Naponta frissítve4630 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 történetekBiztonság
A Google Threat Intelligence mesterséges intelligencia által támogatott sebezhetőségi kutatásokról és autonóm rosszindulatú programokról számol be
A Google Threat Intelligence Group szerint az ellenfelek mesterséges intelligenciát használnak a sebezhetőségek kutatásának felgyorsítására, az észlelés elkerülésére, a rosszindulatú programok automatizálására és az AI-rendszerek körüli szoftverellátási lánc megcélzására.
cloud.google.comBiztonság
A nyomtatás előtti jelentések nyelvi modelljei kiszivárogtathatják a kontextusban tárolt titkokat
A arXiv előnyomtatása arról számol be, hogy a nyelvi modellek kontextusba helyezve érzékeny adatokat fedhetnek fel, még a közvetlen kinyerési kérelmek elutasítása után is. Az ellenőrzött kísérletek során a szerzők szerint az adaptív támadások rövid titkokat gyűjtöttek vissza a szokásos kimenetekből, és teljes társadalombiztosítási számokat vontak ki egy gyártási típusú ügynöktől.arxiv.orgInnováció
A Thinkingbox benchmark azt találja, hogy az AI-ügynökök nehezen teljesítik az állapotalapú üzleti munkafolyamatokat
Az új arXiv papír bemutatja a Thinkingboxot, egy homokozót és benchmarkot az AI-ügynökök többlépcsős üzleti feladatokon történő teszteléséhez. A legerősebb tesztelt modell 65,36%-os pass@1-es pontszámot ért el, de csak 25,25%-os pass^20-at, ami rávilágít az alkalmi siker és a megbízható végrehajtás közötti különbségre.arxiv.orgInnováció
A nyomtatás előtti aszimmetrikus kockázatokról számol be, amelyeket az LLM-tömörítési mérőszámok figyelmen kívül hagyhatnak
A 3 LLM-et 11 tömörítési módszerrel értékelő arXiv preprint azt jelenti, hogy az összesített pontosság és zavarosság elfedheti az egyenetlen tudásvesztést, az újonnan elveszett információkkal kapcsolatos túlzott bizalmat, és ellensúlyozhatja az alcsoportok torzítását.arxiv.orgInnováció
A nyomtatás előtti megállapítások szerint az irreleváns szöveg előre láthatóan megváltoztathatja a multimodális modell megítélését
A arXiv preprint arról számol be, hogy a feladat szempontjából irreleváns szöveg következetesen torzítja a multimodális nyelvi modelleket a vizuális ítéletekben, és a hatást a döntési margók mérhető affin eltolódásaként írja le.arxiv.orgInnováció
A Preprint a SingularClipet javasolja, hogy megőrizze a tanulási plaszticitást a változó feladatok során
A arXiv előnyomat a neurális hálózat súlyának szinguláris értékei közötti növekvő egyensúlyhiányt azonosítja, mint az elveszett alkalmazkodóképesség lehetséges okait, majd azt javasolja, hogy ezeket az értékeket rendszeresen levágják a folyamatos és megerősítő tanulás során.arxiv.orgInnováció
A Preprint egy szondával tesztelt kaput javasol az elosztásváltás alatt álló dinamikus együttesekhez
Az új arXiv preprint olyan diagnosztikát vezet be, amely eldönti, hogy a regressziós modellek régióspecifikus kombinációi mikor teljesítenek jobban a rögzített keverékeknél. A szerzők által leírt tesztekben egy kis megjelölt céltartomány-szonda előrejelezte a nyereséget, és segített elutasítani egy olyan telepítést, amely a statikus veszteség több mint 30-szorosát produkálta.arxiv.orgInnováció
Az előnyomtatás nyomon követi, hogyan modellezi a Llama 3.1 8B a numerikus sorozatstruktúrát
A arXiv preprint bizonyítékok szerint a Llama 3.1 8B belsőleg követi az első különbségeket a speciálisan kialakított numerikus sorozatokban. A tanulmány javasolt mechanizmust kínál erre a viselkedésre, de terjedelme és robusztussága nem világos a mellékelt absztraktból.arxiv.orgInnováció
A Preprint adaptív funkcióválasztást javasol a személyre szabott esésmegelőzés érdekében
Az MLHC 2026-on elfogadott előnyomat leírja a PAFIR-t, egy megerősítő-tanulási keretrendszert, amely az ismételt multimodális egészségmérésekből választja ki a változó, személy-specifikus esési kockázati jeleket. A papír jobb mintázatrögzítésről számol be, mint az alapvonalak, de a mellékelt rekord nem ad hatásméreteket vagy bizonyítékot a csökkent esésekre.arxiv.org
Jump to a page
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