Исследования1 мин
并非每个用户都说了全部：训练使用工具的代理超越理想的模拟用户
arXiv:2610.24294v1 公告类型：新 摘要：使用工具的代理几乎完全由强大的模拟用户进行训练和评估，这些模拟用户清楚地说明了每个细节，但真实用户往往较弱。我们通过屏蔽模拟用户回复的句子来构建弱用户，……
arXiv — cs.AI
Publication Catalog
所有文章
All published intelligence, sovereign stack research, ecosystem news, and AI foundation model reviews.
2518
Stories
Исследования1 мин
自我改进的视频到动作模型
arXiv:2610.24177v1 通告类型: 新 摘要: 视频生成模型是具身智能体的新兴工具: 它们可作为可扩展的视觉规划器, 生成视频描绘如何完成先前未见的任务. 然而, 执行这些计划通常需要...
arXiv — cs.AI
Исследования1 мин
What Social Media Teaches Us About Accumulative AI Risks
arXiv:2610.24006v1 Announce Type: new Abstract: Prominent AI safety discussions emphasize existential threats and catastrophic events, such as AI-enabled nuclear conflict or engineered biological outbreaks. This position paper argues that there is another type of AI risk that…
arXiv — cs.AI
Исследования1 мин
事半功倍：代理计算相对于替代架构选择的适用性的第一性原理探索
arXiv:2610.23921v1 公告类型：新 摘要：由于代理人工智能 (AI) 看似易于使用，因此人们对利用代理人工智能 (AI) 实现业务活动自动化越来越感兴趣。花更多的钱做更少的事情从未如此简单或成本更高。然而，人们对此知之甚少……
arXiv — cs.AI
Исследования1 мин
紧凑型开放权重大语言模型能否从不完整轨迹中恢复移动事件？基于航空出行的受控评估
arXiv:2610.24266v1 通告类型：新 摘要：不完整的移动轨迹可能会掩盖识别重要出行事件及其端点所需的观测数据。本研究评估紧凑型、本地部署的大语言模型（LLM）能否恢复缺失…
arXiv — cs.AI
Исследования1 мин
蒸馏、自我训练与习得化学推理的脆弱性
arXiv:2610.24199v1 通告类型: 新 摘要: 为小分子药物设计自动化合成规划需要既准确又开放可检查和适应的化学推理器，但前沿语言模型在预测反应结果方面仍不可靠…
arXiv — cs.AI
Исследования1 мин
From SEC Filings to Financial Signals: Evaluating LLMs on Stock Market Reactions and Analyst Forecasts
arXiv:2610.24268v1 Announce Type: new Abstract: Form 10-Q MD&A sections combine long-form management narrative with accounting and forward-looking information. Benchmarks for financial filings commonly evaluate question answering or numerical reasoning, leaving unclear whether…
arXiv — cs.AI
Исследования1 мин
用于罕见病诊断的统一多范式融合智能
arXiv:2610.24024v1 发布类型: 新 摘要: 罕见病 (RDs) 据估计影响全球 3 亿人, 使患者不得不在临床资源稀缺和医学知识碎片化的限制下经历漫长的诊断历程。人工智能 (AI) 已…
arXiv — cs.AI
Исследования1 мин
SWECraft世界：通过模拟软件世界实现大规模智能体协作
arXiv:2610.24061v1 通告类型：新 摘要：随着AI智能体团队承担更大的项目和长期存在的开放问题，智能体协作为推理时计算的扩展提供了另一个维度。为了理解是什么使这种协作有效且可扩展，我们…
arXiv — cs.AI
Исследования1 мин
探究歧义：面向鲁棒Text-to-SQL的对抗性意图消解
arXiv:2610.24248v1 公告类型：新 摘要：Text-to-SQL系统通常假设自然语言查询与正确SQL翻译之间存在一对一映射。然而在实践中，许多查询本质上具有歧义，允许存在多个有效解释…
arXiv — cs.AI
Исследования1 мин
GardenBench：LLM能力的轻量级每日评估
arXiv:2610.23866v1 通告类型：新 摘要：我们推出GardenBench，这是一个包含11个测试套件的基准，用于评估大语言模型（LLM）在一系列任务中的能力。通过系统地用各种轻量级查询提示LLM，我们记录了…
arXiv — cs.AI
Исследования1 мин
AM-Bench: 面向代理错位的统一分类学与评估套件
arXiv:2610.24264v1 通告类型：新 摘要：随着基于LLM的代理在现实环境中以日益增强的自主性被部署，出现了一种关键失效模式：代理错位，即代理选择有害行动而非失败。然而，现有的安全基准……
arXiv — cs.AI
Исследования1 мин
LogicVal:A Logic-Formalized Benchmark for Constraint Satisfaction in Text-to-Image Generation
arXiv:2610.24051v1 Announce Type: new Abstract: Text-to-Image (T2I) generative models have made significant progress in producing high-fidelity images from natural-language prompts. Alongside this progress, numerous benchmarks have been developed to evaluate capabilities such as…
arXiv — cs.AI
Исследования1 мин
谁发言，谁授权，谁行动？理解多智能体LLM中的信任边界
arXiv:2610.24298v1 公告类型：新 摘要：多智能体LLM系统在通过工具行动前交换消息，但消息传递、签名权限和工具端强制执行是独立的信任边界。我们将它们表示为通信、授权和…
arXiv — cs.AI
Исследования1 мин
Beyond Explicit Intent: Discovering and Shaping Artistic Intent through Human-AI Co-Creation
arXiv:2610.24010v1 Announce Type: new Abstract: Generative AI is becoming an important medium for artistic creation, yet existing interactions often assume that creators can specify intentions in advance and accurately communicate them through text prompts. Artistic intentions,…
arXiv — cs.AI
Исследования1 мин
代理的最后疑虑：在使用工具的代理中知道何时行动、何时退让
arXiv:2610.24194v1 发布类型：new 摘要：使用工具的LLM代理在不确定性下反复面临决策点，在自主行动、收集额外信息和人工升级之间选择。这些决策需要在任务成功与交互之间取得平衡…
arXiv — cs.AI
Исследования1 мин
SteerSearch: 具有中途响应引导的交互式搜索推理
arXiv:2610.24287v1 公告类型: new 摘要: 增强搜索的语言模型越来越多地作为长期研究代理，但大多数开放训练方法假设用户目标在整个搜索过程中保持固定。我们研究中途响应引导，即用户在…期间重定向模型
arXiv — cs.AI
Исследования1 мин
A Controlled LLM Workflow for Evidence-Grounded Diagnosis of Risk Score Differences
arXiv:2610.23962v1 Announce Type: new Abstract: We propose a controlled Large Language Model (LLM) workflow for explaining risk score differences using similar historical transactions. The workflow combines reference retrieval and contrastive SHapley Additive exPlanations (SHAP)…
arXiv — cs.AI
SMNTCN (Semanticon) — глобальные новости ИИ
Исследования1 мин
AI发现俄罗斯版吉尔吉斯斯坦宪法存在数十处错误
吉尔吉斯斯坦副总统凯内什·达斯坦·别克舍夫利用人工智能发现了俄文版吉尔吉斯斯坦宪法中有44处错误和不准确之处。 24.kg 报告称，这些缺陷与翻译的风格、质量有关，并且还存在双重解释和语义扭曲的情况。就像人工智能...
Kursiv Media Tech
SMNTCN (Semanticon) — глобальные новости ИИ
Исследования1 мин
Hugging Face ❤️ TorchTPU: TPUs, Natively
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
Hugging Face Blog
Hugging Face Blog
Исследования1 мин
Microsoft предупреждает о рисках ИИ-агентов и представляет Guardian Agents
Microsoft представила Guardian Agents для защиты от угроз ИИ-агентов.
SMNTCN (Semanticon) — глобальные новости ИИ
Исследования1 мин
Хуггинг Фейс: оценка ИИ требует стандартизации и воспроизводимости
Хуггинг Фейс поднимает вопросы о стандартизации оценок ИИ и их воспроизводимости.
SMNTCN (Semanticon) — глобальные новости ИИ
Исследования1 мин
据报道，Nscale 和 Anthropic 正在就另一笔 45B 美元的计算交易进行谈判
如果这笔交易成功，这将是 Anthropic 在过去一年中达成的一系列大型计算交易中的最新一笔。
TechCrunch — AI
Исследования1 мин
Cooking with Codex: Ep. 1
I think you're the only qualified cook in this kitchen. [laughter] >> Welcome to Cooked from OpenAI. >> Always [music] did it my way. Never did it by [singing] the book. Let me cook now. >> I'm Danny. >> I'm Alex. >> And today we have a lot of things on the menu. Dots, catch…
YouTube — OpenAI Official
Исследования1 мин
Embedded AI evaluators won’t be an easy solution, Hugging Face’s policy chief says
The idea of embedded evaluators — in which supposedly "neutral" third-party observers are placed inside AI organizations — has been popularized over the last several months, as AI labs grapple with a rash of safety incidents that have spurred concerns over the potential harms of…
TechCrunch — AI
Политика и регулирование1 мин
Бывший сотрудник OpenAI обвиняется в установке устройства с поддержкой Саудовской Аравии, согласно судебным документам
Бывший сотрудник OpenAI Абдулрахман Альфозан обвиняется в тайной установке записывающего устройства в комнате для встреч с предполагаемой поддержкой со стороны саудовского правительства. Он был арестован ФБР после обнаружения устройства, и прокуроры утверждают, что его действия…
Digital Donut AI Digest
Исследования1 мин
OpenAI Engineer Accused of Spying on Executives Ordered to Remain in Custody
A judge ordered Abdulrahman Alfozan to remain in custody, likening the Saudi government’s offer to secure the former OpenAI engineer’s release to a “blank check.”
Wired — Artificial Intelligence