-
-
展示HN：Cosh – 一个开源AI智能体调度器
HN ⭐ 3 · 1 评论
-
AI使用会产生一个脆弱的代码库
HN ⭐ 370 · 401 条评论
-
fireworks AI安全漏洞影响Notion及其客户
HN ⭐ 131 · 44 评论
-
CoreWeave债券收益率突破16%，人工智能信用压力加剧
HN ⭐ 18 · 0 评论
-
独立游戏开发与人工智能
HN ⭐ 14 · 3 评论
-
Claude Fable 5.2在人工分析项上得分为65，为目前最高分。
HN ⭐ 304 · 226 评论
-
我在32GB的M1 Max上运行了120B MoE模型，使用的内存不足16GB。
HN ⭐ 26 · 4 评论
-
Claude Fable 5.2发布优惠
HN ⭐ 18 · 3 评论
-
稳健子群体泛化的引导数据分配
作者: 潘兆英、王毅培、卢申宇 | 机器学习模型在训练数据上通常能获得较高的平均准确率，而在测试数据上表现不佳，这源于子群体偏移。一种常见的以数据为核心的解决方案是强制实现均衡的子群比例，但完全均衡可能成本高昂、难以实施，且并非总是必要。在本研究中，我们探讨均衡训练数据是否是稳健子群体的唯一最优配置。
-
科莫罗夫斯基-查普曼映射：无需轨迹的分子动力学模拟学习
作者: Majdi Hassan, Marta Skreta, Dominique Beaini | 随机微分方程（SDEs）用于描述多种科学领域中的随机过程，包括物理学、生物学和金融学。尽管单个数值积分步骤成本较低，但观察有意义的事件或转变却可能需要数百万个连续步骤，进而导致巨大的时钟模拟时间消耗和较低的硬件利用率。深度学习
-
自适应量化保留TD学习在速率受限通道上的快速速率
作者: Sreejeet Maity, Aritra Mitra | 受通信约束下的强化学习驱动，我们研究在速率受限信道上采用线性函数近似的策略评估问题。在我们的设定中，一个与未知环境互动的智能体（建模为马尔可夫决策过程）通过有限容量信道向服务器传输时间差分（TD）学习更新方向的量化估计。
-
HiVe-Mem：横向内存扩展与纵向证据合成交织，适用于多模态智能体
作者: 张浩振、刘博安、鲍建柱 | 随着多模态智能体积累越来越长的交互历史，有效检索和利用过往信息对长期交互至关重要。现有记忆系统通常基于压缩记忆进行语义检索，并采用预定义表示，这可能导致遗漏相关记忆，并忽视不同查询中的异构证据需求。我们引入
-
高效精准异常检测的异常分数定价
作者: Amey Pasarkar, Adji Bousso Dieng | 异常检测（AD）对可信的机器学习与科学发现至关重要。现有方法通常通过局部密度、隔离启发式算法或与拟合分布的距离来定义异常，因此对邻域规模、划分选择或限制性分布假设十分敏感。在本研究中，我们引入一种新的范式，通过制定异常
-
对齐在哪里产生，其含义是什么？对柏拉图式表征假设的深入探讨
作者: Julia Herbst, Simon Roschmann, Quentin Bouniot | 柏拉图式表征假设（PRH）认为，神经网络正收敛于相似的表征空间。随着语言模型能力提升，其表征与视觉模型的表征趋于一致。然而，近期研究对这一趋势是否适用于更新型的语言模型提出了质疑。此外，已有研究表明，表征相似性度量 c
-
快捷方式与边界：可验证强化学习失调与语境安全学习
作者: Xinjie Shen | 强化学习（RL）可提升智能体的任务能力，同时强化违反上下文执行要求的行为。我们研究这种奖励驱动的错位现象，包括奖励操纵，通过可验证奖励——上下文冲突来探讨：合规任务完成仍可行，而某些可执行的捷径获得的奖励高于所有合规策略。编码这些
-
WorkflowArena：基于LLM的多智能体系统中可执行工作流编排的基准测试
作者: 郑江、方牛、彭博 | 大语言模型代理越来越多地被部署为多代理系统，而非在单一上下文中运行的独立模型。最近的代理框架允许模型实例化工作代理并编写协调这些代理的可执行工作流，从而将系统结构设计从开发者转移至运行时模型。因此，这种组织方式的质量
-
什么导致了$v$-预测失效？像素空间流匹配的补丁式PCA视角
作者: 罗天泽、黄浩峰、姚源 | 潜在扩散模型在生成式建模中占据主导地位，但面临两阶段训练的复杂性以及预训练自编码器固有的重构限制。像素空间流匹配提供了一种简化的端到端替代方案，但在使用标准$v$-预测目标时往往存在训练困难。近期研究将这种困难归因于噪声的离流形特性。
-
DeepX声称推理能力可达100亿个参数，功耗低于5瓦。
HN ⭐ 143 · 22 评论
-
谷歌Gemini将个人Drive文件和电子邮件转交给人工标注人员。
HN ⭐ 466 · 113 评论
-
展示HN：STE80人类化工具 – 通过编写80%的内容来消除AI特征，迈向ASD-STE100。
HN ⭐ 67 · 20 条评论
-
Claude Fable 5.2 和 Mythos 5.2
HN ⭐ 273 · 639 评论
-
Muse Ember：我们最小的、效率最高的模型
HN ⭐ 263 · 110 评论