FrugalEvo:兼顾成本的LLM引导程序进化
FrugalEvo是一种由LLM引导的进化式优化框架,旨在提高单位成本带来的性能收益。该方法由能力更强、成本更高的LLM探索策略,再由较便宜的模型实现并迭代改进代码,同时通过提示设计提升共享前缀的缓存复用率。在10项数学和系统优化任务中,FrugalEvo有9项的预算感知曲线下面积(BA-AUC)高于受测基线方法。作者称,在圆形填充问题上,使用GPT-5.6 Terra和Luna的成本为1.68美
AI 新闻中心 过去30天分析了 4731 篇文章,发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
FrugalEvo是一种由LLM引导的进化式优化框架,旨在提高单位成本带来的性能收益。该方法由能力更强、成本更高的LLM探索策略,再由较便宜的模型实现并迭代改进代码,同时通过提示设计提升共享前缀的缓存复用率。在10项数学和系统优化任务中,FrugalEvo有9项的预算感知曲线下面积(BA-AUC)高于受测基线方法。作者称,在圆形填充问题上,使用GPT-5.6 Terra和Luna的成本为1.68美
此外,企业发现 AI 成本难以预测。
Safeworld正在开发数字人,以帮助确保机器人不会伤害真人。
自回归视频生成支持低延迟、流式输出,但在较长的生成过程中,预测误差可能不断累积。滚动边缘蒸馏(RMD)使用模型自身生成的序列进行训练,并通过片段级教师模型独立评估每个视频片段,从而减少不完善的时间上下文对视觉质量修正的干扰。随后,方法再采用视频级分布匹配蒸馏,以恢复时间连贯性。实验结果显示,RMD 在远超训练时长的生成过程中仍能保持较高视觉质量,并优于视频级 DMD 基线。
一项研究考察先前问题是否会影响大语言模型在后续问题上的准确率。实验表明,即使在同一领域,对话历史也可能提升或降低模型表现。研究人员提出 STAIR,将先前生成回答时的键和值存入固定存储库,并训练模型在处理提示时引导当前查询读取该存储库。基础模型保持冻结,仅训练 12,288 个参数。在三种 Qwen 模型和四项基准测试中,与使用对话历史的未修改模型相比,STAIR 将后续轮次的准确率最高提高了 1
据彭博亿万富豪指数,2026年以来,科技行业亿万富豪的财富合计增加8450亿美元。财富来自科技行业以外领域的亿万富豪则合计损失620亿美元。人工智能相关企业估值上涨推动了财富增长,但也有迹象表明峰值可能已经过去。
开源工具 RemoveMacAI 可在 macOS 27 中关闭 Apple Intelligence、删除已下载的模型,并阻止模型再次下载。开发者称,根据 Mac 的具体情况,该工具可释放约 10 至 12GB 空间,且无需关闭系统完整性保护(SIP)。删除模型后,写作工具、Genmoji 和 ChatGPT 集成等功能也将无法使用,但听写功能仍可正常工作。Apple 可能在未来的系统更新中更改
三大障碍使中型企业的人工智能项目停留在试点阶段。文章介绍了企业克服这些障碍的方法。
在独家视频采访中,OpenAI首席执行官萨姆·奥特曼谈到ChatGPT、自杀预防和安全漏洞。访谈还涉及他的个人生活、竞争关系、鼓励生育、为可能的末日做准备、新产品、IPO计划,以及卢卡·瓜达尼诺的电影《Artificial》。
洛克希德的研发部门 Skunk Works 正在集成 AI,作为推动国防现代化的一部分。该部门被认为对公司的未来发展至关重要。简短介绍未提供更多技术细节。
该研究提出集体偏见缓解框架(CBM),让多个大型语言模型协作,以减少回答中的偏见。与要求单个模型识别并纠正自身偏见的方法不同,CBM 会更细致地分析模型行为,并促进不同模型之间共享知识。在实验中,由七个模型组成的委员会将年龄偏见得分从0.25降至0.10。辩论式和委员会式架构都能降低偏见;委员会式架构则兼顾了缓解效果与推理成本。
这项研究推出 Multilingual GSM-Symbolic,这是一个可扩展的数学推理数据集,涵盖15种语言、3万组题目匹配的问答。符号模板可生成多样化题目,以减少过拟合。分析发现,模型规模、语言资源水平、推理能力和类型学距离是影响跨语言性能迁移的主要因素。研究称,在马拉地语上评测的32B模型,表现相当于在英语上评测的10B模型。该分析框架解释了92%的语言间差异,并能以6.0个百分点以内的误
OpenAI 表示,将于本月晚些时候在美国开始测试 ChatGPT 的新广告形式。用户生成图像时,界面将展示明确标注为广告的视觉广告。
人工智能芯片初创公司Groq的前员工在特拉华州起诉该公司,指控公司在2025年与英伟达达成的“非独家”人才收购交易中损害了员工利益。该交易据称价值200亿美元。
人工智能推动财富达到新高,但有迹象表明,这一峰值可能已经过去。