🤖 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和机器人是短暂趋势还是更深远的变革。

谷歌提供Common Lisp与机器学习实习机会。

云计算GPU成本降低50%，相比AWS节省开发者50%费用。

AI领域的非主流观点索引。

初学者询问涉足AI领域的预期。

询问对纽约市地方法律144的关注。

讨论研究生院的选择（计算机科学博士）。

初创公司通过书籍销售筹集资金。

生物信息学家的讨论。

构建可定制、生产就绪的LLM应用的AI编排框架。

机器学习生命周期的开源平台。

最大的即用型ML模型数据集中心。

自动化文本和语音对话的开源机器学习框架。

轻量级、便携、灵活的分布式/移动深度学习框架。

推荐系统的最佳实践。

轻量级人脸识别和面部属性分析库。

PyTorch深度学习开发和研究快速入门指南。

《Deep Learning with Python》书籍的代码示例Jupyter笔记本。

CVPR 2025论文和开源项目合集。

自动解密加密、解码编码和破解哈希的工具。

数学、机器学习、计算机科学等领域算法的C语言实现集合。

提出了mTSBench，一个大规模多变量时间序列异常检测和模型选择的基准测试。

提出Mind2Web 2，一个评估代理搜索性能的基准，采用Agent-as-a-Judge框架进行自动评估。

研究通过人体动作预测第一人称视频，提出了一种基于扩散变换器的自回归条件模型。

提出WorldVLA，一个结合视觉-语言-动作模型和世界模型的自回归动作世界模型。

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.

提出TITAN，一种基于查询令牌的域自适应对抗学习框架，用于源自由域自适应目标检测。

引入HalluSegBench，首个通过反事实视觉推理评估分割幻觉的基准。

分析用户如何通过大规模对话AI数据集寻求健康信息，揭示了用户交互的多样性和潜在风险。

提出一种结合过程挖掘和随机模拟的新型故障诊断方法，用于增强网络物理系统的故障诊断。

介绍PsyLite，一个轻量级心理辅导大语言模型代理，通过两阶段训练策略提升模型能力。

介绍AH2AC2挑战，旨在克服人类评估的高成本和难以复现的限制，促进人类-AI协调研究。

介绍skLEP，首个专为斯洛伐克自然语言理解模型设计的全面基准测试。