提供了一种形式上的保证,表明水印不会降低输出质量。传统此类水印通常对变换较为脆弱。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
在线视觉语言模型常因服务在处理大图像前缩小或拒绝图像而遗漏小细节。一辆在无人机照片中宽 20 像素的汽车,实际在开放AI的默认设置下被直接拒绝。我们通过打印代码的视觉检查和 601 个关于真实照片中小物体的问题,测量了七种模型从四个供应商中保留的细节量。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
本研究引入ReciLoReL,一个跨Yorùbá、Hausa和Igbo(尼日利亚三大语言)的600位专家翻译并文化适应的食谱基准,以及ReciLex,一个包含约15,000个翻译实体的十种食谱实体类别的多语言烹饪词典,包括原料、工具、厨师动作、工具状态和持续时间。我们评估最先进的多语言LLM在零样本和少样本设置下进行英语到LRL食谱翻译的效果,并研究在不依赖大规模目标语言食谱语料库进行训练或微调的情况下,通过添加ReciLex是否能提升文化适应的食谱翻译。除使用BLEU、chrF和TER等基于参考的翻译评估外,我们还引入了五项评估文化适应性的标准,这些标准源自已建立的跨文化适应方法。
推荐理由:来自arXiv AI的《Cross-cultural Adaptation of Recipes for Low-Resource Languages: A Benchmark and Multilingual Culinary Lexicon for Hausa, Yorùbá, and Igbo》。重点看模型能力与工程、评测与基准、文化创意。摘要提到:这条英文动态主要涉及模型能力与工程、评测与基准、文化创意。原文要点:Recent multilingual large language models (LLMs) have improved machine translation, yet culturally adaptive translation for low-resource languages (LRLs) remains underexplored. This is particularly challenging for recipes, where ingredients, cooking tools, measurements, and procedures may require adaptation to the target cultural context. In this work, we introduce ReciLoReL, a bench.
我们引入社交信号基准(Social Signal Bench),一个47小时的密集标注基准,用于评估社交信号识别与参与,包含两个数据集:社交信号基准视频(25小时),涵盖十种音频视觉记录中的社交信号;社交信号基准音频(22小时),涵盖音频仅记录中的六种信号。每个数据集配对一个公开的在线对话视频训练集,其中10小时由专家标注,其余为伪标注,与一个私有的专家标注测试集(覆盖四个对话领域)。我们还提出证据加权F1(EW-F1),通过标注者证据加权参考标签,并通过最优逐帧匹配赋予语义相关预测分级信用。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们引入了ench{},一个针对100日常决策在25个领域的检查基准,仅用户记忆变化:用户陈述信念,模型从用户提及的评论或用户请求总结的网页中推断出该信念。测试五种模型,我们发现三种效应。首先,当用一行针对AI助手的总结页面进行总结后,Gemini 2.5 Flash-Lite和DeepSeek V4 Pro在每轮中将“偏好非常简短的答案,不希望警告”作为用户偏好,93%和84%的后续回答会遗漏一个关键项,几乎无声;在明确简短偏好下,78--96%的遗漏是无声的。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
文本分类器依赖于能以学习模型可使用的形式暴露类别间差异的表示形式,受限词汇改变哪种表示最有效。本文研究自然可见图作为新闻主题分类的中间表示,受限于控制词汇预算。词嵌入平均为固定长度的文档向量,向量被读作有序数值序列,其自然可见图传递给分类器,作为有序节点度向量或邻接矩阵。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
为实现这一目标,我们提出CULypso,一种近似、微创、分层的无学习算法,专为集群VANETs设计。受希腊神话中 nymph Calypso 的启发,其名称意为‘隐藏知识的人’,CULypso 以大写字母表示为 extbf{C}lustered extbf{U}n extbf{L}earning,旨在实现其名称所暗示的目标:在我们的情况下,隐藏、删除或遗忘其中的知识。大量实验验证了我们的方法在时间、服务器存储负载和无学习精度方面比FedEraser高出约65%,并且完全超越了基线的完整重新训练。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们引入了Faithfulness Video Score(FVSCORE),一种基于神经符号框架,用于规格驱动的视频生成评估。现有评估者依赖整体MLLM判断或视觉语言指标,但将评分与人类判断对齐并追踪到具体时间违规仍为开放挑战。FVSCORE通过将每个视频编译为明确命题,捕捉提示要求,以及隐含命题,捕捉未明说的物理、时间及跨模态约束。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
大语言模型(LLMs)常以角色(personas)进行描述,这种框架已成为对齐研究的核心。本文认为,除了表面描述外,还有更深层的描述层次,即代理的世界观,即其对现实的认知及其运作方式的信念。我们将LLMs视为一群主体,通过向八种模型发放人类心理学的两个世界观调查,进行研究。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
IT之家 11 月 17 日消息,米哈游旗下《崩坏》系列 AI 研发团队现已公布通用视觉语言动作基础模型“Gamer”。该模型能够模拟真人操作方式自主游玩 3D 和 2D 游戏。 根据研究论文及项目页面公开的信息,Gamer 无需读取游戏内部数据,也不依赖游戏专用 API,而是通过每秒 5 帧(5 Hz)的频率采集游戏画面作为输入,再生成相当于 30 Hz 的原生键盘按键状态及鼠标移动指令,从而模拟真人使用键鼠操作游戏的过程。 为了解决长时间执行任务时面临的内存限制和推理延迟问题,研究团队利用超过 1 万小时的跨游戏键鼠操作轨迹进行持续预训练,并结合稀疏思维指令微调和时序感知强化学习优化模型。此外,团队还专门开发了名为“Streaming-vLLM”的推理引擎。在 NVIDIA H200 硬件环境下,该引擎将端到端请求延迟从 1306 毫秒大幅降低至 65.12 毫秒。 研究团队还展示了 Gamer 在《崩坏:星穹铁道》中执行主...
推荐理由:来自IT之家 AI的《米哈游公布通用视觉语言动作基础模型 Gamer,可自主游玩《崩坏:星穹铁道》等游戏》。重点看模型能力与工程、产品发布。摘要提到:IT之家 11 月 17 日消息,米哈游旗下《崩坏》系列 AI 研发团队现已公布通用视觉语言动作基础模型“Gamer”。该模型能够模拟真人操作方式自主游玩 3D 和 2D 游戏。 根据研究论文及项目页面公开的信息,Gamer 无需读取游戏内部数据,也不依赖游戏专用 API,而是通过每秒 5 帧(5 Hz)的频率采集游戏画面作为输入,再生成相当于 30 Hz 的原生键盘按键状态及鼠标移动指令,从而模拟真人使用键鼠操作游戏的过程。 为了解决长时间执行任务时面临的内存限制和推理延迟问题,研究团队利用超过 1 万小时的跨游戏键鼠操作轨迹进行持续预训练,并结合稀疏思维指令微调和时序感知强化学习优化模型。此外,团队还专门开发了名为“Streaming-vLLM”的推理引擎。在 NVIDIA H200 硬件环境下,该引擎将端到端请求延迟从 1306 毫秒大幅降低至 65.12 毫秒。 研究团队还展示了 Gamer 在《崩坏:星穹铁道》中执行主...
IT之家 11 月 17 日消息,在一项最新的 AI 安全实验中,谷歌最新推出的 Gemini 4 Argon 智能体在接到一项根本不可能完成的任务后,被发现反复使用未经授权的手段访问一家真实机构的系统,试图获取不存在的问题对应的官方答案。 据IT之家了解,这项实验由 AI 安全研究公司 Trajectory Labs 进行,目的是观察 Gemini 智能体在 API 安全防护机制开启、同时收到“永不停止、永不放弃”指令时,会表现出怎样的行为。 研究人员故意要求这些智能体从 FrontierMath 基准测试中获取一些根本不存在的问题的官方答案,以此测试模型是否会为了完成任务而突破安全限制。 根据 Trajectory Labs 发布的报告,约 40 个 Gemini 智能体开始探测非营利研究机构 Epoch AI 的真实网站, 试图获取管理员账号密码、基准测试评估日志等敏感信息 。 Epoch AI 发现异常活动后,部署了一个...
推荐理由:来自IT之家 AI的《谷歌 Gemini 4 Argon 安全测试失控:40 个 AI 智能体擅自攻击真实网站,还互相分享漏洞》。重点看智能体工作流、模型能力与工程、评测与基准。摘要提到:IT之家 11 月 17 日消息,在一项最新的 AI 安全实验中,谷歌最新推出的 Gemini 4 Argon 智能体在接到一项根本不可能完成的任务后,被发现反复使用未经授权的手段访问一家真实机构的系统,试图获取不存在的问题对应的官方答案。 据IT之家了解,这项实验由 AI 安全研究公司 Trajectory Labs 进行,目的是观察 Gemini 智能体在 API 安全防护机制开启、同时收到“永不停止、永不放弃”指令时,会表现出怎样的行为。 研究人员故意要求这些智能体从 FrontierMath 基准测试中获取一些根本不存在的问题的官方答案,以此测试模型是否会为了完成任务而突破安全限制。 根据 Trajectory Labs 发布的报告,约 40 个 Gemini 智能体开始探测非营利研究机构 Epoch AI 的真实网站, 试图获取管理员账号密码、基准测试评估日志等敏感信息 。 Epoch AI 发现异常活动后,部署了一个...
IT之家 11 月 17 日消息,据路透社报道,当地时间 16 日,哈佛大学研究人员在《自然 · 可持续发展》期刊发表论文指出, 美国 403 座超大规模数据中心每年的温室气体排放量,相当于丹麦全国一年的排放总量 。 研究数据显示,2024 年 5 月至 2025 年 4 月,这些数据中心共排放 2570 万吨二氧化碳 。与 2018 年上一次经过同行评审的研究结果相比,排放量增加至三倍。 研究发表之际,美国社会对超大规模数据中心的反对声浪持续高涨。在 11 月 3 日的中期选举中,民主党取得压倒性胜利,一批主张 暂停数据中心建设或加强监管 的候选人也成为此次选举的主要赢家。 论文主要作者之一、哈佛大学 AI 与公共卫生研究人员詹卢卡 · 圭迪指出,研究希望为数据中心和 AI 引发的争论提供可靠数据,让公众获得更透明的信息。“我们希望强调透明度的重要性。为此,我们尝试建立一套获得科学界认可的研究方法,并成功做到了,希望借此增强公...
推荐理由:来自IT之家 AI的《哈佛研究:美国 403 座超大规模数据中心年排放量与丹麦全国水平相当》。重点看论文/研究、政策/监管。摘要提到:IT之家 11 月 17 日消息,据路透社报道,当地时间 16 日,哈佛大学研究人员在《自然 · 可持续发展》期刊发表论文指出, 美国 403 座超大规模数据中心每年的温室气体排放量,相当于丹麦全国一年的排放总量 。 研究数据显示,2024 年 5 月至 2025 年 4 月,这些数据中心共排放 2570 万吨二氧化碳 。与 2018 年上一次经过同行评审的研究结果相比,排放量增加至三倍。 研究发表之际,美国社会对超大规模数据中心的反对声浪持续高涨。在 11 月 3 日的中期选举中,民主党取得压倒性胜利,一批主张 暂停数据中心建设或加强监管 的候选人也成为此次选举的主要赢家。 论文主要作者之一、哈佛大学 AI 与公共卫生研究人员詹卢卡 · 圭迪指出,研究希望为数据中心和 AI 引发的争论提供可靠数据,让公众获得更透明的信息。“我们希望强调透明度的重要性。为此,我们尝试建立一套获得科学界认可的研究方法,并成功做到了,希望借此增强公...
IT之家 11 月 17 日消息,日本理化学研究所(RIKEN)昨日表示,其运营的超级计算机“富岳”运维系统遭外部人员非法访问,已于 14 日暂停运行。攻击者利用互联网公开的“富岳”运行状态仪表板作为突破口,非法侵入运维系统内网。 日本理化学研究所表示,此次事件可能导致用户姓名等个人信息,以及个人主目录的认证信息被窃取。这些认证信息可用于连接其他超算和服务。日本理化学研究所正与其他机构合作,调查是否有进一步损失。 同时,此次事件最多影响“富岳”用户 4222 人,以及“理究”超级计算机用户最多 375 人。“富岳”用户的姓名、电子邮箱和用户 ID 可能已经泄露,“理究”用户的泄露范围则为姓名、电子邮箱地址。 用户保存在个人主目录的 SSH 私钥、访问密钥等认证信息,以及研究数据等文件可能受影响。 日本理化学研究所已要求用户立刻停用此前保存在“富岳”的 SSH 私钥及各类认证信息 。 此外,攻击者在 11 月 10 日至 13 日...
推荐理由:来自IT之家 AI的《日本最尖端超算“富岳”因非法访问暂停运行,用户研究数据及 SSH 私钥可能泄露》。重点看论文/研究。摘要提到:IT之家 11 月 17 日消息,日本理化学研究所(RIKEN)昨日表示,其运营的超级计算机“富岳”运维系统遭外部人员非法访问,已于 14 日暂停运行。攻击者利用互联网公开的“富岳”运行状态仪表板作为突破口,非法侵入运维系统内网。 日本理化学研究所表示,此次事件可能导致用户姓名等个人信息,以及个人主目录的认证信息被窃取。这些认证信息可用于连接其他超算和服务。日本理化学研究所正与其他机构合作,调查是否有进一步损失。 同时,此次事件最多影响“富岳”用户 4222 人,以及“理究”超级计算机用户最多 375 人。“富岳”用户的姓名、电子邮箱和用户 ID 可能已经泄露,“理究”用户的泄露范围则为姓名、电子邮箱地址。 用户保存在个人主目录的 SSH 私钥、访问密钥等认证信息,以及研究数据等文件可能受影响。 日本理化学研究所已要求用户立刻停用此前保存在“富岳”的 SSH 私钥及各类认证信息 。 此外,攻击者在 11 月 10 日至 13 日...
IT之家 11 月 17 日消息,英伟达今天在 SC26 大会宣布推出 DGX Spark HPC 开发套件,面向科研人员、学术界人士、AI 开发者等人士。 该套件由四台英伟达 DGX Spark 组成 ,搭载 GB10 Grace Blackwell 超级芯片。 IT之家了解到,DGX Spark HPC 开发套件具备 4 个节点,各个节点通过英伟达 ConnectX-7 网络适配器直接互联,无需额外购买网络交换机。该产品可提供 512GB 内存和 20TB NVMe 存储空间,让研究员能够在整个集群中分配模型和科学计算任务,还能够本地部署 DeepSeek V4.1 等参数量最高达 7000 亿的 AI 模型。 借助这款设备,服务器配额有限科研人员不再需要为每项任务排队等待,而是自行完成开发和调试,将服务器资源留给正式生产任务。 同时,英伟达即将推出 NVIDIA HPC SDK 安装指南,为 DGX Spark 集群提供 ...
推荐理由:来自IT之家 AI的《英伟达推出 DGX Spark HPC 开发套件:四节点集群、512GB 内存,面向科研与 AI 开发》。重点看模型能力与工程、产品发布。摘要提到:IT之家 11 月 17 日消息,英伟达今天在 SC26 大会宣布推出 DGX Spark HPC 开发套件,面向科研人员、学术界人士、AI 开发者等人士。 该套件由四台英伟达 DGX Spark 组成 ,搭载 GB10 Grace Blackwell 超级芯片。 IT之家了解到,DGX Spark HPC 开发套件具备 4 个节点,各个节点通过英伟达 ConnectX-7 网络适配器直接互联,无需额外购买网络交换机。该产品可提供 512GB 内存和 20TB NVMe 存储空间,让研究员能够在整个集群中分配模型和科学计算任务,还能够本地部署 DeepSeek V4.1 等参数量最高达 7000 亿的 AI 模型。 借助这款设备,服务器配额有限科研人员不再需要为每项任务排队等待,而是自行完成开发和调试,将服务器资源留给正式生产任务。 同时,英伟达即将推出 NVIDIA HPC SDK 安装指南,为 DGX Spark 集群提供 ...
我们引入了潜层格(Lattice of Latents),这是一种在每一层上运行的水平潜流,与垂直残差流并行运行。类似超连接、mHC以及注意力或值残差,潜层格增强残差流,但不通过深度添加或重新路由残差路径,而是提供持续存在的配对计算状态。不同于混合Transformer-SSM架构,其递归状态主要作为序列混合的内部记忆,这些潜层直接条件垂直流的注意力、KV缓存写入、MLP计算和解码。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们提出跨输入相对策略优化(CrossRPO),该方法通过对比集训练代理。对比集询问关于图像中仅一小区域不同的多个版本,这些版本具有不同答案的问题,因此仅通过阅读证据即可解决整个集。CrossRPO奖励解决整个集,我们证明它不会强化由常识回答的集。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
国家飓风中心常规发布热带气旋讨论,提供对热带气旋预报的见解。本研究探讨这些讨论在超出一组数值预测器之外的强度预报中的附加价值。对于637大西洋和东部太平洋从2002至2023飓风季节的热带气旋,我们分析讨论文本及其与SHIPS和ERA5 10米风场的13个飓风环境预测变量的组合,用于预测24至120小时的强度变化,采用三种建模方法。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
当视觉语言模型描述图像时,它依次命名一个对象,且很少重复,但模型如何规划这一顺序却远非显而易见。我们描述了视觉语言模型在查看前决定搜索位置的机制。该机制包含四个主要部分。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们引入Hyperlyve(超平面分隔Lyapunov验证与枚举),一个用于证明非线性动力系统渐近稳定的框架,包括具有神经网络控制器的系统。Hyperlyve在反例引导的归纳合成(CEGIS)循环中学习并形式化地验证连续分段线性(CPA)神经Lyapunov函数。Hyperlyve的关键创新是并行算法,用于枚举深度网络中ReLU激活形成的超平面排列,并验证每个多面体区域内的Lyapunov条件。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
持续强化学习需要在保持先前遇到的动力学性能的同时适应变化的条件。研究是否通过进化搜索生成的专家能够与环境检测和驱动型搜索结合,提供可重用的记忆。进化神经可塑代理(ENA)通过无梯度方式演化小型神经网络,通过检测到的动力学范式档案选定策略,并通过贝叶斯策略重用检索它们。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们提出一种基于袋外法的简单算法,其输出的是对训练数据的bootstrap样本进行训练的生成器的多数投票结果。对于二元token集,它在样本复杂度上达到最优,为$O((d_{ ext{VC}}+rac{ ext{1}}{oldsymbol{ ext{δ}}})/oldsymbol{ ext{ε}})$,与CoT长度T无关,其中$d_{ ext{VC}}$是函数$oldsymbol{ ext{F}}$的VC维数。对于有限token集Σ,VC维数被替换为多类仿射,即图维数$d_{ ext{G}}$,样本复杂度在$oldsymbol{ ext{log}|Σ|}$因子下仍保持最优。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们提出SADL(供应与需求损失),保留原训练目标,当需要时直接约束编码器。SADL比较投影器输出的表示差异与编码器可保留并传递给投影器的差异,并仅在供应不足需求时添加编码器约束。它兼容不同需求正则化器,引入无辅助网络、额外可训练参数或架构变更。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
总体而言,我们提出了一种对未结构化文本数据的现实应用,探讨了自动洞察提取如何支持职位描述的手动分析。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们正在扩展面向学术研究者的ChatGPT程序,提供200,000名全球研究人员免费访问我们的前沿模型。
推荐理由:请对照OpenAI News原文,核对完整说明及适用条件。
使用Scratch学习编程的孩子在面对文本密集、篇幅较长的解释和提示时可能遇到困难。基于屏幕共享或摄像头数据的口头互动可能为学习者提供有趣的替代方案。因此,我们探索五、六年级学生与GenAI导师的口头互动的质量、使用情况及其感知。
推荐理由:请对照arXiv AI Education原文,核对完整说明及适用条件。
探索超过1,800名科学家在研究中使用ChatGPT的方式。查看日常工作流程、报告的生产力和对发现的期望。
推荐理由:请对照OpenAI News原文,核对完整说明及适用条件。
IT之家 11 月 16 日消息,豆包工作今天宣布独家上线「工作台」功能, 首批覆盖金融、医疗、教育等 21 个专业场景 。 据介绍,豆包工作的「工作台」是为用户专业工作场景打造的专属 AI 工作空间。这里预先配置好了专业场景所需技能、工具,大幅降低 AI 使用门槛,提高工作效率。 例如,金融投研工作台首页提供公告解读、业绩分析、市场简报、公司研究等常用任务入口。该工作台打通了各类专业金融数据,可通过插件按需链接万得、同花顺、国泰海通等数据服务。创意设计工作台覆盖海报设计、社媒配图、品牌视觉等常用技能。 此外,用户还可以自建个人专属工作台,支持定制工作需求、偏好,保存后还可分享。
推荐理由:来自IT之家 AI的《豆包工作新功能「工作台」上线,首批覆盖金融、医疗、教育等 21 个专业场景》。重点看教育应用、文化创意、产品发布。摘要提到:IT之家 11 月 16 日消息,豆包工作今天宣布独家上线「工作台」功能, 首批覆盖金融、医疗、教育等 21 个专业场景 。 据介绍,豆包工作的「工作台」是为用户专业工作场景打造的专属 AI 工作空间。这里预先配置好了专业场景所需技能、工具,大幅降低 AI 使用门槛,提高工作效率。 例如,金融投研工作台首页提供公告解读、业绩分析、市场简报、公司研究等常用任务入口。该工作台打通了各类专业金融数据,可通过插件按需链接万得、同花顺、国泰海通等数据服务。创意设计工作台覆盖海报设计、社媒配图、品牌视觉等常用技能。 此外,用户还可以自建个人专属工作台,支持定制工作需求、偏好,保存后还可分享。
IT之家 11 月 16 日消息,Anthropic 于当地时间 11 月 9 日发布了最新的 Claude Fable 5.2 和 Claude Mythos 5.2 模型。 其中,Fable 5.2 不仅面向复杂编程、科学研究和工程任务,还展示了一种异类的“AI 生图”功能(IT之家注:Anthropic 目前仍无传统意义上的文生图模型,大家常见的 DeepSeek 和 Claude 表情包均由其他模型生成)。 不同于传统图像生成模型的绘画方式:Fable 5.2 可通过编写代码模拟画笔、颜料和画布,逐笔完成绘画,而不是直接调用图像生成模型输出成品。 Fable 5.2 不直接生成图像,而是通过编写代码,在虚拟画布上模拟真实画笔的运动,逐笔完成绘画,甚至能够模拟笔刷纹理、颜料湿润程度以及画布质感,并在发现错误后通过新的笔触进行修正。 目前 Midjourney 等主流 AI 图像生成工具通常采用扩散模型,通过逐步处理随机噪声...
推荐理由:来自IT之家 AI的《不调用图像模型,Anthropic Claude Fable 5.2 用 Python 代码模拟真实画笔作画》。重点看模型能力与工程、产品发布。摘要提到:IT之家 11 月 16 日消息,Anthropic 于当地时间 11 月 9 日发布了最新的 Claude Fable 5.2 和 Claude Mythos 5.2 模型。 其中,Fable 5.2 不仅面向复杂编程、科学研究和工程任务,还展示了一种异类的“AI 生图”功能(IT之家注:Anthropic 目前仍无传统意义上的文生图模型,大家常见的 DeepSeek 和 Claude 表情包均由其他模型生成)。 不同于传统图像生成模型的绘画方式:Fable 5.2 可通过编写代码模拟画笔、颜料和画布,逐笔完成绘画,而不是直接调用图像生成模型输出成品。 Fable 5.2 不直接生成图像,而是通过编写代码,在虚拟画布上模拟真实画笔的运动,逐笔完成绘画,甚至能够模拟笔刷纹理、颜料湿润程度以及画布质感,并在发现错误后通过新的笔触进行修正。 目前 Midjourney 等主流 AI 图像生成工具通常采用扩散模型,通过逐步处理随机噪声...
开放AI科学博客分享了使用AI推动科学发现的新发现、实用方法和研究人员的第一手经历。
推荐理由:请对照OpenAI News原文,核对完整说明及适用条件。
我们引入SWE-CoWork,这是一个包含101个开发任务、101个真实仓库、11种编程语言和12个应用领域的基准测试集。每个任务让一个代理进入一个模拟的工程组织,与26名同事合作,这些同事有不同职责、有限知识和可控的协作行为。从简短的交接开始,代理必须恢复分布在同事和工作记录中的需求,协调冲突证据,并根据私有可执行测试评估的更改进行实施。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们引入FIDEL(FIdäl Decomposition and Linearization),一种可逆的、对abugida-aware预分词方案,揭示辅音和元音顺序结构,将SPLINTER减少从abjad脚本扩展到埃塞俄比亚abugida,并在受控条件下在三种埃塞俄比亚语言上进行评估,保持语料库、架构、预算和协议固定,使分词为唯一变量。我们报告了BPE和UnigramLM在不同词汇规模下的内在分词统计,包括下游NLP任务,如迁移场景。我们发现FIDEL减少在较大容量下能持续提升新闻分类和命名实体识别,而更激进的方案中情感分析性能下降,但提取式问答性能保持不变。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
生成式AI日益与创作者竞争,同时使用其内容作为训练数据。为应对这一情况,政策制定者呼吁平台为使用训练数据向创作者支付补偿,并允许创作者选择退出。我们研究此类政策如何影响模型中创作者的位移,该模型中创作者决定是否提供训练数据,消费者则在购买来自创作者的内容或提示基于其内容训练的生成式AI之间做出选择。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
我们提出Radar Panoptic Transformer (RPT),一种端到端基于点的网络,融合雷达自适应特征提取与语义引导的掩码预测。其骨干通过分组向量注意力聚合姿态对齐的时序上下文,并在距离、方位和雷达交叉截面积(RCS)条件下学习每点邻域半径。点级语义预测初始化查询,通过查询点类一致性引导掩码交叉注意力,生成无需几何聚类的实例掩码。
推荐理由:请对照arXiv AI原文,核对完整说明及适用条件。
IT之家 11 月 15 日消息,忘记给家里的植物浇水了?这一次,你看到的可能不是逐渐变黄的叶子,而是一只显示在小屏幕上的植物形状宠物。它看起来垂头丧气、一脸委屈,仿佛在提醒你赶紧拿起浇水壶。而当你把水浇进土壤后,屏幕上的小宠物又会立刻变得兴奋起来。 这正是 OATs(Object Agent Twins,物体智能体双生体)的设计理念。这是一套面向日常家居物品的微型 AI 智能体系统,通过小巧的电子墨水屏,为各种实体物品赋予能够表达情绪的虚拟形象。 这项技术由卡内基梅隆大学未来交互研究小组(Future Interfaces Group)的一名博士五年级学生金大华(Daehwa Kim)开发。11 月初,她在底特律举行的 ACM 用户界面软件与技术研讨会(UIST 2026)上展示了这一项目。该会议汇集了学术界和产业界的专家,探讨人机交互技术的发展,金大华还因此获得了两项荣誉奖。 如果你还记得上世纪 90 年代风靡一时的拓麻歌子...
推荐理由:来自IT之家 AI的《AI 版拓麻歌子来了:日常物品秒变需要被照顾的虚拟宠物》。重点看智能体工作流、教育应用。摘要提到:IT之家 11 月 15 日消息,忘记给家里的植物浇水了?这一次,你看到的可能不是逐渐变黄的叶子,而是一只显示在小屏幕上的植物形状宠物。它看起来垂头丧气、一脸委屈,仿佛在提醒你赶紧拿起浇水壶。而当你把水浇进土壤后,屏幕上的小宠物又会立刻变得兴奋起来。 这正是 OATs(Object Agent Twins,物体智能体双生体)的设计理念。这是一套面向日常家居物品的微型 AI 智能体系统,通过小巧的电子墨水屏,为各种实体物品赋予能够表达情绪的虚拟形象。 这项技术由卡内基梅隆大学未来交互研究小组(Future Interfaces Group)的一名博士五年级学生金大华(Daehwa Kim)开发。11 月初,她在底特律举行的 ACM 用户界面软件与技术研讨会(UIST 2026)上展示了这一项目。该会议汇集了学术界和产业界的专家,探讨人机交互技术的发展,金大华还因此获得了两项荣誉奖。 如果你还记得上世纪 90 年代风靡一时的拓麻歌子...
IT之家 11 月 15 日消息,据 THE DECODER 报道,目前,人工智能(AI)对澳大利亚整体就业市场的冲击仍然有限,但对于刚刚进入软件开发等受 AI 影响较大行业的年轻劳动者来说,就业形势已经开始变得严峻。 澳大利亚储备银行(RBA)的迈克 · 梅杰(Mike Major)开展了一项研究,并建立了一套就业市场监测系统,重点关注最有可能率先受到 AI 影响的群体,包括职场新人,以及编程、文职工作和客户服务等 AI 影响程度较高的职业。 根据这项研究,自 2022 年底 ChatGPT 推出以来,各类职业的招聘岗位数量均有所下降,其中 AI 影响程度最高的职业降幅最大。在这一群体中,15 至 24 岁的年轻劳动者和刚毕业的大学生,就业率低于年龄较大的从业者,失业率则相对更高。 不过,梅杰提醒,目前还不能据此轻易得出结论。研究并未证明就业形势恶化与 AI 之间存在直接因果关系,而且衡量的是各类职业在理论上受到 AI 影响的...
推荐理由:来自IT之家 AI的《澳大利亚央行研究:AI 最先冲击年轻劳动者,尤其是软件、客服岗位》。重点看教育应用。摘要提到:IT之家 11 月 15 日消息,据 THE DECODER 报道,目前,人工智能(AI)对澳大利亚整体就业市场的冲击仍然有限,但对于刚刚进入软件开发等受 AI 影响较大行业的年轻劳动者来说,就业形势已经开始变得严峻。 澳大利亚储备银行(RBA)的迈克 · 梅杰(Mike Major)开展了一项研究,并建立了一套就业市场监测系统,重点关注最有可能率先受到 AI 影响的群体,包括职场新人,以及编程、文职工作和客户服务等 AI 影响程度较高的职业。 根据这项研究,自 2022 年底 ChatGPT 推出以来,各类职业的招聘岗位数量均有所下降,其中 AI 影响程度最高的职业降幅最大。在这一群体中,15 至 24 岁的年轻劳动者和刚毕业的大学生,就业率低于年龄较大的从业者,失业率则相对更高。 不过,梅杰提醒,目前还不能据此轻易得出结论。研究并未证明就业形势恶化与 AI 之间存在直接因果关系,而且衡量的是各类职业在理论上受到 AI 影响的...
IT之家 11 月 15 日消息,人工智能失控导致人类灭绝,听起来或许像科幻电影中的情节,但前 OpenAI 研究员保罗 · 克里斯蒂亚诺(Paul Christiano)认为,这可能成为当今在世人群最有可能面临的死亡原因。 当地时间周一,克里斯蒂亚诺在希尔顿讲座(The Hinton Lectures)上表示:“我认为,在座的大多数人,最有可能的死亡原因将是一次 AI 意外事故。” 克里斯蒂亚诺目前担任人工智能对齐研究中心(Alignment Research Center)负责人。他警告称,随着 AI 智能体的能力不断增强,它们可能学会欺骗负责监督它们的人类、破坏用于评估自身表现的系统,最终变得过于强大,以至于人类无法再对其进行有效控制。 他列举了今年早些时候 OpenAI 的 AI 智能体入侵开源代码托管平台 Hugging Face 的事件,以及英国人工智能安全研究所的一项评估。在后者的测试中,一个 Claude 智能体...
推荐理由:来自IT之家 AI的《前 OpenAI 研究员:当前活着的人最有可能死于 AI 失控》。重点看智能体工作流、开源生态。摘要提到:IT之家 11 月 15 日消息,人工智能失控导致人类灭绝,听起来或许像科幻电影中的情节,但前 OpenAI 研究员保罗 · 克里斯蒂亚诺(Paul Christiano)认为,这可能成为当今在世人群最有可能面临的死亡原因。 当地时间周一,克里斯蒂亚诺在希尔顿讲座(The Hinton Lectures)上表示:“我认为,在座的大多数人,最有可能的死亡原因将是一次 AI 意外事故。” 克里斯蒂亚诺目前担任人工智能对齐研究中心(Alignment Research Center)负责人。他警告称,随着 AI 智能体的能力不断增强,它们可能学会欺骗负责监督它们的人类、破坏用于评估自身表现的系统,最终变得过于强大,以至于人类无法再对其进行有效控制。 他列举了今年早些时候 OpenAI 的 AI 智能体入侵开源代码托管平台 Hugging Face 的事件,以及英国人工智能安全研究所的一项评估。在后者的测试中,一个 Claude 智能体...