跳到正文

全部動態

RSS
今日 10 則
11月3日週二
  1. Anthropic Research78

    FlashProve:大型語言模型可驗證推理研究進展

    FlashProve 是一套針對大型混合專家語言模型的可驗證推理系統,首次在 400B 引數模型上實現單 H100 GPU 產生 110 tokens/second、19 MB 證明尺寸的速度。

    推薦理由:此研究展示可驗證推理的實作與效能,並示範 400B 引數混合專家模型下,單 H100 GPU 產生 110 tokens/second 的證明速度與 19MB 證明尺寸,顯示實際可行性。

  2. Dev.to Top Tech81

    研究:僅 0.1% 預訓練資料毒化即可植入 AI 代理的可執行後門

    研究概述:作者在 arXiv 發表論文,證明僅 0.1% 的預訓練資料毒化即可在 CLI AI 代理中植入可執行後門。 攻擊效果:4B 引數模型的成功率約 92%,甚至在 0.0005% 的毒化比例下仍有效。 安全啟示:資料供應必須納入 AI 代理安全清單,並提供公開的檢測方法與範例程式碼。

  3. Hacker News (official RSS)76

    SLAC 團隊以實驗證據確認 MnTe 的交錯磁性

    SLAC 領導的研究團隊在 MnTe 中觀察到手性訊號,提供交錯磁性作為第三種磁性相的實驗證據。 - 研究方法:團隊以左右旋圓偏振 X 光照射材料,比較兩種光的散射反應;結果顯示 MnTe 具有傳統反鐵磁體不應出現的手性特徵。

    推薦理由:研究以左右旋圓偏振 X 光比較 MnTe 的散射反應,觀察到手性訊號,補上支援交錯磁性獨立成相的關鍵實驗證據。

  4. Dev.to Top Tech76

    研究以頂尖模型共識篩查 MMLU-Pro 答案鍵錯誤

    MV2 以 10 個模型的作答共識篩查 MMLU-Pro,並與專家標註比對,發現較嚴格的共識門檻能提高命中比例,但模型意見一致仍不足以判定答案鍵有誤。

    推薦理由:研究以模型共識篩查 MMLU-Pro 答案鍵,並用專家標註檢查命中情形;結果也呈現模型共識的誤報與選項差異。

  5. Rohan Paul72

    OpenAI 發布 LifeVal 基準,用來測試 AI 模型能否替人完成日常差事;GPT-6 Astra 得分為 80.6%,高於不到 9 個月前 GPT-5.2 的 49.3%。 任務範圍:涵蓋照護、健康、教育、財務、購物與家務行政,包括預約汽車檢驗,以及在預算內訂購清真食品。

    推薦理由:LifeVal 涵蓋照護、健康、教育與財務等日常任務,並比較 GPT-6 Astra 與 GPT-5.2 的完成率,呈現模型處理生活事務的基準差異。

  6. The Decoder76

    研究以 Minecraft 與 Mindustry 實驗觀察 GPT 與 Claude 多AI 助理行為

    研究團隊將 GPT 與 Claude AI 助理置於 Minecraft 和 Mindustry 中,觀察它們在合作與競爭任務裡的協調、風險反應與策略調整。 - 合作情境:50 個 GPT-6.1 Sol AI 助理在 Minecraft 生存實驗中交換約 5,900 則訊息;首夜有 22 個AI 助理死亡,之後團隊轉向謹慎行動,並建立物資交接流程與分工。

    推薦理由:這項研究以 Minecraft 與 Mindustry 的競合實驗,呈現多AI 助理在合作與對抗時的差異,並探討遊戲模擬作為現實部署前行為觀察工具的用途。

11月2日週一
  1. Solidot59

    小鼠研究發現骨骼在運動中會釋放延緩衰老與延壽蛋白質

    小鼠研究顯示骨骼在運動時會釋放具有抗衰老作用的蛋白質,並可延長壽命。 - 實驗結果:在小鼠腿骨輕微擠壓後,壽命延長近3個月,相當於人類約9年。 - 機制說明:骨骼中的骨細胞感知機械力,分泌抗衰老化學物質。 - 未驗證人類效應:目前僅在小鼠模型中觀察,尚需人體實驗確認。

  2. Dev.to Top Tech49

    **title_zh:**

    ID2Pattern:如何在高基數身份欄位上預訓練支付風險模型而不爆炸詞彙表 summary_zh: ID2Pattern 透過編碼身份行為模式,解決支付風險模型在高基數身份欄位上詞彙爆炸的問題。