Google专家称AI自动化提升工作效率，缓解就业担忧

随着人工智能技术在香港的普及，近七成居民已成为AI的中级或超级用户，部分人担忧其可能冲击就业市场。Google香港销售及营运总经理余名德指出，在企业运营中，AI能够自动化行政杂务，让员工腾出时间专注于高价值核心工作，从而提升生产力而非取代人力。根据Google委托的调查，21%香港市民为AI超级用户，47%为中级用户，仅6%非用户。余名德强调，AI在教育领域也发挥积极作用，能协助教师备课和提供个性化反馈，每周节省约5.6小时，有望提升学生成绩并缩小学习差距。Google正扩展AI代理Gemini Spark，但用户可完全控制操作权限，确保安全。预计到2035年，中小企加速采用AI将释放650亿元经济价值，凸显AI对提升个人能力和经济发展的双重贡献。 #AI #Google #香港 #就业 #科技新闻 #教育 #自动化 #经济价值

Green BOA方法评估机器学习数据压缩的环境盈亏平衡点

2026年8月20日，研究人员Caterina Doglioni等人在学术预印本平台arXiv上发布了一篇题为“Green BOA：确定基于机器学习的数据压缩的环境盈亏平衡点”的论文。随着人工智能技术在数据处理中广泛应用，其能源消耗和碳排放问题日益受到关注，该研究提出一种创新框架，用于量化基于ML的数据压缩方法的环境成本与效益。通过评估模型训练、推理和部署过程中的能耗及排放，Green BOA方法旨在确定技术实现环境效益的临界点，为衡量AI生态足迹提供科学依据。这一成果可能推动开发更环保的机器学习算法，促进计算领域的可持续发展，并引发学术界和工业界对绿色计算的重视。 #GreenBOA #机器学习 #数据压缩 #环境影响 #arXiv #学术论文 #绿色计算 #可持续发展 #AI

G-MARK：基于知识图谱的协同驾驶多智能体推理框架发布

由Bhavya Gupta等研究者提出的新型协同驾驶推理框架G-MARK，已于2026年8月20日通过arXiv平台发布。该框架的核心创新在于利用知识图谱，为自动驾驶系统中的多个智能体（如车辆、路侧单元）提供一种基于统一场景理解的推理方法。此举旨在增强车辆间的信息交互与协同决策能力，以应对复杂交通环境下的挑战，是自动驾驶与人工智能交叉领域的一项最新学术成果。 #学术论文 #自动驾驶 #多智能体 #知识图谱 #人工智能 #协同驾驶 #计算机科学

纽约全州研究审计铅管道预测分类准确性

一项发表于arXiv的研究对纽约全州铅服务线路的预测性分类进行了全面审计，将其与物理验证结果进行系统比较。研究背景源于铅管道对饮用水安全的潜在威胁，预测模型旨在高效识别高风险管道以优化更新策略。该研究通过分析官方记录数据和实际检测结果，评估了预测分类的准确性和可靠性。结果表明，预测模型与物理验证之间存在显著差异，部分区域出现高估或低估铅管道数量的情况。这些发现可能影响铅污染风险评估、公共健康政策制定以及资源分配效率。研究为改进预测算法提供了实证依据，强调结合实地验证以提升模型性能的重要性。 #铅污染 #公共卫生 #纽约 #学术研究 #环境科学 #数据验证 #健康风险 #政策制定

多源Wasserstein分布鲁棒图学习论文发表

由彭传森等四名研究人员撰写的学术论文《基于多源Wasserstein分布的鲁棒图学习》于2026年8月20日在arXiv平台正式发布。该研究聚焦于图神经网络在复杂数据环境下的鲁棒性优化问题，提出了一种创新的机器学习框架，旨在提升模型在面对多源、分布不确定的数据时的泛化能力与稳定性。该成果为金融风控、社交网络分析、生物信息学等需要处理复杂图结构数据的领域提供了新的理论工具和算法思路。 #图神经网络 #机器学习 #鲁棒优化 #Wasserstein距离 #学术研究 #人工智能 #数据科学

币安上线Agent OS，AI代理可自主执行交易

币安于8月20日正式推出Agent OS开发者平台，允许ChatGPT、Claude等AI代理接入其交易系统，直接读取市场数据、监控账户并执行现货、保证金及期货交易。用户通过专用子账户自主设定代理的权限和资金范围，子账户默认禁止提现，转入金额即为代理的风险上限。币安表示，平台能监控订单和成交，但无法访问代理的外部信息源和决策过程，责任由用户承担。此举在加密货币交易所中具有差异化，Coinbase、Kraken等也推出类似服务，但币安更强调用户控制和资金隔离。分析认为，这可能推动加密货币成为AI代理的“原生货币”，为AI交易提供受控金融基础设施。 #币安 #AgentOS #AI代理 #加密货币交易 #金融科技 #AI #区块链 #自主交易

arXiv 发布新论文

一篇题为“PETA:Parameter-Efficient Test-Time Adaptation for Virtual Screening”的研究论文于2026年8月20日在预印本平台arXiv上正式发布，由Jia-Qi Lin等五位学者共同完成。该论文针对虚拟筛选领域，提出了一种新的参数高效测试时适应方法。虚拟筛选是计算药物发现中的关键技术，用于从大量化合物中快速识别潜在药物分子，传统方法常面临计算效率与适应性的挑战。PETA方法通过在测试时进行轻量级模型适应，旨在提升筛选过程的准确性和计算效率，减少对大规模重新训练的需求。论文的发布标志着该领域在智能化、自适应技术上的进展，有望为药物研发提供更高效的工具，并推动人工智能在生物医学中的应用。 #arXiv #论文 #虚拟筛选 #参数高效 #测试时适应 #AI #科技新闻 #药物发现

可靠神经坍缩近似方法助力开放世界测试时适应

近日，一篇题为《可靠的神经坍缩近似用于开放世界测试时适应》的学术论文在arXiv平台正式发布。该论文由Jia-Qi Lin等六位作者共同完成，于2026年8月20日提交。研究针对机器学习领域中开放世界测试时适应的挑战，提出了一种基于神经坍缩现象的可靠近似方法，旨在提升模型在测试阶段面对未知类别或分布变化时的适应能力和鲁棒性。通过理论分析和实验验证，该方法为人工智能在动态、不可预测环境中的部署提供了新的技术路径，有望推动测试时适应技术的实际应用与发展。 #AI #机器学习 #神经坍缩 #测试时适应 #arXiv #学术研究 #开放世界 #模型适应

arXiv新论文发布：Kentaro Oda 探讨终身专家池中的证据策略

据arXiv学术平台信息，研究人员Kentaro Oda于2026年8月20日提交并公开了一篇题为“Evidence Before Expansion: Reuse, Spawn, or Defer in Lifelong Expert Pools”的预印本论文。该研究聚焦于终身学习或专家系统中的决策框架，核心探讨在系统扩展前如何评估证据，以及在面对复杂场景时选择重用现有专家、生成新专家或推迟行动的权衡策略。论文通过arXiv平台发布，旨在促进早期学术交流和同行反馈，可能为人工智能、机器学习及自适应系统领域的研究提供理论参考，推动相关技术在实际应用中的优化发展。 #学术论文 #arXiv #KentaroOda #终身学习 #人工智能 #专家系统 #研究 #科技

新研究提出CJSD方法，区分机器学习中的两类数据变化

近期，arXiv平台公布了一项由Kentaro Oda提出的学术研究。该研究针对机器学习中的一个核心挑战——数据分布变化，提出了一种新的条件差异度量方法CJSD。该方法的核心目标是精确地区分“协变量偏移”（输入数据分布变化）与“机制改变”（输入输出关系变化）。研究指出，通过引入两个判别器进行精确分解，CJSD能够更有效地帮助算法识别和适应数据变化，从而提升模型在动态环境下的鲁棒性和适应能力。该论文已于2026年8月20日提交至arXiv。 #机器学习 #CJSD #数据分布变化 #模型鲁棒性 #学术研究 #arXiv #AI

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

研究发布在线测试时适应方法，提升动态图异常检测泛化能力

2026年8月20日，一篇题为“在线测试时适应的泛化动态图异常检测”的学术论文在预印本平台arXiv上正式发布。该研究由Jialun Zheng等六位研究人员合作完成，提出了一种创新的在线测试时适应技术，旨在解决动态图异常检测中模型泛化能力不足的挑战。动态图异常检测广泛应用于网络安全、社交网络分析和金融欺诈监测等领域，但传统方法在面对数据分布变化或未知攻击模式时，往往需要频繁重新训练以维持性能。本研究的在线适应机制允许模型在部署后实时调整参数，无需依赖大规模标注数据，从而动态适应新环境，提升检测的准确性和鲁棒性。这一进展为实时监控系统提供了更高效、灵活的解决方案，有望推动动态图分析技术的进一步发展。 #AI #异常检测 #动态图 #在线学习 #学术研究 #arXiv #机器学习 #网络安全

语言模型被发现存在无意识上下文泄露风险

由 Jaiden Fairoze 等人撰写的研究论文《语言模型中的无意识上下文泄露》于2026年8月20日在arXiv预印本平台发布。该研究指出了当前大语言模型在处理和生成文本时，可能在无意中暴露或泄露其训练上下文或推理过程中涉及的敏感信息。这一发现揭示了在模型广泛应用中潜在的安全与隐私漏洞，引发了学术界和产业界对如何确保AI系统信息隔离与数据安全的新一轮讨论。 #AI安全 #论文 #大模型 #隐私风险 #arXiv #科技新闻

研究团队在arXiv发表安全强化学习论文，提出自适应概率屏蔽方法

2026年8月20日，研究人员Astrid Horn Brorholt等在arXiv平台发布了一篇题为“Adaptive Probabilistic Shielding by Learning MDPs for Safe Reinforcement Learning”的论文。该研究提出了一种创新方法，通过学习马尔可夫决策过程来实现自适应概率屏蔽，旨在解决强化学习中的安全性挑战。背景方面，强化学习在机器人、自动驾驶等复杂任务中应用广泛，但缺乏可靠的安全保障机制。论文详细介绍如何集成概率模型与学习机制，动态调整屏蔽策略以评估和约束不安全动作，从而在探索环境中平衡性能与风险。这项工作可能对AI安全领域产生重要影响，为高风险应用如医疗机器人或自主系统提供新的理论支持。 #强化学习 #安全AI #arXiv #研究论文 #人工智能 #科技新闻 #机器学习 #MDP #AI安全

研究提出新型环肽设计优化算法 FAR

一项发表于 arXiv 的研究提出了一种名为 FAR-DPO 的新算法，全称为“可行性感知与鲁棒的直接偏好优化”，专门用于环肽的理性设计。该方法旨在解决传统环肽设计中可能生成不可行分子结构的问题。研究通过结合直接偏好优化技术，并引入可行性约束与鲁棒性评估，使算法在生成过程中能够更准确地筛选出物理化学性质稳定、合成可行的目标环肽。这一进展有望加速针对特定靶点的环肽类药物发现与开发进程。 #环肽设计 #药物发现 #人工智能 #机器学习 #计算生物学 #AI4Science #生物信息学

“答案级信任选择”方法助力物理视觉语言推理

近日，一项题为《Answer-Level Trust Selection for Physical Vision-Language Reasoning》的学术论文在arXiv平台发布。该研究由Rongyu Yu等学者提出，旨在提升人工智能视觉语言模型在涉及物理常识推理任务中的表现。论文提出了一种“答案级信任选择”的新方法，通过更精准地评估和选择模型生成的答案，来增强其在复杂物理场景下的推理能力与可靠性，为该领域的进一步发展提供了新的思路。目前，论文全文及相关技术细节已对外公开。 #AI #视觉语言模型 #物理推理 #论文发表 #arXiv #学术研究 #新方法 #人工智能

开发者发布可通过大语言模型控制的开源视频编辑器

视频编辑新手David在使用iMovie编辑视频时，发现该软件缺乏文本叠加等实用功能，这促使他决定自行构建一款开源视频编辑器。构建过程颇具挑战，涉及时间线行为、拖放操作、着色等基础功能的实现，但借助大语言模型（LLM）的辅助，他成功克服了技术难题。目前，这款开源项目已正式发布，允许用户通过LLM进行控制，为视频编辑领域带来更灵活、智能的体验，并可能激励更多开发者参与AI辅助工具的创新。 #开源 #视频编辑 #LLM #AI #科技 #编程 #软件开发

RunAI Coder 发布

一款名为 RunAI Coder 的AI编程工具近期推出，允许用户仅用一句自然语言描述即可让AI自动生成可合并的代码拉取请求（PR）。该工具支持如 Fable 5 和 GPT 5.6 Sol 等前沿大模型，并通过专有压缩和计费优化技术，提供高达6倍的成本节省。在测试中，单人单机一周内可实现968个合并PR，展示了其在提升开发效率方面的潜力。RunAI Coder 提供免费入门包和按需付费选项，旨在降低编程门槛，让开发者更专注于创意而非编码细节，可能对软件开发流程产生简化影响。 #AI #编程 #开发者工具 #自动化 #科技新闻 #RunAI #代码生成 #效率提升

MileGPO：新研究提出里程碑推理法优化长期LLM智能体

arXiv平台近日收录一项题为《MileGPO：基于里程碑推理与局部证据的图策略优化，用于长期智能体大模型》的最新研究论文。该研究由Bo Qian等六位学者提出，旨在解决当前大型语言模型在执行需要长期规划和复杂决策的任务时所面临的挑战。核心方法是通过构建图结构策略，并结合里程碑式的推理与局部证据，来提升长期规划的效率和准确性，有望在智能体（Agent）的复杂任务求解领域取得进展。论文于2026年8月20日提交至arXiv。 #AI研究 #大模型 #强化学习 #策略优化 #arXiv论文 #长期规划 #智能体

基于流匹配的无监督异常检测新方法在 arXiv 发表

一篇关于使用流匹配技术进行表格数据无监督异常检测的学术论文近期在 arXiv 平台正式发布。该研究由 Philip Konz 等作者提出，旨在针对传统异常检测方法在无监督场景下的局限性，开发一种更高效、准确的新技术。异常检测在数据分析、金融风控和网络安全等领域具有广泛应用，但无监督学习方法往往面临模型训练和泛化挑战。论文通过引入流匹配机制，尝试优化对表格数据中异常模式的识别能力。这项成果可能为机器学习社区提供新的研究方向，推动无监督学习技术在异常检测任务中的进一步发展。 #学术论文 #机器学习 #异常检测 #无监督学习 #arXiv #AI #数据分析 #流匹配

无需真实答案：基于执行回放审计大语言模型智能体的步骤级信用分配

该学术研究探讨了大语言模型智能体在执行复杂任务时，如何准确评估其内部每个步骤对最终结果的贡献，即“信用分配”问题。传统方法往往依赖预定义的正确状态作为参照，但在实际复杂任务中，真实答案常常未知。为此，研究提出了一种创新的审计框架，通过“执行回放”技术，无需预先提供标准答案，即可对智能体的步骤级信用分配机制进行系统性评估与分析。该方法有助于更透明地理解模型决策过程，提升LLM智能体的可靠性与可解释性，为未来开发更稳健、可信的AI系统提供了重要思路。 #LLM智能体 #信用分配 #AI审计 #机器学习 #大语言模型 #人工智能