纳斯达克指数暴跌4%，AI股与加息担忧双重打击

周五，纳斯达克综合指数收盘下跌4.2%，创下一年多来最大单周跌幅。AI相关股票领跌，英伟达跌6.2%，博通跌7.9%，后者此前发布的疲弱指引引发市场对AI需求增速放缓的担忧。同时，美国5月非农就业数据远超预期（新增17.2万，预期8万），加剧了通胀担忧，10年期美债收益率突破4.5%，2年期收益率升至4.16%创一年新高。市场预计美联储将在2026年维持高利率，甚至可能加息，交易员押注年底前加息概率升至约70%。尽管特朗普总统发帖称就业报告强劲应推动股市上涨，但科技股仍承压，美光、Marvell、英特尔、AMD、高通、ARM等跌幅均超10%。道指相对抗跌，标普500指数当日和当周均下跌2.6%，终结九周连涨。 #纳斯达克 #AI #加息 #美股 #科技股 #就业数据 #美联储 #英伟达 #博通 #市场恐慌

AI的错误答案很糟糕，但错误的推理更糟糕

随着大语言模型在各类任务中的广泛应用，其输出错误答案的问题已引发关注。然而，更令人担忧的是模型在推理过程中出现的系统性错误——当AI不仅给出错误结论，还展示出看似合理实则荒谬的推理链条时，用户更容易被误导。这种“错误推理”比单纯答案错误更具隐蔽性和危害性，因为它可能强化用户的认知偏差，甚至导致决策失误。研究指出，当前AI在逻辑推理、因果推断等复杂任务中仍存在根本性缺陷，且难以通过简单校准修复。业界呼吁在模型训练中加强推理过程的可解释性和鲁棒性，同时提醒用户对AI的“思考过程”保持警惕。 #AI #人工智能 #大模型 #推理错误 #科技风险 #算法偏见 #可解释性

大步长梯度下降恢复多路径深层线性网络对称性

近日，一篇由Hee-Sung Kim等学者提交至arXiv的论文揭示了深度学习中的一项重要发现：在多路径深层线性网络中，使用大步长的梯度下降算法能够有效恢复网络的对称性。研究指出，传统小步长训练往往导致不同路径间的不对称，而适当增大步长则能打破这种偏差，使网络重新获得平衡。该发现不仅深化了对深度学习优化过程的理解，还有望为设计更高效、更稳定的训练方法提供新思路。 #深度学习 #梯度下降 #对称性 #神经网络 #优化算法 #arXiv #AI

REGEN 论文提出参考引导的合成多元时间序列生成方法

一篇发表在 arXiv 上的新论文介绍了一种名为 REGEN 的方法，旨在通过参考引导生成高质量的合成多元时间序列数据，用于预测任务。该方法利用参考序列中的模式与结构信息，结合生成模型，有效提升合成数据的真实性和多样性，从而改善下游预测模型的性能。实验表明，REGEN 在多个基准数据集上优于现有合成方法，为时间序列预测领域提供了新的数据增强手段。 #时间序列 #预测 #生成模型 #机器学习 #AI #arXiv #数据增强