跳到正文
11月4日周三
  1. arXiv · NLP23

    LLM 模拟临床专家对比人类在边缘型人格障碍分析中的表现:基于 GPT、Gemini 与 Claude 的混合方法评估

    研究评估了 GPT、Gemini 和 Claude 在边缘型人格障碍质性临床分析中的能力,采用混合方法由盲评专家及神经嵌入方法对比人机语义差异。 结果显示 AI 分析与人类解释重叠率波动在 0 至 58% 之间,且所有模型均识别人类遗漏的主题;在盲评内容效度及语义风格嵌入上,Gemini 2.5 Pro 表现与人类专家无显著差异,外部评估者亦无法可靠区分人机主题。

  2. arXiv · ML33

    双节点 NVIDIA DGX Spark 远程分布式 NanoChat 预训练与网络安全微调可行性测试

    研究在两台 NVIDIA DGX Spark 上通过 Tailscale VPN 远程部署分布式 NanoChat 预训练,896.5M 参数模型处理 52.2 亿 token。 利用 200 Gb/s 光纤直连,4980 步训练耗时 4 天,平均 63.4 秒/步。 验证了桌面级加速器多节点训练可行性,但 CTI 微调在未见威胁情报泛化能力接近零。

  3. arXiv · ML77

    TabPFN-3 技术报告:扩展至100万行训练数据的表格数据基础模型

    TabPFN-3 将表格数据基础模型扩展至支持 100 万行训练数据,推理速度较前代快 20 倍。在 TabArena 基准上,该模型通过单次前向传播超越所有其他模型并占据性能-速度帕累托前沿;其 API 版本 TabPFN-3-Plus 在 100 万行子集上比第二名高 420 Elo,比 AutoGluon 1.5 extreme 快 10 倍。

    推荐理由:报告展示了TabPFN-3在100万行数据上的预测能力,并引入测试时计算扩展机制,为表格数据基础模型提供了性能与效率的新基准。

  4. arXiv · ML21

    利用稀疏自编码器特征引导大语言模型数据高效指令微调:FtF 方法

    研究提出 FtF 方法,利用稀疏自编码器(SAE)特征统计数据指导指令微调的小样本数据集构建,在 100 样本、256 token 序列长度的预算下实现高效微调。 FtF 将选择用的高秩特征与目标微调模型解耦,可跨模型复用;在 Qwen 3 8B 模型上使用 Alpaca 数据集训练时,其综合指标超越全量数据集训练 1.59 个百分点。 验证了 SAE 特征统计作为数据高效指令微调有效信号的潜力。

  5. arXiv · AI27

    MathlibPR 提出形式化数学库 PR 合并结果基准

    summary_zh: 研究团队基于 Mathlib4 真实 PR 历史提出 MathlibPR 基准,用于评估 LLM 辅助形式化推理能力。 DeepSeek、Qwen 等模型与 Codex、Claude Code 等 Agent 在区分可合并与仅构建通过的 PR 时表现不佳,且阶段式评估协议显示 LLM 难以独立判断 PR 是否值得整合。

  6. arXiv · AI33

    揭示视觉语言模型中的视觉谄媚与信念分裂现象

    研究提出三层诊断框架,在9000个样本中发现28.1%的视觉谄媚现象,即模型在图片缺失时仍输出错误答案。 该现象具有模型特异性,Qwen3-VL在空白输入下拒绝率达93-98%,而Pixtral-12B作答率高达72%;随着模型规模扩大,视觉谄媚比例显著上升。 盲评实验证实,80%的谄媚回复中无文本迹象表明图片缺失,揭示了模型感知与回答之间的信念分裂。

  7. arXiv · AI35

    SBIA 攻击:通过社交媒体内容向个人 AI 智能体注入隐性偏见

    研究提出 SBIA 攻击,利用社交媒体评论和技能市场向个人 AI 智能体持久内存注入偏见,无需嵌入显式恶意指令。 该攻击在 7 个 LLM 和 7000 条 crafted SNS 评论的 BiasBench 测试中,取得至少 96% 的攻击成功率,且能通过现有恶意技能扫描器。 这项发现表明外部网页内容和第三方技能市场已成为个人 AI 智能体内存的新攻击面。

  8. arXiv · AI35

    JevBreak 揭示决策模型中“允许选项”不等于“安全决策”的 Slot Attack 漏洞

    针对七个决策模型在 16 项任务上的评估显示,限制模型可输出的选项集并不能阻止攻击者操纵决策。 攻击者利用 Slot Attack 黑盒方法,仅依赖标签概率即可成功将 32%–99% 的正确决策导向错误选项,每次成功攻击中位查询量仅为 17–72 次。 固定答案集仅约束了决策形式而非来源,模型鲁棒性必须按模型、任务和版本逐一测量,不能因输出格式而默认安全。

  9. IT之家47

    字节跳动将限制员工内部自费使用 Claude 和 Codex

    字节跳动本月起全面封禁 L4 级代码仓库和飞书文档对 Claude、Codex 等外部 AI 的访问,禁止员工使用个人采买账号。 此举旨在防范数据泄露,此前字节曾于 2025 年禁用 Cursor 等第三方工具并推广自有产品 Trae。 技术副总裁洪定坤强调 L3 及以上内容泄露后果严重,但反对以强制禁用替代品的拙劣方式推广产品。

  10. R/ArtificialInteligence37

    Codex 成功修复 16 年旧款东芝 m-SATA SSD 保护模式故障

    用户利用 Codex 通过 SSH 连接 Windows 机器运行工具,成功将一块 16 年前卡死在保护模式、仅识别 64kb 的东芝 m-SATA SSD 恢复至正常读写状态。 该 SSD 已格式化 NTFS 并写入约 10GB 数据,目前作为 128GB 移动硬盘使用。此前 Codex 还修复了老游戏《From Dust》的高帧率运行及物理模拟问题。

  11. Hacker News AI83

    AI 可以读取神经网络权重,作者深入解析了这一反直觉能力

    前沿模型能够直接读取、推理甚至更新神经网络的权重参数,且无需运行训练循环。作者以果蝇全脑连接组类比,指出 LLM 作为神经网络并不天然理解其他网络的权重,这些权重是以纯文本形式(如 token 化的数字序列)输入的。

    推荐理由:作者通过蝇脑类比和具体权重解析案例,揭示了前沿模型直接读取神经权重这一非直觉能力的潜在机理。

  12. Hacker News AI58

    SpaceX 将成为最大的 AI 云

    SpaceX 正以空前的速度建设数据中心,计划 2027 年达到约 13GW 容量,超越 Google 自 1999 年以来的总规模。报告指出 SpaceX 利用特斯拉制造移动模块设备加速部署,并在 Starship 和 TeraFab 等地块建设数据中心。为了支撑该规模,SpaceX 采用了包括移动涡轮机和 5.9GWh BESS 存储在内的离网电力方案。

  13. 36氪70

    奥尔特曼斯坦福访谈:一个人加合理 token 成本能完成百人团队的工作

    OpenAI CEO Sam Altman 在斯坦福系统设计课访谈中表示,只要承担合理 token 成本,一个人就能完成过去百人精英工程团队的工作,创业公司的选项集因此发生变化。

    推荐理由:Altman 在斯坦福访谈中给出“一人可完成百人团队工作”的规模化判断,以及 AI 成为公用事业的类比,提供观察 AI 行业趋势的视角。

  14. 36氪43

    苹果把给AI的钱都给了股东

    苹果FY2026Q4资本开支降至22.4亿美元,同比收缩31%。 全年回购863.9亿美元并支付157.2亿美元股息,向股东返还约1021亿美元。 在AI巨头估值回调期间,苹果凭借低资本开支和巨额回购成为市场避风港。

  15. IT之家28

    AMD 苏姿丰确认 EPYC Venice 开始产生营收,OEM 整机第四财季上市

    AMD 官宣第六代 EPYC“Venice”处理器已在 2026 年第三财季开始产生营收出货,首批 OEM 整机预计于第四财季上市。 该处理器采用台积电 2 纳米工艺和 Zen 6 架构,适用于云与企业市场。同期公司数据中心营收达 85 亿美元,同比增长 97%。 第四财季将扩大 Helios 系统生产,Anthropic、Meta 等机构已在首批系统上运行工作负载。

  16. IT之家80

    OpenAI ChatGPT 最新数据:周活跃用户达 12 亿,两个月新增 2 亿

    OpenAI 消费者产品负责人 Adam Fry 透露,ChatGPT 每周活跃用户数量已达到 12 亿。过去 60 天内,周活跃用户从 10 亿增长至 12 亿,新增约 2 亿。Fry 表示,ChatGPT 当前处理的搜索类查询量约为 Google 的五分之一,每周生成图片达到 15 亿张,语音输入和语音对话功能的合计周活跃用户达到 2.5 亿。

    推荐理由:原文给出了具体用户量增长数据和与Google的搜索量对比,读者可据此评估ChatGPT的市场渗透与功能结构。

  17. Hacker News AI91

    Revolut 弃用 Claude Code,全面部署 GLM 开源模型以降低编码成本

    Revolut 已将其 2000 名软件工程师的默认编码工具从 Claude Code 和 OpenAI Codex 切换至自托管的 GLM 开源模型,此举将相关 AI 支出降低至原来的十分之一。数据显示,在约 56 块 Nvidia B200 GPU 的支撑下,该方案平均每百万 token 成本约 0.30 美元,编码时间平均缩短 60%,而任务交付的等待时间平均减少 70%。

    推荐理由:Revolut 将 2000 名工程师的日常编码默认模型切换至自托管 GLM,为 AI 实验室常规业务市场提供成本信号。

  18. Ars Technica · AI42

    乌克兰无人机袭击促使俄罗斯加速建设地下数据中心计划

    乌克兰无人机袭击导致俄罗斯 AI 超算设施受损及云服务中断,俄科技公司正紧急推进数据中心地下化或隐蔽化部署。 Rostelcom 正在与 Norilsk 矿业公司谈判将数据中心迁入地下,另有建议利用露天煤矿建设并加设绿化伪装。 克里姆林宫已要求数据中心预留应急算力,并授权在紧急情况下使用外国数据中心资源。