Anthropic 发布 Claude Opus 5，性能接近 Fable 5
据外媒报道，Anthropic 于周四正式发布其最新一代大语言模型 Claude Opus 5，并宣称其能力“接近”公司此前推出的 Fable 5 模型。此次发布时机特殊：数周前 Anthropic 刚与美国政府进行最新一轮博弈；而就在几天前，OpenAI 发生的一起安全事件主导了科技行业讨论。Claude Opus 5 的推出进一步加剧了 AI 大模型领域的竞争，市场关注其能否在推理、编码和安全等方面实现突破。 #Anthropic #ClaudeOpus5 #AI #大模型 #科技新闻 #人工智能
据外媒报道，Anthropic 于周四正式发布其最新一代大语言模型 Claude Opus 5，并宣称其能力“接近”公司此前推出的 Fable 5 模型。此次发布时机特殊：数周前 Anthropic 刚与美国政府进行最新一轮博弈；而就在几天前，OpenAI 发生的一起安全事件主导了科技行业讨论。Claude Opus 5 的推出进一步加剧了 AI 大模型领域的竞争，市场关注其能否在推理、编码和安全等方面实现突破。 #Anthropic #ClaudeOpus5 #AI #大模型 #科技新闻 #人工智能
神经谓词赋能投资者观点：Black
一篇题为《夯实投资者观点：Black-Litterman模型中的神经谓词》的学术论文近日在arXiv预印本平台发布。该研究由Marcos Florencio完成，提出了将神经网络谓词引入经典Black-Litterman资产配置模型的新方法，旨在更精确地表达和量化投资者的主观观点。传统Black-Litterman模型依赖线性或简单定量方式整合观点，而神经谓词能够捕捉更复杂、非线性的投资者判断模式，从而提升投资组合优化效果。论文目前以PDF和HTML形式公开，并提供了代码链接。这一交叉研究为量化金融与深度学习结合提供了新思路，有望推动智能投顾和风险管理领域的实践发展。 #金融科技 #量化投资 #神经网络 #BlackLitterman #资产配置 #深度学 #arXiv #学术论文
一篇题为《夯实投资者观点：Black-Litterman模型中的神经谓词》的学术论文近日在arXiv预印本平台发布。该研究由Marcos Florencio完成，提出了将神经网络谓词引入经典Black-Litterman资产配置模型的新方法，旨在更精确地表达和量化投资者的主观观点。传统Black-Litterman模型依赖线性或简单定量方式整合观点，而神经谓词能够捕捉更复杂、非线性的投资者判断模式，从而提升投资组合优化效果。论文目前以PDF和HTML形式公开，并提供了代码链接。这一交叉研究为量化金融与深度学习结合提供了新思路，有望推动智能投顾和风险管理领域的实践发展。 #金融科技 #量化投资 #神经网络 #BlackLitterman #资产配置 #深度学 #arXiv #学术论文
ReliableTableQA
该研究论文由Huei-Chung Hu、Hsin-Tai Wu和Koyo Kobayashi合作完成，近日提交至arXiv预印本平台。论文聚焦表问答（TableQA）任务中的可靠性标注问题，核心探讨在构建可信赖的表问答系统时，标注过程究竟需要多少程度的监督。作者通过系统实验，分析了不同监督程度（如无监督、弱监督、全监督）对标注可靠性及模型性能的影响，旨在平衡标注成本与系统准确度。该研究为自然语言处理领域中的可靠性保障提供了新的视角，尤其对需要高精度表问答的应用场景具有参考价值。 #arXiv #ReliableTableQA #表问答 #自然语言处理 #可靠性标注 #监督学习 #AI
该研究论文由Huei-Chung Hu、Hsin-Tai Wu和Koyo Kobayashi合作完成，近日提交至arXiv预印本平台。论文聚焦表问答（TableQA）任务中的可靠性标注问题，核心探讨在构建可信赖的表问答系统时，标注过程究竟需要多少程度的监督。作者通过系统实验，分析了不同监督程度（如无监督、弱监督、全监督）对标注可靠性及模型性能的影响，旨在平衡标注成本与系统准确度。该研究为自然语言处理领域中的可靠性保障提供了新的视角，尤其对需要高精度表问答的应用场景具有参考价值。 #arXiv #ReliableTableQA #表问答 #自然语言处理 #可靠性标注 #监督学习 #AI
Codec-Gauge：为 Transformer KV 缓存学习压缩友好的度量
arXiv 上最新提交的一篇论文提出了一种名为 Codec-Gauge 的新方法，旨在为 Transformer 模型中的 KV 缓存学习压缩友好的度量。KV 缓存是自回归推理阶段的关键组件，但其大量占用显存成为部署长序列模型的主要瓶颈。现有压缩策略往往依赖固定规则或启发式设置，难以兼顾压缩率与模型性能。Codec-Gauge 通过可学习的计量机制，自动识别缓存中哪些部分对压缩更为友好，从而在保持输出质量的前提下显著降低缓存占用。该方法有望提升大语言模型在资源受限设备上的推理效率，为长上下文应用提供更轻量的缓存压缩方案。 #AI #机器学习 #KV缓存 #压缩 #Transformer #大模型 #效率优化 #论文
arXiv 上最新提交的一篇论文提出了一种名为 Codec-Gauge 的新方法，旨在为 Transformer 模型中的 KV 缓存学习压缩友好的度量。KV 缓存是自回归推理阶段的关键组件，但其大量占用显存成为部署长序列模型的主要瓶颈。现有压缩策略往往依赖固定规则或启发式设置，难以兼顾压缩率与模型性能。Codec-Gauge 通过可学习的计量机制，自动识别缓存中哪些部分对压缩更为友好，从而在保持输出质量的前提下显著降低缓存占用。该方法有望提升大语言模型在资源受限设备上的推理效率，为长上下文应用提供更轻量的缓存压缩方案。 #AI #机器学习 #KV缓存 #压缩 #Transformer #大模型 #效率优化 #论文
利用生物动力学先验知识突破数据稀缺下的生物过程建模瓶颈
来自arXiv的一篇预印本论文提出了一种新方法，通过整合生物动力学知识先验来应对生物过程建模中的数据稀缺挑战。生物过程建模是实现生物制造智能化的关键，但实验数据往往难以获取，传统数据驱动模型容易过拟合。该研究由Kyunghoon Hur等学者完成，他们将领域内已知的生物动力学关系编码为模型约束或先验分布，使机器学习模型在数据有限时仍能进行有效学习，并保持物理一致性。这一框架有望提升模型精度与鲁棒性，为生物制药、发酵工程等领域的模型开发提供新路径，加速从实验室到工业化的转化。 #arXiv #生物过程建模 #生物动力学 #知识先验 #数据稀缺 #机器学习 #科研
来自arXiv的一篇预印本论文提出了一种新方法，通过整合生物动力学知识先验来应对生物过程建模中的数据稀缺挑战。生物过程建模是实现生物制造智能化的关键，但实验数据往往难以获取，传统数据驱动模型容易过拟合。该研究由Kyunghoon Hur等学者完成，他们将领域内已知的生物动力学关系编码为模型约束或先验分布，使机器学习模型在数据有限时仍能进行有效学习，并保持物理一致性。这一框架有望提升模型精度与鲁棒性，为生物制药、发酵工程等领域的模型开发提供新路径，加速从实验室到工业化的转化。 #arXiv #生物过程建模 #生物动力学 #知识先验 #数据稀缺 #机器学习 #科研
从原子到熵
近日，一篇由 Luca Ambrogioni 等十位作者合著的论文在 arXiv 预印本平台发布。论文题为《From Atoms to Entropy: Optimal Noise Allocation for Diffusion Training in the Convex Regime》，聚焦扩散模型训练中的噪声分配问题。研究在凸优化框架下，从理论出发推导了噪声调度的最优策略，旨在提升生成模型的训练效率与生成质量。扩散模型作为当前生成式人工智能的核心范式之一，其噪声调度对模型性能具有关键影响。该工作为理解噪声如何在训练过程中发挥作用提供了新的数学视角，并为后续优化方案奠定了理论基础。目前论文已上线，提供 PDF 全文下载。 #扩散模型 #噪声分配 #凸优化 #生成模型 #人工智能 #机器学习 #深度学习 #论文 #arXiv
近日，一篇由 Luca Ambrogioni 等十位作者合著的论文在 arXiv 预印本平台发布。论文题为《From Atoms to Entropy: Optimal Noise Allocation for Diffusion Training in the Convex Regime》，聚焦扩散模型训练中的噪声分配问题。研究在凸优化框架下，从理论出发推导了噪声调度的最优策略，旨在提升生成模型的训练效率与生成质量。扩散模型作为当前生成式人工智能的核心范式之一，其噪声调度对模型性能具有关键影响。该工作为理解噪声如何在训练过程中发挥作用提供了新的数学视角，并为后续优化方案奠定了理论基础。目前论文已上线，提供 PDF 全文下载。 #扩散模型 #噪声分配 #凸优化 #生成模型 #人工智能 #机器学习 #深度学习 #论文 #arXiv
决策感知机器学习助力基本药物可及性提升
近日，一篇题为《Improving Access to Essential Medicines via Decision-Aware Machine Learning》的研究论文在预印本平台arXiv上发布，并已被《自然》杂志接收，将于2026年第653卷第8116期正式发表。该研究由Tsai-Hsuan Chung等七位学者共同完成，提出利用决策感知的机器学习方法，旨在优化基本药物的获取渠道与分配效率。尽管详细模型与技术细节尚未披露，但该研究方向为解决全球部分地区药物可及性不足提供了新的可能性，具有重要的公共卫生意义。 #机器学习 #基本药物 #可及性 #自然杂志 #AI #医疗健康 #决策智能 #科研 #arXiv
近日，一篇题为《Improving Access to Essential Medicines via Decision-Aware Machine Learning》的研究论文在预印本平台arXiv上发布，并已被《自然》杂志接收，将于2026年第653卷第8116期正式发表。该研究由Tsai-Hsuan Chung等七位学者共同完成，提出利用决策感知的机器学习方法，旨在优化基本药物的获取渠道与分配效率。尽管详细模型与技术细节尚未披露，但该研究方向为解决全球部分地区药物可及性不足提供了新的可能性，具有重要的公共卫生意义。 #机器学习 #基本药物 #可及性 #自然杂志 #AI #医疗健康 #决策智能 #科研 #arXiv
当RLVR缩小推理边界
一篇题为《When RLVR Shrinks the Reasoning Boundary: Diagnosing Pass@k Inversion》的预印本论文于2026年7月提交至arXiv。作者Todd Zhou聚焦于强化学习验证推理（RLVR）方法对模型推理能力的影响，系统分析了RLVR如何导致推理边界收缩，并针对由此引发的Pass@k反转现象进行诊断。该现象表现为模型在多次采样下的正确率出现异常下降，挑战了传统Pass@k指标的可靠性。论文通过实验与理论分析，揭示了反转出现的条件与机理，为改进RLVR算法、提升推理稳定性提供了重要参考。当前论文尚未完成DOI注册，但已开放全文预览。 #论文 #arXiv #RLVR #Pass@k #推理边界 #强化学习 #AI #大模型
一篇题为《When RLVR Shrinks the Reasoning Boundary: Diagnosing Pass@k Inversion》的预印本论文于2026年7月提交至arXiv。作者Todd Zhou聚焦于强化学习验证推理（RLVR）方法对模型推理能力的影响，系统分析了RLVR如何导致推理边界收缩，并针对由此引发的Pass@k反转现象进行诊断。该现象表现为模型在多次采样下的正确率出现异常下降，挑战了传统Pass@k指标的可靠性。论文通过实验与理论分析，揭示了反转出现的条件与机理，为改进RLVR算法、提升推理稳定性提供了重要参考。当前论文尚未完成DOI注册，但已开放全文预览。 #论文 #arXiv #RLVR #Pass@k #推理边界 #强化学习 #AI #大模型
多智能体强化学习解决退化监控下的空中走廊冲突
近日，一篇题为《Conflict Resolution under Degraded Surveillance in Air Corridors Using Multi-Agent Reinforcement Learning》的论文提交至arXiv预印本平台。该研究由Esrat Farhana Dulia等人完成，聚焦于空中交通管理中一个关键挑战：当空中走廊的监控系统出现退化（如传感器故障、覆盖缺失）时，如何有效化解飞行器之间的潜在冲突。论文提出采用多智能体强化学习方法，使各飞行器在有限或不可靠的监控信息下自主协调，实现安全、高效的冲突解决。该方法有望提升空中交通系统的鲁棒性，降低对高精度监控设备的依赖。目前论文以PDF和HTML格式开放获取，相关代码与数据链接待后续提供。 #多智能体强化学习 #空中走廊 #冲突解决 #退化监控 #空中交通管理 #航空安全 #AI #论文预印本 #机器智能
近日，一篇题为《Conflict Resolution under Degraded Surveillance in Air Corridors Using Multi-Agent Reinforcement Learning》的论文提交至arXiv预印本平台。该研究由Esrat Farhana Dulia等人完成，聚焦于空中交通管理中一个关键挑战：当空中走廊的监控系统出现退化（如传感器故障、覆盖缺失）时，如何有效化解飞行器之间的潜在冲突。论文提出采用多智能体强化学习方法，使各飞行器在有限或不可靠的监控信息下自主协调，实现安全、高效的冲突解决。该方法有望提升空中交通系统的鲁棒性，降低对高精度监控设备的依赖。目前论文以PDF和HTML格式开放获取，相关代码与数据链接待后续提供。 #多智能体强化学习 #空中走廊 #冲突解决 #退化监控 #空中交通管理 #航空安全 #AI #论文预印本 #机器智能
超越SBDD：几何深度学习应用于多药理学与多靶点药物设计
近日，一篇题为"Beyond SBDD: Geometric Deep Learning in Polypharmacology and Multi-target Drug Design"的论文在arXiv预印本平台发布。该论文由Tianming Han等四位学者撰写，提出将几何深度学习技术应用于多药理学和多靶点药物设计，旨在突破传统基于结构的药物设计（SBDD）的局限。研究通过利用几何深度学习模型来理解药物分子与多个靶点之间的复杂相互作用，有望为癌症、神经退行性疾病等复杂疾病的药物开发提供新策略。该工作展示了人工智能在药物发现领域的巨大潜力，为设计具有特定多药理活性的候选药物开辟了新的途径。 #GeometricDeepLearning #Polypharmacology #MultiTargetDrugDesign #SBDD #DrugDesign #ArtificialIntelligence #arXiv #DrugDiscovery
近日，一篇题为"Beyond SBDD: Geometric Deep Learning in Polypharmacology and Multi-target Drug Design"的论文在arXiv预印本平台发布。该论文由Tianming Han等四位学者撰写，提出将几何深度学习技术应用于多药理学和多靶点药物设计，旨在突破传统基于结构的药物设计（SBDD）的局限。研究通过利用几何深度学习模型来理解药物分子与多个靶点之间的复杂相互作用，有望为癌症、神经退行性疾病等复杂疾病的药物开发提供新策略。该工作展示了人工智能在药物发现领域的巨大潜力，为设计具有特定多药理活性的候选药物开辟了新的途径。 #GeometricDeepLearning #Polypharmacology #MultiTargetDrugDesign #SBDD #DrugDesign #ArtificialIntelligence #arXiv #DrugDiscovery
新论文提出SenCos-GEM模型，几何增强分子表示助力性质预测
据arXiv预印本显示，研究人员近日发布论文《SenCos-GEM》，提出一种结合SENet校准与余弦定律约束的几何增强分子表示方法，用于分子性质预测。该方法通过SENet机制对分子特征进行校准，并利用余弦定律引入几何约束，从而提升模型对分子空间结构的捕捉能力。与现有方法相比，SenCos-GEM在多个性质预测基准上表现出更优的准确性和泛化性。该工作有望加速药物发现与材料设计领域的计算预测效率，相关论文已提交至arXiv平台，等待进一步学术评议。 #分子表示 #性质预测 #SENet #余弦约束 #几何增强 #药物发现 #AI #arXiv #预印本
据arXiv预印本显示，研究人员近日发布论文《SenCos-GEM》，提出一种结合SENet校准与余弦定律约束的几何增强分子表示方法，用于分子性质预测。该方法通过SENet机制对分子特征进行校准，并利用余弦定律引入几何约束，从而提升模型对分子空间结构的捕捉能力。与现有方法相比，SenCos-GEM在多个性质预测基准上表现出更优的准确性和泛化性。该工作有望加速药物发现与材料设计领域的计算预测效率，相关论文已提交至arXiv平台，等待进一步学术评议。 #分子表示 #性质预测 #SENet #余弦约束 #几何增强 #药物发现 #AI #arXiv #预印本