中国AI算力需求预计未来几年将迎来爆发式增长

汇丰银行分析师在一份研究报告中指出，受大语言模型训练需求推动，中国人工智能算力需求预计将在未来几年内出现爆发式增长。分析师认为，随着国内科技企业加速布局AI大模型，对高性能计算芯片和基础设施的需求将持续攀升。这一趋势不仅将带动相关硬件市场扩张，还将促进云计算、数据中心等配套产业的发展。报告强调，算力作为AI发展的核心基础，其需求的快速增长将深刻影响中国科技产业的未来格局。 #中国AI #算力需求 #大模型 #汇丰银行 #科技趋势

AI代理初创公司 Lindy 从 Claude 切换到 DeepSeek v4，每年节省数百万美元

AI 代理初创公司 Lindy 宣布将所有流量从 Anthropic 的模型迁移至 DeepSeek v4，每年节省数百万美元推理成本。CEO Flo Crivello 表示，迁移工作量比预期高出 100 倍，包括大量在线和离线评估、提示词调整等。这一决策源于推理成本已成为公司最大单一支出，甚至超过工资单。DeepSeek v4 是中国 AI 研究公司的开源模型，由美国服务商 Atlas Cloud 托管，在多数核心用例上性能有提升，但在复杂工作流自动化上仍落后于 Anthropic 的 Sonnet。此次迁移反映了 AI 模型市场两极分化趋势：超高端前沿模型与廉价开放权重替代品之间的中间地带正在萎缩。Lindy 仍内部使用 Claude，但外部产品将主要依赖 DeepSeek。 #AI代理 #DeepSeek #Claude #推理成本 #开源模型 #Lindy #Anthropic #模型迁移 #成本优化 #地缘政治

多流时间融合方法用于金融欺诈检测

一篇题为《Multi-Stream Temporal Fusion for Financial Fraud Detection》的学术论文近日在arXiv预印本平台发布。该论文由Mohammadamin Dashti Moghaddam和Nick Sciarrilli共同撰写，提出了一种基于多流时间融合的金融欺诈检测方法。该方法通过融合多个时间序列数据流，旨在提升对复杂金融欺诈行为的识别能力。论文提交于2026年6月23日，目前处于arXiv登记阶段，尚未正式分配DOI。研究有望为金融安全领域提供新的技术思路。 #金融欺诈 #时间序列 #多流融合 #arXiv #论文 #机器学习 #金融安全

内存高效等变Transformer实现可扩展肽设计

近日，一篇题为《Scalable Peptide Design via Memory-Efficient Equivariant Transformer》的论文引起关注。该研究由Rui Jiao等学者提出，创新性地将等变Transformer架构与内存优化技术结合，用于解决多肽设计中的计算瓶颈问题。传统方法在处理长序列肽时面临显存爆炸和计算效率低下的挑战，而该模型通过等变机制保持分子结构的对称性，同时大幅降低内存占用，实现了对更长肽序列的高效生成与优化。实验表明，该方法在序列保真度、结构合理性及多样性上均优于现有基线，为药物研发和生物材料设计提供了新的可扩展工具。论文已提交至arXiv平台，并开放了代码和补充材料供同行验证。 #AI #深度学习 #分子设计 #等变Transformer #肽设计 #生物医药 #计算化学 #arXiv #科研

方向锐度实现机器学习模型认证新方法

一篇题为《通过方向锐度对机器学习模型进行认证》的论文在arXiv预印本平台发布。该研究由Gefei Tan等四位作者共同完成，提出了一种利用方向锐度（Directional Sharpness）来评估和认证机器学习模型鲁棒性的新框架。传统认证方法往往依赖全局或各向同性的平滑度度量，而方向锐度能够更精细地刻画模型在特定输入方向上的局部行为，从而对对抗性攻击下的模型可靠性提供更严格的认证保证。论文展示了该方法在图像分类等任务上的有效性，为深度学习模型的安全部署提供了理论依据与实践工具。 #机器学习 #模型认证 #方向锐度 #AI安全 #arXiv #深度学习

自适应联合压缩与同步方法助力物联网降雨预测

近日，一篇题为《Adaptive Joint Compression and Synchronisation in Federated Split Learning for IoT Rainfall Prediction》的论文在预印本平台arXiv上发布。该研究针对物联网场景下的降雨预测问题，提出了一种在联邦分裂学习框架中的自适应联合压缩与同步方法。该方法旨在优化通信效率与模型性能之间的平衡，通过动态调整压缩率和同步策略，减少因大量物联网设备数据传输带来的带宽和延迟压力，同时保持预测模型的准确性。实验表明，该技术在降低通信开销的同时，能够有效提升降雨预测的实时性和鲁棒性，为智慧气象和城市防汛等应用提供了新的技术路径。 #联邦学习 #分裂学习 #物联网 #降雨预测 #自适应压缩 #通信优化 #AI #气象预测

TRACER：无需训练闭环结构化推理实现交通事故重建

研究人员提出一种名为TRACER的全新方法，用于交通事故重建。该方法无需训练，采用闭环结构化推理，能够从视频或图像中自动推断事故过程。与传统依赖大量标注数据训练的模型不同，TRACER利用结构化先验知识和闭环反馈机制，提升了推理的准确性和鲁棒性。实验表明，该方法在多个交通事故数据集上取得了优异效果，为自动驾驶安全分析和事故责任判定提供了高效工具。 #交通事故重建 #TRACER #无需训练 #闭环推理 #结构化推理 #计算机视觉 #自动驾驶 #AI #论文 #arXiv

研究揭示

一篇由 Teresa Pui Yee Yong 等人撰写的学术论文指出，在机器学习与人工智能中，“输出遗忘”并不等同于模型的真正遗忘。研究人员通过实验发现，即使模型在特定任务上的输出被抑制或删除，其内部学习到的知识仍然存在，并可被重新激活。这一发现挑战了当前关于模型“遗忘”机制的传统认知，尤其是在持续学习、隐私保护和模型安全领域具有重要影响。论文已通过 arXiv 预先发表，并提供了详细的实验数据与论证，提醒业界在设计遗忘算法时需更加谨慎。 #机器学习 #AI #遗忘机制 #输出遗忘 #持续学习 #隐私保护 #人工智能研究

Geo-Strat-RL

一篇题为《Geo-Strat-RL: Learning Geological Event Reasoning from Verifiable Tasks》的学术论文于2026年6月23日提交至arXiv预印本平台。该论文由Lukas Mosser撰写，提出了一种基于强化学习的地质事件推理方法。研究旨在通过可验证的任务设计，让模型学会理解并推理复杂的地质序列与事件关系，从而提升地质解释的自动化水平。该方法融合了地质学知识与强化学习技术，有望为油气勘探、地下资源评估等领域提供更智能的分析工具。论文目前可通过arXiv获取全文。 #地质 #AI #强化学习 #论文 #arXiv

一种未知系数全非线性抛物型偏微分方程的零阶深度学习方法

来自arXiv的一篇预印本论文提出了一种针对未知系数全非线性抛物型偏微分方程的零阶深度学习方法。该方法不依赖方程系数的梯度信息，而是通过零阶优化直接学习解或相关泛函。研究团队通过理论分析和数值实验证明了该方法的有效性和收敛性。这项成果为求解复杂的高维偏微分方程提供了新的思路，有望在金融数学、物理模拟等领域发挥作用，尤其适用于系数未知或难以求导的实际问题。 #深度学习方法 #偏微分方程 #arXiv #计算数学 #AI #科技论文

Hezo：自我托管AI代理团队，隐私密钥永不泄露

Hezo是一款新型自我托管AI代理平台，允许用户创建并运行AI代理团队，而无需暴露真实密钥或依赖云端。其核心机制是：用户通过“CEO”代理描述项目，系统自动分解任务并调配专用容器中的代理团队。每个代理独立运行，用户可实时监控、批准敏感操作并设定预算上限。密钥仅驻留在内存中，从不写入磁盘，且每个代理容器无主机访问权限，所有流量通过代理，一旦出错仅影响单个容器。Git提交由主机端使用项目密钥签名，确保数据与代码所有权完全归属于用户。此外，“教练”代理会自动审查已完成任务并生成可重复使用的规则，避免重复错误。Hezo旨在解决AI代理部署中的安全性与可控性难题，特别适合需要严格数据隔离与合规要求的企业场景。 #AI代理 #隐私安全 #自我托管 #开发者工具 #开源 #云计算替代 #数据隔离

内部数据重复会破坏语言模型

一篇由Jessica Chudnovsky等8位作者提交至arXiv的论文指出，在语言模型训练过程中，内部数据的重复使用会显著损害模型性能。研究发现，当训练数据中存在大量重复样本时，模型不仅无法有效学习新知识，还会出现泛化能力下降、过拟合加剧等问题。该论文通过系统性实验揭示了数据重复对模型推理和生成质量的负面影响，为优化训练数据策略提供了重要警示。相关研究已通过arXiv平台发布，并附有PDF全文供学界参考。 #语言模型 #数据重复 #AI训练 #过拟合 #arXiv #机器学习 #论文

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_8247614025

What's in an Earth Embedding? An Explainability Analysis of Location Encoders

由 Livia Betti 等五位作者撰写的一篇学术论文《What's in an Earth Embedding? An Explainability Analysis of Location Encoders》于 2026 年 6 月 23 日提交至 arXiv 预印本平台。该论文聚焦于地理空间人工智能领域的关键问题——位置编码器的可解释性分析。位置编码器（如 Planet 或 Polyline 等模型）能够将经纬度等地理坐标转化为高维嵌入向量，广泛应用于地理信息检索、遥感图像理解等任务，但其内部表征机制尚不清晰。作者通过系统实验揭示了这些嵌入向量中蕴含的地理语义特征，例如区域划分、距离关系以及多尺度空间模式，并探讨了不同编码方式在可解释性上的差异。研究成果有助于提升地理空间深度学习的透明度和可信度，为后续模型优化提供理论依据，也推动了 AI 在地学领域的可解释性研究。 #arXiv #地理信息 #可解释性 #位置编码 #机器学习 #地球嵌入 #学术论文 #AI

从预测排行榜到部署决策

一篇题为《从预测排行榜到部署决策：一种失效闭环认证协议》的学术论文在预印本平台arXiv发布。该研究由Geumyoung Kim完成，提出了一种针对AI模型从评估到部署的认证机制。传统上，预测排行榜被广泛用于模型性能比较，但在实际部署中缺乏安全保障。本文设计的失效闭环协议，确保模型在达到预定风险阈值时自动中止部署，避免因误判导致系统失控。该方法为模型准入、安全测试和持续监控提供了可操作框架，有助于弥合实验室评估与生产环境之间的差距，提升AI系统部署的鲁棒性和可信度。 #AI安全 #模型部署 #认证协议 #预印本 #学术论文

表格基础模型对微生物组数据分布偏移的鲁棒性研究

一篇来自Giulia Perciballi等学者的研究论文提交至arXiv，聚焦于表格基础模型在微生物组数据中的实际查询分布偏移鲁棒性。论文通过实验评估现有表格基础模型在面对现实查询分布变化时的表现，指出这类模型在微生物组数据上存在鲁棒性不足的问题，为相关领域的模型改进提供了重要参考。该研究结合计算机科学与生物信息学，揭示了数据分布偏移对模型泛化能力的显著影响。 #表格基础模型 #微生物组 #分布偏移 #鲁棒性 #机器学习 #生物信息学 #论文 #arXiv #AI

ExTra

论文《ExTra: Exploratory Trajectory Optimization for Language Model Reinforcement Learning》由Wenyang Hu等作者于2026年6月提交至arXiv。该方法针对语言模型在强化学习中的探索效率问题，提出了一种新型轨迹优化策略。通过引导模型生成更具探索性的行为序列，ExTra旨在提升奖励信号稀疏场景下的学习效果，避免模型过早收敛于次优策略。实验表明，该方法在多个基准任务上优于传统强化学习微调方案，为语言模型的自主决策和持续学习提供了新思路。 #机器学习 #强化学习 #语言模型 #轨迹优化 #arXiv #人工智能

顺序学习中的几何学

近日，一篇题为《顺序学习的几何学：迁移顺序的李括号预测》的论文在arXiv上发布。作者John Sweeney提出了一种基于李括号的几何方法，用于预测顺序学习中的任务迁移顺序。传统迁移学习通常依赖经验或启发式排序，而该工作从微分几何视角出发，将学习过程视为流形上的轨迹，利用李括号结构量化不同任务之间的交互与可迁移性。该方法能够更准确地推断最优迁移序列，从而提升模型在连续学习场景下的性能。论文提供了理论分析并展示了实验验证，为迁移学习、元学习及持续学习领域提供了新的几何理论基础。 #几何学习 #李括号 #迁移学习 #顺序学习 #机器学习 #arXiv #持续学习

不确定性感知强化学习赋能化学语言模型

来自arXiv的一篇最新预印本论文提出了一种不确定性感知的强化学习方法，用于优化化学语言模型。该方法由Borja Medina和Jon Paul Janet共同研究，旨在通过引入不确定性估计来提升强化学习在化学领域（如分子生成与优化）中的稳定性与效果。论文于2026年6月23日提交，目前可在arXiv平台获取全文。该研究有望推动化学人工智能在药物发现、材料设计等精密任务中的应用，为后续模型的安全性与可控性提供新思路。 #化学语言模型 #强化学习 #不确定性 #AI #arXiv #分子设计 #药物发现