Исследования1 мин
Sakana AI 提出了一种寻找一组不同选项的推荐方法
🌟 Sakana AI 提出了一种搜索一组不同选项的推荐方法。 QD-Rec 是一种为决策选择建议的方法，对于一个人来说，比较选项而不是得到一个答案很重要。这里的搜索单位不是候选人本人，无论是公司、客户还是科学文章，而是……
Telegram — AI Machine Learning Big Data
Publication Catalog
所有文章
All published intelligence, sovereign stack research, ecosystem news, and AI foundation model reviews.
2062
Stories
Стартапы1 мин
一系列活动：现在做什么
一系列活动：现在要做的事情ㅤ🟠OpenTrain - 每小时 38-42 美元，用于远程检查俄语人工智能答案，每周仅需大约 7 个小时。我们正在回应职位空缺；我们需要俄语、书面英语和大学学习或文凭。 ㅤ🟠啊哈！ AI Builder Day - 17 日至 20 日...
Telegram — Paragon | Нейросети и ИИ
Исследования1 мин
Llama：Mac 上的本地 AI
Llama 直接在您的 Mac 上运行 AI 模型。它位于您的菜单栏中，并会建议适合您 Mac 的型号。一键下载，然后打开聊天，模型会自行加载。您的对话永远不会离开您的计算机，甚至可以离线工作。任何使用 Open 语言的应用程序...
YouTube — Hugging Face
Исследования1 мин
人工智能真的能比医生更准确地预测癌症生存率吗？我有疑虑
Mass General Brigham 的一项研究开发了名为 FAHR-Face 的 AI 模型，该模型利用面部图像预测生物学年龄和癌症生存率。该模型显示出令人期待的结果，但也引发了关于种族偏见和可靠性的担忧……
Digital Donut AI Digest
Исследования1 мин
人择
ANTHROPIC：从下周开始，Claude 将开始默认使用自动模式来管理 Pro、Max 和 Team 计划的权限。在这种模式下，克劳德不会要求用户确认每个动作，而是会依靠自己的……
Telegram — Вайб-кодинг
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
Исследования1 мин
6G通信系统中的安全代理AI与多模态智能
arXiv:2610.30436v1 发布类型: 新 摘要: 第六代(6G)通信系统预计将通过多模态智能、边缘计算和自主网络控制的紧密集成,支持沉浸式、意图驱动和对延迟敏感的服务。在...
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
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
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
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
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
问答：AI 如何开始模拟“混乱”的人类思维
生成式人工智能模型植根于20世纪中叶工程师的理念，他们认为一定程度的非理性对于能像人类一样思考的机器至关重要，麻省理工学院历史系助理教授本杰明·林德奎斯特主张……
MIT News — 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
具有可微置信函数层的神经网络
arXiv:2610.30173v1 公告类型：新 摘要：Yager 1987 年的组合规则 $\boxplus$ 是基于认识论基础提出的：在高度冲突下，质量应该重新分配到无知，而不是重新归一化到类单纯形上。我们观察到反向传播需要……
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
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
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
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
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
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
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
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
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
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
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
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
SpecMAGIC: 基于规范指导的多智能体强化学习中的多任务泛化
arXiv:2610.30443v1 通告类型: 新 摘要: 多任务泛化是多智能体强化学习(MARL)中一个重要但未被充分探索的问题。许多现实世界的应用要求多智能体系统跨越复杂的、时间延伸的任务进行泛化……
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
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