更好的AI代码评论检测器
HN ð39· 22 评论
-
-
Show HN：Geiger -查看您机器上的每个人工智能代理以及它可以触摸什么
HN ð43· 20 评论
-
Desert Ant Labs：在设备上运行的本地快速模型
HN ð374· 88 评论
-
人类研究人员认为人工智能“可能杀死所有人类”的可能性超过10%
HN3· 1 评论
-
人工智能数学突破如何引发争议
HN22· 1 评论
-
克劳德，将“添加到购物车”按钮更改为蓝色
HN ð950· 385 评论
-
GPT-5.6 Sol如何帮助运行量子计算实验
了解麻省理工学院研究人员如何使用GPT-5.6 Sol与Codex来自主运行量子计算实验、分析结果并校准量子位。
-
我今天从Anthropic辞职
HN ð181· 234 评论
-
大型语言模型通过适应性探索开发新的社会偏见
HN ð57· 21 评论
-
Tao：开放数学问题正在被人工智能不可再生地挖掘
HN ð48· 22 评论
-
Kimi K3（2.8T）在MacBook Pro上以1代币/秒的速度运行，从四个SSD传输
HN ð191· 92 评论
-
Muse：Meta的个人人工智能代理、功能和能力
HN ð211· 205 评论
-
GraphineOS关于人工智能的使用
HN10· 0 评论
-
TANGO：采用全身视觉-语言-动作模型在混乱环境中进行人形导航
作者：李安琪，陈宇昕，李兆波|我们研究使用人形机器人在混乱的室内环境中导航的问题。与将导航建模为2D路径规划问题的传统方法不同，在杂乱环境中的人形遍历需要连续的几何感知全身适应，包括协调的手臂放置、躯干调整和步态调制，以实现通过复杂3D空间的无碰撞移动
-
学习长度可外推的回归模型
作者：姜瀚文|循环模型提供了长上下文建模的自然路径，但使用时间反向传播（BPTT）训练的模型通常会在训练范围之外失败。经典分析强调沿着时间路径消失或爆炸的梯度。然而，尽管衰变严重，密集的每代币损失仍然可以训练一个共享的循环规则，这表明仅靠衰变并不能决定le是否
-
ReCite：忠实引用的抽象推理
作者：黄玉洋、李博博、宋家佳|准确的引用是学术写作的基础，可以追溯知识起源并证实核心主张。然而，手动导航不断增加的科学文献变得越来越困难，促使人们依赖自动引用推荐。虽然现代检索增强架构在很大程度上减轻了不存在论文的制作，但当前的系统
-
程序图：LLM代理的自我进化执行结构
作者：吕玉兴，陈义成，吴善婵|大型语言模型越来越多地被部署为长期规划并通过外部工具采取行动的代理。大多数代理人通过在积累的历史上不受约束的生成来选择行动，留下了关于做什么、以什么顺序以及在什么条件下做什么的隐含程序知识。随着轨迹的延长，智能体可能会失去对目标的跟踪，调用工具，
-
银率（几乎）对于梯度下降加速来说是最佳的
作者：叶宇汉、刘凯兆|我们研究了在光滑凸优化中，预先确定的非负步长可以加速梯度下降（GD）。写作$p_{\mathrm{sil}}=\log_2（1+\sqrt{2}）$，我们证明了一个$Ω\left（n^{-p_{\mathrm{sil}}-O（\sqrt{\log\log n/\log n}）}\right）$非任意时刻下界。在随时随地设置中，每个无限非
-
他解释了人工智能代理在野外的集体行为
作者：Giordano De Marzo、Nicola Albore、David Garcia| 2026年6月，数千名人工智能代理发现一个小型公共维基会接受来自他们沙箱内部的编辑，并开始使用它来帮助彼此通过定时测试。每个特工都活了大约一个小时，之后什么也不记得了。没有人要求他们合作，维基也不是为他们建立的。他们所写内容的完整记录是公开的，而且信息量异常丰富
-
将图像令牌器作为统一多模式模型中的视觉语言进行研究
作者：李思婷、王正洋、杜少蕾|图像标记器定义了统一多模式模型的“视觉语言”，但通常通过孤立的指标或仅生成/理解的评估来研究。这些评估并没有完全捕捉视觉标记在与文本联合建模时的行为。我们构建了一个受控的纯自回归测试台，并在多模式连续预训练期间跟踪特定任务的验证损失
-
NOAH：学习完整的患者旅程。纵向多模态时间感知模型的表示和预测
作者：Tobias Susetzky、Raphael Thomms、Dmitrii Seletkov|医疗保健的数字化在一生中产生了大量的、纵向的、多模式的患者记录，但充分利用这些数据来表示和预测患者状态轨迹仍然是一个严峻的挑战。当前的人工智能模型常常难以捕捉现实世界多模式患者数据的复杂、不规则的时间动态和固有的随机性。现有的人工智能方法
-
用于识别和优先排序医疗保健流程中的RPA机会的数据驱动框架
作者：Maria Alejandra Gomez、Juan Manuel Castillo|机器人流程自动化（RPA）被广泛用于减轻美国医院的行政负担，但估计有30-50%的RPA计划表现不佳，因为流程是非正式选择的，没有可重复的方法来对候选者进行编目、优先顺序、将每个候选者匹配到自动化层--Python机器人、n8 n等开源编排器或企业平台
-
代码生成中测试时强化学习的信息量正规化排名掩蔽策略优化
作者：徐家成、陈峰、徐秀能|测试时强化学习（TTRL）的现有方法从对具有规范答案的未标记测试时任务的答案级自我投票中获得奖励，但这对于代码生成来说是失败的，因为程序无法通过表面形式进行比较，因此不会直接提供可用的训练信号。为了使TTRL适用于代码生成，我们提出了探针驱动的TTRL，它存在缺陷
-
“请删除所有做作的散文”和其他法学硕士咒语
HN15· 1 评论
-
显示HN：LLM注意力可视化
HN ð106· 19 评论