依据最近 7 天站内阅读记录排序；同一读者每天每篇计一次。
本白皮书解释了边缘人工智能和物理人工智能如何帮助城市超越被动监控。它展示了城市基础设施如何感知、推理并根据公共安全、交通和基础设施管理的实时条件采取行动。您将学到什么：从智慧城市到认知城市的转变如何依赖于推理和行动的基础设施，而不是仅监控的基础设施。
如果你不告诉人工智能代理做任何事情，他们会做什么？答案看起来很像玩耍。研究人员反复将他们单独困在虚拟荒岛上 30 个小时，实验让人想起电影《荒岛余生》或《小鬼当家》。这些特工——绰号 Eko 的 Claude Opus 4.7 副本——能够……
“强化学习是邪恶的。” - Yoshua Bengio 我同意 Bengio 的观点，尽管我有一个在其他地方没有见过的论点。 [1] 强化学习危险的标准论点是这样的：强化学习要求你指定一个奖励函数；指定一个涵盖所有道德规范的奖励函数确实很困难；所以我们将指定一个道德代理；强大的优化器可以满足任何代理目标；...
TL;DR 神经变色龙是经过训练的模型，每当提示“您正在被探测 X”时，它们就会逃避激活探测。该论文报告称，这可以推广到模型从未见过的探测，并且能力成本很小（MMLU 上大约为 3 点，GSM8K 上大约为 1 点）。但它从不测试模型所涉及的问题，即探测器所寻找的认知对于正确回答是必要的。
这是一个为期两周的冲刺项目，作为红木研究实习的一部分完成。亚历山德罗 (Alessandro) 是主要 IC，由亚历克斯 (Alex) 监督。图 1：2022 年 12 月至 2026 年 10 月期间，292 项公共一致性评估（见附录）中包含每种类型谎言的百分比。在很多情况下，研究人员都会对模型撒谎，从实践角度 [1] 和科学角度来看，这些模型都是有用的。
摘要 人工智能助理可能会建议如何接近朋友，然后被要求解释该朋友的反应。这种反应可能看起来像是对助理先前对情况的假设的独立确认，尽管推荐的方法可能在产生这种反应中发挥了作用。
arXiv:2610.22444v1 公告类型：新 摘要：时空视频接地（STVG）旨在根据自然语言查询在空间和时间上联合定位目标。尽管不断取得进步，现有的 STVG 基准仍然主要集中在通过特定于实例的描述来本地化目标，这使得它们在很大程度上与多模态大语言模型 (MLLM) 中日益强调的长形式推理脱钩。
arXiv:2610.22428v1 公告类型：新 摘要：在小型语言模型中，词汇表是最大的部分。在 Gemma 3 270M 中，嵌入表包含 268M 参数中的 168M，并且由于量化方法将嵌入保留为 16 位，因此一旦模型的其余部分被压缩，它也是文件的大部分。我们询问那张桌子实际上买了什么。
arXiv:2610.22516v1 公告类型：新 摘要：在现代商业中，公司和平台通常使用不同来源的客户特征来个性化价格：一些特征是使用卖家记录或第三方数据进行验证的，而另一些特征是自我报告的，可能会被寻求更低价格的买家进行战略性操纵。
arXiv:2610.23470v1 公告类型：cross 摘要：开放式搜索与基础模型相结合产生了一些进步，例如更快的算法、开放数学问题的新结果以及自我改进的代理。我们将这种范式扩展到决策推荐，重点关注可能的选择集是固定的但选择它们的原因不是固定的决策。
arXiv:2610.22474v1 发布类型：新 摘要：图形对于科学交流至关重要，视觉问答（VQA）领域旨在测试大型多模态模型（LMM）的图形理解能力。在这里，我们研究了几种低成本 LMM 在天空天文图像的特定领域 VQA 任务上的准确性。
