arXiv论文提出SAVeR²:用可验证奖励对齐推理模型安全

arXiv 上新出现一篇论文,提出 SAVeR² 方法,试图在不削弱推理能力的前提下提升大推理模型的安全性,并给出了可验证奖励与梯度投影的技术路径。

arXiv 上新出现一篇论文,提出 SAVeR² 方法,试图在不削弱推理能力的前提下提升大推理模型的安全性,并给出了可验证奖励与梯度投影的技术路径。

arXiv 新论文提出 FINCOSMOS,一个让金融智能体在开放网页环境中自行找数据、做回测、交付可验证结果的评测范式;在摘要披露的 150 次会话中,没有一次被系统接受。这为“看起来可信”的金融 AI 输出提供了一个更严格的检验视角。

arXiv 上一篇新论文提出 EnvOpt,把“智能体所处环境的信息组织方式”本身当作可自动优化的对象,摘要称在 AutomationBench 上让 Claude Haiku 4.5 成本下降 72.7%、通过率提高 14.34%。

一篇 arXiv 新论文提出两阶段推荐框架,先用登陆点邻近性筛选可能受热带气旋影响的港口,再按预估影响天数排序,为灾后巡检和资源分配提供参考。

Airbnb 在申报文件中披露,它拥有投资 CEO Brian Chesky 个人隐身 AI 实验室、并授权该实验室技术的选择权;该实验室目前由 Chesky 自筹资金。这值得关注,因为一家上市公司的 CEO 正在公司体系之外做 AI 探索,而公司与该实验室之间存在正式的技术授权通道。

arXiv 上一篇新论文在马尔可夫博弈框架下,把“信息论赋权”和“基于能力的个体权力”两种权力度量放到同一链条上,提出用“目标揭示度”衔接二者,并给出了监控部署系统用户剩余权力的一个可计算指标。

在季度营收1276亿美元、云业务同比翻倍的背景下,谷歌将自愿离职计划扩展到加拿大、法国、德国、日本、瑞士,瑞士最高补偿12个月工资。值得关注的是:AI算力投入正迫使这家巨头重新核算人力与其他成本。

Hugging Face Papers 收录的论文提出 Harness-S,用同一基座演化出的多个“兄弟 harness”定向修复执行失败,再把能力迁移进单一策略,让模型回到原始 harness 后依然更有效。

arXiv 上一篇新论文提出用于已部署 Agent 的“闭环评测”方法,把评测结论追溯到原子数据并用版本化规则计算,试图让上线后的效果评估不再是一次性打分。

Hugging Face Papers 收录的论文摘要提出 VFlash,用“Flash Primitive Decoding”一次性生成点、框、轨迹等视觉规划基元,在 2D/3D 机器人轨迹任务中误差低于自回归解码,3D 点运动预测初步单次 rollout 约快 25 倍。