标签
GitHub 推出了一个与微软 Applied Sciences 合作构建的、经过微调的上下文感知密钥分类器，可在 2 毫秒内对候选密钥进行评估，并有望使推送保护拦截的密钥数量增加一倍以上。文章分享了九个季度的数据，表明开发者并没有变得更粗心——而是被 AI 智能体超越了速度，如今每三个拉取请求中就有一个涉及 AI 智能体。
研究者发现，"类型化决策模型"（如 Jev）会遵循选项的标签而非选项定义，并将这一失败归因于提示的渲染方式，而非受约束的决策头；为此他们提出 PolicyBench，以演示这种"选项标签偏置"。
本文提出了一种防护性梯度引导激活调控方法，用于检测和纠正Qwen3.5-0.8B模型中避免关机的响应。该方法采用分类器结合最小步长策略，实现有限选择性效果。
这条推文讨论了何时以及如何微调一个专门的分类器模型，该模型比Opus更好，比Jev更快，并且能在用户设备上运行。
这篇文章解释了何时以及如何微调一个专门的决策模型分类器，该模型优于 Opus，比 Jev 更快，并能在用户设备上运行。
一条推文指出，小型专用分类器可以无需托管部署，并且可以直接在移动设备上训练，突出了轻量级AI模型的进步。
Span-01是一款新型超并行推理分类器，比现有模型如Jev和GPT-6 Luna更便宜且性能更优，并提供免费精简版。
文章报告了glm-4-flash和TypeSafe Jev在299个真实用户意图上的性能比较，显示glm-4-flash的准确率更高，但TypeSafe Jev的速度更快且成本更低。
作者通过分析高温度下的对数概率和校准，探索使用如Gemma 4等小型语言模型作为分类器，并在GitHub上分享代码与发现。
本文介绍了 TypeSafeClassifier，这是一个 LangChain Runnable，它在智能体工作流中为模型路由和工具风险门控提供带有校准概率的类型化决策。
本文提出了潜在诊断分类法框架，用于构建分类器和诊断其决策，应用于提示注入检测，揭示了许多自信决策的脆弱性并提供了补救策略。
推文强调 Qwen 3.8 27B 是一款出色的轻量模型，适用于分类器和快速推理，可作为 Luna 的即插即用替代品，对开源 AI 有重大贡献。
本文提出一个统一的优化框架，通过稀疏、可解释的实例修改以及容错区域混淆矩阵来解释误分类并评估分类器鲁棒性。
一位用户报告称，Fable 5的新分类器将75%的编码会话错误地路由到Opus，将常规编码标记为网络安全风险，导致意外的高成本。
提出了一种基于树的集成分类器KFDA Forest，它应用核Fisher判别分析进行旋转，通过Bootstrap和随机变量子集促进多样性，提高了分类精度。
作者用一组简单的if语句替换了LLM分类器，发现客户更喜欢基于规则的方法，凸显了简单性胜过复杂AI的价值。
本文介绍了一种技术，该技术从LLM的最后一个提示标记处提取隐藏状态，无需文本生成即可进行分类，使用一个小型MLP读取模型的内部决策，从而实现快速且廉价的零样本分类器。
本文介绍HRVConformer，一种混合卷积-Transformer架构，用于直接从原始心率信号中分类新生儿缺氧缺血性脑病，实现了83.23%的AUC，性能优于ResNet50和Transformer等基线模型。
使用 ml-intern 和 DeepSeek V4 Flash 训练了一个提示注入分类器，使用 DistilBERT 实现 F1 99%，优化至 ONNX int8（约 65 MB），可通过 Transformers.js v3 在浏览器中运行。