跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

CulturalCrosswords:一个由答案约束和网格填空组成的多语言基准测试集

arXiv:2611.10044v1 公告类型:新 提要:当多个答案都能符合谜题时,精确匹配评分可能会惩罚有效的回应。CulturalCrosswords 测试了答案约束如何影响大型语言模型(LLM)解答文化类谜题,这类谜题的解答依赖于特定社群的知识。我们从42种语言的众包谜题中构建了53份填字游戏,并在每套线索的五个版本上评估了11种 LLM 配置:普通批次、带长度提示的批次、带长度和部分答案提示的批次,以及要求提供答案列表或完整网格的填字游戏。在包含备选答案的962条线索中,与参考答案的一致性在加入长度约束后提升了22.8个百分点,而仅接受备选答案并给予相应分数时仅提升8.4个百分点。因此,部分收益似乎源于对所需答案形式的选择。填字游戏输入使所有交叉处具有兼容答案的比例提高了9.7个百分点;要求填写完整网格则揭示了各模型之间的显著差异。该基准测试区分了与参考答案的一致性,与生成能够相互匹配并占据正确单元格的答案的能力。

李佳琦半小时卖了2万亿Token

01、李佳琦开卖Token自古以来,反差最能制造话题。这不,一向“以美妆见长”的李佳琦,开始卖起了Token,话题度直接拉满。11月2日晚上7点30分左右,阿里巴巴集团副总裁、千问办公CEO陈宇森做客李佳琦直播间。这位1992年出生的技术极客,和李佳琦同岁,被称为阿里最年轻的副总裁。这是其第一次正式直播。整场30分钟左右的直播,最大的宣传点是Token。直播之前,社交媒体平台就有不少预热文案;直播过程中,背景版上“狂撒Token”几个大字格外吸睛。啥是Token?根据中科院物理所的科普,Token中文名为“词元”,是大模型处理语言时使用的基本单位。简单理解,即AI干活的燃料,AI读取提问、生成...

李佳琦半小时卖了2万亿Token

通过低秩多线性分解进行大语言模型幻觉检测

arXiv:2610.36191v1 发布类型:新 摘要:大型语言模型(LLMs)经常生成流畅但事实错误的回复,这引发了对其可靠性的担忧。近期的幻觉检测方法越来越多地利用内部表示,但从高维隐藏状态中提取有效信息仍然充满挑战。现有方法往往依赖于特定激活或基于池化的压缩方式,可能忽略了分布在Transformer各层、特征模式和标记中的判别性信息。我们提出了LOTUS(基于低秩顺序统计TUcker的子空间学习),这是一种用于幻觉检测的多线性低秩分解框架,能够在降低对标签依赖的同时,从LLM的隐藏状态中提取紧凑的表示。

事件进展与其他报道

百度开源无限OCR 2,用于百页文档解析

百度发布了 Unlimited OCR 2,这是一款采用 MIT 许可证的 3B 参数规模的 OCR 模型,能够在一次请求中解析百页文档。其 SR-SWA 注意力机制使每步解码开销几乎保持不变,在 MarathonDocBench 上取得了 77.1 的得分。该文章《百度开源 Unlimited OCR 2,用于百页文档解析》首发于 MarkTechPost。

新闻源配图 · MarkTechPost
事件进展与其他报道

OpenAI 推出 GPT-6.1 Terra,以半价实现更快速、性能更优的 AI 智能体

OpenAI 集团 PBC 今日发布了 GPT-6.1 Terra,这是其前沿人工智能系统系列中的一款中端模型的升级版。这款新模型是 GPT-5.6 Terra 的继任者,成本降低了约 50%,同时在处理计算机使用任务时速度更快、精度更高。Terra 被定位为 OpenAI 产品线中的日常应用模型,旨在[…] 该文章《OpenAI 推出 GPT-6.1 Terra,以半价实现更快速、性能更优的 AI 智能体》首发于 SiliconANGLE。

事件进展与其他报道

DirCast:通过单一的流媒体视频语言模型实现电竞赛事的实时导播与解说

arXiv:2610.31734v1 发布类型:新 基本摘要:一场电子竞技的实时直播需要一位导演来决定哪路摄像机画面该播出,以及一位解说员在每一秒都对这一选择进行解说,而他们往往无法预知接下来会发生什么。流媒体视频语言模型已经学会了进行赛事解说,但仅限于由人类导演事先制作好的直播内容。我们研究的是实时直播制作场景:模型仅接收所有选手的原始摄像头画面,必须完全依靠过往信息同时完成导播与解说任务。我们提出了 DirCast,一种能够同时胜任这两项工作的单一流媒体视频语言模型。它每秒以低分辨率扫描所有摄像头,通过“保留”或“切换”的决策机制判断是否以及何时切镜,并在发言前以高分辨率读取所选画面。其上下文会记录哪些内容已播出,以及哪些…

DirCast: Live Esports Directing and Commentary with a Single Streaming Video-Language Model
事件进展与其他报道

大型语言模型驱动的智能体的行为分析

arXiv:2610.32087v1 发布类型:新 摘要:理解语言—智能体的行为,需要探究行动如何在时间轨迹中被组织,以及这种组织与情境和结果之间的关联。我们提出了一种通用框架,将数据驱动的行为发现与分析及实验研究相衔接。从记录的活动提炼出的类别界定了测量的内容;分析保留了行为在流程中的位置,并将其关系表述为可解释的假设;在预留的场景中进行的统计评估与检验,则用于考察证据的强度与适用范围;随后,通过包括提示引导在内的实验,测试在人为改变的条件下行为与结果的变化情况。一项关于迭代式自我反思的研究说明了如何

事件进展与其他报道