多模态时间序列预测新基准:文本与传感数据冲突时模型如何出错

arXiv 上出现一个面向 AIoT 场景的多模态时间序列预测诊断基准 ACU-Bench,把外部文本按“与历史趋势一致、冲突、未说明”三类标注,用来检验预训练模型究竟会不会正确使用文本信息。

arXiv 上出现一个面向 AIoT 场景的多模态时间序列预测诊断基准 ACU-Bench,把外部文本按“与历史趋势一致、冲突、未说明”三类标注,用来检验预训练模型究竟会不会正确使用文本信息。

arXiv上一篇新论文提出LeBet框架,用可解释的OR-of-AND规则监控自主智能体,并在SWE-bench Lite上报告节省34.46% token、输出精度从18.33%提升至21.59%的实验结果,为运行时干预提供了带统计保证的新思路。

一项新研究借用语言学预设理论,揭示了LLM代理在执行取消预订、删除文件夹等操作前,如何判断工具显示信息与用户说辞是否一致,并发现工具返回方式显著影响代理的决策安全性。

一篇新arXiv论文认为,从Agent规格自动生成的评测套件本质上是“多样性驱动的搜索”,若只按平均通过率把它当成普通基准打分,搜索得到的覆盖信息就会被丢掉;论文用注入缺陷的受控实验展示,这种打分方式可能让某些真实回归无法被发现。

Hugging Face Papers 收录的一篇论文提出 JVT(Just Video Transformer),尝试用结构简单的大 patch DiT 式 Transformer 直接在高维原始视频像素上做扩散,不依赖预训练自编码器、级联阶段或 U-Net 跳连,并在摘要中称其生成质量可与潜空间扩散基线竞…

arXiv 新论文提出 AscendGYM,一个面向昇腾 NPU 的内核优化基准,初始含 48 个内核、三级难度,测试用例取自真实训练与推理负载,并引入兼顾加速比与 token 成本的 STS 指标。

Android Police 编辑 Rajesh Pandey 表示,他因 Google Keep 无法通过 MCP 与 Claude、ChatGPT 互通,正放弃这款笔记应用,转而寻找支持 MCP 的替代工具。

一篇 arXiv 新论文对“预防式人格向量微调”提出实证审计,发现这种方法虽能保留 MMLU 准确率,但仍会改变模型的拒绝行为,因此不能简单视为安全中立,相关方法应在多个安全基准上评估。

据 Epoch AI 分析师 Ben Cottier 的比较,华为位于内蒙古和林格尔的 AI 数据中心算力规模约为 SpaceX 旗下 Colossus 2 的 7%,且这一差距可能至少持续到 2028 年。这为中国头部 AI 算力设施与全球最激进扩建项目之间的量级差异提供了一个具体参照。

一篇 arXiv 新论文提出,不再用固定阈值或每轮重聚类来判断行为聚类何时分裂、合并或淘汰,而是让大模型基于整体统计与标签语义直接做决策,并在三个公开数据集上取得更高 F1。这值得关注,因为它把“维护成本”而非“聚类本身”变成了优化对象。