黑客新闻，人工智能驱动内容的优先级降低
HN ð106· 54 评论
-
-
显示HN：黑客新闻，没有人工智能
HN ð166· 83 评论
-
HuggingFace：Security.文本
HN ð244· 63 评论
-
TEK报告代币节省，但我们的成本基准不同意
HN ð142· 71 评论
-
克劳德不再是未成年人
HN24· 0 评论
-
在API中使用GPT-Live-1构建更自然的语音体验
GPT-Live-1为API带来了自然的、全速的语音对话，并具有更强的指令遵循、自定义语音和电话支持。
-
Gemini应用程序现在可用于Windows
HN Ÿ 50 · 42 评论
-
LLM Visualizer -从零开始构建Transformer
HN ð11· 4 评论
-
我的学生如何看待人工智能
HN ð21· 3 评论
-
Thelio Mira AI Linux工作站：192 GB图形处理器内存
HN61· 38 评论
-
OpenAI的Navier-Stokes版本包含Lean 4正式证明
HN ð113· 109 评论
-
OpenAI Agents API
HN ð71· 57 评论
-
下一代Transformer：循环不是你需要的
HN ð12· 0 评论
-
GPU-CFR：通过将游戏编译为静态数据流和CUDA图形回放，以更快的速度最小化反事实遗憾
作者：李博宁，黄龙波|反事实遗憾最小化（CFR）是为数不多的在处理器上运行速度仍然比在处理器上运行速度更快的大型数字工作负载之一。每次迭代以通过通用树接口发出的数百万个小型、相互依赖的聚集和分散步骤扫描具有多达数十亿个状态的游戏树。在GPU上，每个内核都在微秒内完成，因此内核启动和框架调度占主导地位。
-
协变量的一般量化和概念转变
作者：陈洪波、夏查理|分布转移下的推广仍然是现代机器学习的核心挑战，但现有的学习界限理论仅限于狭窄的、理想化的环境，并且无法从样本中估计。在本文中，我们弥合了理论和实际应用之间的差距。我们首先表明，当源和目标支持不匹配时，概念转变的现有定义就会破裂。利用
-
数据稀缺性和模型稀疏性：专家混合更适合重复数据
作者：Atindra Jha、Margaret Li、Jure Leskovec|随着人类书写文本的供应耗尽，重复语言模型训练数据已成为标准做法。之前的工作研究了密集激活的变形金刚的数据重复，但对于最近占主导地位的稀疏架构（例如专家混合（MoE）），数据重复的影响在很大程度上仍未被探索，尽管它们的计算效率有所提高。我们改变数据重复性
-
边缘可部署视觉语言模型可以识别物种吗？
作者：William Zhou、Mayukha puram、Xia Yan|摄像机陷阱通常在边缘硬件上运行，连接性有限或没有，这使得小型、可本地部署的视觉语言模型（VLM）（而不是前沿规模的模型）成为评估物种识别的实际相关类别。我们测试这个与部署相关的2--8B范围中的模型是否携带真正的分类知识，评估四个此类VLM（Qwen 3-BL 2B/4 B/8B，G
-
生成式营销组合建模：将GEO和GEM与业务影响联系起来的因果推理框架
作者：加藤正宏、本间大树、加藤隆|生成性人工智能改变了公司接触客户的方式，但标准营销数据不会记录用户在生成的答案中看到和注意到公司名称的频率。我们开发生成式营销组合建模（GMMM）来估计生成式引擎优化（GEO）和生成式引擎营销（GEM）的因果影响。对于GEO，GMMM将重复生成的答案与问题结合起来
-
变压器中的距离概括：为什么要麻烦位置编码？
作者：Daniel Henrik Nevermann、Claudius Gros|分布长度泛化，即从短到长的上下文推断任务，已被深入研究的变压器。在这里，我们重点关注距离概括，它研究训练和推理之间令牌间距离发生变化时的性能，同时保持固定的上下文长度。我们构建了两个合成延迟复制任务，都涉及有限距离
-
人工ID：大型人工智能中的驱动力和持续对齐
作者：雅科夫·彼得·什科利尼科夫|抽象人工智能正在从有界任务执行转向保留相应状态、继续操作和跨任务边界适应的系统。这种转变产生了一个控制问题，目前的工具主要是手工解决的：目标、再试、验证、停止规则和其他行为转变是在外部指定的。我们提出了一种人工ID，一种自适应的内部驱动器
-
从协议到证据：为共同利益服务的人工智能有限索赔
作者：Nitesh V. Chawla，Paulo Benanti|人工智能所做的不仅仅是造成治理问题。它还可以揭示哪些机构未能提供响应能力、归属感、护理和问责制。一旦部署，人工智能就会成为这些情况的干预措施。它可以修复、复合、替代或隐藏它遇到的故障。因此，负责任的人工智能必须评估系统和机构
-
TART：一种用于技术意识的音频到乐谱吉他抄写的模块化工具
作者：Akshaj Gupta、Hwi Joo Park、Andrea Guzman|吉他的自动音乐转录（AMT）仍然受到三个挑战的限制：现有的系统通常无法捕捉表达技术，例如幻灯片、弯曲和敲击;它们经常将音符分配给错误的弦音组合;而且它们通常接受干净的录音训练，限制了它们对嘈杂的现实世界音频的概括。为了应对这些挑战，我们建议
-
MindTopo：基金会模型可以在布局空间中推理吗？
作者：葛云飞、刘安邦、王其能|空间推理不仅取决于距离、角度和形状等度量属性，还取决于在连续变形下保持不变的拓扑关系。认知科学将这些关系确定为空间理解的基础，但基础模型评估主要关注指标或观点依赖关系。我们引入MindTopo，topolo的基准
-
检测和打击人工智能的滥用：2026年9月
HN ð64· 128 评论