🤖 AI资讯日报

探讨务实企业如何超越AI炒作周期，实现长期稳定发展。

讨论当前AI算法在实际应用中的痛点与挑战。

探讨NLP、AI、ML等技术是短暂趋势还是具有深远影响。

讨论AI技术进步速度是否呈指数级增长。

讨论对纽约市地方法律144号（可能涉及AI监管）的关注与担忧。

介绍MIT非AI许可证，可能涉及AI技术使用的法律框架。

提出AI领域“怪人指数”，批判不切实际的AI炒作与言论。

征集学习人工智能的推荐阅读材料与资源。

生物信息学职位招聘，涉及AI在生物领域的应用。

谷歌招聘Common Lisp与机器学习实习生，反映特定技术需求。

初创公司通过书籍销售筹集资金，展示非传统融资模式。

宣传个人“Chris Clark”为AI领域的下一个比尔·盖茨或爱因斯坦。

提出批量上下文强化方法，通过共享上下文窗口同时解决多个问题，显著降低LLM推理成本同时保持准确性。

提出统一文本到2D和3D生成的3D原生基础模型，利用2D数据作为几何先验改善3D表示。

Regulatory documents encode legally binding obligations that LLM-based systems must respect. Yet converting dense, hierarchically structured legal text into machine-readable rules remains a costly, expert-intensive process. We present De Jure, a fully automated, domain-agnostic pipeline for extracting structured regulatory rules from raw documents, requiring no human annotation, domain-specific prompting, or annotated gold data. De Jure operates through four sequential stages: normalization of source documents into structured Markdown; LLM-driven semantic decomposition into structured rule units; multi-criteria LLM-as-a-judge evaluation across 19 dimensions spanning metadata, definitions, and rule semantics; and iterative repair of low-scoring extractions within a bounded regeneration budget, where upstream components are repaired before rule units are evaluated. We evaluate De Jure across four models on three regulatory corpora spanning finance, healthcare, and AI governance. On the finance domain, De Jure yields consistent and monotonic improvement in extraction quality, reaching peak performance within three judge-guided iterations. De Jure generalizes effectively to healthcare and AI governance, maintaining high performance across both open- and closed-source models. In a downstream compliance question-answering evaluation via RAG, responses grounded in De Jure extracted rules are preferred over prior work in 73.8% of cases at single-rule retrieval depth, rising to 84.0% under broader retrieval, confirming that extraction fidelity translates directly into downstream utility. These results demonstrate that explicit, interpretable evaluation criteria can substitute for human annotation in complex regulatory domains, offering a scalable and auditable path toward regulation-grounded LLM alignment.

提出可引导视觉表示，通过早期文本融合使视觉特征能够用自然语言引导关注图像中任何对象。

提出多主体可控视频世界模型，解决现有视频扩散模型中动作与主体绑定的基本问题。

提出视频对象删除框架，在复杂交互场景中执行物理合理的修复，保持场景动态一致性。

提出多智能体战略资产配置管道，约50个专业代理协同工作，实现机构投资的自主管理。

提出轻量级晶体建模Transformer，通过亚原子标记化和几何增强模块实现高效晶体结构预测和生成。

提出接地令牌初始化方法，在微调前将新令牌映射到预训练嵌入空间中的语义位置，改善词汇扩展效果。

提出样本路由策略优化框架，统一组相对和自蒸馏策略优化，实现快速改进和长期稳定性。

提出用户轮生成作为LLM交互意识的探针，发现交互意识与任务准确性解耦，是当前基准未探索的维度。

提出自适应预算遗忘框架，通过相关性引导评分和有界优化调节记忆，平衡长期对话中的相关性和效率。