一项创新的推理时间扩展方法通过结合o4-mini、Gemini-2.5-Pro和DeepSeek-R1三种AI模型，在ARC-AGI-2基准测试中实现了30%的性能提升，显著优于单个模型的表现。该技术采用动态选择机制，根据问题特性自动分配最适合的...

传统抗体发现需耗时数月筛选海量文库，而Chai Discovery公司最新发布的Chai-2人工智能系统彻底改变了这一范式。该系统通过计算设计直接生成候选抗体，仅需20次尝试即对50%的靶标成功找到有效抗体，整体成功率高达16%...

ExtensityAI团队在GitHub开源了SymbolicAI项目，这是一个基于神经符号系统（Neuro-Symbolic）架构设计的组合式可微分编程库，旨在为大语言模型（LLMs）提供结构化推理能力。该项目通过将符号逻辑与神经网络梯度优化...

Meta旗下FAIR研究团队在arXiv最新论文中提出重大架构革新，通过名为Dynamic Tanh（DyT）的逐元素操作替代传统归一化层，使Transformer模型在保持性能的同时摆脱了对归一化层的依赖。这种S型曲线模拟技术能够自然复现...

据最新报道，Meta已秘密招募OpenAI前强化学习专家Trapit Bansal加入其新成立的AI超级智能部门。这一动作虽未获官方确认，但业内人士分析指出，Bansal的加盟将显著提升Meta在前沿推理模型领域的研发能力。作为深度强...

近日，GitHub上出现了一个名为System_prompts_leaks的仓库，其中收集了多个AI聊天机器人和模型的泄露系统提示（system prompts），揭示了这些AI的内部指令和行为准则。这一发现引发了广泛关注，因为系统提示是AI模型...

人工智能架构因其输出的概率性特征，常常导致环境不可预测，这为系统监控和性能优化带来了挑战。可观测性技术在此背景下显得尤为重要，它不仅能够帮助检测潜在的偏见，理解模型的局限性，还能及时发现可能存在的问题...

最新发表于arXiv的研究表明，通过在训练前随机剪除固定比例的权重参数，稀疏深度强化学习(DRL)网络展现出显著的参数效率优势。该方法不仅减少了模型复杂度，还成功规避了传统训练过程中常见的优化陷阱。这种一次性剪...