Show HN：MultiMatte，一种可识别的图像背景删除模型
HN ð35· 7 评论
-
-
Cognition推出新的SWE-2模型，Rivaling Fable 5.1和GPT-Astra
HN ð334· 138 评论
-
人工智能正在打破我们所谓的信任
HN ð48· 8 评论
-
显示HN：Botbin.io-人工智能代理文物的pastebin
HN ð4· 1 评论
-
更多关于研究人员是否可以信任OpenAI未发表的数学的问题
HN ð572· 577 评论
-
OpenAI没有数学家能够理解他们提出的内容
HN ð63· 33 评论
-
OpenAI可能窃取了另一个重要证据
HN Ÿ 3 · 0 评论
-
以998美元的价格培训3.8B法学硕士至0.384核心- Hugo Vergnes
HN ð18· 2 评论
-
我们通过查看规范游戏得出的人工智能对齐愚蠢想法
HN ð15· 9 评论
-
IdeaAMBIG：研究理念规范中的实施关键差距基准
作者：马亦玲、赵亦伦、吴思红|一个研究想法可能是新颖的、连贯的、科学上合理的，但它提出的方法可能仍然不够具体，无法忠实地实施。我们研究面向实现的研究方法规范的编码准备情况，定义为它们是否为称职的实现者或编码代理提供足够的方法学信息来构建预期的方法
-
通过规范化流使用干扰参数进行无可能推断
作者：Phil Assheton|我们提出了基于神经网络的规范化流程的简单分解，该流程仅基于来自感兴趣分布的样本生成器，自然地揭示了存在滋扰参数的关键统计量（或接近的统计量）。我们表明，从其$p$-值与均匀值的最小平均KL偏差意义上来说，该统计数据几乎是关键的，我们认为它可以是关键的
-
Show HN：自托管的公司OS、Claude Code和Codex在各部门的代理人
HN ð35· 8 评论
-
差距--熵猜想的正解
作者：PM阿罗诺、内森·卡卢斯、帕特里克·洛帕托|我们证明了具有独立单位方差高斯臂、平均值为$[0，1]$和唯一的最优臂的固定置信度最佳臂识别的间隙-令$p_r$是手臂贡献的$H$的分数，其中$2^{-（r+1）}<Δ_i\le2^{-r}$，并令$\mathrm{Ent}（I）=\
-
极限下的语言生成特征：有限证人和分离宽度等级
作者：李晓宇、韩安迪、江娇|极限下的语言生成要求从未知无限语言的每一个详尽的积极呈现中获得有效的不可见元素。我们将这项任务描述为可计数宇宙上的任意家族。当每个目标都可以被分配一个有限的正见证时，生成是可能的，以便任何有限样本激活的目标都具有无限的公共交集。的
-
Show-Buttons：VLM代理就可以玩机器人
作者：陈彦哲、白泽晨、曹之军|基金会视觉语言模型（VLM）展现了有关世界的广泛智能，但将这种智能转化为机器人控制仍然具有挑战性。我们介绍了Show-Buttons，这是一个同步的Buttons，使VLM能够通过将意图与动作联系起来的紧凑语义界面“扮演”机器人。Show-Buttons暴露了离散的语义动作单元，VLM可以自然推理，而emb
-
具有有界样本联合测量的最佳低阶量子状态断层扫描
作者：Ashwin Nayak、Xingyu Zhou|当每次测量可能共同作用于最多$t$样本时，我们确定低阶量子状态断层扫描的最佳样本复杂性。对于足够小的$\varepsilon$，估计$\mathbb{C}' d$上的未知状态最多为$r$，以恒定成功概率跟踪规范错误$\varepsilon$需要并且可以使用$\left（\fRAC{Dr}{\vareps
-
信用违约预测的量子特征工程：IQP电路何时以及为何帮助线性分类器
作者：Menachem Finkelstein、Diana Legende Levy、Zohar Yakhini|信用违约预测是一个表格分类问题，其中F1的适度收益直接转化为财务风险的减少。我们询问，瞬时量子多项时间（IQP）电路是否可以在相同的特征预算下产生比原始经典基线和核心PCA（最强的无监督经典非线性替代方案）改进分类器的特征。
-
跨模型协议作为自动息肉分割的部署时间可靠性信号
作者：Siddharth Gupta、Jitin Singla|在实时结肠镜检查中，推理时无法获得基本真相注释，因此息肉分割模型可能会悄然失败。我们提出了基于裁判的质量估计（RBQE），这是一个无参考框架，用于测量初级分割模型和同一图像上独立训练的裁判之间的一致性。RBQE是根据从f中提取的标准化1，223张图像外部基准进行评估的
-
IBIB：通过服务路线而不是模型标识符来衡量企业人工智能系统的协议
作者：Blake Stenstrom、Charangan Vasantharajan、Brian Sathianathan|企业部署系统，而不是检查点。可用能力共同取决于权重、服务路线、精度、输出合同和利用率，但所有18个审计基准都对广告的模型标识符进行评分。我们将其视为测量错误，并给出一个使其可报告的协议。它有三个部分。金盲能力约束飞行前验证路线可以执行评
-
使用协方差矩阵学习：主成分分析与使用图学习的相遇
作者：Saurabh Sihag、Andrea Cavallo、Elvin Isufi|本文概述了coVariance神经网络（VNN）的理论基础，即图神经网络（GNN）将协方差矩阵作为图进行操作。协方差矩阵在各个领域中无处不在，因此，GNN的部署通常利用成对统计依赖关系图。关于GNN的现有理论贡献考虑抽象的GR
-
Qwen 3.8遵循GPT-5.5 Pro推理预填充
HN ð156· 61 评论
-
程序图：LLM代理的自我进化执行结构
HN ð39· 12 评论
-
OpenAI会把每个人都当成傻瓜吗？
HN57· 33 评论