来源：公众号“专知” 原文链接：https://mp.weixin.qq.com/s/wKPyQKCqzNw9a2FyhcEAxg?scene=1&click_id=26 大语言模型智能体进入真实环境后，常常需要连续完成一组相关任务：与同一用户长期协作、反复调用工具、持续探索一个环境，或者多轮面对具有稳定行为模式的对手。此时，真正重要的不只是模型能否完成单次任务，而是它能否从已经发生...

来源：公众号“PaperAgent” 原文链接：https://mp.weixin.qq.com/s/ECLRTHebLtIfjmZhbaJ4hA?scene=1&click_id=24 想象一下：全球有超过7000种语言，而当你用波兰语、越南语、波斯语或印地语向 AI 系统提问时，它理解你的能力可能远不及英语用户的十分之一。 这不是模型能力的问题，而是结构性的资源分配失衡。 文本嵌...

大模型的安全研究，没有赶上 AI 的发展速度。 7 月微软蓝屏事件，像是新老交替之际的一记警钟。每一项新技术的发明，都伴随着一种新责任的出现。假使 AI 集成到每个应用，那么发生在微软的蓝屏事件，同样也会成为 AI 潜在的危险。 “大模型能力的提升并不能代表它的安全也能得到改进，大家还是要有意识的发现模型潜在的风险和漏洞。” ICML 2024 大会期间，AI 科技评论访谈 ICML Tut...

本文提出了一个新的损失函数，混合交叉熵损失（Mixed CE），用于替代在机器翻译的两种训练方式（Teacher Forcing和 Scheduled Sampling）里常用的交叉熵损失函数（CE）。 Mixed CE实现简单，计算开销基本和标准的CE持平，并且在多个翻译数据的多种测试集上表现优于CE。这篇文章我们简要介绍Mixed CE的背景和一些主要的实验结果。 文章和附录：http:...

雷锋网 AI 科技评论按，本文作者张拳石，上海交通大学副教授，研究方向为机器学习、计算机视觉，本文首发于知乎，雷锋网 AI 科技评论获其授权转载。以下为正文内容。 本来想把题目取为「从炼丹到化学」，但是这样的题目太言过其实，远不是近期可以做到的，学术研究需要严谨。但是，寻找适当的数学工具去建模深度神经网络表达能力和训练能力，将基于经验主义的调参式深度学习，逐渐过渡为基于一些评测指标定量指导的...

雷锋网 AI 科技评论按：近日，ICML2017收录的一篇论文引起了雷锋网AI科技评论的注意。这篇关于序列数据预测的论文是 Alex Smola 和他在 CMU 时的两个博士生 Manzil Zaheer 和 Amr Ahmed 共同完成的，后者目前已经加入谷歌大脑。 Alex Smola是机器学习界的重要人物，他的主要研究领域是可拓展算法、核方法、统计模型和它们的应用，已经发表超过200篇...

论文作者：Dario Amodei , Rishita Anubhai , Eric Battenberg , Carl Case , Jared Casper , Bryan Catanzaro , JingDong Chen , Mike Chrzanowski Baidu USA, Inc., Adam Coates , Greg Diamos Baidu USA, Inc., Eri...

神经网络和深度学习大会主席：Hal Daume III地点： Ballroom 1+2+Juliard10：30– 强类型递归神经网络 （Strongly-Typed Recurrent Neural Network） David Balduzzi、 Muhammad Ghifary 惠灵顿维多利亚大学10：47– 源代码极端总结卷积关注网络 （A Convolutional Attenti...