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

n8n@2.45.6

核心:记录队列模式下执行所节省的动态时间(#42482)(f2f0c2f) 编辑器:匹配紧凑侧边栏图标尺寸(#42378)(56eec49)

事件进展与其他报道

n8n@3.0.1

## [3.0.1](https://github.com/n8n-io/n8n/compare/n8n@3.0.0...n8n@3.0.1) (2026-10-28) ### Bug修复 core:在压缩版构建中保留 ExpressionError 的名称 (https://github.com/n8n-io/n8n/issues/42309) ([b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) core:在 QuickJS 表达式结果中保留未定义值 (https://github.com/n8n-io/n8n/issues/42264) ([532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) 编辑器:使分割按钮内的光标对齐 (https://github.com/n8n-io/n8n/issues/42203) ([61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) 编辑器:提升首次加载速度 (https://github.com/n8n-io/n8n/issues/41987) ([8b6bdbb](https://github.com/n8n-io/n8n/commit/8b6bdbbe874b

事件进展与其他报道

n8n@2.45.5

## [2.45.5](https://github.com/n8n-io/n8n/compare/n8n@2.45.4...n8n@2.45.5) (2026-10-28) ### 修复的Bug * **核心:** 在压缩版构建中保留 ExpressionError 的名称([#42309](https://github.com/n8n-io/n8n/issues/42309))([b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) * **核心:** 在 QuickJS 表达式结果中保留未定义值([#42264](https://github.com/n8n-io/n8n/issues/42264))([532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) * **编辑器:** 在拆分按钮内对齐光标([#42203](https://github.com/n8n-io/n8n/issues/42203))([61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) * **编辑器:** 提高首次加载速度([#41987](https://github.com/n8n-io/n8n/issues/4

事件进展与其他报道

FinLLM-KG:用于算法交易中金融情绪分析的知识图谱增强型大语言模型

arXiv:2610.36083v1 发布类型:新 原文摘要:生成式人工智能的最新进展通过后训练的金融领域大型语言模型(LLMs),显著提升了金融情绪分析的性能。然而,现有方法仍局限于孤立地预测每篇文章的情绪,且运行机制如同“黑箱”,这限制了对上下文的理解,并阻碍了其在高风险金融决策中的应用。为此,我们提出了FinLLM-KG,这是一种与模型无关的框架,将因果推理的大语言模型与金融知识图谱相结合,在推理阶段注入来自美国证券交易委员会10-K文件的、具有时间关联性的公司级知识,而无需更新模型权重。在FinLLM-KG中,上下文既可以以自然语言形式的公司简介提供,也可以以一小部分关系作为输入。

事件进展与其他报道

3、7、14、17、42:指令微调在语言模型中安装并强化了数字选择启发式方法

arXiv:2610.36178v1 发布类型:新 摘要:我们无需抽样误差,即可测量当被要求生成一个随机数时,语言模型为1至N之间的每个整数所分配的概率。对于固定的提示词,模型会定义一个概率向量;我们通过累加每个整数的得分拼写来计算该向量,而非采用抽样估计,从而消除了限制早期研究[1, 4]的噪声。我们在两个推理栈上,针对多达N=100的五个范围,评估了18条开放权重模型系列,并采用了29种解码配置;其中15个模型同时拥有基础版和指令微调版的检查点,且两者均能给出可用的答案。指令微调使这15对模型中的分布更加不均匀,它引入了一种避免使用整数的启发式方法,并强化了另一种避免接近端点的启发式方法。基础检查点

事件进展与其他报道

令牌置信度只是链长吗?对推理轨迹的信号处理审计

arXiv:2610.36709v1 发布类型:新 摘要:推理型语言模型通过撰写长长的思维链条来解答数学问题,而针对每个问题采样多条链条并以多数投票的方式提高准确率,却会大幅增加生成文本的开销。一种常见的降本方法是根据模型对其所写每个标记的置信度为每条链条打分,这里的“标记”指一个词或词的一部分。该方法将这种置信度在滑动窗口内(2048个标记)进行平均,并依据最低平均值决定保留或终止链条。我们将逐标记记录的置信度视为一种类似于音频或无线电信号的信号,并借助频谱分析、统计检验等标准信号处理工具来检测其中是否出现突变。我们从……中为500道题目各采样了16条链条。

事件进展与其他报道

Edge Sound 获得200万美元融资,助力实体人工智能理解音频

Edge Sound Research Inc. 今日宣布已筹集200万美元新融资,用于构建一种音频基础设施,该设施能够分离出有用的声音,并将其与其他传感器数据相结合,以帮助物理人工智能系统实时理解当前发生的情况。本轮融资由 Stormbreaker Ventures 领投,使公司累计融资额达到900万美元。当…… 该文章“Edge Sound 融资200万美元,助力物理人工智能理解音频”首发于 SiliconANGLE。

事件进展与其他报道

开发者如何接住AI时代的底座红利?CEIC×1024深圳专场解密AI与鸿蒙开发新基建

2026年长沙·1024程序员日活动期间,CEIC消费电子创新大会与CSDN在深圳联手打造了一场属于开发者的硬核技术盛宴。正如CEIC组委会常务副主任杨涛在接受采访时所言:“消费电子领域所有的体验创新,归根到底都是由于我们的程序员代码敲出来的。”在当前的技术拐点下,从单纯的手写代码,到利用智能体(Agent)和丰富的端侧AP...

开发者如何接住AI时代的底座红利?CEIC×1024深圳专场解密AI与鸿蒙开发新基建
事件进展与其他报道

随着折扣交易的瓦解,AI代币的销售愈发艰难

模型积分正出现在各类节日促销活动和运营商风格的套餐中。那些依靠不透明加价而蓬勃发展的小型经销商,如今面临质量质疑、监管压力以及资金更雄厚的竞争对手的挑战。而实力雄厚的中间商则会针对路由、信任与集成收取费用,而非通过暗中降价来吸引客户。

事件进展与其他报道