标签
本文介绍了BPE引导插入，用于对字节级BPE模型进行事后分词器适配，在保持词汇表大小固定的同时保留大多数token-ID分配。该方法将乌克兰语的token数量减少约33-36%，同时将对英语和其他欧洲语言的影响降至最低。
Ramp Labs 开源了 PorTAL，这是一个用于共享任务表示和跨模型 LoRA 适配的框架，支持混合注意力模型以及包括 Gemma 4、Mistral 7B 和 Inkling 在内的多模态系统。
从六个月国际空间站任务返回的宇航员报告称，在着陆数周后仍存在持续的'observer sensation'——感觉与自己的生活脱节，仿佛从外部观看——这是神经系统适应微重力后产生的感知后遗症。
本文提出将调整速度作为非平稳强化学习的安全约束，从适应可行性角度定义安全性，并利用表示学习与上下文预测，在预测的适应需求超过系统可达容量时主动调节行为。
SiGMA 提出了在训练阶段的符号引导自适应微调以及在推理阶段的符号引导合并，以减轻多模态持续指令微调中的负面干扰，在 UCIT 和 DCL 基准测试上取得了最先进的结果。
文章推测，AI革命可能使工作岗位每3到5年就被替代一次，这或许会迫使人们更明智地储蓄和投资，并引用历史上在困难环境下适应的例子。
用户报告称，本地LLM在适配法律文档时以高自信度虚构引用，并寻求关于如何通过接地、模型或流水线思路来缓解此问题的建议。
损失平滑在自适应过程中在源目标和目标目标之间进行插值，在保留有用特征的同时实现专门化。在监督偏移、强化学习和语言模型微调中的实验显示一致的改进。
Apple TV 预告威廉·吉布森《神经漫游者》的新篇章，很可能是与派拉蒙电视工作室和 DreamCrew Entertainment 合作的电视剧改编。
领域算术（DART）提出了一种在环境变化下对视觉-语言-动作模型进行单样本适应的方法，利用权重向量算术和子空间对齐，仅需单个示范。
文章认为，学习使用AI工具是不够的；真正的优势在于构建系统、获取关注、沟通想法以及创造人们想要的产品。执行力和技能组合将比仅仅掌握AI更为重要。
本文提出H-Res，一种通过塑形关联记忆的能量景观来适应大型Transformer模型的方法，无需修改权重或添加提示，保留了记忆容量，且性能优于LoRA。
Yann LeCun 与合著者发表论文，主张AI行业应放弃通用人工智能（AGI）目标，转而提出超人类适应智能（SAI），专注于超越人类能力的专门化适应。
提出FoLoRA，一种遗忘感知优化框架，用于微调基础模型，通过广义瑞利商优化平衡任务效用和遗忘惩罚，更好地保留非目标能力。
SALSA提出了一种轻量级自适应方法，用于语音感知的大语言模型，通过监督目标学习逐层引导向量，在域外语音基准上取得了显著改进（相对提升高达46.8%），并表明引导编码器层（尤其是较深层）比修改LLM主干更有效。
随着气候事业的政治支持减弱，气候科技公司正转向关键矿物。例如，Boston Metal 为金属生产融资，Brimstone 则在水泥之外突出关键矿物。
文章认为，随着基于LLM的AI变得无处不在，语言应当适应这一变化，为AI创造新的代词，因为无论是人称代词（"他/她"）还是非人称的"它"，都无法准确反映与具备语言能力的非人类实体之间的独特关系。
作者指出编写 AI agent skills 时需要考虑不同平台（如 Claude Code 和 Codex）的兼容性，就像过去前端开发需要适配不同浏览器一样。
PhysBrain 1.0 是一份技术报告，提出了一种利用人类自我中心视频为视觉-语言-动作模型生成物理常识监督的方法，在ERQA、PhysBench、SimplerEnv-WidowX、LIBERO和RoboCasa等具身控制基准上取得了最先进的结果。