🤖 AI资讯日报

务实商业模式比AI炒作周期更具持久性，强调商业本质超越技术狂热。

探讨当前AI算法的实际应用痛点，反映技术落地挑战。

讨论AI发展速度是否呈指数级增长，涉及技术演进预测。

探讨NLP/AI/ML/机器人技术是短期趋势还是长期变革。

讨论纽约市第144号地方法律对AI行业的潜在监管影响。

MIT非AI许可证引发关于AI技术开源与商业化的讨论。

AI狂热指数工具，用于识别和评估行业中的过度炒作现象。

征集AI学习资源推荐，反映行业知识传播需求。

谷歌招聘Common Lisp与机器学习实习生，显示特定技术栈需求。

生物信息学家职位讨论，体现AI在生命科学领域的交叉应用。

宣传AI领域新星Chris Clark，涉及行业人物炒作话题。

初创公司通过书籍销售筹集资金，展示非传统融资方式。

提出AI安全研究新方法论，关注智能体交互层面的微观机制对集体风险的影响。

为自动驾驶构建视觉异常检测基准，评估模型识别训练外障碍物的能力以提升安全性。

评估促进LLM智能体在社会困境中合作的机制，发现契约与调解最有效。

提出单次前向传播的医疗图像分割不确定性估计框架，将不确定性建模为扰动能量。

提出分层多模态网页生成智能体框架，通过规划与反思协调AIGC工具生成风格一致的网页。

提出面向多源多模态数据应用的智能数据层，将LLM、网络和用户统一为可查询的数据源。

提出首个张量程序符号超级优化器，通过两级搜索实现程序族优化，显著提升LLM工作负载性能。

LLM-as-judge frameworks are increasingly used for automatic NLG evaluation, yet their per-instance reliability remains poorly understood. We present a two-pronged diagnostic toolkit applied to SummEval: $\textbf{(1)}$ a transitivity analysis that reveals widespread per-input inconsistency masked by low aggregate violation rates ($\barρ = 0.8$-$4.1\%$), with $33$-$67\%$ of documents exhibiting at least one directed 3-cycle; and $\textbf{(2)}$ split conformal prediction sets over 1-5 Likert scores providing theoretically-guaranteed $\geq(1{-}α)$ coverage, with set width serving as a per-instance reliability indicator ($r_s = {+}0.576$, $N{=}1{,}918$, $p < 10^{-100}$, pooled across all judges). Critically, prediction set width shows consistent cross-judge agreement ($\bar{r} = 0.32$-$0.38$), demonstrating it captures document-level difficulty rather than judge-specific noise. Across four judges and four criteria, both diagnostics converge: criterion matters more than judge, with relevance judged most reliably (avg. set size $\approx 3.0$) and coherence moderately so (avg. set size $\approx 3.9$), while fluency and consistency remain unreliable (avg. set size $\approx 4.9$). We release all code, prompts, and cached results.

研究LLM在最短路径问题上的系统化泛化能力，发现模型在空间迁移上表现良好但长度扩展上失败。

研究LLM和VLM在无视觉输入下的视角旋转理解能力，发现模型难以绑定视角与观察，存在幻觉。

分析VLM在情感识别上的不足，归因于长尾数据偏差和稀疏时间采样与微表情短暂性的错配。

分析循环Transformer的稳定性与泛化，提出基于不动点的框架，并引入内部召回变体提升性能。