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

EVOLVE:基于自适应原型记忆的不确定性感知多变量时间序列异常预测

arXiv:2610.32189v1 发布类型:新 摘要:无监督多变量时间序列异常预测(AP)旨在根据当前观测值估计未来的异常风险,为复杂系统中的主动干预与维护提供早期预警信号。现有的无监督AP方法遵循基于扰动的范式,即在历史窗口中注入预定义或随机的扰动,以模拟异常的未来演化。然而,这些方法在不同变量和情境之间共享同一类扰动,并学习一种确定性的历史到未来的演化模式。实际上,异常演化具有变量和情境依赖性:同样的扰动在某一变量或情境下可能被放大为异常的未来动态,而在另一情境下却可能被吸收为正常的波动。

事件进展与其他报道

将Transformer理论付诸实践

arXiv:2610.32104v1 发布类型:新 摘要:为刻画Transformer架构的能力与局限性,人们已发展出若干形式化理论,这些理论分别采用不同的抽象方法,以捕捉该架构的不同特性。由于其底层假设与概念框架存在差异,这些理论在预测Transformer对哪些任务感到容易或困难时往往意见不一。我们梳理了七种关于Transformer能力的理论(Star-free、$\mathsf{AC}^0$、$\mathsf{TC}^0$、C-RASP、MPC、BAPO以及敏感性),并将其研究结果转化为一张通用的预测矩阵,覆盖一系列涉及不同计算结构的任务。我们还提供了新的理论成果,以完善这一矩阵。随后,我们对这些理论进行评估

事件进展与其他报道

潜在一致性:前沿语言模型的概率判断是否遵循全概率定律?

arXiv:2610.31833v1 发布类型:新 摘要:LawZero 的 Scientist AI 通过一种目标函数训练预测器,使其逼近贝叶斯后验分布,该目标函数会惩罚潜在解释之间概率不一致的情况。我们探究当前处于前沿水平的语言模型——尽管未经过此类训练——是否在零样本条件下已在此意义上保持一致性:当隐变量 z 必须从上下文中的记录中推断时,其概率判断是否满足全概率公式 $P(X)=\\sum_z P(z)P(X|z)$?在单独的单轮调用中,模型被要求给出 $P(X)$、关于隐变量各状态的 $P(z)$,以及 $P(X|z)$;因果家族还对 $P(y|do(x))$ 和后门调整施加了同样的检验。每个查询都配有精确的真值概率,且部分条目以三种不同的表述方式分别提出,以进行区分

事件进展与其他报道

GLP 网络 API 规范

arXiv:2610.32583v1 发布类型:交叉摘要:多智能体确定性GLP(madGLP)以仅通过异步消息传递进行通信的智能体运行草根逻辑程序(GLP),并假定消息传递是公平的:每条发出的消息最终都会被送达。每个智能体运行在用户的智能手机上,其身份由该用户的公钥标识。草根平台不依赖任何全局资源,仅依赖网络,因此智能体必须通过低功耗蓝牙、局域网以及穿越NAT后的互联网,经由任何人都可运行的 rendezvous 服务器实现彼此间的通信。然而,madGLP对这类网络的要求,以及网络对平台的要求,此前尚未明确。我们在此对 madGLP 下层的网络层进行了规范。凡是能在 GLP 中完成的操作,均在 GLP 中得以实现;该层仅提供

事件进展与其他报道