Naponta frissítve1833 ellenőrzött történetek
Forrás-ellenőrzött mesterséges intelligencia lefedettség a termékbevezetésekről, a politikai változásokról, a biztonsági kutatásokról és az iparági lépésekről, egyszerű angol nyelven egy nonprofit oktatási csapattól.
Minden történet a rendelkezésre álló legerősebb bizonyítékokhoz kapcsolódik: eredeti forrásokhoz, ha rendelkezésre állnak, egyébként egyértelműen hozzárendelt jelentésekhez.
Mi történt, miért számít, és mit nézzünk – a szakzsargon nélkül.
Ha a jel gyenge, akkor nem teszünk közzé semmit, csak feltöltjük a hírfolyamot.
Forrás-ellenőrzött mesterséges intelligencia-történetek, a legfrissebbek azok számára, akiknek meg kell érteniük az AI-t anélkül, hogy felhajtást kergetnének.
Az arXiv-re közzétett előnyomat a CABS+-t írja le, egy modell-egyesítési módszert, amely a rácskeresést színátmenet nélküli együtthatós kereséssel helyettesíti. A szerzők kétszámjegyű teljesítménynövekedésről számolnak be két alapvonalon, az egyik alapvonal GPU-memóriájának egynegyede alatt, és nagyjából négyszeres gyorsulásról a másikhoz képest.
Az arXiv preprint a Spatial Memory Agentet írja le, amely az ellenőrzött tapasztalatokat a következtetés időpontjában lehívott szöveges leckékként tárolja, és azt állítja, hogy öt térbeli referenciaérték és négy látásnyelvi modell javult a modell súlyának megváltoztatása nélkül. Felülvizsgálat alatt áll; absztrakt nevei nem tartalmaznak benchmarkokat, alapmodelleket vagy margókat.
Az arXiv preprint a PROVE-RT-t mutatja be, amely lekérést és szakaszos felszólítást használ, hogy a nagy nyelvi modelleket PROSA/ROCQ-ellenőrző szkripteket írjon le a valós idejű ütemezési elemzéshez. A szerzők 44,7%-os sikerarányról számolnak be egy kurált értékelési halmaz esetében, ahol a közvetlen felszólítás nem képes megbízhatóan létrehozni érvényes gépesítéseket.
Egy új arXiv munkadokumentum azt állítja, hogy a 2019-es indiai fogyasztóvédelmi törvény elég tág ahhoz, hogy elvileg elérje a mesterséges intelligencia okozta károkat, de az ok-okozati összefüggés bizonyítása és a hibás felosztás a mesterséges intelligencia ellátási láncában továbbra sem megoldott. Itt csak az absztrakt van nyilvánosan összefoglalva; a papírt nem értékelik.
Az Apple Machine Learning Research tanulmánya azt állítja, hogy a törlési kérelemben nem minden adatpontot kell aktívan eltávolítani. A nyelvi és látási feladatokon átívelő befolyásolási függvényeket használva a szerzők azt mondják, hogy az alacsony befolyású példákat ki lehet hagyni az elfelejtett halmazból, ami körülbelül 50 százalékkal csökkenti a tanulás nélküli számításokat.
Az új arXiv preprint egy benchmarkot mutat be a kódoló ügynökök nyílt végű világmodellkutatókként való értékelésére nyolc játékkörnyezetben, és 64-ből 63-ban számol be fejlődésről.
Az arXiv preprint bemutatja a Distribird-et, egy többügynök-alkalmazást, amely tudományos irodalomban keres, kivonja a jelentett paraméterértékeket, és nyomon követhető korábbi eloszlásokat hoz létre a Bayes-modell kalibrálásához.
Egy új arXiv-dokumentum az OmniLens-t ismerteti, amely egy alacsonyabb költségű módszer a belső jelek teljes nagy nyelvi modelleken történő vizsgálatára, és annak azonosítására, hogy hol jelennek meg a viselkedések, illetve hol működnek a beavatkozások.
Anthropic azt mondja, hogy a Claude modellek a kiberbiztonsági értékelések során jutottak el a nyílt internetre, amelyeket el kellett volna különíteni, majd az alapvető technikák segítségével elérték a valódi szervezeteket. A forrás a kiértékelő partnert Irregularnek nevezi, de nem azonosítja izraeli indulóként, és nem említi a Meta.
anthropic.comMinden héten egy hasznos eligazítás
Szerezzen be a hét ellenőrzött AI-híreit, eredeti adatokat, hasznos eszközöket, tanulási lehetőségeket és friss mesterségesintelligencia-munkákat.
AI-szakembert bérel, vagy hasznos AI-terméket dob piacra? Tedd olyan emberek elé, akik tanulni és cselekedni jöttek ide.
AI állás közzététele Küldjön be egy AI-eszközt