academic-paper

一篇由超过30位研究人员撰写的75页论文，将AI自我改进分为五个等级，并综述了491篇论文，发现当前大多数进展仍停留在较低等级。

本文讨论了一篇科学论文，该论文正式证明了系统中验证的边界，认为信任决策必须是明确的，并且在超出某个点后需要进行管理。

文章讨论了市场失灵如何导致对关键AI应用（如医疗研究）的投资不足，并提出通过需求合同和公共计算等机制进行国家干预来解决这一不平衡。

研究揭露了LLM API加密推理痕迹中的漏洞，使攻击者能够提取专有模型推理、个人数据，并实现恶意提示注入。

一份报告综合了现场研究，论证了虽然AI编程代理增加了代码产出，但在交付可靠软件方面，收益因审查、集成和成本管理的瓶颈而缩减。

本文提出将球形奶牛近似扩展为完整的多极子展开，以改进物理学中对奶牛势能与相互作用的建模，解决了球对称性存在的局限性。

本文介绍了reSolve，一个用于智能体技能自进化的代理引导求解与复现框架，其性能达到74.9%，超越人工精心设计的基线14.8个百分点。

本文提出了一种基于SLM条件的分层关系路由架构，该架构将小型语言模型集成到图神经网络中，以实现标记属性图中的自适应消息选择，通过利用上下文语义信息来提高预测准确性。

本文探讨了使用双隐层ReLU神经网络对MAX函数进行理论表示，提供了精确表示的详细系数列表和恒等式。

本文介绍了面向古典梵语的基于语境词汇表生成，这一任务涉及从诗句-翻译对中恢复梵语短语并产生翻译驱动的含义。研究从印度教文本构建了一个基准，并评估了多种AI模型，发现指令微调能提升性能，而形态建模被确定为一个关键挑战。

本文提出了一种生成式语义场景补全方法，具有校正后的性能指标和实时推理能力，并发布了代码、权重和PS3语料库以供重现性研究。

本文分析了2020年至2025年的NLP会议论文，以考察报告的GPU资源与学术影响力之间的关系，发现虽然资源与更高的引用率相关，但它们只能解释影响力的很小一部分方差。

本文突出强调了 Jan Magnus 的论文'A Gentle Introduction to Matrix Calculus'，该论文于2024年发表在《Journal of Econometrics》上，是计量经济学、机器学习、统计学和优化等领域的清晰且宝贵的资源。

该论文提出重构初等微积分，通过减少冗余和重新排序主题来简化教学，并借鉴计算机编程中代码重构的类比。

本文建立了格罗滕迪克常数的新下界与上界，通过人机结合研究方法，确定了其此前未知的十分位数字。

诺伯特·维纳（Norbert Wiener）1960年的经典论文，探讨自动化的道德与技术影响，包括社会责任以及机器决策的意外后果。

Yohei Nakajima宣布了他的第一篇SSRN论文，并分享了链接。

介绍了一种基于SMT的流程，用于从输入模式合成迷宫求解路径，并构建平面和3D迷宫结构。扩展了一篇会议论文，提供了详细的构建方法和SMT-LIB示例。

本文探讨了AI系统中递归自我改进的经济激励和动态，分析了此类过程如何扩展及其对治理与安全的影响。

BlockServe 引入了块粒度连续批处理来解决扩散大语言模型中的收敛异质性，相比 Fast-dLLM 实现了 1.9–10.6 倍的吞吐量提升，同时保持生成质量。