Anthropic内部调查:AI研发速度翻倍,80%来自AI自身
“AI正在加速我们的研究,但很难确切地说加速了多少。”11月5日,Anthropic联合创始人、负责公司大部分安全工作的Sam McCandlish在X上发表长帖,回应独立AI评估机构METR刚刚公布的一份报告。这份报告披露了一个重要发现,Anthropic的AI模型能力进步速度,可能已经达到此前的两倍,其中约80%的当前加速可能来自AI参与自身研...
检索标题、摘要与正文,把分散的信息连起来。
“AI正在加速我们的研究,但很难确切地说加速了多少。”11月5日,Anthropic联合创始人、负责公司大部分安全工作的Sam McCandlish在X上发表长帖,回应独立AI评估机构METR刚刚公布的一份报告。这份报告披露了一个重要发现,Anthropic的AI模型能力进步速度,可能已经达到此前的两倍,其中约80%的当前加速可能来自AI参与自身研...
arXiv:2611.04638v1 公告类型:新 基础摘要:大型语言模型(LLM)可以直接在浏览器中运行,但通常需要先下载数百 MiB 甚至数 GiB 大小的模型文件。同一款 LLM 往往由不同发布者重新打包;这些文件内容高度相似,但字节级差异导致全文件缓存无法复用它们。我们提出了 EvoCache,一种由浏览器管理的 LLM 分发系统。EvoCache 利用由浏览器预先存储且独立于浏览历史的公共缓存锚点,无损重建站点请求的发布者版本。站点仅需指定目标,浏览器则选择锚点并执行重建,整个过程对站点保持透明。对 1,000 个公开仓库的审计发现,100 款最受欢迎的 LLM 中有 61 款由多个发布者提供,且 98.1% 的重叠版本无法通过全文件缓存复用。在 23 对跨发布者模型包组合中,EvoCache 实现了 77.3% 的流量中位数降低,性能优于所有对比方案。在 240 项真实的端到端浏览器实验中,与普通完整下载相比,EvoCache 将网络流量降低了 78.9%,页面就绪时间缩短了 64.2%。对于其他站点留下的缓存数据,EvoCache 还通过为缓存命中和未命中使用相同的返回时间,保护用户的跨站缓存隐私。
万亿美元招股书里的五个反常识细节
arXiv:2610.35925v1 发布类型:新 摘要:训练用于个人身份信息(PII)的上下文化掩码系统,需要能够区分某一实体类型中可掩码与不可掩码提及的示例,但隐私限制使得获取真实数据受到制约。基于作者的增强方法(SPY)会将与作者无关的提及标记为非PII,这种方法假定存在单一的数据主体,而忽视了其他可能的主体。我们提出了ReCoPII(基于关系的上下文化PII掩码),该框架无需这一假设即可构建此类数据:它规划受本体约束的实体关系,编写带有占位符的插入句,通过代码重建标注,利用独立的大型语言模型检查结果,并根据实体关系推导出MASK/KEEP标签。在来自六个领域的韩语文档上,它生成了Re
扩展 AI 智能体的规模,需要将其视作受监管岗位上的员工,制定书面规则、明确职责,并指定一名负责人对其绩效负责。特邀作者、Get Covered 公司首席运营官里克·福尔格曼建议企业:应从由既定规则规范的任务入手,在不同工作流的风险水平下调整其自主权,并在扩大智能体权限之前定期评估成效。
arXiv:2610.32022v1 发布类型:新 摘要:在人机交互中,意图识别要求智能体通过推断说话者的潜在目标来化解含糊不清的自然语言指令。近年来,研究日益聚焦于两种颇具代表性的范式来应对这一任务:结构化符号推理与多模态输入增强。然而,在那些歧义源于未明示的人类意图而非缺失可观测场景信息的情形下,基于增强的方法是否确实具有优势,仍不明确。本文开展了一项对比与诊断性研究,将采用结构化社会与具身推理的FISER框架与CEMIR(上下文增强型多模态意图识别)方法进行基准测试——后者是一种实施多模态增强的技术。
arXiv:2610.31702v1 发布类型:新 摘要:室内无线地图估计(RME)对于覆盖规划、定位和网络部署等无线应用至关重要。然而,现有方法大多采用监督学习范式,需要耗费高昂成本的标注数据,并进行针对特定任务的模型训练。此外,室内环境涉及建筑布局与结构等隐私敏感信息,这些信息往往无法集中管理。为应对上述挑战,我们首次尝试将室内RME建模为一种协同式上下文学习(ICL)问题。我们提出了Poly-Ripple框架,其中多个客户端在无需更新模型的情况下,利用大型自回归视觉模型(LAVMs)进行ICL。每个客户端均通过其私有演示数据获得提示。
arXiv:2610.31716v1 发布类型:新 摘要:我们考察了预训练的 LeWorldModel(LeWM)在多大程度上能够重现微小动作变化所产生的效应。通过匹配的模拟器与模型响应,我们在三种扰动尺度下利用 Gram 矩阵测量动作敏感性。在 Reacher 和 OGBench Cube 的近千个状态中,最敏感的动作方向在最小尺度下的中位夹角分别约为 36° 和 42°。将扰动幅度扩大十倍后,Reacher 上的归一化 Gram 差异中位数降低了约 70%,而在 Cube 上则降低了约 47%。以像素和嵌入表示的几何结构在不同尺度间的差异,大于所选用的物理状态几何结构的差异。在保留的方向上,环境 Gram 矩阵对应的嵌入响应误差中位数分别为 17% 和
arXiv:2610.31718v1 发布类型:新 摘要:金融交易网络通常以多重图的形式进行建模,其中同一账户对之间的重复交易被表示为不同的边。近期提出的多重图神经网络架构明确利用了这一结构,从而在反洗钱(AML)任务上取得了优异的性能。然而,这些模型对于那些通过操纵交易结构以规避检测的攻击者的鲁棒性仍鲜有研究。我们提出了首个可扩展的框架,用于针对多重图神经网络实施结构化攻击并开展对抗训练,该框架基于节点—边关联矩阵,并适配投影梯度下降法与投影随机化块坐标下降法,以优化此类多重图上的结构扰动。
据The Verge报道,知名Modder Sammy Hajhamid(网名pepsipu)宣称已成功越狱Nintendo Switch 2,其工具‘ns2jb’借助OpenAI Codex辅助开发,并通过一款旧游戏触发漏洞;演示视频显示《Mario Kart World》运行了含Cinnamoroll、红色愤怒小鸟、Peter Griffin及Minecraft Steve等非官方角色的修改版本。
OpenAI CEO萨姆·阿尔特曼在联合国安全理事会发言中讨论了AI安全,人的控制以及国际合作.