当天报道
FundingOpenRouter在一年内估值翻倍至13亿美元OpenRouter成功在CapitalG的领导下完成了1.13亿美元的B轮融资，使其估值达到13亿美元，较一年前的5.47亿美元大幅增长。这一估值的激增反映了对OpenRouter AI网关日益增长的需求，该网关提供对400多种不同AI模型的访问。该平台表现出色，每月处理高达100万亿个token，显示出其强大的使用TechCrunch AI5月26日· 59%Funding这家初创公司押注于印度的零工经济可以训练世界的机器人Human Archive是一家硅谷初创公司，通过利用印度的零工经济收集对训练机器人至关重要的自我中心视频数据，在人工智能领域取得了进展。该公司成功筹集了820万美元的资金，以支持其创新的数据收集方法，尽管在与主要家庭服务公司建立合作伙伴关系方面遇到挑战。通过开发专用硬件，Human Archive旨在提高从零工工作者TechCrunch AI5月26日· 59%Safety数百万AI代理因开源软件包中的关键漏洞而面临风险在广泛用于AI应用的开源框架Starlette中发现了一个重大安全漏洞。该缺陷可能允许未经授权访问托管数百万AI代理和工具的服务器，从而可能危及敏感数据和第三方凭证。此漏洞的发现引发了对开源软件安全实践的警惕，尤其是在处理关键数据的应用中。Ars Technica AI5月26日· 58%Product LaunchDuckDuckGo安装量增长30%，用户拒绝被‘强迫喂食’谷歌的AI搜索DuckDuckGo的应用安装量显著上升，在美国报告增长30%。这一增长主要归因于用户对谷歌近期AI驱动搜索增强功能的不满，许多人认为这些功能侵入性强且过于依赖人工智能。因此，用户开始倾向于DuckDuckGo，该平台强调隐私和更传统的搜索体验，而没有其他搜索引擎日益普遍的AI功能。TechCrunch AI5月26日· 56%Regulation环球音乐集团与TikTok续签协议以打击未经授权的AI音乐环球音乐集团（UMG）与TikTok续签了旨在应对未经授权的AI生成音乐所带来的挑战的许可协议。这一续签是在两家公司因与AI内容创作相关的版权问题而产生紧张关系后进行的。该协议旨在增强艺术家的归属感，确保创作者的工作得到适当认可，特别是在AI技术不断发展并影响音乐行业的背景下。TechCrunch AI5月26日· 56%ResearchImport AI 458：与未来的对抗；以及一个奇点故事Import AI 的最新见解强调了人工智能发展的加速步伐以及人工智能系统自主创造其继任者的潜力。这一演变对各个行业产生了重大影响，迫使人们积极理解和管理人工智能的未来轨迹。文章建议，利益相关者应积极参与不断发展的人工智能技术领域，以利用其优势并降低风险，而不是退缩。Import AI5月26日· 67%ResearchLLM-AutoSciLab：通过主动实验与LLMs实现闭环科学发现研究人员推出了LLM-AutoSciLab，这是一种创新的闭环框架，旨在通过整合假设生成和主动实验来提高科学发现的效率。该框架利用大型语言模型（LLMs）自动化形成假设和进行实验的过程，从而简化科学方法。在比较研究中，LLM-AutoSciLab在多个基准测试中表现优于现有方法，显示出其可能彻底改变科学研究的方式。arXiv cs.LG5月26日· 64%Benchmark大规模数据集和基准：蛋白质-配体模型是学习结合位点还是仅仅学习结合可能性？研究人员揭示了一个新的大规模数据集，名为InteractBind，包含约100,000对蛋白质-配体。该数据集旨在通过解决当前基准中的局限性，特别是在结合位点定位方面，来改善蛋白质-配体相互作用模型的评估。InteractBind的引入提供了一种全面的评估方法，旨在区分结合预测的准确性与模型准确识别结合位点的能力。这一arXiv cs.LG5月26日· 64%Research思考多少才够？量化与理解大型语言模型推理中的冗余最近在arXiv上发表的一项研究探讨了大型语言模型（LLMs）的推理过程，重点关注推理步骤中的冗余概念。研究表明，这些模型进行的相当一部分推理可以安全地截断，而不会影响最终答案的准确性。具体而言，研究结果表明冗余水平可以显著变化，范围从61%到93%。这表明，过度的思考不仅是特定模型的缺陷，而是当前LLMs设计中固有的arXiv cs.AI5月26日· 64%ResearchBODHI：精确的操作系统内核规范推断研究人员推出了BODHI，这是一种创新方法，利用大型语言模型来改善精确操作系统内核规范的生成。该方法展示了96.73%的显著Pass@1率，表明在将结构化C代码转换为Python规范时具有高准确性。BODHI的开发代表了操作系统领域的重要进展，特别是在提高内核规范的可靠性和精确性方面，这对系统性能和安全至关重要。arXiv cs.AI5月26日· 63%Research互补模型的混合以增强LLM集成的鲁棒性最近的研究提出了一种增强大型语言模型（LLMs）集成任务的突破性方法。研究强调模型互补性的重要性，建议根据模型之间的互补能力进行选择，可以比单纯优先考虑准确性或多样性的传统方法获得更好的结果。研究人员开发了计算上可行的算法，不仅提高了性能，还在模型选择过程中考虑了成本效益，使这种方法在实际应用中更具可行性。arXiv cs.LG5月26日· 63%Research移动众包中用于大语言模型微调的真实在线偏好聚合最近的研究提出了一种在移动众包环境中微调大语言模型（LLMs）的新方法。该研究提出了一种动态贝叶斯博弈模型，促进真实在线偏好聚合，从而允许贡献者提供更准确的反馈。这种创新方法还结合了一种在线加权聚合机制，旨在提高模型性能并随着系统的演变减少遗憾。通过解决在众包环境中收集可靠数据的挑战，这项研究可能显著提高LLMs在实际arXiv cs.LG5月26日· 63%Research可验证变换器：可求解电路解释引入了一种名为可验证变换器的新框架，专注于变换器模型中电路的形式验证。该框架允许研究人员将任务局部电路转换为可求解的声明，从而实现对这些电路各种属性的验证。这一创新旨在增强对变换器模型功能的理解，可能导致更可靠和可解释的人工智能系统。arXiv cs.LG5月26日· 63%Research算法度量：算法反馈下的预测新引入的框架'算法度量'专注于分析预测算法如何影响算法市场中的时间序列数据。该研究强调了一个关键见解：仅通过被动数据无法充分理解部署这些算法的风险。此外，它指出，由于算法拥挤现象，模型的历史排名可能会显著波动，多个算法在同一市场空间内竞争和互动。arXiv cs.LG5月26日· 63%Research朝着可靠的LLM驱动工作流程设计：优化延迟、可靠性和成本的权衡最近在arXiv上发表的一篇论文探讨了在将大型语言模型（LLMs）与传统计算系统集成的工作流程设计中，延迟、可靠性和成本之间的复杂平衡。作者提出了性能模型，以帮助理解如何优化这些代理以提高效率。研究的一个关键贡献是引入了一种水填充令牌分配策略，旨在通过解决实践者在实际应用中可能面临的特定操作约束来增强工作流程设计。arXiv cs.AI5月26日· 63%Research大型语言模型的置信度校准最近的研究集中在大型语言模型（LLMs）的置信度校准上，突显出这些模型在预测中常常表现出过度自信，尤其是在面对具有挑战性的任务时。这种过度自信可能导致误导性的输出，这对于需要高可靠性的应用至关重要。为了解决这个问题，该研究引入了LifeEval，这是一种新颖的评估工具，专门设计用于根据任务的难度评估LLMs的校准。该工arXiv cs.AI5月26日· 62%Research通过全国产核心代理大型模型实现实用量子CIM赋能最近的一项研究提出了一种创新方法，将飞秒激光泵浦的相干伊辛机（CIM）与大型语言模型（LLM）驱动的代理系统相结合。此集成旨在通过利用国内模型和硬件来赋能实用的量子计算应用。研究展示了有效的建模任务，特别是在校准QUBO/伊辛模型和迭代约束权重方面，同时也解决了大型模型和量子计算技术领域面临的持续挑战。arXiv cs.AI5月26日· 62%Research实现重构权威：自主智能体系统中的运行时构建、依赖解析和执行门控最近在arXiv上发表的一篇论文介绍了一种针对自主智能体系统的新型运行时执行模型，强调了重构权威（RAM）的概念。该模型在行动时评估权威，确保智能体在尊重其构建权威的框架内操作。论文详细描述了一种动态依赖解析协议，使智能体能够实时适应性地管理其依赖关系。此外，还概述了一种恢复循环机制，旨在解决智能体面临不完整信息的场景arXiv cs.AI5月26日· 62%Research迭代精炼神经算子是学习的固定点求解器：一种有原则的谱偏差缓解方法最近关于迭代精炼神经算子（IRNO）的论文提出了一种新颖的方法，以提高预训练神经算子在科学建模中的性能。通过集成学习的精炼模块，IRNO有效解决了谱偏差问题，这在复杂系统中准确预测高频细节方面一直是一个重大挑战。结果表明预测误差显著减少，在湍流流动场景中观察到高达56.05%的改善，展示了该方法在增强神经网络应用可靠性arXiv cs.LG5月26日· 62%Research量子青蛙：量子时间合作游戏中的新兴合作与难度扩展最近的研究《量子青蛙》介绍了一种新颖的双人合作游戏，采用量子时间机制，玩家需在8x8网格中避开交通。研究强调了合作策略的重要性，显示出合作的玩家往往能取得更高的成功率。此外，研究还探讨了游戏难度的扩展及玩家最佳策略的识别，为合作游戏动态提供了宝贵的见解。arXiv cs.AI5月26日· 62%ResearchCAFD：基于概念的深度神经网络故障检测最近的关于基于概念的故障检测（CAFD）的论文介绍了一种创新的方法，以增强深度神经网络（DNN）的故障检测。该方法通过整合多种信息源，同时确保操作效率，脱颖而出。CAFD的一个关键特征是概念故障比率（CFR），它利用视觉-语言模型（VLMs）显著提高故障检测率，相较于传统方法。研究展示了结合不同模态以提高DNN在实际应arXiv cs.LG5月26日· 62%Research当正确信念崩溃时：大型语言模型在临床压力下的认知韧性一项最近在arXiv上发表的研究探讨了大型语言模型（LLMs）在临床压力下的认知韧性。研究强调了一个关键发现：虽然LLMs可能表现出高诊断准确性，但这并不一定与其信念的稳定性相关。为了解决这个问题，作者提出了Med-Stress框架，作为评估LLMs在临床环境中表现的工具。此外，他们还提出了两个创新解决方案RBED和RarXiv cs.AI5月26日· 62%Research隐状态隐私存在空白最近在arXiv上发表的一项研究对隐状态隐私机制的有效性进行了批判性评估，特别关注单层模型中的高斯释放协方差。研究分析了1,536种不同配置，得出结论认为在面对自适应攻击者时，没有一种配置能够成功平衡适度的效用与隐私。这表明在隐私保护机器学习领域面临重大挑战，因为同时实现隐私和效用仍然难以捉摸。为了解决这一差距，研究引arXiv cs.LG5月26日· 61%Research寻找开放性成分：使用大型视觉语言模型复制Picbreeder一项最新研究成功地使用大型视觉语言模型（VLMs）复制了Picbreeder平台，以探索AI驱动创作中的开放性概念。研究人员旨在了解这些模型与人类生成内容的比较，特别是在输出质量差异方面。研究结果表明，尽管VLMs能够生成创意内容，但仍存在显著差异，突显了人类创造力的独特性及其影响因素。arXiv cs.AI5月26日· 61%Research多参数高效多类智能调度用于多模态在线分布式工业异常检测研究人员提出了一种新框架，名为多模态在线分布式工业异常检测（MODIAD），旨在改善分布式工业环境中的异常检测。该框架结合了多类智能调度（MIS）方法和序列边际增益贪婪（SMG）算法，集体提高了模型训练的效率，同时有效管理资源限制。MODIAD的引入标志着在处理多种数据模态存在的环境中异常检测复杂性方面的进步。arXiv cs.LG5月26日· 60%