AI Or Not

近日，一款名为“”的在线模拟器引发关注。该工具通过向用户展示来自公共网络的原始文本，要求判断其来源是人类还是AI。游戏规则简单：每次正确分类可累积连击记录，一旦出错则直接结束会话，用户全程仅拥有三次跳过机会。目前该模拟器仍处于待输入状态，尚无最高分记录。它既是一道智力挑战，也折射出当前AI生成内容与人类写作之间的模糊边界。 #AI #文本鉴别 #模拟器 #人机对战 #科技游戏

AI 云平台推出 200M Token 无限计划测试，招募高 Token 工作流开发者

某 AI 云服务平台宣布启动“无限 Token 计划”（Unlimited Token Plan）的测试活动，面向具有高 Token 消耗需求的 AI 工作流开发者，提供 200M Token 的免费测试额度。该计划旨在让开发者体验其模型平台、AI 云算力及推理服务，包括 Serverless Inference、Dedicated Endpoint 以及 Canopy Wave 等产品。平台同时提供 NVIDIA HGX B300、GB200 NVL72 等多款 GPU 配置选项，并支持 InfiniBand 和 RoCEv2 网络。测试期间，开发者可以评估服务的性能、延迟及成本效益。平台已开放注册，并鼓励用户订阅获取后续更新。此举有望吸引从事大模型训练、高并发推理的开发者群体，推动 AI 基础设施的试用与推广。 #AI云 #无限Token #开发者 #算力 #大模型 #推理服务 #NVIDIA #GPU #云计算

Oracle 发布 AI 原生智能体应用开发平台，支持无代码与专业编码

Oracle 推出全新 AI 原生智能体应用开发平台，该平台支持无代码、低代码及专业编码三种开发模式，让不同水平的开发者都能参与构建智能应用。平台引入 AI Studio Skill，兼容 Visual Studio Code、命令行工具和 Git 等现代开发工具，并可与 OpenAI Codex 和 Claude Code 等 AI 编程助手集成，大幅提升开发效率。融合智能体应用具备环境感知、自主规划、工具调用和多步执行能力，能理解复杂企业目标并完成端到端业务流程。当前企业级 AI 开发平台竞争激烈，微软、Salesforce 等纷纷布局，Gartner 预测未来三年内此类平台将成为企业数字化转型核心基础设施。Oracle 此举旨在巩固其企业软件市场领先地位。 #Oracle #AI #智能体 #低代码 #企业级 #数字化转型 #开发平台 #科技新闻

AWS Summit Hong Kong 2026：Agentic AI 从实验走向落地，企业需转变心态

6月17日，AWS Summit Hong Kong 2026在香港湾仔会展举行，数千名企业领袖与技术专家聚焦Agentic AI的实际应用。麦肯锡报告显示，62%的企业在实验AI Agent，但仅23%实现全公司规模化部署。AWS宣布与香港科技园深化合作，联合创新中心升级，计划三年内支持超300家AI初创，重点涵盖医疗与生命科学领域。企业案例中，Vistra通过AI工具实现13,000小时效率提升，八达通则从封闭系统转向开放，以应对熵增危机。香港政府已拨出30亿港币AI补贴计划，旨在打造领先AI枢纽。峰会传递核心信号：AI不再是Demo，而是必须上线的生产力工具。 #AWS #AI #AgenticAI #香港科技 #数字化转型 #初创企业 #八达通 #Vistra #云服务 #科技新闻

不让大模型决定临床决策

一个被要求进行心理治疗的大模型会即兴发挥，它被训练成迎合模式，而临床中最关键的决策——采用哪种技术、探索多深、当前是否安全——恰恰是最不应该由迎合型模型做出的。团队最初尝试通过提示词控制，但提示词不可靠：足够情绪化的信息会让模型绕过指令，且失败是无声的——模型会生成流畅、温暖、自信但临床上错误的回复，没有任何异常可以捕获。因此，团队将决策权从模型中剥离。 每一轮交互都运行固定管道：评分→选择状态桶→准入门→选择动作→微观实践→危机预筛→生成。其中只有两步涉及大模型，其余都是Python实现的确定性代码。模型从不决定临床步骤是否合适，它看不到准入表，也不会被要求推理——当它被调用来生成时，决策已经计算完毕。具体而言，九种疗法流派×四种客户状态构成一张表格，每个单元格规定允许的技术范围：例如，认知行为疗法配合稳定客户可进行思维记录、证据核查和行为实验；同样疗法配合失代偿客户则只允许接地练习。技术集不会因模型判断而谨慎收窄，而是因状态评分指向了不同行。 表格下方是58个基于证据的微观实践，每个都有自身禁忌。深度在会话中逐步积累，失代偿时重置——这是状态机，而非倾向性。这种设计带来的特性是：准入门无法被“说服”。一个能言善辩声称自己很好的客户并不会比不善表达的客户获得更深层次的处理。他们的状态评分决定了这一切，评分读取的是他们说了什么，而非说得有多有说服力。 关键设计在于顺序。常见模式是事后过滤：模型先写，分类器检查，阻止或重新生成。这是默认放行模式——模型输出是默认结果，过滤器是例外，因此过滤器每个漏洞都会导致问题回复被发送。而团队的设计是在任何治疗性回复生成之前运行：遇到触发条件，生成完全跳过，发送固定消息而非生成内容；指定的主管临床医生会收到邮件和实时控制台推送，不可变的记录会写入警报表。安全标记不会衰减：三周前的风险信号仍会约束今天允许的操作。固定消息是故意的——急性风险时刻最不适合让语言模型发挥创造力。 团队也刻意明确了不触发警报的情况：隐喻（“这快杀死我了”）、对过去事件的反思性谈论、没有明确意图的普通悲伤或倦怠、外向型愤怒。

误报比漏报更快腐蚀信任——一个对悲伤就恐慌的系统，人们会停止对它说实话。诚实的部分在于：确定性并非免费，大部分代价体现在演示中看不到的地方，比如对话流畅度。准入门有时会产生生硬的轮次。 #AI #临床安全 #确定性系统 #心理治疗 #大模型 #状态机 #健康科技 #设计原则

ReDiTT：检索增强的条件扩散Transformer用于异步时间序列建模

近日，一篇题为“ReDiTT: Retrieval Augmented Conditional Diffusion Transformers for Asynchronous Time Series”的论文在arXiv上预印发布。该研究由Saiyue Lyu等学者共同完成，提出了一种结合检索增强机制与条件扩散Transformer的新框架，专门用于处理异步时间序列数据。传统模型难以有效捕捉非均匀采样的时间序列中的复杂依赖关系，而ReDiTT通过引入检索模块，从历史或外部数据中提取相关信息作为条件，再利用扩散概率模型逐步生成或重建序列，显著提升了预测与插补性能。该方法在多个基准数据集上展现了更强的鲁棒性和准确性，有望为金融、医疗、工业物联网等领域的异步时序分析提供新的技术路径。 #AI #时间序列 #扩散模型 #检索增强 #Transformer #机器学习 #arXiv #论文 #时序预测

可微分克隆结构因果图实现图像序列的端到端认知地图学习

来自国际研究团队的最新论文提出了一种名为“可微分克隆结构因果图”的新方法，旨在从图像序列中端到端地学习认知地图。该方法将因果图与克隆结构相结合，通过可微分机制实现梯度传播，使模型能够直接从视觉输入中提取空间关系和因果链，无需人工标注。实验表明，该架构在复杂环境下的认知地图构建上优于传统方法，为人工智能的空间推理和导航任务提供了新思路。论文已提交至arXiv预印本平台。 #AI #机器学习 #因果推理 #认知地图 #计算机视觉

SinAE：单一架构流匹配自编码器助力跨域原子系统建模

该研究提出了一种名为SinAE（单一架构流匹配自编码器）的新型模型，旨在统一处理不同原子系统（如分子、晶体、蛋白质等）的建模问题。传统方法通常需要针对每种系统设计专用架构，而SinAE通过流匹配技术与统一的自编码器结构，实现了跨域原子系统的高效表征和学习。实验表明，该模型在多个基准数据集上达到了领先性能，尤其在生成新的稳定原子结构和预测性质方面表现出色。这一工作为材料科学、药物设计等领域提供了更通用的深度学习工具，有望加速新材料的发现与设计进程。 #SinAE #流匹配 #自编码器 #原子系统 #机器学习 #材料科学 #AI #arXiv

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

学习率冷却效果取决于噪声结构与优化器归一化

一篇来自arXiv的预印本论文深入探讨了深度学习训练中的学习率冷却策略。研究表明，在相同的损失和噪声条件下，仅因噪声结构和优化器归一化的差异，学习率冷却可能产生完全相反的效果。该工作为理解学习率调度对模型收敛的影响提供了新视角，并指出优化器归一化与噪声结构的相互作用是决定冷却策略有效性的关键因素。论文由Subham Singh等作者完成，相关代码和数据已公开。 #机器学习 #深度学习 #学习率调度 #优化器 #arXiv论文

研究揭示：对抗性非鲁棒特征才是训练数据隐私泄露主因

一篇发表在arXiv上的最新论文指出，降低模型对训练样本的信息依赖性并不会直接导致数据隐私泄露，真正威胁隐私的是模型中的对抗性非鲁棒特征。该研究由Rasmus Torp等人完成，通过理论分析和实验验证，挑战了此前认为“信息依赖减少即等同隐私保护”的常见观点。作者发现，即使模型在训练时大幅削减了对特定样本的依赖，只要存在对抗性非鲁棒特征，攻击者仍可通过这些特征推断训练数据细节。这一发现为机器学习隐私保护领域提供了全新视角，提示研究者应更关注模型鲁棒性与隐私之间的深层关联，而非单纯降低信息依赖。 #AI安全 #隐私保护 #对抗鲁棒性 #机器学习 #研究论文 #arXiv #数据安全

基于口袋条件扩散与属性感知优化生成可展开3D分子

来自arXiv的一篇论文提出了一种生成可展开3D分子的新方法，利用口袋条件扩散模型与属性感知优化技术。研究团队通过将分子生成与特定蛋白口袋结构结合，保证了分子在三维空间中的合理折叠与功能适配。该方法在优化分子属性（如稳定性、亲和力）的同时，确保分子具有可展开性，为药物设计提供了更高效的解决方案。论文由Ruoxi Gao等12位作者共同完成，于2026年7月14日提交，展示了人工智能在分子生成领域的创新应用。 #AI #药物设计 #分子生成 #扩散模型 #arXiv #计算化学 #科研进展

研究工作关注对角线性网络在极小初始化下的梯度流动力学

据arXiv论文显示，贾洁赵等学者提交了一篇题为《无穷小初始化下对角线性网络的梯度流动力学与隐式偏差》的研究。该论文深入分析了当神经网络权重初始化为无穷小时，对角线性网络在梯度流训练过程中的动力学行为，并重点讨论了由此产生的隐式偏差性质。研究发现，这种初始化方式会使网络在优化过程中自发倾向于某种低复杂度解，对理解深度学习中的隐式正则化机制具有重要理论价值。该成果有助于解释为何深度网络在过参数化情况下仍能泛化良好，并为设计更高效的初始化策略提供了新视角。 #深度学习 #理论分析 #隐式偏差 #梯度流 #初始化 #神经网络 #优化 #机器学习

混合解析-PINN模型用于非均匀地下地质中地热交换器模拟

该论文提出了一种混合解析-物理信息神经网络（PINN）模型，用于模拟非均匀地下介质中地热换热器的地下传热过程。传统数值方法在处理复杂地质条件时计算成本高，而纯数据驱动模型缺乏物理约束。该混合模型将解析解与PINN相结合，在保持物理一致性的同时提高了计算效率，尤其适用于异质性地层场景。研究通过数值实验验证了模型在温度场预测和热响应分析上的准确性，为地热能源系统的设计优化提供了新工具。 #地热能源 #PINN #混合模型 #地下模拟 #机器学习 #物理信息网络 #地热交换器 #学术论文

量子端口-哈密顿神经网络：利用测量诱导非线性学习保守与耗散动力学

近日，一篇题为《量子端口-哈密顿神经网络：利用测量诱导非线性学习保守与耗散动力学》的论文在arXiv上提交。该研究由Dibakar Sigdel等人完成，提出了一种结合量子计算与神经网络的新框架。在端口-哈密顿系统理论基础上，通过引入量子测量诱导的非线性，使网络能够同时学习物理系统中的保守（如能量守恒）与耗散（如摩擦）行为。这一方法突破了传统神经网络在模拟复杂动力系统时的限制，为量子物理、控制工程及多体系统建模提供了新思路。论文展示了该模型在保持动力学可解释性的同时，具备更高的学习效率和泛化能力，有望推动量子机器学习与科学计算的交叉发展。 #量子计算 #神经网络 #哈密顿系统 #动力学 #测量诱导非线性 #量子机器学习 #科学计算 #新科研 #AI

认知工作记忆提升语言智能体多跳推理能力

一项新研究提出名为“认知工作记忆”的机制，通过“追踪、排序、破解”三步骤，显著扩展了语言智能体的多跳推理能力。该方法模仿人类认知过程，在复杂推理任务中表现出色，为AI系统的逻辑推理与知识整合提供了新思路。相关论文已在arXiv预印本平台发布。 #AI #语言智能体 #多跳推理 #认知工作记忆 #arXiv #NLP #人工智能

饱和使量化误差可加

近日，一篇题为《饱和使量化误差可加：带证书的覆盖模型》的论文在arXiv预印本平台发布，作者为Joshua Hill。该研究针对神经网络量化中的误差累积难题，提出了一种全新的覆盖模型。论文核心发现是：在饱和条件下，量化误差具有可加性，并给出了严格的理论证明与证书。这一结果有望为低精度计算和大规模模型部署提供更可控的误差边界分析工具，对高效深度学习推理具有重要意义。 #论文 #量化 #神经网络 #AI #机器学习 #覆盖模型 #arXiv #深度学习 #误差分析