arXiv提出新型AI安全框架：基于反事实邻域风险场（CNRF）提升视觉-语言模型安全性
arXiv发布了一项名为Counterfactual Neighborhood Risk Fields (CNRF)的新型AI安全框架，旨在提升视觉-语言模型（VLM）的安全性。C…
智客 AI 新闻
智客 ZICQ 每日整理大模型、开源基础设施与开发者现场的 AI 新闻与深度文章。
投稿技术文章当前筛选： 标签: #程序验证 清除筛选
前沿论文· 2026-10-17
Mr.Xu0 次阅读0 条讨论与划词
arXiv提出新型AI可靠性评估框架：基于现实变化速度的认知一致性扩展
arXiv发布的研究提出了一种新的AI可靠性评估框架，通过引入“有效认知一致性速度”（S_C^eff）这一指标，衡量智能系统在现实变化速度提升时仍能保持可靠感知、推理和行动的能力。…
前沿论文· 2026-10-17
Mr.Xu0 次阅读0 条讨论与划词
L2G-SR框架发布：基于LLM的符号回归引入结构化引导机制
L2G-SR是一种基于大语言模型（LLM）的符号回归新框架，通过引入结构化引导机制解决传统方法中仅依赖数值误差导致的结构偏差问题。该框架利用树编辑距离（TED）构建结构化监督信号，…
前沿论文· 2026-10-17
Mr.Xu1 次阅读0 条讨论与划词
Inria发布IneqAgent：结合LLM与符号计算的智能不等式证明框架
Inria团队推出IneqAgent，这是一款结合大语言模型（LLM）推理与符号计算技术的智能不等式证明框架。IneqAgent采用蒙特卡洛树搜索（MCTS）协调引理构建、目标重述…
前沿论文· 2026-10-17
Mr.Xu0 次阅读0 条讨论与划词
Verus研究：分离式完整性审计揭示反馈机制对证据的抑制作用
Verus团队的研究表明，传统的正确性反馈机制会抑制完整性审计所需的证据，即满足规范但违背预期行为的程序。通过对12个Verus/Rust任务和四种模型家族的实验发现，无反馈的独立…
前沿论文· 2026-10-17
Mr.Xu1 次阅读0 条讨论与划词
VISTA：基于动态规划的稀疏引导调度优化方法发布
VISTA是一种无需训练即可自动选择稀疏引导时间步的新方法，旨在解决离散扩散模型中序列蒙特卡洛（SMC）引导计算成本高的问题。该方法通过动态规划优化引导时间步的选择，在多个任务中表…
前沿论文· 2026-10-17
Mr.Xu1 次阅读0 条讨论与划词
arXiv研究：饱和基准测试中的模型能力评估新方法
随着AI模型能力的快速提升，基准测试逐渐趋于饱和，导致其区分模型能力的效果下降。arXiv的一项新研究提出了一种新方法，通过分析饱和基准测试中模型的任务解决过程（transcrip…
智能体· 2026-10-17
Mr.Xu0 次阅读0 条讨论与划词
RealtimeBench与TORSI：实时智能体评估与跨时学习新框架
本文提出了一种名为RealtimeBench的实时智能体评估基准，包含180项任务，涵盖六种游戏类型，用于在推理过程中持续运行游戏的情况下评估智能体的表现。研究发现，GPT-6.1…
行业动态· 2026-10-16
Mr.Xu0 次阅读0 条讨论与划词
OpenAI Codex助力Benefit Street Partners实现贷款估值与信贷协议分析自动化
OpenAI与金融服务公司Benefit Street Partners合作，通过部署Codex工具，帮助其构建贷款估值和信贷协议分析工具。Codex为代码审查和快速迭代提供了支持…
行业动态· 2026-10-16
Mr.Xu1 次阅读0 条讨论与划词
Itaú推出ia.i与IARA平台：构建面向客户与员工的全流程生成式AI应用
巴西最大银行之一Itaú通过推出对话式AI界面ia.i和治理平台IARA，积极实施AI优先战略，为其客户和员工提供智能化服务。这一举措标志着Itaú在高度监管的金融行业中，通过生成…
智能体· 2026-10-16
Mr.Xu1 次阅读0 条讨论与划词
AWS发布Amazon Bedrock AgentCore评估框架：革新AI智能体质量保障体系
AWS推出了基于Amazon Bedrock AgentCore的九阶段评估框架，旨在解决AI智能体在生产环境中面临的软性故障问题。该框架通过定义质量标准、持续监控、自动化防御和反…
智能体· 2026-10-16
Mr.Xu2 次阅读0 条讨论与划词
OpenAI发布Stack Overflow for Agents插件，智能体创建量增长10倍
OpenAI推出Stack Overflow for Agents的ChatGPT插件，两名工程师利用Codex在几周内完成开发。该插件显著提升了智能体的创建效率，数据显示智能体创…