Anthropic 近日在官方博客中披露，其在防御模型蒸馏攻击方面取得重要进展。通过 Fable 5.1 和 Opus 5.5 中引入的“保留思考”等新方法，攻击者通过蒸馏手段从 Claude 模型中采集有效数据的效率降低了约 90% 至 99%。蒸...

谷歌近日正式发布了一种名为RRSI（Regularized Recursive Self-Improvement）的新方法，用于优化AI智能体在递归自我改进过程中的稳定性与泛化能力。该方法的核心理念是“正则化搜索过程，而非正则化智能体外壳”，通过...

标准强化学习（RL）在训练大语言模型（LLM）时，往往在最困难的问题上表现不佳，简单标量奖励信号难以精确衡量模型在复杂任务上的真实能力。这篇题为《Learning to Solve Hard Problems in RL for LLMs by Never Giv...

Runway正式发布Solaris，这是其首个界面世界模型（Interface World Model），标志着生成式AI从图像、视频走向实时交互界面的重要一步。Solaris能够在用户操作过程中逐帧生成界面，并同步处理渲染与交互响应，不再依...

Adapt 在最新博客中提出一种面向AI辅助开发的新工程范式“Build Wide, Ship Narrow”（宽构建、窄交付）。传统开发流程要求在编码前紧密规划功能边界，而新方法鼓励先进行更广泛的初始构建，再借助AI工具迭代细化。团...

AI模型在学习过程中不可避免地会掌握大量“双用途知识”——既能用于网络防御、漏洞检测等正面场景，也可能被用于网络攻击和信息窃取等恶意目的。如何在不削弱模型整体能力的前提下，精准管控这类敏感知识，一直是AI安全...

近日，AI2研究团队在Hugging Face博客上发布了DiScoFormer模型，这是一种基于Transformer架构的创新方法，能够在单次前向传播中同时完成数据的密度估计和得分函数估计，而无需针对新分布进行重新训练。与经典的核密...

在代码审查与版本控制领域，差异渲染（Diffs Rendering）一直是开发者关注的焦点。近日，开发者Pierre在个人博客上发布了一篇技术深度文章，详细介绍了其构建的@pierre/diffs包及CodeView组件，核心亮点在于实现了一...