Политика и регулирование1 мин
哈萨克斯坦的数字代码：文件、数字签名和人事流程中应检查的内容
🔽哈萨克斯坦的数字代码：文件、数字签名和人事流程中应检查的内容数字代码已经生效。这会给企业带来什么改变？处理电子文档时需要考虑哪些要求、如何正确组织其存储以及......
Telegram — BlueScreen.kz
Publication Catalog
所有文章
All published intelligence, sovereign stack research, ecosystem news, and AI foundation model reviews.
8051
Stories
Исследования1 мин
中国数学家准备1000道题向人工智能发起挑战
🧠 中国数学家准备1000道题向人工智能发起挑战 61岁南京大学教授孙志伟编纂了一部包含1000个未解数学猜想、超过400页的合集。该学者坚信人工智能无法解决……
Telegram — GPT Time | Нейросети | ИИ
Profit.kz — ИТ в Казахстане
SMNTCN (Semanticon) — глобальные новости ИИ
Образование1 мин
在阿克托别，成人和儿童可免费学习IT。但仅有意愿是不够的。
阿克托别开设了AQTOBE IT HUB。成人可免费学习编程和人工智能，中小学生和大学生可学习机器人技术、3D建模等其他IT方向。}
DigitalBusiness.kz
Инфраструктура1 мин
黄仁勋与扎斯兰·马季耶夫将探讨AI未来：加入在线直播
📱 黄仁勋与扎斯兰·马季耶夫将探讨AI未来：加入在线直播 今日阿斯塔纳时间11:00，NVIDIA创始人兼CEO黄仁勋将与副总理——人工智能与数字发展部长扎斯兰·马季耶夫会面…
Telegram — BlueScreen.kz
Kapital.kz
Политика и регулирование1 мин
inDrive 和 Pony.ai 希望在阿斯塔纳推出机器人出租车
inDrive、小马智行和 NVIDIA 签署了合作备忘录，探讨在哈萨克斯坦推出无人驾驶出租车的可能性。该项目的第一个城市将是阿斯塔纳，计划通过 inDrive 应用程序订购行程。无人驾驶出租车什么时候出现？合作伙伴有意...
Kursiv Media Tech
Исследования1 мин
利用人机协作发现循环突破Lehmer问题中的高次数障碍
arXiv:2610.30277v1 通告类型: new 摘要: 虽然人工智能在数学推理方面取得了快速进展，但许多开放问题依赖于仅通过大规模计算探索和分析综合才能揭示的结构。一个这样的例子……
arXiv — cs.AI
Исследования1 мин
Route-and-Generate：用于LLM推理路由的KL正则化路由器改进
arXiv:2610.30351v1 通告类型：new 摘要：大语言模型往往不加区分地应用复杂推理，导致在简单任务上过度思考，在困难任务上思考不足。我们提出Route-and-Generate (Rouge)，一种分层训练框架，使得...
arXiv — cs.AI
Исследования1 мин
大语言模型能改进自身的框架吗？关于ARC-AGI-3的受控研究
arXiv:2610.30499v1 通告类型：新 摘要：通用智能系统能高效获取新技能，而无需人类为每个新任务重新设计其软件脚手架。然而语言模型很少单独行动。框架是一种协调...的符号程序...
arXiv — cs.AI
Исследования1 мин
From Prose to Properties: Testing Research Claims with ARATest for Agent-Native Science
arXiv:2610.30495v1 Announce Type: new Abstract: AI agents now run experiments and report findings, so research produces claims faster than researchers can check them. Each empirical claim implies a property that must hold over its cases, but it states that property only in…
arXiv — cs.AI
Исследования1 мин
诊断移动GUI代理中的个性化失败
arXiv:2610.30573v1 通告类型: 新 摘要: 与传统GUI代理不同, 个性化GUI代理需要用户偏好来指导在不断变化的GUI状态上的顺序执行. 这引发了两个挑战: 确定每个偏好应如何改变执行策略...
arXiv — cs.AI
Исследования1 мин
打招呼的成本：人工智能代理通信协议中握手开销的实证研究
arXiv:2610.30151v1 公告类型：新 摘要：AI 代理之间的每次交互都以握手开始：发起代理必须找到其对应方，了解它可以做什么，并在发送第一个有用消息之前建立会话。代理调查...
arXiv — cs.AI
Исследования1 мин
RoleFlow：通过结构适应自我进化的多角色代理协作
arXiv:2610.30429v1 公告类型：新 摘要：基于大型语言模型 (LLM) 的多智能体系统通常依赖于预定义的协作结构，限制了它们对不断变化的任务需求的适应性。尽管最近的方法可以实现动态编排，但……
arXiv — cs.AI
Исследования1 мин
A Three-Pillar Governance Framework for Safe and Trustworthy AI Agents
arXiv:2610.30445v1 Announce Type: new Abstract: AI agents capable of autonomous decision-making introduce significant challenges related to safety, alignment, accountability, and human oversight. Existing Human-in-the-Loop (HITL) and responsible AI approaches provide important…
arXiv — cs.AI
Стартапы1 мин
自主投资的受控自我进化：具有不变核心的多代理 LLM 系统
arXiv:2610.30557v1 公告类型：新 摘要：作用于实时 Web 数据的 LLM 代理必须结合异构证据，记住他们所做的事情并从结果中进行改进，同时不削弱自己的保护措施。我们在自主投资中研究这个问题，其中每个......
arXiv — cs.AI
Исследования1 мин
轨迹显示什么与标签说明什么：代理评估中行为检测器的审计
arXiv:2610.30491v1 公告类型：新 摘要：LLM代理通常通过将执行轨迹简化为标签来评估，例如最终答案正确性、工具验证和错误传播。这些标签是由解析器、行为检测器和测试框架产生的测量值...
arXiv — cs.AI
Исследования1 мин
更好的推理，而不仅仅是更大的模型：基于结构的高效可靠推理框架
arXiv:2610.30611v1 公告类型：新 摘要：扩展大型语言模型大大提高了语言流畅性，但可靠的自主代理需要的不仅仅是流畅的生成。在多轮推理中，当前的代理系统通常会产生语义上合理的结果……
arXiv — cs.AI
Исследования1 мин
大型语言模型显示在整合不断发展的医学知识方面存在系统性失败
arXiv:2610.30631v1 公告类型：新 摘要：随着临床指南修订建议，医学知识不断发展，但大型语言模型 (LLM) 是否忠实地纳入这些变化仍不清楚。我们推出 ChronoEvo，包含 1,709 个推荐级别……
arXiv — cs.AI
Исследования1 мин
相同信念，不同策略：为LLM推理中的早期停止学习可复用表示
arXiv:2610.30450v1 通告类型：新 摘要：推理型LLM在得到正确答案后往往继续推理，浪费算力且有时用错误答案替代正确答案。决定何时停止是一个元推理问题：模型必须权衡进一步...
arXiv — cs.AI
Исследования1 мин
串谋的模型生物：不受信监视器中的纠正性迁移
arXiv:2610.30582v1 通告类型：new 摘要：AI控制协议旨在通过监控模型行为，从可能未对齐的模型中获得有用工作。一种方法使用同一模型的第二个副本作为监视器。这避免了依赖模型可能利用的较弱审查者……
arXiv — cs.AI
Исследования1 мин
PLE: 物理工程的最后考试
arXiv:2610.30537v1 发布类型: 新 摘要: 前沿语言模型现在在流行知识基准测试中得分超过90%，并越来越多地作为执行多小时专业工作的代理被部署。然而，现有基准测试没有测试它们是否能够执行...
arXiv — cs.AI
Исследования1 мин
AI代理的MCP与CLI：面向自主系统的工具集成策略比较分析
arXiv:2610.30157v1 公告类型：新 摘要：AI代理需要接口与文件、API、数据库和云服务等外部系统交互。出现了两种竞争范式：CLI（命令行界面），代理直接执行Shell命令，…
arXiv — cs.AI
Исследования1 мин
Soft Ontology Priors over Latent Concept Posteriors for Weakly Supervised Neuro-Symbolic Learning
arXiv:2610.30391v1 Announce Type: new Abstract: Neuro-symbolic (NeSy) predictors that supervise only the task label suffer from reasoning shortcuts: distinct concept mappings achieve the same maximum likelihood, leaving the recovered concepts unidentifiable and unsafe for…
arXiv — cs.AI
Исследования1 мин
从单智能体环境到多智能体事件世界：LLM能成为事件世界模型吗？
arXiv:2610.30488v1 通告类型：新 摘要：世界模型帮助智能体在行动前评估其行为后果。然而，许多现实系统涉及多个能自主决策、即使智能体不行动也会演化、且仅...的智能体。
arXiv — cs.AI
Исследования1 мин
利用AI代理建模框架加速加拿大全境野火隐患测绘
arXiv:2610.30170v1 通告类型: 新 摘要: 加拿大日益增加的野火活动需要频繁的国家级隐患测绘以指导主动缓解措施，包括燃料管理、土地利用规划、基础设施保护和疏散路线规划。然而，基于过程的...
arXiv — cs.AI
Исследования1 мин
当稳定语义与优选语义一致时：基于路径的方法
arXiv:2610.30176v1 公告类型：新 摘要：我们研究抽象论证框架中优选语义与稳定语义一致的结构条件。我们的方法基于攻击图中适当选择的路径集合及其诱导的二元关系……
arXiv — cs.AI
Исследования1 мин
游戏中适得其反的反馈：LLM玩家会重复他们刚看失败的那一步吗？
arXiv:2610.30205v1 宣布类型：新 摘要：当LLM代理的移动失败时，系统将移动和失败消息写入记录并再次询问。在工具调用中，此记录使小模型更有可能重复失败的动作。我们测试是否...
arXiv — cs.AI
Исследования1 мин
Why Bother Me Again? Benchmarking Personal Agent Memory for Interaction Preferences
arXiv:2610.30485v1 Announce Type: new Abstract: Personal intelligence systems are taking on increasingly complex everyday tasks, yet repeated questions, unnecessary confirmations, and unwanted outreach can turn capable assistance into interaction burden. Reducing this burden…
arXiv — cs.AI