-
-
OpenAI处于快速追随Jev的有利位置
HN249· 184 评论
-
OpenAI GPT-6 Astra打破了自2005年以来一直抵制解决方案的Enigma信息
HN ð535· 354 评论
-
展示HN：JevBench，一个可复制的类型化决策模型基准
HN ð53· 7 评论
-
Show HN：训练模型以仅从结构识别人工智能网络内容
HN ð36· 8 评论
-
研究：年轻用户（9岁至18岁）放弃谷歌转向人工智能，后果未知
HN Ÿ 50 · 85 评论
-
gzip能成为语言模型吗？
HN174· 72 评论
-
Claude Status -多个模型的错误升高
HN ð78· 60 评论
-
不要害怕人工智能。害怕人工智能公司
HN ð21· 5 评论
-
人工智能编码使CI成为瓶颈，因此我们重新设计了编码以跟上
HN ð120· 108 评论
-
您自己的硬件上的前沿人工智能
HN Ÿ 87 · 43 评论
-
Anthropic、OpenAI等人因同意减缓人工智能开发而面临反垄断诉讼
HN Ÿ 8 · 2 评论
-
婴儿潮一代喜欢为孙子制作人工智能图像。千禧一代父母讨厌它
HN10· 0 评论
-
Anthropic售价2 T美元并不牵强
HN Ÿ 5 · 8 评论
-
GameHorizon套件：游戏玩法中的多视野数据和评估
作者：王亦然、尹兴益郎、浦俊福|现代视频游戏为人工智能模型提供了一个可测量的测试平台，结合了视觉理解、指令分解、目标规划和多个时间范围内的精确动作控制的能力。然而，现有的数据集和基准要么涵盖了狭窄的游戏范围，缺乏语言指令，要么依赖于高方差的在线推出。为了应对这些挑战，我们引入
-
关键状态RL：诊断多回转刀具使用的可训练状态
作者：陈子翔、赵文婷、岑哲鹏|多回合工具使用失败可能取决于单个模型调用，但奖励变化本身并不能揭示哪一个调用将从训练中受益。当奖励取决于后来的互动时，它们的变化可以反映下游的随机性，而不是当前行为之间的差异。我们引入临界状态RL来识别多轮交互中的可训练状态。给定任务定义的c
-
WorldCrafter：具有隐式3D感知记忆的一致视频世界模型
作者：余旺波、刘坤昊、胡文波|视频世界模型能够交互式探索动态环境，但很难尊重长期和跨视角的先前观察。我们介绍了WorldCrafter，这是一个视频世界模型，它为此学习可供相机查询的隐式3D感知记忆。关键的见解是让请求的观点决定如何将多视图证据压缩到视频生成器的
-
onPanda：通过令牌级纠正有效注释LLM和代理的政策一致数据
作者：雷杨、刘梦茵、王佳|我们展示了onPanda，这是一个用于有效注释LLM对齐数据和代理轨迹的交互工具。onPanda采用代币级更正作为其核心交互：在读取模型响应时，注释器定位第一个不合适的代币，并从模型的候选代币中选择替代品，或者通过自由形式编辑输入正确的文本。然后系统就会被截断
-
LoRA生成超网络，用于高效的设备上LLM生成个性化
作者：Sean Augenstein，Li Ding，Jihwan Lee|设备上大型语言模型（“LLM”）（例如在手机上运行的模型）已经成熟，可以通过个性化进行改进。移动设备有限的计算资源对模型规模和模型质量施加了限制，使得任何可实现的质量收益都具有高度影响力。与此同时，他们的个人性质（即，与特定用户的紧密耦合）意味着给定的设备上LLM倾向于
-
DexTacWAM：用于灵巧操纵的视觉触觉世界动作模型
作者：袁昊然、王泽凯、绍博宁|灵巧的操纵取决于接触动力学，而接触动力学通常只能从视觉中部分观察到。最近的世界动作模型（WAM）将预测视频世界建模与动作生成结合起来，但基本上仍然以视觉为中心，因此无法直接对这些接触动态进行建模。我们介绍了DexTacWAM，这是一种视觉触觉WAM，它独立编码每个指尖，汇总结果
-
Harness-Zero：通过代理人蒸馏
作者：叶昊然、吕玉兴、董浩南|代理利用是调解模型与环境交互的外部系统，可以大幅提高代理的性能，但它们的收益仍然与部署时的利用有关。由于最佳利用因域、实例和模型而异，因此通用代理必须满足于次优共享利用，或者在不断增长的专业利用之间进行路由。因此我们
-
RNSI：代理工具的正规化循环自我改进
作者：彭霞、韩如军、王子峰|LLM代理的能力在很大程度上被其利用（即围绕冻结主干模型的提示、控制流、工具、内存和上下文管理）放大。最近的方法通过迭代地提出和选择代理工具的组件式编辑，越来越自动化这一过程，实际上在代理系统级别建立了一种形式的回归自我改进（RTI）
-
DolphinBench：绘制代理记忆的帕累托前沿
作者：Soumil Rathi、Deshraj Yadav、Taranjeet Singh|如今的代理人经常在现实世界中采取依赖于长期记忆和背景回忆的动作。然而，大多数当前的记忆基准都是针对对话问答格式构建的，其中问题本身表明必须检索某些事实，通常是哪一个。此外，基准测试很少要求提交的准确性之外的任何内容，允许内存系统
-
通过迭代不对齐估计罕见事件
作者：杨海明、达克什·米塔尔、京东|随着代理的自主性增强，即使是随机输出轨迹上极其罕见的事件也可能发生并证明是灾难性的。因此，安全部署并不取决于这些事件是否会发生，而是取决于它们可能发生的频率。我们研究估计由主体自身行为的随机变化引起的罕见事件的概率的问题。估计
-
亚马逊阻止Meta的新Muse AI代理在amazon.com上购物
HN ð101· 87 评论
-
特工们，他们只是想谈谈
HN ð21· 5 评论
-
Show HN：Foremerge -捕捉并行编码代理之间的意图冲突
HN ð34· 0 评论
-
亚马逊阻止Meta的Muse AI购物代理
HN ð15· 2 评论