🤖 AI资讯日报

探讨NLP、AI、ML和机器人技术是短暂趋势还是更深远的变革。

询问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。

询问是否有人关注纽约市地方法律144。

分析为何平淡业务比AI炒作周期更持久。

介绍AI领域的潜在领军人物Chris Clark。

谷歌提供Common Lisp与机器学习实习机会。

初学者询问涉足AI领域的预期。

AI领域的疯狂指数。

初创公司通过书籍销售筹集资金。

生物信息学家职位信息。

探讨研究生院（CS博士）的看法。

提出WGAST，一种弱监督生成网络，用于通过时空融合实现每日10米地表温度估计。

Large Language Models (LLMs) have demonstrated impressive fluency and reasoning capabilities, but their potential for misuse has raised growing concern. In this paper, we present ScamAgent, an autonomous multi-turn agent built on top of LLMs, capable of generating highly realistic scam call scripts that simulate real-world fraud scenarios. Unlike prior work focused on single-shot prompt misuse, ScamAgent maintains dialogue memory, adapts dynamically to simulated user responses, and employs deceptive persuasion strategies across conversational turns. We show that current LLM safety guardrails, including refusal mechanisms and content filters, are ineffective against such agent-based threats. Even models with strong prompt-level safeguards can be bypassed when prompts are decomposed, disguised, or delivered incrementally within an agent framework. We further demonstrate the transformation of scam scripts into lifelike voice calls using modern text-to-speech systems, completing a fully automated scam pipeline. Our findings highlight an urgent need for multi-turn safety auditing, agent-level control frameworks, and new methods to detect and disrupt conversational deception powered by generative AI.

开发后训练过程，通过针对性微调提升LLMs在形成惯例方面的能力。

分析新闻制作中LLMs使用的增加及其对新闻风格的影响。

提出“公平游戏”机制，动态审计和去偏AI算法。

介绍一种新型GAN半监督学习框架，专为低标签数据制度设计。

发现在最大口径模型中，直觉作为一种元稳定学习阶段出现。

研究将文本嵌入Swin-UMamba架构用于病变分割的可行性。

研究LLMs如何跨语言分类移民相关推文，挑战跨语言掌握需广泛多语言训练的假设。

提出CLIPin，一种非对比性插件，增强CLIP风格架构的多模态语义对齐。

提出Memp，赋予代理可学习、可更新和终身的程序记忆。

提出数据驱动框架评估多赢家投票规则的公理性能。