stability

该论文研究极限下的语言生成问题，提出了比稳定性更强的可认证性概念，并引入了正确性、稳定性和可认证性三个层级的教学维度，给出了稳定生成的有限见证刻画，解决了文献中遗留的理论空白。

Paccagnan 与 Tirlea（伦敦帝国理工学院）证明，针对优先型（稳定型）样本压缩的最先进集中界在理论上是紧的：他们给出了一个显式的均匀分布/次序统计量构造，同时还提供了一个简单得多的初等计数证明，从而避开了无穷维对偶理论。

MIT研究人员使用AI算法优化RNA疫苗配方，使其在室温下稳定长达一年，这可能会改善全球疫苗分发。

本文提出DissipNet，一种深度离散时间耗散循环神经网络，通过结构约束显式地强制执行耗散性，以确保耗散系统的稳定建模，优于传统的循环神经网络和物理信息神经网络。

用户分享了Grok 4.7第一天的观察，强调其对系统提示的严格遵守、稳定性和保守行为，同时指出其比前代版本更慢且成本更高。

本文回顾了 GreptimeDB 2026 路线图的年中进展，重点介绍了已发布的功能，如在线重新分区和 JSON2 类型，并解释了由于生产部署导致的优先级变化。

本文介绍了正则化强调时序差分学习（RETD），该方法通过归一化强调TD信号，确保在常数步长下的稳定性，并提供了收敛性证明和实验验证。

这条推文讨论了为什么AI中的递归自我改进无法快速进行，因为控制理论得出的稳定性约束，强调安全的自我改进需要缓慢、有界的适应。

LLM基准测试的评分流程可能由于预处理而错误地将不支持的工具调用响应视为稳定的空输出，这凸显了在评估中区分解析失败和真实输出的重要性。

本文评估了对话推荐系统中的LLM重排器，表明性能和稳定性高度依赖于检索协议、候选池配置和解码设置。

本文研究微调是否会撤销语言模型中的激活引导，发现尽管在优化压力下，拒绝抑制等行为效应可能退化，但底层的权重修改在机制上保持稳定。

MIT研究人员提出了一种名为CrysVCD的框架，通过强制执行价键规则来增强AI生成材料的化学稳定性，使其更适合应用于计算机芯片和火箭等现实世界场景。

本文分析了转换器表示在扰动下的稳定性，通过证明收敛结果，为神经网络潜在表示中的结构收敛假说提供了支持。

本文重新审视了深度学习优化中的稳定性边缘现象，提出了一种基于方向海森矩阵和梯度对齐分数的新表述，以实现更准确的预测和诊断工具。

本文为次优势（极小极大）超度量发展了一套 ℓ0 型稳定性理论，证明了稀疏编辑仅通过最小生成树传播，并导出了变更超度量条目的 Hamming-Lipschitz 界。在深度嵌入图和聚类任务上的实验表明，所得结构评分作为脆弱性诊断具有实用价值。

本文引入了一个基于分布的框架，通过量化特征排名的可分离性并识别在随机运行中保持可靠的最大top-k排名，来衡量归因方法（解释器）的稳定性。

一篇反思性博客文章，驳斥了 Mac OS X Snow Leopard 是完美稳定且精良版本的神话，引用了作者自己的降级经历和其他批评，同时指出为什么“雪豹”版本的理念至今仍能引起共鸣。

Introduces CACHE-UK, a stability-aware memory editing framework for sequentially updating quantized LLMs in finance, reducing knowledge degradation on 4-bit OpenLLaMA-3B while improving generalization rates on a UK financial corpus.

本文测试了不同LLM系列在不同时间和界面上如何评估族裔民族主义伪科学，发现认知立场取决于部署配置而非稳定的模型属性，引发了关于认知问责性的关切。

Vellium v1.0.0 已发布，包括安全增强、壁纸主题、JSON 聊天导出以及桌面稳定性重大改进。