跳到正文
目前篩選:論文
今天11月22日週日8 則
  1. DEV Community43

    小樣本生存資料的遷移學習:n=50 時哪些方法有效

    Zhao 等人在結直腸癌 I 期相關隊列研究中發現,遷移學習可提升小樣本生存模型表現,樣本量低至 n=50 時仍觀察到改善。完整目標隊列中,RSF/TSF 的 Ctd 由 0.7940 升至 0.8297,是文中最高值。研究以 TSF 遷移樹結構,並以預訓練和微調處理 DeepSurv、Cox-CC 及 DeepHit;結果限於相關來源隊列。

  2. TNW68

    OpenAI 稱其編碼智能體無需人手協助即可完成近半需 2 至 4 小時的研究任務

    OpenAI 的編碼智能體現可在無需人手協助下完成 46% 原需人類花 2 至 4 小時的研究任務,3 月比例為 23%。對需 4 至 8 小時的任務,成功率由 13% 升至 35%;各類任務表現不一,監察訓練運行的成功率為 79%,為推理及服務系統編寫程式碼則為 25%。OpenAI 提醒,研究員可能隨智能體進步而改變交辦任務,令成功率數據亦反映任務選擇的變化。

  3. 新浪科技90

    Levent Alpöge 與 Claude 合作完成的黎曼猜想證明獲 Lean 與 Mathlib 社羣認證

    Lean 與 Mathlib 社羣認證 Levent Alpöge 的黎曼猜想證明正確,該證明由他與 Claude 合作完成,並以 Lean 庫形式公佈。證明包含 1700 萬行程式碼,通過四項驗證標準;175187 個模組編譯零錯誤,兩個獨立檢查程式亦接受完整證明。認證在證明公佈後一天內完成。

    推薦理由:報道列出認證採用的四項檢查,涵蓋命題一致性、編譯結果與獨立檢查程序,呈現這項形式化證明如何接受核驗。

  4. DEV Community63

    研究指 GPT-6.1 Sol 可在無工具下讀寫可執行檔位元組

    Xenos 與 Giannopoulos 的研究測試 GPT-6.1 Sol 在沒有工具的情況下直接讀取、修改及撰寫可執行檔位元組,並正確辨識四個測試程式。模型在 FreeBSD 的 ministat 二進位檔中發現,標示為 99.5% 的選項實際使用 99.8% 的臨界值。延伸及從零撰寫測試均只允許一次作答,研究亦未提供方法能否擴展至大型真實執行檔的證據。

11月21日週六
  1. 新浪科技48

    研究:每天頻繁與 AI 聊天者,中度及以上抑鬱症狀比例高約 30%

    一項涵蓋超過2萬名參與者的調查發現,每天頻繁與 AI 聊天的人,中度及以上抑鬱症狀比例較完全不使用 AI 的人高約30%。這種關聯主要出現在向 AI 尋求建議、傾訴煩惱或尋求情緒陪伴的人羣;用 AI 輔助學習和工作則未見類似現象。AI 的建議未必適合每個人,亦不能完全取代專業心理支援。

  2. 新浪科技32

    我國科研團隊為植物定製專屬「光配方」

    中國科學技術大學先進技術研究院科研團隊研製植物工廠系統,按不同植物定製「光配方」,以調節光強、光譜和光週期。團隊以多通道光量子傳感器測量各波段光子數,並將數據回傳控制系統閉環調光;作物生長數據亦用於訓練植物生長大模型、迭代配方。植物工廠與光電子農業技術已走出實驗室,產品銷往馬來西亞、新加坡等國家和地區。

  3. DEV Community39

    Harness-S 如何利用專門化執行框架訓練可遷移回原始框架的策略

    Harness-S 在 AppWorld、SWE-Gym 和 DBBench 上利用專門化執行框架訓練共享策略,並在原始執行系統 H0 下評估時,表現顯著優於只訓練策略的方法。Qwen3.5-4B 和 Qwen3.5-9B 兩種規模的策略均有提升;在執行器 rollout 次數相同的情況下,Rank-1 推理路由亦帶來增益。原文未提供主要結果表的數值。

  4. TNW82

    Anthropic 數學家稱與 Claude 證明黎曼猜想

    Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作證明黎曼猜想,並在個人網站發布四頁説明;公開內容只有 Lean 程式碼,沒有可供閲讀的論文。MIT 數學家 Andrew Sutherland 已獨立編譯該 Lean 證明,但核對程式是否精確證明原述命題的自動比對仍未完成。Alpöge 亦稱該方法可證明範圍更廣的廣義黎曼猜想,並表示會嘗試理解、簡化論證及正式撰寫。

    推薦理由:報道並列 Lean 證明的獨立編譯、仍待完成的自動比對,以及 Alpöge 尚未完全掌握論證的情況,呈現這項宣稱的核驗脈絡。

  5. The Decoder73

    Anthropic 數學家稱 Claude 證明黎曼猜想,Stanford 數小時後公開無 AI 的競爭草稿

    Anthropic 數學家 Levent Alpöge 稱他與 Claude 找到黎曼猜想的證明,並以 Lean 分成 14 個數據包發布;數小時後,Stanford 的 Ravi Vakil 公開 Alessandro Masullo 不使用 AI 撰寫的廣義黎曼猜想證明草稿。Vakil 隨後表示,多人已指出 Masullo 的草稿存在問題,相關證明仍須經數學界審核才能獲接納。

  6. 阿里雲開發者社區 AI35

    大語言模型智能體在臨牀決策支援中的應用綜述

    一項關於大語言模型智能體臨牀決策支援的綜述,梳理研究由靜態知識問答轉向交互式診斷與多智能體協作的演進。研究亦涵蓋強化學習訓練、安全與可解釋性;各路線在推理深度、計算成本及安全性之間取捨,現時仍缺乏統一評估基準與理論框架。

  7. 阿里雲開發者社區 AI38

    LLM 驅動的數據可視化生成與評估綜述

    這篇綜述梳理 LLM 驅動數據可視化生成與評估的演進,涵蓋從規則系統到多智能體協作,以及評估從結構匹配轉向多維對齊。MultiVis-Agent 在 MultiVis-Bench 上的任務完成率為 74.18%,以部分生成靈活性換取可靠性。領域核心問題是在確保數據保真度的同時,實現複雜可視化的可靠生成。

  8. 阿里雲開發者社區 AI37

    LLM 驅動的程式合成與形式化驗證綜述

    這份綜述梳理 LLM 程式合成與形式化驗證,從早期把 LLM 視為程式碼補全工具,整理至以驗證器為裁判的「生成-驗證-修復」閉環。文章按形式化規格合成、循環不變量生成、端到端驗證程式碼生成等路線,分析表示質素、適應效率與計算成本的取捨,並探討可擴展性及 LLM 幻覺等挑戰。

  9. 阿里雲開發者社區 AI30

    LLM 驅動的人才與職位匹配及技能抽取綜述

    這份綜述梳理 LLM 驅動的人才與職位匹配及技能抽取研究,涵蓋由語義匹配、結構化資訊抽取到可信決策的演進。LANTERN 以知識蒸餾降低推理延遲,PopResume 則以因果公平性框架評估招聘中的歧視路徑。研究重點是平衡語義理解、效率、可解釋性與法律合規。

  10. 阿里雲開發者社區 AI34

    LLM 文本私隱與匿名化方法綜述

    這項綜述梳理 LLM 文本私隱與匿名化方法的演進,指出研究已由靜態移除個人可識別資訊(PII),轉向兼顧語義效用、任務需求與合規性的動態決策。文中整理語義重寫、局部差分私隱、基準評估及代理私隱對齊等路線,並比較各自在表示質素、適應效率與計算成本上的取捨。

  11. 阿里雲開發者社區 AI38

    LLM 輔助社會科學研究方法綜述

    這份綜述梳理 LLM 輔助社會科學研究由追求自動標註效率,轉向量化不確定性、建立可審計流程及人機協作的演變,以應對輸出隨機性和配置敏感性帶來的可靠性問題。內容涵蓋定性分析、定量測量、模擬與合成數據,以及研究復現與審計等方法路線。

  12. 阿里雲開發者社區 AI36

    大語言模型談判與議價智能體綜述

    這份綜述梳理大語言模型談判與議價智能體從語言模擬走向經濟理性的研究演進,指出人類對齊訓練帶來的親社會偏見與博弈論最優策略之間存在矛盾。NegotiationArena 等基準揭示模型的錨定偏差與過度合作,可驗證獎勵強化學習(RLVR)、情感策略蒸餾及機制可解釋性分析則分別探索策略優化、邊緣部署與偏差成因。各路線在策略理性、部署效率和可解釋性之間各有取捨。

  13. 阿里雲開發者社區 AI34

    大語言模型人類行為模擬與決策方法綜述

    這份綜述梳理大語言模型人類行為模擬與決策方法的演進,指出研究焦點已由定性模仿轉向分佈一致性、個體保真度及因果效應校準。SimBench涵蓋20個數據集,OmniBehavior則評估長時程、跨場景行為軌跡;兩者反映領域對標準化評估和長期行為建模的關注。

  14. 阿里雲開發者社區 AI44

    美團以「一條指令作基準」評測大語言模型:九條指令、九個模型,排名隨指令改變

    美團技術團隊以 FlexBench 評測九個大語言模型在九條目標指令下的表現,發現模型排名和失敗模式會因指令而顯著不同。實驗共生成 3,888 段對話,並以覆蓋率衡量工作流程推進程度、以達成度衡量各步條件是否符合。這種指令條件化評估不回答哪個模型最強,而是檢查模型能否按特定指令完成工作流程。

  15. 新浪科技51

    VideoMemBench 評測 25 個大模型的影片對話記憶,Claude Opus 5 得分 45.7

    VideoMemBench 評測 25 個模型在影片多輪對話中的記憶能力,Claude Opus 5 綜合得分 45.7,位列第一。數據集包含 326 段影片及 2,476 輪問答,其中 1,387 輪需要依賴前文,評測分為場景依賴和答案依賴。依賴距離由 1 輪增至至少 5 輪時,受測模型的平均準確率由 30.2% 降至 23.1%;Claude Opus 5 的答案依賴指標為 35.7%。

  16. DEV Community55

    作者於致函 17 天後再次測量 npm 和 PyPI 惡意套件資訊源

    作者在致函 17 天後再次測量 npm 和 PyPI 的惡意套件資訊源,並比較登記處處置、資訊源更改及掃描器測試結果。在 7,483 個抽樣標記中,登記處另處理 34 項,沒有任何項目恢復上架;研究亦把 854 項 npm 新標記由「仍可用」修正為「佔位」。完整報告、方法和數據已公開,數據存於 Zenodo,DOI 為 10.5281/zenodo.24415130。

  17. IT之家54

    西北大學研究團隊以 FLIP 從韋布舊數據辨認巨行星 51 Eridani b,探測靈敏度最高提升 15 倍

    西北大學研究團隊開發物理模型成像方法 FLIP,重新處理韋布望遠鏡的舊觀測數據,辨認出巨行星 51 Eridani b,闇弱行星探測靈敏度提升 2 至 15 倍。FLIP以望遠鏡數碼孿生模型重建恆星光暈,並非使用人工智能識別行星;在傳統方法未能探測到 51 Eridani b 的 F430M 觀測中,信噪比達約 6.3。

  18. 創業邦67

    Anthropic 數學家 Levent Alpöge 公開黎曼猜想 Lean 證明代碼,稱與 Claude 合作完成

    Anthropic 數學家 Levent Alpöge 公開 14 個 Lean 壓縮檔案,聲稱與 Claude 合作完成黎曼猜想的形式化證明。他沒有發表完整論文,而是將證明拆成 14 個壓縮檔案;若整理成載有全部細節的文檔,篇幅會超過25萬頁。Lean 能檢查形式化推導,但外部研究者仍須確認代碼能否完整編譯、使用了哪些公理,以及最終定理是否確實等價於黎曼猜想。

  19. 虎嗅77

    Anthropic 數學家 Levent Alpöge 聲稱與 Claude 合作找到黎曼猜想及廣義黎曼猜想的證明

    Anthropic 數學家 Levent Alpöge 聲稱與 Claude 合作找到黎曼猜想及廣義黎曼猜想的證明,並公開分為14個壓縮檔的 Lean 形式化證明材料。外部數學家仍需檢查檔案能否完整建構、是否依賴未經證明的假設,以及程式中的定理是否真正對應黎曼猜想。

    推薦理由:報道交代了形式化證明材料的公開方式和外部核對重點,呈現機器可檢查的程式與數學界確認證明之間尚有的審查環節。

  20. 新浪科技73

    Anthropic 數學家稱與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,陶哲軒指驗證仍需時間

    Anthropic 數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,陶哲軒表示數學界梳理核心思路並驗證正確性仍需時間。逾 25 萬頁文字證明未有公開,現有材料包括 4 頁説明,以及分成 14 個壓縮包、合共約 1,700 萬行的 Lean 形式化程式碼。克雷數學研究所規定解答須在同行評審期刊發表,並經至少兩年驗證及獲數學界普遍接受,才可進入獎金評審程序。

  21. 新浪科技77

    Anthropic數學家 Levent Alpöge 稱與 Claude 找到黎曼猜想證明,尚待獨立驗證

    Anthropic數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想的證明,但主張尚未經獨立驗證或獲數學界認可。他公開的是分成14個壓縮包、約1700萬行的 Lean 形式化證明文件,並表示方法可推廣至廣義黎曼猜想。他亦坦言尚未完全掌握證明涉及的全部數學內容。

    推薦理由:文章梳理了形式化文件、獨立驗證與數學界認可之間的差別,並交代這項主張尚需經過哪些檢查。

  22. DoNews62

    Anthropic 數學家稱與 Claude 合作證明黎曼猜想及廣義黎曼猜想

    Anthropic 數學家宣佈與 Claude 合作完成黎曼猜想及廣義黎曼猜想(GRH)的證明。文中稱 Claude 貢獻關鍵推導,並生成超過 25 萬頁文字證明及 1,700 萬行 Lean 形式化程式碼;目前只公開 4 頁説明與壓縮程式碼包。陶哲軒等學者指出驗證需時;克雷數學研究所要求成果經同行評審發表並經兩年公認期,目前尚不符合提交資格。