人工智能资讯

Chatham Financial使用Codex和GPT-5.6来构建技术和重新设计工作流程，将贸易验证从30分钟减少到4分钟以下。

离散扩散模型，包括重新掩码和均匀状态采样器，通过在每个步骤中写入多个 token 位置来生成序列：各位置的值来自其自身的分布，待写入的位置也由这些分布决定。在常见的应用领域，如像素、音素或词语，token 之间存在固有依赖。我们证明，只有在给定已固定的 token 后，本步骤写入的位置之间条件独立时，该步骤才与训练分布一致；逐位置分布的乘积无法匹配存在依赖的组；并且……

多语言自监督语音模型能够受益于跨语言的信息共享，但在预训练数据总预算相同的情况下，其表现仍落后于单语言模型。我们表明，在预训练中增强模型区分语言的能力，能够在连续的语音和更高层次的语言指标上缩小这一差距，部分指标上甚至可以消除差距，同时保留大量跨语言共享。在受控的英语／法语 HuBERT 设置中，我们测试了两种增强语言区分能力的干预方法：一种辅助语言……

摘要：本文介绍我们在 NVIDIA Blackwell（B200）上实现不规则 Flash Attention（JFA）的工作。JFA 是 Meta 生成式广告模型（GEM）所使用的注意力内核，构建于……本文最初发布于 PyTorch。

先进的人工智能可能对突破性想法背后的日常工作最重要。探索为什么执行力可以塑造下一代经济和进步的步伐。

艾伯森公司。正在使用ChatGPT Enterprise和OpenAI API帮助团队更快地工作，并使数百万客户更轻松地购买食品杂货。

当这家社交俱乐部开设新门店时，它可以在2小时内准备好拨款申请，而不是3天，并在3小时内准备好酒类许可证材料，而不是4天。

具有可验证奖励的强化学习（RLVR）的常见范式，是让智能体多次尝试任务，并朝成功的尝试进行优化。但在自我改进场景中，这种范式会遇到问题：任务可能难到智能体成功机会很小甚至为零，同时也没有教师模型或示例解法可供蒸馏。本文提出 RLTL;DR。每次尝试失败后，我们向策略展示验证器输出，让它以一条简短的 TL;DR 洞见写出自己的反馈。下一次运行则以……为条件。

近期，自主机器学习工程（MLE）智能体在公开排行榜上取得了显著进展。由于长期运行周期中的进展停滞，以及大语言模型（LLM）基础操作能力受限，现代 MLE 智能体往往运行在越来越复杂的辅助机制之上，包括多智能体编排器、专用检索子智能体等。但在这些框架不断扩大的同时，使用更基础但能力更强的编程智能体——让 LLM 通过读、写和 bash 等基础操作直接访问执行环境——在这一领域受到的关注较少……

来源未提供摘要，请打开原文了解详情。

摘要：再过几周，PyTorch Conference North America 2026 将在圣何塞举行，汇聚开源 AI 社区，分享想法并开展合作。如果你已经……本文最初发布于 PyTorch。

一种概念验证方案：在保留生物功能的同时，为 AI 生成的蛋白质添加水印。

摘要：PyTorch 的跨仓库 CI 中继（CRCR）为树外加速器提供了一种简洁、可扩展的方式，使其能够接入上游 CI，同时让各后端自由决定采用 PyTorch 的哪些……本文最初发布于 PyTorch。