🤖 AI资讯日报

AI领域的下一个比尔·盖茨或爱因斯坦。

探讨AI进步速度是否呈指数级增长。

探讨当前AI算法的使用痛点。

探讨NLP、AI、ML及机器人技术是否仅为过眼云烟。

谷歌提供Common Lisp与机器学习实习机会。

初探人工智能领域及其预期。

AI领域的非主流观点索引。

关于研究生院（CS博士）的思考。

询问对纽约市地方法律144的关注。

云计算GPU成本降低50%，相比AWS节省开发者50%费用。

初创公司通过书籍销售筹集资金。

生物信息学家的讨论。

连接大型语言模型与机器学习社区的系统。

高性能、大规模向量数据库和向量搜索引擎。

工业实践中的机器学习框架，支持高性能单机和分布式训练。

视觉Transformer实现，简单方法实现视觉分类SOTA。

解释任何机器学习模型输出的游戏理论方法。

PyTorch中的图像到图像转换技术。

500个AI、机器学习、深度学习、计算机视觉和NLP项目带代码。

模块化平台，包括MAX和Mojo。

利用量子力学思想从单一示例生成位图和瓦片地图。

fastai书籍，以Jupyter Notebooks形式发布。

流行机器学习算法的Python示例，带有交互式Jupyter演示和数学解释。

流行的图像标注工具，现为Label Studio社区的一部分。

提出mTSBench，大规模评估多元时间序列异常检测方法，强调模型选择的重要性。

研究通过人体动作预测第一人称视频，利用条件扩散变换器模拟人类行为对环境的影响。

WorldVLA模型统一动作与图像理解生成，通过自回归预测未来图像提升动作生成。

Mind2Web 2基准评估代理搜索系统，提出代理作为评委的自动评估框架。

TITAN通过查询令牌对抗学习，提升无源域自适应目标检测的性能。

引入HalluSegBench，首个通过反事实视觉推理评估视觉基础分割幻觉的基准。

PsyLite轻量级心理辅导模型，通过两阶段训练提升对话安全和专业性。

Large language models (LLMs) are regularly evaluated using benchmark datasets. But what justifies making inferences about an LLM's capabilities based on its answers to a curated set of questions? This paper first introduces a formal framework to address this question. The key is to note that the benchmarks used to test LLMs -- such as AP exams -- are also those used to test people. However, this raises an implication: these benchmarks are only valid tests if LLMs misunderstand concepts in ways that mirror human misunderstandings. Otherwise, success on benchmarks only demonstrates potemkin understanding: the illusion of understanding driven by answers irreconcilable with how any human would interpret a concept. We present two procedures for quantifying the existence of potemkins: one using a specially designed benchmark in three domains, the other using a general procedure that provides a lower-bound on their prevalence. We find that potemkins are ubiquitous across models, tasks, and domains. We also find that these failures reflect not just incorrect understanding, but deeper internal incoherence in concept representations.

结合过程挖掘和随机模拟，提升网络物理系统中的故障诊断能力。

分析用户如何通过对话AI寻求健康信息，揭示现有模型的局限和改进方向。

提出AH2AC2挑战，促进人类与AI在不确定信息下的协调合作研究。

推出skLEP，首个全面评估斯洛伐克自然语言理解模型的基准。