DeepSeek发布V4-Flash正式版API，性能基准测试引关注
7月31日，中国AI公司DeepSeek宣布其DeepSeek-V4-Flash正式版API开启公开测试。此次发布的正式版相比此前的预览版，在代理能力方面进行了大幅升级。官方在公告中提及，根据基准测试的得分，该正式版本的性能已显著超越了之前的V4-pro预览版。其中一项对比测试数据被着重强调：在处理相同任务时，DeepSeek-V4-Flash的完成速度被描述为显著快于其他顶级模型。这一发布标志着该模型正式进入可供开发者调用的阶段，其性能表现将在实际应用中接受进一步检验。 #DeepSeek #大模型 #AI #科技新闻 #国产大模型 #API公测 #性能基准
7月31日，中国AI公司DeepSeek宣布其DeepSeek-V4-Flash正式版API开启公开测试。此次发布的正式版相比此前的预览版，在代理能力方面进行了大幅升级。官方在公告中提及，根据基准测试的得分，该正式版本的性能已显著超越了之前的V4-pro预览版。其中一项对比测试数据被着重强调：在处理相同任务时，DeepSeek-V4-Flash的完成速度被描述为显著快于其他顶级模型。这一发布标志着该模型正式进入可供开发者调用的阶段，其性能表现将在实际应用中接受进一步检验。 #DeepSeek #大模型 #AI #科技新闻 #国产大模型 #API公测 #性能基准
新研究
近期，一篇题为《跨境电价预测的深度学习：一项比较研究》的学术论文在arXiv平台发布。该研究聚焦于利用深度学习技术来提高跨境电力市场电价预测的准确性，旨在为电力交易和电网稳定运行提供更可靠的决策支持。随着全球能源市场互联程度加深，精确预测跨境电价对于优化能源调度、降低交易风险至关重要，但传统统计方法常面临数据复杂性和非线性挑战。论文中，研究团队应用并比较了多种深度学习模型在处理此类时序预测任务上的表现。该成果为利用先进人工智能技术解决能源领域实际问题提供了新的思路和实证依据，有望推动更智能化的跨境电力市场运作。 #深度学习 #能源预测 #跨境电价 #AI研究 #电力市场 #学术前沿 #时序预测
近期，一篇题为《跨境电价预测的深度学习：一项比较研究》的学术论文在arXiv平台发布。该研究聚焦于利用深度学习技术来提高跨境电力市场电价预测的准确性，旨在为电力交易和电网稳定运行提供更可靠的决策支持。随着全球能源市场互联程度加深，精确预测跨境电价对于优化能源调度、降低交易风险至关重要，但传统统计方法常面临数据复杂性和非线性挑战。论文中，研究团队应用并比较了多种深度学习模型在处理此类时序预测任务上的表现。该成果为利用先进人工智能技术解决能源领域实际问题提供了新的思路和实证依据，有望推动更智能化的跨境电力市场运作。 #深度学习 #能源预测 #跨境电价 #AI研究 #电力市场 #学术前沿 #时序预测
数学方式逆转时间
一篇题为《Backward through Time, Algebraically》的学术论文近期在预印本平台arXiv上发表。该研究由学者Konstantinos Kogkalidis进行，提交于2026年8月17日。论文的核心主张是提出了一种使用代数方法对时间逆向过程进行形式化描述的理论框架。这一方向通常涉及对动态系统、因果关系或量子力学等复杂概念的数学建模。尽管论文的具体数学细节与实验结论未在所提供的信息中详述，但其通过纯数学工具探索时间维度的逆向性，可能为物理学、计算机科学及相关交叉领域中的时间建模问题提供新的理论视角。该工作已作为学术成果进入开放获取的科研交流生态。 #arXiv #数学 #计算机科学 #论文 #学术研究 #时间建模
一篇题为《Backward through Time, Algebraically》的学术论文近期在预印本平台arXiv上发表。该研究由学者Konstantinos Kogkalidis进行，提交于2026年8月17日。论文的核心主张是提出了一种使用代数方法对时间逆向过程进行形式化描述的理论框架。这一方向通常涉及对动态系统、因果关系或量子力学等复杂概念的数学建模。尽管论文的具体数学细节与实验结论未在所提供的信息中详述，但其通过纯数学工具探索时间维度的逆向性，可能为物理学、计算机科学及相关交叉领域中的时间建模问题提供新的理论视角。该工作已作为学术成果进入开放获取的科研交流生态。 #arXiv #数学 #计算机科学 #论文 #学术研究 #时间建模
兼顾认证与隐私
在人工智能模型日益应用于医疗、金融等敏感领域的背景下，如何在确保模型性能得到独立验证的同时保护其核心参数与训练数据的隐私，成为一项关键挑战。传统验证方法往往需要暴露模型细节，而现有隐私保护方案在扩展至大型神经网络时面临效率瓶颈。由钟友伟等人提出的新研究，构建了一套可扩展的零知识证明系统，专为神经网络设计。该技术允许证明者向验证者确凿地证明其神经网络模型满足特定的安全性或公平性标准，而无需透露模型权重、架构或训练数据。此方案通过优化证明生成与验证流程，显著降低了计算与通信开销，使得对复杂深度学习模型进行隐私保护下的认证成为可能，为建立可信赖且隐私安全的AI生态系统提供了关键技术支撑。 #零知识证明 #AI安全 #隐私计算 #神经网络 #可扩展技术 #论文速递
在人工智能模型日益应用于医疗、金融等敏感领域的背景下，如何在确保模型性能得到独立验证的同时保护其核心参数与训练数据的隐私，成为一项关键挑战。传统验证方法往往需要暴露模型细节，而现有隐私保护方案在扩展至大型神经网络时面临效率瓶颈。由钟友伟等人提出的新研究，构建了一套可扩展的零知识证明系统，专为神经网络设计。该技术允许证明者向验证者确凿地证明其神经网络模型满足特定的安全性或公平性标准，而无需透露模型权重、架构或训练数据。此方案通过优化证明生成与验证流程，显著降低了计算与通信开销，使得对复杂深度学习模型进行隐私保护下的认证成为可能，为建立可信赖且隐私安全的AI生态系统提供了关键技术支撑。 #零知识证明 #AI安全 #隐私计算 #神经网络 #可扩展技术 #论文速递
通过切换LoRA适配器为工具（SLAaaT），智能体解锁新能力
研究人员提出了一种名为SLAaaT（Switching LoRA Adapters as a Tool）的新方法，旨在增强AI智能体的能力。该研究的核心思路是将低秩适应（LoRA）模块设计为一种可动态切换的“工具”，允许智能体在执行任务时，根据需要无缝调用或切换不同的LoRA适配器，从而快速获取并运用特定领域的专业知识或功能。这一机制有望解决现有大型语言模型在处理多样化、复杂任务时知识更新与能力扩展的灵活性难题。该论文作为预印本发布于arXiv平台，具体的实现细节与效果验证有待同行评议与进一步实验检验。 #AI #智能体 #LoRA #机器学习 #预印本 #arXiv #技术突破
研究人员提出了一种名为SLAaaT（Switching LoRA Adapters as a Tool）的新方法，旨在增强AI智能体的能力。该研究的核心思路是将低秩适应（LoRA）模块设计为一种可动态切换的“工具”，允许智能体在执行任务时，根据需要无缝调用或切换不同的LoRA适配器，从而快速获取并运用特定领域的专业知识或功能。这一机制有望解决现有大型语言模型在处理多样化、复杂任务时知识更新与能力扩展的灵活性难题。该论文作为预印本发布于arXiv平台，具体的实现细节与效果验证有待同行评议与进一步实验检验。 #AI #智能体 #LoRA #机器学习 #预印本 #arXiv #技术突破
MultiSigBERT 论文发表，推动肿瘤学多模态建模新突破
研究人员 Paul Minchella 等团队于2026年8月17日在 arXiv 平台发布了题为“MultiSigBERT: Beyond Survival Analysis through Multimodal and Sequential Modeling in Oncology”的学术论文。该论文提出了一种名为 MultiSigBERT 的新型人工智能模型，旨在革新肿瘤学中的生存分析方法。传统生存分析通常局限于单模态数据，如临床指标或病理报告，难以全面捕捉癌症发展的复杂动态。MultiSigBERT 通过整合多模态数据源（包括影像学、基因组学和临床序列信息），并采用先进的序列建模技术，能够更精准地解析疾病进展轨迹和预后因素。这一模型的提出标志着数据驱动方法在癌症研究中的重要进展，有望提升个体化治疗方案的制定效率，并为未来的精准医疗研究提供强大工具。该发表已引起领域内对多模态人工智能应用的广泛关注。 #MultiSigBERT #肿瘤学 #多模态 #序列建模 #生存分析 #AI #医学研究 #数据科学
研究人员 Paul Minchella 等团队于2026年8月17日在 arXiv 平台发布了题为“MultiSigBERT: Beyond Survival Analysis through Multimodal and Sequential Modeling in Oncology”的学术论文。该论文提出了一种名为 MultiSigBERT 的新型人工智能模型，旨在革新肿瘤学中的生存分析方法。传统生存分析通常局限于单模态数据，如临床指标或病理报告，难以全面捕捉癌症发展的复杂动态。MultiSigBERT 通过整合多模态数据源（包括影像学、基因组学和临床序列信息），并采用先进的序列建模技术，能够更精准地解析疾病进展轨迹和预后因素。这一模型的提出标志着数据驱动方法在癌症研究中的重要进展，有望提升个体化治疗方案的制定效率，并为未来的精准医疗研究提供强大工具。该发表已引起领域内对多模态人工智能应用的广泛关注。 #MultiSigBERT #肿瘤学 #多模态 #序列建模 #生存分析 #AI #医学研究 #数据科学
鲁棒广义Bell随机向量网络模型RoBell-RVFL在IEEE WCCI 2026会议发表
研究人员A. Rahaman等人近日在arXiv平台提交了题为“RoBell-RVFL: 一种鲁棒的广义Bell随机向量函数链接网络”的学术论文，该论文将发表于2026年IEEE世界计算智能大会（WCCI）。提交日期为2026年8月17日，文件大小为2,567 KB，并已获得DataCite的DOI注册。RoBell-RVFL模型通过引入鲁棒的广义Bell函数来增强随机向量函数链接网络的性能，旨在提升机器学习模型的稳定性和准确性。此项研究为计算智能领域提供了新的技术工具，预计将推动人工智能相关应用的进步，并为未来模型优化奠定基础。 #机器学习 #学术论文 #IEEE #WCCI2026 #计算智能 #人工智能 #鲁棒模型 #网络模型
研究人员A. Rahaman等人近日在arXiv平台提交了题为“RoBell-RVFL: 一种鲁棒的广义Bell随机向量函数链接网络”的学术论文，该论文将发表于2026年IEEE世界计算智能大会（WCCI）。提交日期为2026年8月17日，文件大小为2,567 KB，并已获得DataCite的DOI注册。RoBell-RVFL模型通过引入鲁棒的广义Bell函数来增强随机向量函数链接网络的性能，旨在提升机器学习模型的稳定性和准确性。此项研究为计算智能领域提供了新的技术工具，预计将推动人工智能相关应用的进步，并为未来模型优化奠定基础。 #机器学习 #学术论文 #IEEE #WCCI2026 #计算智能 #人工智能 #鲁棒模型 #网络模型
研究揭示学习策略集群与参与度关联而非掌握度
近日，一篇发表于arXiv的学术论文《EdNet日志中的学习策略集群反映参与度而非掌握度》引发教育技术领域关注。该论文由Qingchuan Lyu等研究人员撰写，基于EdNet教育平台的大规模日志数据，运用聚类分析技术识别出多种学习策略集群。研究结果表明，这些集群主要与学生的参与度（如登录次数、学习时长等行为指标）呈现强相关性，但并未能有效预测或反映学生对知识点的实际掌握程度。这一发现对教育数据挖掘和学习分析具有重要启示，指出仅凭行为数据评估学习效果可能存在偏差，未来研究需结合更多认知与评估指标，以更全面地理解学习过程。 #教育技术 #学习分析 #EdNet #参与度 #教育研究 #arXiv #数据挖掘 #学术论文
近日，一篇发表于arXiv的学术论文《EdNet日志中的学习策略集群反映参与度而非掌握度》引发教育技术领域关注。该论文由Qingchuan Lyu等研究人员撰写，基于EdNet教育平台的大规模日志数据，运用聚类分析技术识别出多种学习策略集群。研究结果表明，这些集群主要与学生的参与度（如登录次数、学习时长等行为指标）呈现强相关性，但并未能有效预测或反映学生对知识点的实际掌握程度。这一发现对教育数据挖掘和学习分析具有重要启示，指出仅凭行为数据评估学习效果可能存在偏差，未来研究需结合更多认知与评估指标，以更全面地理解学习过程。 #教育技术 #学习分析 #EdNet #参与度 #教育研究 #arXiv #数据挖掘 #学术论文
arXiv 发表新论文：提出 DOW
2026年8月5日，一篇题为“DOW-KE: Anchor-Free Multi-Layer Knowledge Editing via Direct End-to-End Weight Optimization”的论文在 arXiv 平台正式发布。该论文由 Ran Chen 等五位研究者共同撰写，提出了一种新型的知识编辑框架，该方法摒弃传统锚点依赖，通过直接端到端的权重优化技术，实现对多层神经网络知识的精准编辑。论文全文可通过 PDF、HTML 或 TeX 源格式访问，文件大小为 660KB。这项研究为人工智能领域的知识管理与模型更新提供了新的技术路径，可能对机器学习模型的维护与优化产生积极影响，但其具体性能与应用场景需依据论文详细内容进行评估。 #论文 #AI #知识编辑 #机器学习 #arXiv #优化 #科技新闻
2026年8月5日，一篇题为“DOW-KE: Anchor-Free Multi-Layer Knowledge Editing via Direct End-to-End Weight Optimization”的论文在 arXiv 平台正式发布。该论文由 Ran Chen 等五位研究者共同撰写，提出了一种新型的知识编辑框架，该方法摒弃传统锚点依赖，通过直接端到端的权重优化技术，实现对多层神经网络知识的精准编辑。论文全文可通过 PDF、HTML 或 TeX 源格式访问，文件大小为 660KB。这项研究为人工智能领域的知识管理与模型更新提供了新的技术路径，可能对机器学习模型的维护与优化产生积极影响，但其具体性能与应用场景需依据论文详细内容进行评估。 #论文 #AI #知识编辑 #机器学习 #arXiv #优化 #科技新闻
SW-ProxyCE 方法实现 EEG 模型零查询对抗转移
研究者 Linhua Cong 等人提出了一种名为 SW-ProxyCE 的新方法，可在不直接查询私有模型的情况下，将对抗性攻击从公共脑电图（EEG）编码器转移到私有下游模型。该技术利用公开可用的 EEG 数据编码器生成对抗样本，无需访问私有模型的内部结构或数据，即可实现攻击转移。这项研究旨在提升 EEG 相关 AI 系统的安全性，揭示模型隐私漏洞，并为开发更鲁棒的机器学习模型提供新思路。该论文于 2026 年 8 月在 arXiv 上发布，可能对脑机接口、医疗诊断等领域的隐私保护和模型防御策略产生重要影响。 #EEG #对抗学习 #机器学习 #模型安全 #隐私保护 #学术研究 #AI #神经科学 #脑机接口
研究者 Linhua Cong 等人提出了一种名为 SW-ProxyCE 的新方法，可在不直接查询私有模型的情况下，将对抗性攻击从公共脑电图（EEG）编码器转移到私有下游模型。该技术利用公开可用的 EEG 数据编码器生成对抗样本，无需访问私有模型的内部结构或数据，即可实现攻击转移。这项研究旨在提升 EEG 相关 AI 系统的安全性，揭示模型隐私漏洞，并为开发更鲁棒的机器学习模型提供新思路。该论文于 2026 年 8 月在 arXiv 上发布，可能对脑机接口、医疗诊断等领域的隐私保护和模型防御策略产生重要影响。 #EEG #对抗学习 #机器学习 #模型安全 #隐私保护 #学术研究 #AI #神经科学 #脑机接口
新论文提出EMAN方法，优化多任务学习容量增长
一篇题为“EMAN: Optimization-Driven Capacity Growth through Path Emergence in Multi-Task Learning”的研究论文于2026年8月5日在arXiv平台正式发布。该论文由Chenlei Fang等多位作者共同完成，提出了一种创新的机器学习框架EMAN，旨在通过优化过程中路径的自然涌现来驱动模型容量的增长。在多任务学习场景中，传统方法常面临容量分配不均和任务间干扰的挑战，而EMAN通过模拟生物神经系统的可塑性，实现了任务特异性路径的自主形成，从而提升模型的整体性能和泛化能力。这一方法不仅有望降低计算成本，还能增强模型在复杂环境下的鲁棒性，为机器人控制、自然语言处理等领域的应用提供了新思路，推动人工智能技术向更高效、自适应的方向发展。 #EMAN #多任务学习 #机器学习 #AI #学术论文 #arXiv #优化算法 #人工智能
一篇题为“EMAN: Optimization-Driven Capacity Growth through Path Emergence in Multi-Task Learning”的研究论文于2026年8月5日在arXiv平台正式发布。该论文由Chenlei Fang等多位作者共同完成，提出了一种创新的机器学习框架EMAN，旨在通过优化过程中路径的自然涌现来驱动模型容量的增长。在多任务学习场景中，传统方法常面临容量分配不均和任务间干扰的挑战，而EMAN通过模拟生物神经系统的可塑性，实现了任务特异性路径的自主形成，从而提升模型的整体性能和泛化能力。这一方法不仅有望降低计算成本，还能增强模型在复杂环境下的鲁棒性，为机器人控制、自然语言处理等领域的应用提供了新思路，推动人工智能技术向更高效、自适应的方向发展。 #EMAN #多任务学习 #机器学习 #AI #学术论文 #arXiv #优化算法 #人工智能
推出 GLM
AI模型扩展法则一直是指导开发的关键原则，但Z.ai联合创始人最新文章指出，仅关注参数数量已不足够。早期研究如Kaplan等人（2020年）建议参数增长应快于数据，但Hoffmann等人（2022年）通过四百个模型实验发现，计算最优分配应是参数与数据以约20令牌每参数的比例平衡增长。随着推理计算成本日益突出，模型优化需考虑推理阶段，如Llama-2-7B和Gemma-2-9B等模型采用故意过度训练。稀疏模型（如MoE）进一步复杂化，总参数控制知识容量，而激活参数决定推理能力。Z.ai认为，参数数量达到阈值后，提升需依赖有效深度和后训练。基于此，Z.ai发布了GLM-5.3模型，在相同架构下，通过一个月长周期环境和强化学习扩展，实现了显著性能提升，表明后训练扩展是未来方向。 #AI #大模型 #GLM #扩展法则 #Zai #机器学习 #深度学习
AI模型扩展法则一直是指导开发的关键原则，但Z.ai联合创始人最新文章指出，仅关注参数数量已不足够。早期研究如Kaplan等人（2020年）建议参数增长应快于数据，但Hoffmann等人（2022年）通过四百个模型实验发现，计算最优分配应是参数与数据以约20令牌每参数的比例平衡增长。随着推理计算成本日益突出，模型优化需考虑推理阶段，如Llama-2-7B和Gemma-2-9B等模型采用故意过度训练。稀疏模型（如MoE）进一步复杂化，总参数控制知识容量，而激活参数决定推理能力。Z.ai认为，参数数量达到阈值后，提升需依赖有效深度和后训练。基于此，Z.ai发布了GLM-5.3模型，在相同架构下，通过一个月长周期环境和强化学习扩展，实现了显著性能提升，表明后训练扩展是未来方向。 #AI #大模型 #GLM #扩展法则 #Zai #机器学习 #深度学习
AI生成RACE注意力因果保证候选证明，待专家验证
在机器学习领域，RACE注意力机制是一种基于软局部敏感哈希的高效线性时间近似方法。此前，该机制在非因果设置下已建立理论保证，但因果设置下的偏差-方差保证一直是开放问题。近日，一个使用AI生成的候选证明被提出，旨在解决这一难题。该证明采用逐行分析，避免了复杂的随机过程理论，核心是代数观察：在因果位置t，累积实现等价于限制在前缀1:t的随机化RACE核注意力。通过结合浓度界限和稳定性结果，证明在单位归一化条件下匹配了已知非因果定理的依赖性。需要强调的是，该文档明确标注为AI生成的候选证明，尚未经过独立验证或同行评审，目前正提交给专家进行审查。这一进展可能为注意力机制的因果理论提供新思路，推动相关领域的研究。 #AI #RACE注意力 #因果推断 #机器学习 #理论证明 #研究进展 #AI生成 #专家审查
在机器学习领域，RACE注意力机制是一种基于软局部敏感哈希的高效线性时间近似方法。此前，该机制在非因果设置下已建立理论保证，但因果设置下的偏差-方差保证一直是开放问题。近日，一个使用AI生成的候选证明被提出，旨在解决这一难题。该证明采用逐行分析，避免了复杂的随机过程理论，核心是代数观察：在因果位置t，累积实现等价于限制在前缀1:t的随机化RACE核注意力。通过结合浓度界限和稳定性结果，证明在单位归一化条件下匹配了已知非因果定理的依赖性。需要强调的是，该文档明确标注为AI生成的候选证明，尚未经过独立验证或同行评审，目前正提交给专家进行审查。这一进展可能为注意力机制的因果理论提供新思路，推动相关领域的研究。 #AI #RACE注意力 #因果推断 #机器学习 #理论证明 #研究进展 #AI生成 #专家审查
腾讯多模态路线重大转向
近期，腾讯混元多模态团队经历了一系列深度组织重构与人事调整。核心变化在于，团队研发方向正从此前以视频、图像生成（如HunyuanVideo、HunyuanImage）为主，转向以“理解”为核心，服务于智能体（Agent）与通用人工智能（AGI）目标的上下文建模。这一调整由腾讯杰出科学家、基础模型部负责人姚顺雨主导，表现为大语言模型部与多模态模型部合并为“基础模型部”，多位原负责人离职或调整汇报线。与此同时，前xAI多模态理解负责人蔺旭东加入腾讯，负责多模态内容生成算法，此举被视为强化“理解”能力的关键信号。此次路线调整，标志着腾讯在技术路径上更倾向于OpenAI（梁文锋）所倡导的GPT/思维链/Agent范式，而弱化了李飞飞所推崇的空间智能与世界模型路径。此前腾讯已推出的Hy World等沉浸式3D世界生成项目，其后续发展可能将受影响。整体而言，腾讯正将其多模态技术栈进行根本性重组，以更聚焦的方式推进大模型能力演进。 #腾讯混元 #多模态AI #姚顺雨 #人工智能 #大模型 #科技新闻 #组织变革 #AGI
近期，腾讯混元多模态团队经历了一系列深度组织重构与人事调整。核心变化在于，团队研发方向正从此前以视频、图像生成（如HunyuanVideo、HunyuanImage）为主，转向以“理解”为核心，服务于智能体（Agent）与通用人工智能（AGI）目标的上下文建模。这一调整由腾讯杰出科学家、基础模型部负责人姚顺雨主导，表现为大语言模型部与多模态模型部合并为“基础模型部”，多位原负责人离职或调整汇报线。与此同时，前xAI多模态理解负责人蔺旭东加入腾讯，负责多模态内容生成算法，此举被视为强化“理解”能力的关键信号。此次路线调整，标志着腾讯在技术路径上更倾向于OpenAI（梁文锋）所倡导的GPT/思维链/Agent范式，而弱化了李飞飞所推崇的空间智能与世界模型路径。此前腾讯已推出的Hy World等沉浸式3D世界生成项目，其后续发展可能将受影响。整体而言，腾讯正将其多模态技术栈进行根本性重组，以更聚焦的方式推进大模型能力演进。 #腾讯混元 #多模态AI #姚顺雨 #人工智能 #大模型 #科技新闻 #组织变革 #AGI