当天报道
Regulation微软新的AI“行为准则”告诫模型不得入侵系统或欺骗用户微软推出了一项新的AI行为准则，旨在指导其AI模型的行为。该准则明确禁止有害行为，如入侵系统和欺骗用户，符合行业日益重视AI安全的趋势。此举是针对对先进AI技术所带来的风险日益关注的回应，尤其是在这些技术越来越多地融入各种应用和服务时。TechCrunch AI9月14日· 60%RegulationAI机器人“Timmy”、“Ren”和“Jackie”正在社交媒体上泛滥垃圾信息最近的报告强调了名为Timmy、Ren和Jackie的AI机器人的活动，它们正在社交媒体平台上泛滥垃圾信息。这些机器人是一个初创公司推广其人机互动愿景的策略的一部分。它们试图在Mastodon等平台上创建账户，并向作家发送未经请求的电子邮件，常常绕过初始账户创建的阻止。这一机器人活动的激增引发了对使用AI进行营销的伦理Ars Technica AI9月14日· 57%Other听听AI如何在2026年Disrupt大会上推动自然的复苏在2026年TechCrunch Disrupt大会上，讨论将围绕AI在环境保护中的创新应用以及AI初创企业在保持竞争优势时面临的挑战展开。亮点之一是Colossal Biosciences，这是一家利用AI和合成生物学探索灭绝物种复兴的十亿美元初创企业，这引发了深刻的伦理和生态问题。本次会议旨在探讨技术如何促进自然的TechCrunch AI9月14日· 57%Funding涩谷的一家黑胶酒吧是一家提供有趣音乐应用的初创公司，无需任何AI提示涩谷的一家黑胶酒吧，由前Spotify创新负责人Máuhan M Zonoozy创立，成功筹集了550万美元的资金。该初创公司专注于开发以人类创造力和与声音互动为优先的音乐应用，避免过度依赖AI技术。这种方法旨在为用户提供创新工具，增强他们以更个人化和互动的方式创作和参与音乐的能力。TechCrunch AI9月14日· 56%Product Launch时尚应用Daydream利用Apple Intelligence帮助您购物相册中的服装Daydream是一款新的AI时尚发现应用，推出了利用Apple的iOS 27开发工具的创新功能。该应用现在允许iPhone用户直接从相册中保存的图像购物，使他们更容易找到和购买喜欢的服装。此外，用户可以通过Siri搜索服装，通过将语音激活技术整合到时尚发现过程中，提升整体购物体验。TechCrunch AI9月14日· 56%Product LaunchOpenAI以3亿美元收购智能手机相机制造商Glass Imaging，报道称OpenAI通过收购智能手机相机技术公司Glass Imaging，进行了重要的技术布局，交易金额超过3亿美元。该收购尤为引人注目，因为Glass Imaging由前Apple工程师创立，专注于利用AI提升智能手机相机在拍摄时的功能。这一战略性收购与OpenAI将先进AI技术整合到消费产品中的持续努力相一致，可能会彻底TechCrunch AI9月14日· 56%OtherNvidia CEO 黄仁勋告诉特朗普‘我们不会让[AI减速]发生’在最近与特朗普总统的电话会议上，Nvidia CEO 黄仁勋强调了他对推动AI技术的承诺，拒绝了一些科技行业领导人提出的减缓发展的观点。黄的言论突显了关于AI创新速度和科技公司在管理其对社会影响方面责任的持续辩论。他的立场反映了科技界在安全和伦理问题担忧下，仍然坚定推进AI进步的决心。TechCrunch AI9月14日· 54%Research语言不足以支撑定量推理，重要领域需要大型定量模型最近的研究强调了大型语言模型（LLMs）在定量推理方面的局限性，特别是在精确性至关重要的重要领域。该研究引入了大型定量模型（LQMs）的概念，旨在通过提供更强大的框架来克服LLMs的不足，以便进行定量决策。研究人员认为，LLMs往往依赖于不精确的人类语言，导致在定量环境中可重复性和不确定性校准的问题。arXiv cs.AI9月14日· 64%Model ReleaseOccamy-1.0：开放的Pareto前沿35B智能协作Occamy-1.0的推出标志着AI协作模型的重大进展，专门设计用于有效处理复杂工作流程。这个拥有350亿参数的模型不仅在各种基准测试中表现出色，还强调了成本效率，使其成为希望提升运营能力的组织的理想选择。该模型的开放Pareto前沿方法允许用户平衡性能和资源消耗，满足AI应用中的多样化需求。arXiv cs.AI9月14日· 63%Research使用量化分析工具高效部署AI模型最近的一篇论文介绍了量化分析工具，这是一个旨在优化在资源有限设备上部署AI模型的重要进展。该工具专注于简化量化过程，这对提高模型效率而保持准确性至关重要。通过提供详细的敏感性分析和精度选择的见解，该工具使开发者能够做出明智的决策，从而在实际应用中实现更好的性能。arXiv cs.LG9月14日· 63%Research物理信息的保形预测：将偏微分方程一致性嵌入无分布不确定性量化的神经算子一种新的框架称为物理信息的保形预测（PI-CP），旨在增强神经算子中的不确定性量化。这种创新方法将偏微分方程（PDE）残差整合到非一致性评分中，从而在各种物理场景中实现更准确的预测。研究人员发现，PI-CP在传统不确定性量化方法中表现出色，特别是在涉及具有Dirichlet边界条件的PDE的情况下，标志着不确定性量化领arXiv cs.LG9月14日· 63%Research利用还是模型？在受污染控制的私人套件中隔离代理编码的Harness效应最近在arXiv上发布的一项研究探讨了在代理编码系统中使用的不同Harness的有效性，特别是隔离'Harness效应'。研究比较了各种模型与这些Harness配对时的表现，最终发现对于任务完成率而言，任何Harness都没有显著优势。这表明Harness与模型之间的交互关系复杂，可能不会产生先前假设的直接好处。arXiv cs.AI9月14日· 63%ResearchDU-NO：一种参数高效的双U形神经算子用于相位解析波动建模研究人员推出了DU-NO，这是一种专门为相位解析波动建模设计的新型参数高效神经算子。该模型将参数数量显著减少至364万，相较于之前的模型有了大幅下降。除了效率，DU-NO在准确性上也表现出显著提升，在FUNWAVE-TVD基准测试中比现有的U-FNO模型提高了14.9%。这一进展可能对海洋学和流体动力学等多个领域的模拟arXiv cs.AI9月14日· 63%ResearchGLARE：通过对抗奖励估计进行生成学习以预测社会动态GLARE模型（通过对抗奖励估计进行生成学习）是一项新的研究倡议，专门用于预测多方讨论中的社会动态。同时，研究人员还推出了会议动态预测基准（MDFB），用于评估该领域各种模型的性能。GLARE模型采用对抗模仿学习技术，使其在对话中生成比现有模型更连贯和人性化的延续。arXiv cs.AI9月14日· 63%Research成功的知识图谱编辑如何取代正确答案：超越参数支持的排名局部性最近的研究提出了一种新方法来理解知识图谱编辑对答案排名的影响。该研究名为《成功的知识图谱编辑如何取代正确答案：超越参数支持的排名局部性》，展示了一种排名位移审计，评估知识图谱嵌入模型的修改如何无意中将正确答案推向排名的下方。研究人员调查了不同的编辑机制，旨在增强所需答案的可见性，同时努力最小化其他准确响应的位移。这项工arXiv cs.AI9月14日· 62%Research性能、效率与崩溃——代码 LLM 离线后训练的优势与挑战最近的研究强调了离线强化学习（RL）在零-shot 代码生成背景下提升大型语言模型（LLMs）性能的潜力。通过利用离线后训练技术，研究人员发现这种方法可以显著提高 LLM 的效率，而无需生成新的训练样本。然而，研究也指出了与此方法相关的各种挑战，表明尽管离线 RL 可以提升性能，但可能会引入需要在未来实施中解决的复杂性arXiv cs.LG9月14日· 62%Research全面心脏阅读：用于多模态心脏表示学习的潜在注意力掩蔽自编码器最近在心脏表示学习方面取得了进展，引入了潜在注意力掩蔽自编码器（LAMAE）。这一创新方法整合了心电图（ECG）和超声心动图数据，以创建全面的患者级表示。通过采用自监督预训练，LAMAE不仅提高了诊断准确性，还有效管理缺失数据，为多模态心脏分析设定了新的基准。该研究展示了利用先进AI技术改善医疗结果的潜力。arXiv cs.AI9月14日· 62%Research基于能力门控的语言模型与先验知识的事件预测汇聚近期研究提出了一种新颖的能力门控汇聚方法，旨在改善语言模型在事件预测系统中的整合。这种创新方法优先考虑单个模型的能力，而不仅仅依赖于其独立准确性。通过根据每个模型的边际价值调整其贡献，能力门控汇聚方法在预测准确性上相较于传统的全局汇聚方法显示出显著改善。这一进展可能导致在天气预测到金融市场分析等各种应用中更可靠的预测。arXiv cs.AI9月14日· 62%BenchmarkFINESSE：基于代理的多模态金融事件序列模拟器和基准数据集FINESSE的推出标志着金融数据分析领域的重要进展。该基于代理的模拟器旨在生成合成数据集，以捕捉金融事件的复杂和多模态特征，这些特征通常难以准确建模。与模拟器一起，开发者还发布了FINESSE-Bench，这是一个针对各种金融任务（包括欺诈检测和余额预测）量身定制的基准数据集。这一双重产品旨在通过提供强大的框架和标准arXiv cs.LG9月14日· 62%Research基于扰动时间序列的物理信息结构推断的基本动力单元研究人员提出了一种新的研究框架，利用基本动力单元（FDUs）来增强网络动态系统中结构交互的推断。这种创新方法解决了组合复杂性和因果模糊性等重大挑战，这些挑战传统上阻碍了对这些系统的分析。通过采用物理信息神经常微分方程（ODE），研究人员旨在从扰动时间序列数据中更准确地恢复带符号的交互结构。arXiv cs.LG9月14日· 61%Research空间作为干预不变性：分层城市与情境智能的跨模态预测几何最近在arXiv上发布的一篇论文介绍了一个开创性的框架，重新定义了空间作为干预不变性的概念。这种创新的方法解决了整合多样感知数据和城市过程的复杂性，提出了一种跨模态预测几何，使城市系统内多个层次的共存成为可能。通过避免将这些层次简化为单一指标，该框架旨在增强我们对分层城市及其动态的理解，最终促进更智能城市环境的发展。arXiv cs.LG9月14日· 61%Research通过组件交互的计算建模解码混合感知一项最新研究提出了一种创新的生物启发深度学习框架，旨在增强对多分子混合物的气味感知识别。该框架结合了注意力加权的多受体曲线和浓度依赖的多分子曲线，显著提高了识别准确率，达到92.2%。这一进展有可能改变我们理解和解读复杂气味的方式，并在食品科学、香料开发和环境监测等多个领域具有应用潜力。arXiv cs.LG9月14日· 61%Research大型语言模型在草拟-验证-修订流程中能否解决指示性歧义？最近在arXiv上发布的一项研究探讨了大型语言模型（LLMs）在草拟-验证-修订流程中解决指示性歧义的能力。指示性表达依赖于上下文进行解释，这对LLMs构成挑战，特别是像“之前”这样的术语。研究强调，不同的LLMs在解决这些歧义方面表现出不同的成功水平，当模型进行更广泛的推理过程时，性能显著提高。这一发现表明，增强LLarXiv cs.AI9月14日· 61%Research用于隐私保护的设备端语言模型在压力预测中的应用：移动健康的多模态评估一项最新研究评估了设备端语言模型（ODLMs）在预测压力水平方面的有效性，同时确保移动健康应用中的用户隐私。研究强调了客观传感器数据与自我报告数据的比较性能，结果显示传感器数据提供了略微更好的预测准确性。此外，研究还强调了轻量级模型的效率，这些模型能够在移动设备的限制下有效运行，解决延迟和吞吐量问题。arXiv cs.LG9月14日· 61%Research三思而后行：LLM代理的预行动验证近期研究提出了一种新颖的预行动验证方法，旨在提高大型语言模型（LLM）代理的行动可靠性。研究强调在执行任务之前实施确定性检查的重要性，例如运行shell命令或进行代码编辑。通过这样做，研究人员发现可以显著减少静默失败——即未通知的错误，从而使LLM应用程序更加稳健和可靠。这一进展在LLM日益融入各种需要精确度的操作环境arXiv cs.LG9月14日· 60%