AI - Oscar's News

下载：AI"读心术"和小电池的创意用途 →

这期通讯涵盖两项进展：一种能够从脑扫描重建图像并预测脑活动的人工智能工具，以及初创公司如何部署分布式小型电池以克服电网规模能源存储中的监管障碍。

一个新的人工智能模型可以通过分析人们的脑扫描来重建他们正在观看的详细图像，并可以反过来从视觉输入预测脑活动，推进对视觉感知和神经处理的理解。

面对大规模电池部署的监管障碍，初创公司在分布式地点部署较小的电池，以提供电网存储，同时规避繁琐的审批流程。

本文提出GAD-RL方法，解决视觉语言模型通过重写异常文本而降低光学字符识别准确性的问题。该方法在训练中根据学生性能自适应地调整教师监督，在性能强时禁用蒸馏，并随奖励增加而衰减蒸馏，在光学字符识别基准上取得显著改进。

AREX-2开发了能通过反思和多轮持续迭代实现自我改进的大语言模型代理。该代理在具有可验证反馈的机器学习和算法编程任务上进行训练，在包括研究和问答等多个基准上取得强劲性能。

MoFlow生成在准确性、成本、延迟和鲁棒性等多个目标上同时优化的人工智能代理工作流。与需要为不同偏好重新训练的现有方法不同，MoFlow可在帕累托前沿上生成工作流，在推理基准上优于单目标基线。

该研究表明，语言模型智能体可以通过强化现有观点或引入有说服力的论证相互影响，采取更极端的信念。研究发现强化预先存在的信念比引入新观点更有效，引发了对自主多智能体系统的担忧。

CARAT评估了材料科学语言模型是否真正从结构数据推理，还是仅仅重复记忆的答案。通过对照实验，作者发现模型经常重复关系而不用于推理，揭示了LLMs处理结构化科学信息方式中的严重缺陷。

该研究分析了20,462名学生与AI化学辅导员的交互作用，以研究辅导员如何处理学生学习困境。研究发现，具有情境感知的教学反应——特别是量身定制的错误更正——改善结果的效果比重复提问更好，强调了自适应指导在AI辅导系统中的重要性。

本文通过生成流网络解决合成训练数据多样性不足的问题。该方法对关键交互动态进行建模以采样多样化的真实对话，在合成数据上训练的分类器显示出比传统合成方法更强的性能。