已驗證來源
每個故事都連結到最有力的可用證據:可用的原始來源,否則明確歸因的報告。
簡單的英語
發生了什麼、為什麼重要以及值得關注的內容——無需行話。
無填料
當訊號很弱時,我們不會發布任何內容,而是填充提要。
更多故事
9 故事創新
ChemDIRT 基準測試發現化學 LLM 性能隨著提示和分子特性分析而變化
新的 arXiv 基準測試跨不同指令、分子表示和八個任務類別評估以化學為中心的大型語言模型,報告大量的提示敏感性、表示依賴性和不均勻的性能。arxiv.org產業
根據《美國集市》報道,Kita 籌集了 450 萬美元以擴大人工智慧信用評估
根據 American Bazaar 報道,Kita 籌集了由 BoxGroup 和 Y Combinator 領投的 450 萬美元種子輪資金,以擴大對貸方的人工智慧信用評估。該公司表示,其技術已用於多個市場,並已處理超過 1.3 億美元的貸款額,但這些營運聲明並未...americanbazaaronline.com創新
研究發現法學碩士管道可以在證據品質惡化的情況下保持結構有效
預印本引入了證據狀態可靠性,這是一種用於測試中間證據在語言模型管道處理降級輸入時是否仍然可用的衡量標準。在使用 GLM-5.2 的一項受控評估中,解析器有效的輸出持續存在,但階段成功率下降。arxiv.org安全性
53 個人工智慧模型的基準發現,沒有一個系統能夠捕捉所有有害內容風險
一項新的 arXiv 研究評估了 11 個安全資料集中的 53 個語言模型,並報告稱,模型的強度因危害類別而異,而對話安全性仍未解決。arxiv.org產品展示
小米加大自研晶片力道以支援設備上的人工智慧
根據《南華早報》報導,儘管利潤疲軟、零件成本上升,但小米仍推出了用於智慧型手機人工智慧、大語言模式加速和自動駕駛的新型 Xring 晶片。scmp.com創新
論文提出了對話代理的兩級強化學習
ToSCA 提出了一個分層強化學習框架,將策略選擇與令牌級反應生成分開。作者報告說,與日常和情感支持對話中的幾個基準相比,策略選擇和回應品質得到了改善。arxiv.org企業
《財星》雜誌報導企業在《Anthropic 的 Claude 神鬼寓言 5》上的支出已陷入停滯
《財星》雜誌引述 Ramp 的支付處理器數據報道稱,在發布兩個月後,《Claude Fable 5》佔企業在 Anthropic 型號上的支出的 11%,但此後該份額已陷入停滯。该报告称,这种模式可能会迫使前沿人工智能公司在价格上更加积极地竞争,尽管 Ramp 的……fortune.com創新
研究报告称,当语言模型检索自己的文字时,“RAG 崩溃”
arXiv 研究报告称,当搜索检索之前生成的文档时,语言模型系统可能会进入故障模式。在作者的模拟中,1,528 次运行中有 79.6% 以论文所称的“RAG 崩溃”结束。arxiv.org安全性
論文警告LLM代理可以透過工具恢復已刪除的知識
一篇新的 arXiv 論文指出了 LLM 遺忘中的一個差距:代理可能會停止從其權重中回憶信息,但可以通過網絡搜索、檢索或數據庫工具恢復它。作者提出了兩階段方法來減少這兩種形式的恢復,同時保留合法的工具使用。arxiv.org