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

Trackr Bar：一款用于追踪AI使用和成本的macOS菜单栏应用

Trackr Bar是macOS上的菜单栏应用，声称可追踪AI使用与成本，但其核心功能是通过记录键盘和指针活动生成本地时间线，帮助用户了解专注、空闲与日常节奏。应用将活动数据切分为五分钟片段，显示键盘使用率、指针活跃度和空闲比例，并计算专注分数。所有数据默认存储在本地设备，无需云同步，强调隐私保护。界面设计简洁，避免团队监控色彩，用户可快速查看今日活动密度、历史存档（最长53周）以及每日节奏。该应用采用一次性购买模式，适合注重效率和个人数据隐私的Mac用户。 #macOS #菜单栏应用 #活动追踪 #隐私保护 #AI成本 #专注力 #生产力工具

基于经验神经切线核的极端天气预报可扩展不确定性量化

研究人员提出了一种利用经验神经切线核（Empirical Neural Tangent Kernels, ENTK）实现极端天气预报中不确定性量化的可扩展方法。传统深度学习模型在预测极端天气事件时往往缺乏可靠的置信度评估，而该研究通过构建与神经网络训练动态对应的核函数，实现了对预测不确定性的高效近似计算。实验表明，该方法在保持预测精度的同时，显著降低了计算成本，能够处理高分辨率气象数据，为极端天气预警系统提供了更稳健的决策支持。论文作者来自相关研究机构，目前已在arXiv平台公开技术细节。 #极端天气 #天气预报 #不确定量化 #神经切线核 #深度学习 #气象 #可扩展方法 #AI #科技 #论文

我们真的在倾斜吗？流模型与扩散模型中奖励引导的机制

一篇发表于arXiv的预印本论文深入探讨了在流模型与扩散模型中应用奖励引导时潜在的结构偏差。作者Sanjit Dandapanthula与Nicholas M. Boffi通过理论推导与数值实验，分析了奖励函数对生成样本分布的力学效应，质疑了当前广泛采用的“倾斜”假设的准确性。研究发现，奖励引导并非简单地改变生成方向，而是通过复杂的路径依赖机制重塑模型行为，可能导致意外的模式崩塌或多样性损失。论文为理解强化学习与生成模型结合中的基础问题提供了新视角，对改进AI图像生成、分子设计等领域的训练策略具有参考价值。 #论文 #AI #生成模型 #奖励引导 #扩散模型 #流模型 #arXiv #机器学习

RRISE 论文提出基于代理估计器的鲁棒半径推断方法

近日，由 Jong-Ik Park 等四位作者共同撰写的论文《RRISE: Robust Radius Inference via a Surrogate Estimator》在 arXiv 平台提交。该研究聚焦于统计推断中的鲁棒半径估计问题，提出了一种利用代理估计器进行鲁棒推断的新方法。论文目前以 PDF 和 HTML 格式开放获取，并附有相关代码与数据链接。这项成果有望为高维数据分析与机器学习模型的可靠性评估提供新的理论工具。 #arXiv #论文 #鲁棒推断 #代理估计器 #机器学习 #统计学习

遗忘非擦除

一项来自Arxiv的最新研究提出，模型“遗忘”并不意味着知识的彻底擦除。该论文引入“传输密钥”（Transport Keys）方法，能够从已被训练遗忘的模型中恢复潜在的隐藏知识。研究团队通过实验证明，即使模型在特定任务上被刻意“遗忘”，其内部表征中仍保留着可提取的语义信息。这一发现对机器学习中的隐私保护、模型可解释性及持续学习具有重要启示，表明现有的“机器遗忘”技术可能无法真正消除知识，而只是将其压制或隔离。 #Arxiv #机器学习 #模型遗忘 #知识恢复 #传输密钥 #AI安全 #可解释性

GRZO：面向大语言模型微调的群组相对零阶优化方法

该论文提出了一种名为GRZO（Group-Relative Zeroth-Order Optimization）的新型优化方法，专门用于大语言模型的微调任务。传统零阶优化方法通过函数值估计梯度，但往往收敛慢且方差大。GRZO通过引入群组相对比较机制，在多个候选参数间进行相对排序，从而更高效地估计更新方向，显著降低内存占用和计算开销。该方法无需访问模型内部梯度，适用于黑盒或内存受限场景。实验表明，GRZO在多种微调任务上达到与一阶方法相近的性能，同时大幅减少显存需求，为大规模模型的高效部署提供了新思路。 #GRZO #零阶优化 #大语言模型 #微调 #机器学习 #AI #论文 #高效训练

RESCAST-100K 数据集发布，助力住宅负荷与温度预测研究

研究人员 Jainam Dhruva 等人在 arXiv 上提交了论文，介绍了名为 RESCAST-100K 的全新数据集。该数据集专注于跨领域的住宅用电负荷和室内温度预测，包含约10万条样本，旨在为智能电网、建筑能效和机器学习模型提供标准化训练与评估平台。数据集覆盖多种住宅类型和气候条件，有助于开发更精准的负荷和温度预测算法，推动能源管理和节能减排技术的发展。 #数据集 #能源预测 #机器学习 #室内温度 #住宅负荷 #人工智能 #智能电网

系统性评估当前风电预测架构的研究发表

一篇题为《当前风电预测架构的系统性评估》的研究论文在IEEE Access 2025上正式发表。该论文由Vinicius Bortolini、Gilson Adamczuk Oliveira、Erick Oliveira Rodrigues和Matheus Henrique Dal Molin Ribeiro共同撰写，于2026年6月1日提交至arXiv预印本平台。研究对当前主流的风电预测架构进行了全面系统的比较评估，涵盖多种模型与算法，旨在为风电功率预测领域提供客观的性能基准。这项工作有助于研究人员和工程师选择更合适的预测方法，对提升可再生能源并网效率和电网稳定性具有重要参考价值。 #风电预测 #机器学习 #深度学习 #系统评估 #IEEE Access #可再生能源 #论文发表

新论文提出光谱渐进思维流，助力轻量级多模态推理

据arXiv预印本平台显示，一篇题为《Spectral-Progressive Thought Flow for Lightweight Multimodal Reasoning》的研究论文于2026年6月1日提交。该论文由Yixian Shen等8位作者共同完成，提出了一种新颖的“光谱渐进思维流”方法，旨在提升轻量级模型在多模态推理任务中的表现。当前，多模态推理面临计算资源与推理精度之间的平衡难题，轻量级模型尤甚。该研究通过引入渐进式思维流机制，结合光谱分析技术，有望在不显著增加参数量的情况下增强模型的复杂推理能力，为边缘设备或资源受限场景下的多模态应用提供新的技术路径。论文已在arXiv上开放全文访问，供学界和业界参考。 #AI #多模态推理 #轻量级模型 #arXiv #论文 #光谱渐进思维流 #机器学习

学习连贯表示

来自arXiv的一篇新论文提出了一种基于拓扑学的方法来学习连贯的表示，旨在提升人工智能模型的可解释性。该论文由Sigurd Gaukstad等五位作者完成，标题为《Learning Coherent Representations: A Topological Approach to Interpretability》。研究团队利用拓扑数据分析技术，探索如何从复杂数据中提取结构化的、易于理解的表示，从而帮助研究人员理解模型内部的决策逻辑。该方法有望解决深度学习模型“黑箱”问题，为AI安全与可信应用提供新思路。论文已在arXiv预印本平台发布，目前处于提交审核阶段。 #AI #可解释性 #拓扑 #机器学习 #论文 #arXiv #表示学习

记忆化引导数据集去偏

一篇来自arXiv的论文提出了一种利用记忆化引导的数据集去偏方法，旨在减轻机器学习模型中的虚假相关性。虚假相关性是指模型在训练数据中学习到与任务无关的偶然模式，导致泛化能力下降。该方法通过分析模型对训练样本的记忆化程度，识别并去除那些导致虚假相关性的样本，从而构建更平衡的数据集。实验表明，该方法在多个基准数据集上有效提升了模型的鲁棒性和公平性，为缓解数据偏差提供了新思路。 #机器学习 #虚假相关性 #数据集去偏 #记忆化 #AI #论文 #arXiv #鲁棒性 #公平性

Qift: 面向旋转W2A4/KV4大模型推理的无零点后训练量化方法

一篇题为《Qift: Shift-Friendly No-Zero W2 Post-Training Quantization for Rotated W2A4/KV4 LLM Inference》的预印本论文在arXiv上发布。该研究由Chi-Wei Huang等人提出，针对大语言模型（LLM）推理中常见的旋转量化方案（如W2A4和KV4）设计了一种新型后训练量化技术。传统量化方法在处理低比特权重时往往面临巨大精度损失，而Qift通过引入“移位友好”的无零点策略，有效缓解了量化过程中的信息丢失，并在保持高压缩率的同时提升了推理效率。实验结果表明，该方法在多种语言建模任务中显著优于现有方案，为边缘部署和高效推理提供了新思路。 #量化 #大模型 #推理优化 #后训练量化 #LLM #AI #arXiv #低比特 #论文

QUIVER：量子启发的视角增强大型机器学习模型表示

一篇题为“QUIVER: Quantum-Informed Views for Enhanced Representations in Large ML Models”的论文于2026年6月1日提交至arXiv预印本平台。该论文由Aritra Bal等四位作者共同撰写，提出了一种名为QUIVER的方法，旨在通过借鉴量子力学中的概念来改进大型机器学习模型的表示学习能力。论文探讨了如何将量子信息理论中的视角应用于深度学习，以提升模型对复杂数据结构的理解与表征质量，为未来AI模型的设计提供了新的思路。 #量子计算 #机器学习 #表示学习 #量子启发 #人工智能 #arXiv #预印本

Transformer 语言模型特征表示存在几何极限，新研究揭示其内在约束

一篇题为《Representational Capacity: Geometric Limits on Feature Representation in Transformer Language Models》的论文近日在 arXiv 上预发布。作者 Alexander Guha 从几何角度系统探讨了 Transformer 架构在特征表示能力上的理论上限。研究指出，即便在深层非线性变换下，注意力机制所构建的表示空间仍受限于某些几何性质，导致模型无法有效区分或编码部分高维特征。该工作为理解大语言模型的表达边界提供了新视角，对改进模型结构、提升泛化能力具有潜在指导意义。 #AI #深度学习 #Transformer #语言模型 #特征表示 #几何 #论文 #arXiv

基于量产车辆巡航信号的机器学习路面二分类方法

该论文由Vishal Hariharan等人提交至arXiv，提出了一种利用量产车辆在巡航过程中产生的信号，通过机器学习进行路面类型二分类（如干燥与湿滑）的方法。研究旨在不依赖额外传感器，仅使用车辆现有信号实现实时路面分类，以提升驾驶安全性和车辆控制系统的适应性。论文详细介绍了数据采集、特征工程及模型训练过程，并验证了方法的有效性。该工作为低成本、易部署的路面感知方案提供了新思路。 #机器学习 #路面分类 #车辆信号 #智能驾驶 #arXiv #论文 #二分类

Ψ-Bench: 面向说服性对话中人格敏感影响力的新评估基准

arXiv（预印本）上发布了一项名为 Ψ-Bench 的新研究，由 Peixuan Han 等作者提出。该工作聚焦于说服性对话场景，旨在评估当对话系统考虑用户人格特征时，其影响力如何变化。研究构建了一个专门的基准测试，用于衡量在对话中根据对方人格调整策略以增强说服效果的能力。Ψ-Bench 的出现填补了当前对话评估中缺乏人格敏感维度的空白，有望推动更个性化、更有效的说服性对话系统发展。该论文已以 PDF 和 HTML 形式在 arXiv 上公开，并提供相关代码与资源链接。 #AI #对话系统 #人格 #说服 #基准测试 #自然语言处理

腾讯反击AI落后批评，称AI是“长期游戏”

腾讯近日回应外界对其在人工智能领域发展滞后的批评，公司高管表示AI是一场长期竞赛，而非短期冲刺。腾讯强调，其在AI领域的投入注重长期价值，不会因短期竞争压力而改变战略节奏。目前，腾讯已推出混元大模型并在多个业务线落地应用，同时持续加大研发投入，但更关注技术落地与实际效果。这一“长期主义”策略与部分竞争对手的快速迭代形成对比，也引发投资者不同看法。腾讯管理层则认为，AI发展需要耐心，公司正稳步推进技术研发与国际合作，以构建可持续的竞争优势。 #腾讯 #AI #长期主义 #科技新闻 #人工智能

新论文提出“先过滤后重加权”策略，优化在线策略蒸馏

近日，一篇题为《Filter, Then Reweight: Rethinking Optimization Granularity in On-Policy Distillation》的论文在arXiv上预印发表。该研究由Yuying Li等作者完成，聚焦于在线策略蒸馏（on-policy distillation）中优化粒度问题。传统方法通常对所有样本一视同仁，而该研究提出“先过滤后重加权”的两步策略：首先基于样本质量过滤掉低效或噪声样本，再对保留样本按重要性分配不同权重，从而实现更精细的梯度优化。实验表明，该方法在多个强化学习任务中显著提升了蒸馏效率与最终策略性能，为在线知识蒸馏提供了新的优化视角。该工作有望推动大模型蒸馏、机器人学习等领域的进步。 #论文 #arXiv #优化策略 #在线策略蒸馏 #知识蒸馏 #强化学习 #AI #机器学习

AI 使用分析工具 Standout 上线，量化评分助力效率优化

据技术社区消息，一款名为 Standout 的新工具（通过运行 npx standout 命令使用）能够为用户生成 0 至 100 分的 AI 使用评分，并基于令牌消耗和代理活动进行排名。该工具旨在帮助专业人士追踪和优化与大型语言模型的交互，揭示用户实际参与水平往往高于预期。企业可利用此类分析识别多代理设置中的模式，优化工作流程，减少不必要的令牌支出，提升输出质量。开发团队则借助指标高效扩展代理部署。货币化采用订阅模式和优质报告，同时需集成安全 API 并遵守数据保护法规。隐私与道德方面强调用户同意和避免偏见。随着 AI 模型复杂化，此类分析工具的采用预计将更广泛，推动行业转向可持续令牌管理和人机协作，早期投资的企业有望获得效率与创新优势。 #AI工具 #人工智能 #令牌消耗 #效率优化 #数据分析 #Standout #科技新闻

局部性不等于可达性

该论文由Zhibo Yang提交至arXiv，探讨了块稀疏因果注意力机制中的一个关键问题：局部性（locality）并不等同于可达性（reachability）。在稀疏注意力模型中，虽然每个token只关注局部区域，但信息传播可能受到块边界限制，导致某些token无法有效获取远处信息。作者提出了一种边界修复方法，通过调整注意力掩码或引入额外连接，确保在保持稀疏性的同时恢复信息流动的完整性。实验表明，该方法能显著提升长序列任务中的模型表现，且计算开销可控。该研究对高效Transformer架构设计具有重要参考价值。 #arXiv #因果注意力 #稀疏注意力 #局部性 #可达性 #边界修复 #Transformer #深度学习 #自然语言处理