展现 AI 混乱美学

据悉，网站 近期因页面呈现的 AI 生成内容引发关注。该网站页面充斥着大量无关联的符号与文字，包括摩斯密码“.-- . / .- .- . / .. -. / -.-- --- ..-”（解码为“WE ARE IN YOU”）、阿拉伯语“وَالْبَابُ مَفْتُوح”（意为“门是开的”）、盲文“⣿⣿⣷⣄⡀⠀⢀⣠⣾⣿⣿”、汉字“子丑寅卯辰巳午未申酉戌亥”以及故障艺术风格的“SIG//LOST>>RETRY”等。这些元素以随机排列和重复出现的形式组合，营造出一种超现实、近乎失序的视觉体验。有网友认为，这可能是 AI 对互联网混乱本质的隐喻，或是一次故意展示人工智能随机生成能力的实验艺术项目。 #AI艺术 #故障艺术 #混乱美学 #摩斯密码 #互联网文化 #生成艺术 #数字艺术 #Superbad

AI应用商业化拐点已至，创业板软件ETF强势领涨

8月4日A股市场分化明显，深市强于沪市，创业板指大涨4.83%。创业板软件ETF华夏（159256）早盘上涨约4.16%，与创业板指数形成共振，科技成长风格占主导。持仓股全线大涨，宏景科技、拓尔思、润泽科技、宝通科技等涨幅居前，覆盖AI算力、云计算、软件服务等方向。近期大模型密集发布，价格战激烈：DeepSeek-V4-Flash版输出单价仅0.28美元/百万token，仅为Claude的1/90；OpenAI宣布GPT-5.6降价80%；MiniMax发布开源多模态模型H3，价格仅为同类三分之一；阿里发布Qwen3.8，国内定价远低于国际头部模型。海内外大模型能力提升与降价共振，推理成本与部署门槛大幅降低。北美头部云厂商最新财报显示AI商业化加速：亚马逊AWS单季营收增长37%，AI年化收入突破250亿美元；微软Azure全年收入首破千亿美元；谷歌云收入同比飙升82%；Meta上调资本开支下限。摩根士丹利测算AI推理时代ROIC可达25%至50%，并指出市场对软件产业的悲观情绪过头，AI将提升软件企业ARPU与市场份额。创业板软件ETF跟踪的创业软件指数聚焦AI软件类优质个股，深度布局AI应用端。 #AI应用 #商业化 #创业板 #软件ETF #大模型 #云厂商 #资本开支 #科技股 #摩根士丹利

OpenAI 降价引发亚洲股市下跌

据一财全球报道，OpenAI 近期宣布下调其 API 价格，此举迅速波及亚洲股票市场，导致相关科技板块普遍下跌。市场分析认为，OpenAI 的降价策略可能加剧全球人工智能行业的竞争，引发投资者对科技公司利润空间缩水的担忧。受此影响，亚洲多个主要股指出现震荡，其中科技股跌幅尤为明显。 #OpenAI #降价 #亚洲股市 #科技股 #AI #财经新闻

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

LLM 记忆不仅可能写错，还会在之后失效

这是一份关于大语言模型记忆系统的研究记录。作者指出，记忆系统不仅存在写入时产生幻觉的问题，更棘手的是，即使事实被完美记录，也会因现实世界的变化而失效。例如，用户更换城市、工作或设备后，系统仍可能引用旧信息。作者在自己的系统中发现，即便新事实已被正确录入，检索结果仍会返回旧答案。为此，作者构建了一个本地优先的四层记忆系统，参考认知神经科学中人类长期记忆的分解方式，包括工作层、只追加的事件记录、语义层和程序层。所有记忆写入前需经过审查，被拒绝的事实会保留完整审计记录，而非被静默丢弃。这项研究证明，当前记忆系统缺乏对事实时效性的感知，这是需要被填补的关键空白。 #LLM #记忆系统 #AI幻觉 #认知科学 #本地优先 #事实时效性 #研究笔记

德国瓦格纳音乐节AI辅助舞台引观众倒彩

德国东南部拜罗伊特举行的年度理查德·瓦格纳音乐节上，一场使用人工智能辅助的舞台演出引发观众不满。据德新社报道，在周六晚《众神的黄昏》演出结束后，策展人马库斯·洛贝斯及其团队上台时遭到嘘声和口哨声，但歌手和音乐家，特别是指挥克里斯蒂安·蒂勒曼，获得了热烈掌声。音乐节主办方此前表示，这是AI首次登上该音乐节舞台，“不是作为角色，而是作为图像生成力量”。AI辅助的投影包括过去瓦格纳《指环》系列演出的场景和历史主题，以及由洛贝斯团队预先筛选的图像。报道称，技术投射出的拼贴画让观众困惑，画面包括前德国总理赫尔穆特·科尔、9·11事件后的世贸中心双塔，以及1990年德国统一纪念邮票。音乐节官网称“每场演出都将独一无二——因为图像和联想从不静止。”后续还有两场演出。 #瓦格纳音乐节 #AI #舞台艺术 #德国 #文化新闻 #人工智能 #争议

15美元即可获取的AI微调数据集

一款名为“Niche-Expert AI Fine-Tuning Dataset”的微调数据集在电商平台Gumroad上架，售价15美元。该数据集以清洁的JSON格式提供，包含100多个精心构建的指令-响应对，专为训练AI模型在特定专业领域逻辑上优化而设计。数据集经过彻底清洗和验证，可直接用于OpenAI、Anthropic或Hugging Face等平台的训练流程，帮助开发者节省数据预处理时间，加速大语言模型（LLM）开发。 #AI #数据集 #微调 #大模型 #机器学习 #专业领域 #LLM #训练数据 #Gumroad

正则参数流形上的渐近效率理论研究

一篇题为《Toward an Asymptotic Efficiency Theory on Regular Parameter Manifolds》的数学论文已在arXiv平台发布，作者为Lvfang Sun等三人。该研究聚焦正则参数流形上的渐近效率理论，可能为统计推断与信息几何提供新的理论框架。论文自2025年10月首次提交后，历经多次修订，最新版本于2026年8月更新。文章提供PDF全文、HTML实验版及TeX源码，并附有参考文献与引用数据，供相关领域研究者参考。 #数学 #统计 #渐近效率 #参数流形 #arXiv #论文

基于分数扩散模型的动态数据生成与动态投资组合选择

一项最新研究提出，将分数扩散模型（Score-based Diffusion Model）应用于动态数据生成与动态投资组合选择问题。该模型能够从历史金融时间序列中学习数据分布，并生成符合市场动态演变的新数据，以支持更灵活的投资组合管理。研究通过实证分析表明，与传统方法相比，基于分数扩散模型的策略在风险调整收益和尾部风险控制方面表现更优。这一方法为动态资产配置提供了新的数据驱动工具，有望提升量化投资和风险管理效率。 #金融科技 #量化投资 #扩散模型 #投资组合优化 #动态资产配置 #风险管理 #机器学习 #金融工程

物理信息生成采样新方法

arXiv上发表了题为“Sampling Decisions: Exact Path-Space Control for Physics-Informed Generative Sampling”的论文。该研究由Michael Chertkov等人完成，提出了一种在物理信息生成采样中实现精确路径空间控制的方法。论文通过理论推导和算法设计，旨在解决传统生成模型在物理约束下采样不精确的问题，为复杂物理系统的模拟与生成提供了更可靠的路径控制策略。该方法有望在计算流体力学、材料科学等需要严格物理一致性的领域得到应用，提升生成式AI在科学计算中的实用价值。论文已更新多个版本，并提供了PDF、HTML等全文访问方式。 #arXiv #论文 #物理信息 #生成采样 #路径空间 #机器学习 #科学计算 #AI

研究提出基于核岭回归的CATE迁移学习方法

来自arXiv的论文显示，研究人员提出了一种基于核岭回归的条件平均处理效应（CATE）迁移学习框架。CATE是因果推断中的关键指标，用于估计个体层面的处理效果，但在实际应用中常面临目标域数据稀疏的问题。该方法通过核岭回归技术，有效利用源域的知识来提升目标域中CATE的估计精度，从而在有限样本下实现更可靠的因果效应推断。实验表明，该框架在多个模拟和真实数据集上优于传统方法，为跨领域因果学习提供了新思路。 #因果推断 #迁移学习 #核岭回归 #CATE #机器学习 #AI #学术论文

论文"Sparse Covariance Neural Networks"被IEEE信号处理汇刊接收

由Andrea Cavallo等人撰写的论文"Sparse Covariance Neural Networks"已被IEEE Transactions on Signal Processing正式接收，计划发表于第74卷，页码3077-3091，在线出版日期为2026年7月17日。该论文的预印本最早于2024年10月提交至arXiv，随后经过两次修订，最终版本于2026年8月发布。论文聚焦稀疏协方差神经网络的设计与应用，在信号处理领域具有创新意义，有望为高维数据分析提供更高效的解决方案。 #学术论文 #神经网络 #稀疏协方差 #信号处理 #IEEE #arXiv #机器学习

SHAP的统计方面

一篇题为《Statistical Aspects of SHAP: Functional ANOVA for Model Interpretation》的学术论文近日在arXiv上发布。该论文由Andrew Herren、P. Richard Hahn和Rafael Alcantara共同撰写，深入探讨了SHAP（SHapley Additive exPlanations）这一模型解释方法的统计理论基础。研究者将SHAP与功能方差分析（Functional ANOVA）框架进行关联，旨在从统计角度阐明SHAP值的数学本质与解释能力。这项工作为理解机器学习模型的可解释性提供了更严谨的统计视角，有助于推动模型解释方法在理论上的规范化发展。 #SHAP #功能ANOVA #模型解释 #机器学习 #统计 #arXiv #可解释AI

基于预训练的自适应核密度估计研究登上 arXiv

一项题为《Adaptive Kernel Density Estimation with Pre-training》的研究论文在 arXiv 平台发布。该论文由 Ruitong Zhang 等人撰写，于 2026 年 5 月首次提交，此后在 6 月和 8 月先后发布第二、第三版本，显示作者对内容进行了持续修订。论文聚焦于将预训练技术引入自适应核密度估计领域，旨在提升密度估计在复杂数据分布下的适应能力与表现。目前该论文提供 PDF、HTML 及 TeX 源码等多种访问方式，并支持通过多种学术工具进行引用和关联研究。该研究对统计机器学习领域中的密度估计问题具有一定参考价值，相关方法与思路值得关注。 #arXiv #论文 #核密度估计 #预训练 #机器学习 #统计方法

单指标强盗问题最优遗憾界研究论文发布

arXiv上近日发布了一篇题为《Optimal Regret for Single Index Bandits》的学术论文，由Devdan Dey等三人合作完成。该论文于2026年5月10日首次提交，后经两次修订，最终版本于同年8月1日上线。研究聚焦于单指标强盗这一在线学习模型，旨在探索在该模型下如何实现理论上的最优遗憾界。该成果对于理解高维数据中的决策问题、优化推荐系统与自适应算法设计具有潜在的理论指导意义。目前论文全文以PDF及HTML格式在arXiv平台开放获取。 #单指标强盗 #最优遗憾 #在线学习 #机器学习 #arXiv #论文 #理论计算机