-
-
Cartesian - AI 3D建模用于设计
HN ð82· 70 评论
-
Show HN：Pizza Bot -在后台工作的人工智能代理的收件箱
HN ð15· 4 评论
-
2026年推理硬件革命
HN ð95· 9 评论
-
Anthropic联合创始人告诉BBC，人工智能“杀死开关”可能需要强制执行
HN40· 100 评论
-
LLM生成了多少F-Droid？
HN ð56· 39 评论
-
我在Google DeepMind工作。你应该听听有关人工智能的警告
HN ð11· 1 评论
-
OpenAI、Anthropic和Meta网络攻击背后的以色列有效利他主义公司
HN24· 3 评论
-
前FTC老板Khan：援引1934年的先例，给人工智能首席执行官们戴上手铐
HN Ÿ 90 · 48 评论
-
Anthropic正处于监管捕获的财务循环中
HN ð6· 1 评论
-
OpenAI、Anthropic和Meta黑客丑闻背后有一家公司
HN417· 141 评论
-
GPT-5.6 Luna与GPT-6 Astra：1.20美元的型号足以进行代码审查吗？
HN ð89· 99 评论
-
腐败的计划，干净的痕迹：用计划注入逃避思想链监控
作者：Keertana Chidambaram、Andrew Ilyas、Vasilis Syrgkanis|思想链（CoT）监控是一种安全策略，其中大型语言模型“参与者”的推理由“监视器”（通常是另一种语言模型）检查是否存在不安全规划、欺骗或失调的迹象。我们发现，在行为者的背景中植入有害但听起来善意的推理可以引导其在逃避监视器的同时采取对抗行动，我们将这种
-
恒星斗兽场：数学和理论计算机科学长期研究的多主体平台
作者：林鸿浩、David P. Woodruff、Yuan Deng|语言模型可以产生看似合理的简短证明，但在长期研究问题上可能仍然不可靠，因为长期研究问题的进展取决于一系列不确定且相互依赖的决策。我们介绍恒星斗兽场，这是一种模型不可知的工具，用于在数学和理论计算机科学的研究中分配推理。罗马斗兽场在证明之前探索替代策略
-
内部路由器：从冻结的LLM中激发本地技能路由
作者：陈瑞硕、王迅、陈宇|技能使LLM代理超越了其参数知识，他们承诺的收益取决于选择正确的代理。通过将每个技能的元数据预加载到上下文中来部署利用路径，这分散了代理的注意力并限制了库大小。检索管道将选择移出上下文，但也移出代理的能力。我们表明冷冻剂LLM已经存在
-
选择的未来仍可以被重写：视频模型中的因果关系
作者：王星运、郑浩民、曼远|当视频模型生成物理上不正确的运动时，它是否无法学习正确的运动，或者它学习了它但无法使用它？我们展示了后者：正确的运动在模型内仍然可用，并且仍然可以控制生成的视频。我们在红色物质缓慢振荡、蓝色物质快速振荡的视频上进行训练，然后用观察到的快速运动来测试红色物质
-
通过方向分解解开变形金刚中的表示进化
作者：何世伟，张海超，沈岩|Transformer表示通过学习的加法变换来进化，这些加法变换要么保持它们当前的方向，要么重定向它。我们将这种进化作为一个功能几何来研究，将学习的更新分解为平行和垂直分量。在经过预训练的模型中，我们发现剩余身份路径之外的大量并行组件。然后我们在两个部分中应用分解
-
探索基金会模型：迈向开放式探索情报
作者：杨凌、尹振飞、吴英成|基础模型已经从对现有知识的学习和推理发展到越来越多地通过行动、工具使用和结果反馈进行学习。我们认为，下一个前沿是进一步的转变：从解决人类指定的问题并采取行动到参与创造新问题、表示、解释和知识的过程。我们指的是
-
Mind2 Dialogue：通过模拟用户心理状态训练人类感知语言模型
作者：王子轩、周羽凡、唐金州|随着语言模型变得越来越强大，学习、推理和决策方面的长期合作需要更深入地了解它们所服务的人。然而，训练此类人类意识语言模型面临着根本性的监督差距，因为当前LLM助理培训的数据集几乎没有明确基于用户不言而喻的信念和目标的充分信息响应
-
可通过结构验证：临床问题回答中逐字引用的索赔级评估
作者：张佳硕、陈玉玲、Yvonne Commodore-Mensah|大型语言模型（LLM）已被广泛用于临床问题回答（QA）。当前的系统可以在答案上附加引用，但这些引用通常指向宽泛的文本，导致时间紧迫的临床医生无法有效地验证它们。另一种选择是确保响应可以通过结构进行验证：从包含的参考材料中提供细粒度的逐字引用
-
具有紧凑自适应和变长高斯通信的隐私对齐个性化联邦学习
作者：Yilin Xu、Chun Hei Michael Shiu、Chih Wei Ling|当特定于客户端的变化是低维的，而训练重复发布高维更新时，记录级差异隐私暴露了个性化联邦学习中的结构失调。在本文中，我们通过释放一次私人客户端上下文并将重复适应限制在固定系数空间来解决这种不一致。除了降维之外，
-
Pion，一个旨在自主运营任何公司的代理
HN ð261· 272 评论
-
为什么机器学习研究代理不会过度适应？
HN ð97· 53 评论