Naponta frissítve2127 ellenőrzött történetek
AI hírek. A zaj nélkül.
Forrás-ellenőrzött mesterséges intelligencia lefedettség a termékbevezetésekről, a politikai változásokról, a biztonsági kutatásokról és az iparági lépésekről, egyszerű angol nyelven egy nonprofit oktatási csapattól.
Ellenőrzött beszerzés
Minden történet a rendelkezésre álló legerősebb bizonyítékokhoz kapcsolódik: eredeti forrásokhoz, ha rendelkezésre állnak, egyébként egyértelműen hozzárendelt jelentésekhez.
Sima angol
Mi történt, miért számít, és mit nézzünk – a szakzsargon nélkül.
Nincs töltőanyag
Ha a jel gyenge, akkor nem teszünk közzé semmit, csak feltöltjük a hírfolyamot.
További történetek
9 történetekInnováció
A papír azzal érvel, hogy az evolúciós stratégiák legyőzik az RL-t az LLM válaszkészletek változatosságában
Egy új arXiv preprint azt állítja, hogy a képzés utáni LLM-ek evolúciós stratégiákkal – egy populáció alapú, gradiensmentes módszerrel, amely közvetlenül befolyásolja a súlyokat – felülmúlja a megerősített tanulást a pass@k és a megoldási lefedettség tekintetében. Az absztrakt jobb matematikai benchmark eredményeket idéz, de nem nevez meg modelleket, benchmarkokat vagy számokat.arxiv.orgBiztonság
A papír szerint az önfejlesztő AI-ügynökök egy nem biztonságos sikert újrafelhasználható készséggé alakíthatnak
Az új arXiv preprint egy adott ügynökhibamódot mér: amikor egy önfejlesztő ügynök nem biztonságos eljárást ír a memóriába, az visszakereshető és végrehajtható a későbbi munkamenetekben. Minden tesztelt továbbfejlesztett konfiguráció nem biztonságos műtermékeket hozott létre, és három rosszindulatú feladat több mint kétszeresére növelte az átviteli támadások sikerét.arxiv.orgBiztonság
A SEAG Paper az érzékeny entitások aliasozását javasolja, mielőtt a RAG lekérdezések eljutnának a külső LLM-ekhez
Az arXiv-re közzétett előnyomtatás egy keretrendszert ír le, amely felcseréli a lekérdezésekben szereplő érzékeny neveket és a letöltött dokumentumokat álnevekre, mielőtt elküldené őket egy harmadik féltől származó modellnek. A szerzők több mint 80%-os pontosságról számolnak be a végfelhasználói mutatójukban, a teljes elrejtés aránya pedig 74,91% és 77,83% között van három kis modellben.arxiv.orgInnováció
CABS+ papíralapú jelentések Olcsóbb, gyorsabb modellegyesítés 27 adatkészlet között
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.arxiv.orgInnováció
A papír levont „leckéket” javasol a térbeli érvelés javítására a fagyasztott látás-nyelvi modellekben
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.arxiv.orgInnováció
A PROVE-RT papírjelentések 44,7%-os sikerrel hozták létre a géppel ellenőrzött valós idejű igazolásokat
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.arxiv.orgPolitika
A munkadokumentum azt kérdezi, hogy az indiai fogyasztóvédelmi törvény fedezheti-e a mesterséges intelligencia okozta károkat
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.arxiv.orgInnováció
Az Apple Paper olcsóbb gépi tanulást javasol az alacsony befolyású adatok kihagyásával
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.machinelearning.apple.comInnováció
Az AutoWorldModel-Bench teszteli, hogy a kódoló ügynökök javíthatják-e a világmodelleket
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.arxiv.org
Minden héten egy hasznos eligazítás
Tartsa lépést az AI-val anélkül, hogy a hírfolyamban élne.
Szerezzen be a hét ellenőrzött AI-híreit, eredeti adatokat, hasznos eszközöket, tanulási lehetőségeket és friss mesterségesintelligencia-munkákat.
Érje el az AI-t tanuló embereket
AI-szakembert bérel, vagy hasznos AI-terméket dob piacra? Tedd olyan emberek elé, akik tanulni és cselekedni jöttek ide.
AI állás közzétételeKüldjön be egy AI-eszközt