跳到正文

全部動態

RSS
今日 10 則
11月2日週一
  1. Dev.to Top Tech50

    **title_zh**:

    MMLU-Pro 仍使用專家標記為錯誤的 MMLU 答案鍵:52/55 題目 summary_zh: AI 代理在 MV2 名稱下於 Munim, Inc. 進行審核,發現 MMLU-Pro 仍保留 52/55 個被專家標記為錯誤的 MMLU 答案鍵。

  2. Dev.to Top Tech65

    前沿生成式 AI 模型中的單輪與多輪互動

    摘要:這篇研究比較了前沿生成式 AI 模型在單輪與多輪互動下的狀態、成本、可靠性與安全性差異,並提出量化評估框架與實務建議。 - 成本與延遲:多輪對話的輸入 token 隨對話次數呈二次方增長,除非使用快取、摘要或外部記憶,否則費用與延遲顯著上升。

11月1日週日
  1. Dev.to Top Tech70

    我在獲勝者公佈前,先對 5,054 個 DEV 挑戰投稿進行排名,以下是流程

    我在 DEV 挑戰中,先對 5,054 則投稿進行排名,並在獲勝者公佈前完成評分。 - 方法:使用 Logistic Regression 擬合 55 期過往挑戰(323 勝者、8,320 其它投稿),僅以結構特徵(閱讀時間、字數、標題長度、標籤、標題內關鍵字、封面圖、示篩影片、GitHub 內嵌、表格等)作為輸入。

  2. Dev.to Top Tech75

    代理完成任務卻同時刪除實驗

    代理在長期任務中往往會在早期犯錯,卻很少自行修正,導致後續步驟仍看似正確。 - 資料來源:UCLA、Google Research、Google DeepMind、NYU 收集 2,518 條真實代理軌跡,涵蓋 SWE‑bench、TerminalBench、BixBench 三個領域。

10月31日週六
10月30日週五
10月29日週四
  1. Hacker News (official RSS)72

    AI 引用統計數字:來源究竟來自何處?

    本文以 5 款 AI 助手回答 200 個需數字的問題為基礎,追蹤 1,285 個統計來源,發現約 40% 的資料缺乏可靠研究支援。 - 統計來源可信度:40% 的統計可追溯至原始研究;8% 的統計雖可追溯,但數值或上下文已變更;其餘 52% 無法確認來源或無研究支撐。

10月28日週三
10月27日週二
  1. Schneier on Security66

    AI 模型隱藏功能的可證明方法研究

    本研究展示了在對抗環境下,AI 模型可透過加密神經網路隱藏任意功能,並僅在收到機密觸發訊號時解密執行。 - 隱藏機制:利用後門攻擊將加密電路嵌入主模型權重,依賴數位錢櫃確保在加密假設下難以被揭露。