前谷歌、苹果研究员创立Trajectory，构建AI持续学习平台
一群曾任职于谷歌DeepMind、苹果、OpenAI及Meta超级智能实验室的AI研究人员宣布成立新创公司Trajectory，旨在构建一个能让AI通过真实用户交互持续学习的平台。目前，即使是最先进的AI模型在完成训练后也会停止进化，无法从错误中实时学习，而持续学习能力被业界公认为实现更强大AI的关键障碍。图灵奖得主Richard Sutton等人亦强调其重要性。 Trajectory已完成由Conviction领投的1500万美元种子轮融资，估值达1.15亿美元，投资方还包括谷歌DeepMind首席科学家Jeff Dean及斯坦福教授李飞飞等知名人士。公司联合创始人及CEO Ronak Malde指出，一些领先的AI编程产品已通过利用用户交互数据进行后训练和持续改进取得了成功，Trajectory希望将这一模式应用于编程之外的更广泛领域。不过，他也承认将此逻辑应用于其他行业存在挑战，因为不同领域对于“成功”的定义可能更模糊，而公司的平台旨在帮助企业针对其特定需求优化AI模型。
一群曾任职于谷歌DeepMind、苹果、OpenAI及Meta超级智能实验室的AI研究人员宣布成立新创公司Trajectory，旨在构建一个能让AI通过真实用户交互持续学习的平台。目前，即使是最先进的AI模型在完成训练后也会停止进化，无法从错误中实时学习，而持续学习能力被业界公认为实现更强大AI的关键障碍。图灵奖得主Richard Sutton等人亦强调其重要性。 Trajectory已完成由Conviction领投的1500万美元种子轮融资，估值达1.15亿美元，投资方还包括谷歌DeepMind首席科学家Jeff Dean及斯坦福教授李飞飞等知名人士。公司联合创始人及CEO Ronak Malde指出，一些领先的AI编程产品已通过利用用户交互数据进行后训练和持续改进取得了成功，Trajectory希望将这一模式应用于编程之外的更广泛领域。不过，他也承认将此逻辑应用于其他行业存在挑战，因为不同领域对于“成功”的定义可能更模糊，而公司的平台旨在帮助企业针对其特定需求优化AI模型。
研究揭示LLM置信度校准中协议敏感性的重要性
近日，一篇题为《仅有询问是不够的：LLM置信度校准中的协议敏感性》的学术论文在arXiv平台发布。该研究由Hankyeol Kim和Pilsung Kang于2026年5月提交，探讨了在评估大型语言模型置信度时，评估协议的敏感性如何显著影响校准结果。研究指出，传统上仅通过直接询问来校准LLM置信度的方法存在局限性，因为协议的细微变化可能导致模型输出可靠性的评估出现偏差。这一发现强调了在AI模型评估中需要更精细地设计协议，以提高校准的准确性和稳健性。该研究为大语言模型的开发和评估提供了新的理论视角，可能推动相关领域制定更标准化的评估流程，从而增强AI系统在实际应用中的安全性和可靠性。 #AI #大模型 #LLM #置信度校准 #学术研究 #arXiv #计算机科学 #人工智能 #机器学习
近日，一篇题为《仅有询问是不够的：LLM置信度校准中的协议敏感性》的学术论文在arXiv平台发布。该研究由Hankyeol Kim和Pilsung Kang于2026年5月提交，探讨了在评估大型语言模型置信度时，评估协议的敏感性如何显著影响校准结果。研究指出，传统上仅通过直接询问来校准LLM置信度的方法存在局限性，因为协议的细微变化可能导致模型输出可靠性的评估出现偏差。这一发现强调了在AI模型评估中需要更精细地设计协议，以提高校准的准确性和稳健性。该研究为大语言模型的开发和评估提供了新的理论视角，可能推动相关领域制定更标准化的评估流程，从而增强AI系统在实际应用中的安全性和可靠性。 #AI #大模型 #LLM #置信度校准 #学术研究 #arXiv #计算机科学 #人工智能 #机器学习
新研究提出前缀安全贝叶斯信念跟踪，优化大语言模型推理可靠性
近日，研究人员Zhenghan Song及其团队在学术平台arXiv上提交了一项新研究，提出了“前缀安全贝叶斯信念跟踪”方法，旨在解决大语言模型在推理过程中的可靠性问题。该方法专注于分离模型的校准与排名，通过贝叶斯统计框架动态跟踪推理中的信念更新，以减少预测错误和提升一致性。背景在于当前大语言模型虽在生成文本方面表现突出，但在复杂推理任务中常面临校准不准或排名偏差的挑战。该研究的进展可能为人工智能领域的模型优化提供新路径，有助于增强LLM在实际应用中的可信度和实用性。 #AI #大语言模型 #机器学习 #推理可靠性 #贝叶斯方法 #科技新闻 #学术研究 #arXiv
近日，研究人员Zhenghan Song及其团队在学术平台arXiv上提交了一项新研究，提出了“前缀安全贝叶斯信念跟踪”方法，旨在解决大语言模型在推理过程中的可靠性问题。该方法专注于分离模型的校准与排名，通过贝叶斯统计框架动态跟踪推理中的信念更新，以减少预测错误和提升一致性。背景在于当前大语言模型虽在生成文本方面表现突出，但在复杂推理任务中常面临校准不准或排名偏差的挑战。该研究的进展可能为人工智能领域的模型优化提供新路径，有助于增强LLM在实际应用中的可信度和实用性。 #AI #大语言模型 #机器学习 #推理可靠性 #贝叶斯方法 #科技新闻 #学术研究 #arXiv
针对资源受限智能体语言模型提出分层提示控制新方法
一篇题为《Hierarchical Prompt-Domain Control and Learning for Resource-Constrained Agentic Language Models》的新论文已发布于arXiv预印本平台。该研究由Joan Vendrell Gallart等作者完成，主要关注在计算资源受限的环境下，如何对智能体语言模型进行更高效的提示工程与控制。论文提出了一种分层的提示-领域控制与学习方法，旨在优化模型在特定任务领域的性能，同时降低对计算资源的需求，为智能体模型在实际部署中的资源约束问题提供了新的解决思路。 #人工智能 #语言模型 #智能体 #提示工程 #资源优化 #机器学习 #AI研究
一篇题为《Hierarchical Prompt-Domain Control and Learning for Resource-Constrained Agentic Language Models》的新论文已发布于arXiv预印本平台。该研究由Joan Vendrell Gallart等作者完成，主要关注在计算资源受限的环境下，如何对智能体语言模型进行更高效的提示工程与控制。论文提出了一种分层的提示-领域控制与学习方法，旨在优化模型在特定任务领域的性能，同时降低对计算资源的需求，为智能体模型在实际部署中的资源约束问题提供了新的解决思路。 #人工智能 #语言模型 #智能体 #提示工程 #资源优化 #机器学习 #AI研究
自主AI系统治理研究新进展
2026年5月26日，研究者斯里尼·拉马斯瓦米在预印本平台arXiv上发布了一篇题为《智能作为受管理的自主性：自主AI系统的失败、升级与治理》的学术论文。该研究针对当前自主AI系统在运行过程中可能面临的失败风险、意外升级行为以及相关治理挑战进行了深入分析，提出了“受管理自主性”这一核心概念。论文通过理论框架探讨了如何在AI系统设计中嵌入管理机制，以平衡自主决策与安全控制，从而提升系统的可靠性和可控性。这一研究为人工智能领域的安全治理和风险防控提供了新的学术视角，有望推动行业对自主AI系统标准化和监管框架的讨论。 #AI #自主系统 #治理 #学术研究 #arXiv #人工智能 #科技论文 #风险管理
2026年5月26日，研究者斯里尼·拉马斯瓦米在预印本平台arXiv上发布了一篇题为《智能作为受管理的自主性：自主AI系统的失败、升级与治理》的学术论文。该研究针对当前自主AI系统在运行过程中可能面临的失败风险、意外升级行为以及相关治理挑战进行了深入分析，提出了“受管理自主性”这一核心概念。论文通过理论框架探讨了如何在AI系统设计中嵌入管理机制，以平衡自主决策与安全控制，从而提升系统的可靠性和可控性。这一研究为人工智能领域的安全治理和风险防控提供了新的学术视角，有望推动行业对自主AI系统标准化和监管框架的讨论。 #AI #自主系统 #治理 #学术研究 #arXiv #人工智能 #科技论文 #风险管理
Laguna M.1/XS.2 Technical Report
Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: Pengming Wang [ view email ] [v1] Tue, 26 May 2026 19:23:24 UTC (2,020 KB) Full-text links: Access Paper: View a PDF of the paper titled Laguna M.1/XS.2 Technical Report, by Julien Abadji and 95 other authors View PDF TeX Source view license Current browse context: < prev | next > new | recent | 2026-05 Change to browse by: cs References & Citations NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litmaps? ) Toggle scit
Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: Pengming Wang [ view email ] [v1] Tue, 26 May 2026 19:23:24 UTC (2,020 KB) Full-text links: Access Paper: View a PDF of the paper titled Laguna M.1/XS.2 Technical Report, by Julien Abadji and 95 other authors View PDF TeX Source view license Current browse context: < prev | next > new | recent | 2026-05 Change to browse by: cs References & Citations NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litmaps? ) Toggle scit
e Smart Citations ( What are Smart Citations? ) Code, Data, Media Code, Data and Media Associated with this Article alphaXiv Toggle alphaXiv ( What is alphaXiv? ) Links to Code Toggle CatalyzeX Code Finder for Papers ( What is CatalyzeX? ) DagsHub Toggle DagsHub ( What is DagsHub? ) GotitPub Toggle ( What is GotitPub? ) Huggingface Toggle Hugging Face ( What is Huggingface? ) ScienceCast Toggle ScienceCast ( What is ScienceCast? ) Demos Demos Replicate Toggle Replicate ( What is Replicate? ) Spaces Toggle Hugging Face Spaces ( What is Spaces? ) Spaces Toggle ( What is ? ) Related Papers Recommenders and Search Tools Link to Influence Flower Influence Flower ( What are Influence Flowers? ) Core recommender toggle CORE Recommender ( What is CORE? ) Author Venue Institution Topic About arXivLabs arXivLabs: experimental projects with community collaborators arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website. Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them. Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs .
新研究提出因果状态干预可控制人类结果
由Suraj Biswas等人撰写的学术论文《You Are in Control of Your State: Why Human Outcomes Are Controllable Through Causal State Intervention》于2026年5月26日在arXiv预印本平台正式发布。该论文聚焦于因果状态干预理论，探讨通过干预个体状态来控制人类结果的可能性，为人工智能、心理学和社会科学领域提供了新的理论视角。研究强调了因果关系在理解人类行为中的重要性，可能推动跨学科应用，如优化决策系统或行为干预策略。论文作为预印本发布，尚未经过同行评审，但已向学术社区开放，旨在激发进一步研究和讨论，以验证其理论模型的实用性和影响。 #学术论文 #因果推理 #人工智能 #社会科学 #研究发布 #arXiv #因果状态干预 #学术进展
由Suraj Biswas等人撰写的学术论文《You Are in Control of Your State: Why Human Outcomes Are Controllable Through Causal State Intervention》于2026年5月26日在arXiv预印本平台正式发布。该论文聚焦于因果状态干预理论，探讨通过干预个体状态来控制人类结果的可能性，为人工智能、心理学和社会科学领域提供了新的理论视角。研究强调了因果关系在理解人类行为中的重要性，可能推动跨学科应用，如优化决策系统或行为干预策略。论文作为预印本发布，尚未经过同行评审，但已向学术社区开放，旨在激发进一步研究和讨论，以验证其理论模型的实用性和影响。 #学术论文 #因果推理 #人工智能 #社会科学 #研究发布 #arXiv #因果状态干预 #学术进展
新研究提出RULER方法，提升机器学习遗忘验证能力
随着人工智能技术的广泛应用，数据隐私和模型管理日益成为焦点。机器学习遗忘旨在从训练好的模型中移除特定数据的影响，以保护用户信息并符合法规要求。近日，研究人员Georgina Cosma和Axel Finke在arXiv预印本平台上发布了论文《RULER: Representation-Level Verification of Machine Unlearning》，提出了一种创新的验证方法。RULER专注于模型内部表示级别的验证，通过分析神经网络的特征表示，能够更准确地评估遗忘操作的有效性，确保数据删除的彻底性。该论文于2026年5月26日提交，为机器学习伦理和安全领域提供了新工具，可能推动隐私增强技术的发展，并影响未来AI系统的合规性设计。 #机器学习 #遗忘学习 #AI隐私 #学术论文 #arXiv #数据安全 #人工智能 #研究进展
随着人工智能技术的广泛应用，数据隐私和模型管理日益成为焦点。机器学习遗忘旨在从训练好的模型中移除特定数据的影响，以保护用户信息并符合法规要求。近日，研究人员Georgina Cosma和Axel Finke在arXiv预印本平台上发布了论文《RULER: Representation-Level Verification of Machine Unlearning》，提出了一种创新的验证方法。RULER专注于模型内部表示级别的验证，通过分析神经网络的特征表示，能够更准确地评估遗忘操作的有效性，确保数据删除的彻底性。该论文于2026年5月26日提交，为机器学习伦理和安全领域提供了新工具，可能推动隐私增强技术的发展，并影响未来AI系统的合规性设计。 #机器学习 #遗忘学习 #AI隐私 #学术论文 #arXiv #数据安全 #人工智能 #研究进展
大语言模型在因果发现上存在缺陷，干预式智能体或可突破瓶颈
近期，一篇发布在arXiv上的论文《大语言模型在因果发现上为何失败及干预式智能体如何突破》引发了关注。研究指出，尽管大型语言模型（LLM）能力强大，但在需要严格因果推理的任务中表现不佳，容易混淆相关性与因果性，产生误导性结论。 论文由Amartya Roy等人撰写，其核心贡献在于提出了一种“干预式智能体”方法。这种方法通过主动设计并执行假设性的干预实验，模拟科学发现中的控制变量过程，从而能够更可靠地识别变量间的真实因果结构。研究认为，这种融合了LLM语言能力与主动干预策略的新范式，有望推动AI在科学发现和复杂系统分析等领域的应用。 #人工智能 #大语言模型 #因果推断 #AI研究 #科学发现 #机器学习 #学术论文 #智能体
近期，一篇发布在arXiv上的论文《大语言模型在因果发现上为何失败及干预式智能体如何突破》引发了关注。研究指出，尽管大型语言模型（LLM）能力强大，但在需要严格因果推理的任务中表现不佳，容易混淆相关性与因果性，产生误导性结论。 论文由Amartya Roy等人撰写，其核心贡献在于提出了一种“干预式智能体”方法。这种方法通过主动设计并执行假设性的干预实验，模拟科学发现中的控制变量过程，从而能够更可靠地识别变量间的真实因果结构。研究认为，这种融合了LLM语言能力与主动干预策略的新范式，有望推动AI在科学发现和复杂系统分析等领域的应用。 #人工智能 #大语言模型 #因果推断 #AI研究 #科学发现 #机器学习 #学术论文 #智能体
新研究发布LLM调度代理动态基准与可观察性悖论
近日，研究人员在arXiv平台上发表了一篇学术论文，题为“DynaSchedBench: Calibrated Dynamic Scheduling Benchmarks and Observability Paradox in LLM-based Scheduling Agents”。该研究由Shijie Cao及另外两位作者共同完成，提出了一种名为DynaSchedBench的校准动态调度基准，专门用于评估基于大语言模型的调度代理在动态环境中的性能。论文还深入探讨了“可观察性悖论”，即在LLM驱动的调度任务中，代理的观测能力与决策过程之间可能存在的矛盾现象。这项工作不仅为LLM在复杂调度场景中的应用提供了标准化评估工具，还揭示了潜在的技术挑战，有望推动人工智能调度领域的进一步研究和优化。 #AI #大模型 #LLM #调度 #基准测试 #研究 #科技新闻 #arXiv #运筹学
近日，研究人员在arXiv平台上发表了一篇学术论文，题为“DynaSchedBench: Calibrated Dynamic Scheduling Benchmarks and Observability Paradox in LLM-based Scheduling Agents”。该研究由Shijie Cao及另外两位作者共同完成，提出了一种名为DynaSchedBench的校准动态调度基准，专门用于评估基于大语言模型的调度代理在动态环境中的性能。论文还深入探讨了“可观察性悖论”，即在LLM驱动的调度任务中，代理的观测能力与决策过程之间可能存在的矛盾现象。这项工作不仅为LLM在复杂调度场景中的应用提供了标准化评估工具，还揭示了潜在的技术挑战，有望推动人工智能调度领域的进一步研究和优化。 #AI #大模型 #LLM #调度 #基准测试 #研究 #科技新闻 #arXiv #运筹学