标签
This paper analyzes why compression statistics for LLM pruning can be reproducible yet select suboptimal endpoints, introducing information boundaries and observation fibers to model the gap. It proposes group-resolved and model-specific mask selection methods that improve worst-group perplexity across dense LLMs and OLMoE.
Revolut 正在下架 Perplexity，并为 Premium 客户提供 ChatGPT 作为 AI 订阅，这标志着 AI 助手竞争格局的转变。
本文研究了联邦预训练模型的评估协议，表明下游微调并不能可靠地保持预训练质量排名，而直接的下一个词元预测与预训练困惑度高度一致。
一项对超过 1,000 条用户帖子的分析显示，Perplexity 的 20 美元 Pro 计划在八个月内被悄然缩减三次，Deep Research 和搜索配额的限制不断收紧，导致用户取消订阅和愤怒。
Perplexity 开源了 Numbat，这是一套安全套件，用于监控在员工笔记本电脑和工作站上运行的 AI 编程代理，检测并阻止危险的代理行为。
Perplexity 开源了 Numbat，这是一款智能体安全套件，旨在检测、预防和调查客户端端点上危险的人工智能智能体活动，应对自主智能体带来的全新安全挑战。
Perplexity 推出了其 Personal Computer AI 智能体工具的 Windows 版本，使用户能够在本地文件、Microsoft Office 365 和网页上执行操作。该工具正在向付费的 Max 和 Enterprise Max 订阅用户（每月 200 美元起）推送。
本文研究了蒸馏混合序列模型中对数似然与基于生成的评估之间的差异，表明仅凭困惑度可能具有误导性。本文介绍了GenDistill，一个将Transformer蒸馏为Hybrid-KDA模型的流水线，实现了高达75%的KV缓存减少和2-4倍的首次令牌生成时间加速，同时保留了教师模型86-90%的准确率。
本文研究了现有AI文本检测器在专利权利要求上的高误报率——专利权利要求在法律上要求像LLM输出一样清晰简洁——并提出了一种基于语言复杂性特征的逻辑回归分类器，在消费级硬件上优于基于困惑度的检测器。
Perplexity AI 的 SPACE 为AI智能体提供安全的临时沙箱，确保在处理敏感任务时的凭证隔离和加密存储。
深入分析6月收入最高的应用发现，ChatGPT以3.447亿美元领跑，而Claude、Grok、Perplexity和PictureThis在计费模式变更、新功能和季节性实用性的推动下，实现了强劲的环比增长。
Perplexity发布了WANDR，一个用于研究代理的开放基准测试与评估框架，包含500个需要广泛探索与深度验证的现实数据收集任务。初步结果显示，即使是最强大的系统也得分较低，凸显出广度和深度兼具的研究仍是一个具有挑战性的开放问题。
埃隆·马斯克对一条推文回应“酷”，该推文介绍了一款使用 Grok 4.5 和 Perplexity AI Computer 构建的个性化播客播放器，能将热门播客主题整合成单一流。
本文重新审视了在现代端到端ASR系统中语言模型困惑度与ASR词错误率之间的经典关系，发现虽然外部语言模型仍然能提升WER，但对数-对数线性关系仍然成立，但受到编码器-解码器模型中内部语言建模的影响。
Perplexity CEO Aravind Srinivas指出，AI行业的价值正从平均用户转向重度用户，这些用户能消耗大量算力，例如Meta有工程师一年在编程工具上花费近1000万美元，Perplexity Computer上也有用户月消费超1万美元运行agent循环。
论文引入了Telescope Perplexity这一指标，通过测量标记重复概率以零样本方式检测LLM生成的文本，在多个数据集上实现了最先进或具有竞争力的性能。
一名用户抱怨 Perplexity AI 在未通知的情况下悄悄限制了 Pro 订阅功能（无限上传和深度研究），导致每年 200 美元的订阅费感觉白花了，并建议不要订阅。
分析 Perplexity Max 是否为访问 Gemini、ChatGPT 和 Claude 等 AI 模型的高级层级提供了最佳价值。
本文揭示，ELF等连续扩散语言模型报告的低生成困惑度（Gen-PPL）具有误导性，因为它奖励重复；作者确定了自条件循环中的一维吸引子为根源，并提出了ACE，一种通过减去该方向来减少重复且不牺牲质量的简单修复方法。
本文研究了具有斐波那契间距偏移和逐层缩放因子的稀疏自注意力，发现静态逐层调度优于学习型或固定型调度，且稀疏变体在训练长度4倍时仍能稳健外推，而密集注意力则崩溃。