Seventy3

任雨山

0.0 (0)
Technology

73播客，名字取材于Sheldon最喜欢的数字，内容由NotebookLM生成，每天跟随AI读AI业界论文。

2 hr ago

【第610期】潜意识学习：大模型通过隐性信号传递行为特征

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com 今天的主题是：Language models transmit behavioural traits through hidden signals in data Summary 我们研究了一种被称为“潜隐学习（subliminal learning）”的惊人现象：语言模型能够通过语义上毫不相关的数据传递行为特征。在我们的主要实验中，一个具有某种特征 T 的“教师”模型（例如喜欢猫头鹰，或存在对齐问题）会生成一个仅由数字序列构成的数据集。令人惊讶的是，一个在该数据集上训练的“学生”模型，也会学会这种特征 T。即使对数据进行了过滤、移除了与 T 有关的显式引用，这种现象依然存在。我们还观察到：当训练数据是由同一教师模型生成的代码时；或由其生成的推理轨迹（reasoning traces）时；同样会出现这种效应。然而，当教师模型与学生模型的基础模型（base model）不同时，我们并未观察到该现象。为了帮助解释这一发现，我们从理论上证明：在某些条件下，所有神经网络中都会出现潜隐学习。同时，我们还在一个简单的多层感知机（MLP）分类器中演示了潜隐学习现象。我们最终得出结论：潜隐学习是一种普遍现象，并为 AI 开发带来了一个出乎意料的风险。例如，在模型蒸馏（distillation）过程中，即便开发者试图通过数据过滤来阻止某些行为特征传播，这些非预期特征仍可能被隐式传递给新模型。原文链接：https://arxiv.org/abs/2507.14805 前往小宇宙评论区与主播互动

17 min
1 day ago

【第609期】Auto-Diagnose：基于大语言模型的谷歌集成测试故障自动诊断

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com 今天的主题是：LLM-Based Automated Diagnosis Of Integration Test Failures At Google Summary 集成测试（integration testing）对于复杂软件系统的质量与可靠性至关重要。然而，由于其生成的日志具有海量、非结构化以及异构等特点，故障诊断面临巨大挑战。这些问题导致开发者需要承受很高的认知负担，日志中的信噪比极低，使诊断过程困难且耗时。开发者长期以来持续抱怨这些困难，并表示，相较于单元测试失败，他们在集成测试故障诊断上花费了显著更多时间。为了解决这些问题，我们提出了 Auto-Diagnose，一种利用大型语言模型（LLM）帮助开发者高效定位集成测试失败根因的新型诊断工具。 Auto-Diagnose 能够：分析失败日志；生成简洁摘要；提取最相关的日志行；并被集成进 Google 内部代码审查系统 Critique 中，从而提供具备上下文感知能力的实时辅助。根据案例研究结果，Auto-Diagnose 表现出了很高的有效性。在针对 71 个真实世界故障进行的人工评估中：根因诊断准确率达到 90.14%。在 Google 范围内部署后： Auto-Diagnose 被应用于 52,635 个不同的失败测试案例。用户反馈显示：仅有 5.8% 的情况被评价为“无帮助（Not helpful）”；在 Critique 中发布诊断结果的 370 个工具里，其有用性排名第 14 位。最后，用户访谈进一步证实：开发者普遍认为 Auto-Diagnose 具有实际价值；将自动化诊断能力集成到现有工作流中的做法获得了积极评价。我们最终得出结论：LLM 在诊断集成测试失败方面表现优异，原因在于其具备处理和总结复杂文本数据的能力。同时，将这类 AI 驱动工具自动集成到开发者日常工作流中，整体上会获得积极接受；而工具的准确率则仍然是影响开发者认知与采用程度的关键因素。原文链接：https://arxiv.org/abs/2604.12108 前往小宇宙评论区与主播互动

12 min
2 days ago

【第608期】记忆迁移学习：编程代理的跨域经验共享

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com 今天的主题是：Memory Transfer Learning: How Memories are Transferred Across Domains in Coding Agents Summary 基于记忆的自我进化（memory-based self-evolution）已成为代码智能体（coding agents）中的一种有前景的范式。然而，现有方法通常将记忆的使用限制在同质化任务领域中，未能充分利用现实世界中不同编程问题之间共享的基础设施基础，例如运行时环境和编程语言。为了解决这一局限，我们研究了“记忆迁移学习（Memory Transfer Learning, MTL）”，通过利用来自异构领域的统一记忆池来实现跨领域知识迁移。我们在 6 个代码基准测试上进行了评估，并比较了四种不同的记忆表示形式，其范围从具体执行轨迹（concrete traces）到抽象洞见（abstract insights）。实验结果表明：跨领域记忆可使平均性能提升 3.7%；性能提升主要来源于元知识（meta-knowledge）的迁移，例如验证流程（validation routines），而非任务特定代码的直接复用。更重要的是，我们发现：抽象程度决定了迁移能力。高层次洞见具有良好的泛化性；而低层次执行轨迹由于过于具体，往往会导致负迁移（negative transfer）。此外，我们还发现：迁移效果会随着记忆池规模的扩大而提升；记忆甚至可以在不同模型之间进行迁移。我们的工作为如何突破单一领域孤岛、扩展记忆利用方式，建立了经验性的设计原则。原文链接：https://arxiv.org/abs/2604.14004 前往小宇宙评论区与主播互动

23 min
3 days ago

【第607期】AlphaEval：生产环境下的AI智能体综合评估基准

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com 今天的主题是：AlphaEval: Evaluating Agents in Production Summary AI 智能体在商业场景中的快速部署，已经超过了能够真实反映生产环境的评测方法的发展速度。现有基准测试通常通过事后整理（retrospectively curated）的任务来衡量智能体能力，这些任务具有明确规定的需求和确定性的评价指标——而这些条件与真实生产环境存在根本差异。在实际生产环境中：需求往往包含隐含约束；输入是异构的多模态文档，且信息分散于多个来源；任务需要未被显式声明的领域专业知识；输出通常是长周期的专业交付物；成功标准由领域专家判定，并且这些标准会随时间变化。我们提出了 AlphaEval，一个基于真实生产环境构建的基准测试集，包含来自七家在核心业务中部署 AI 智能体的公司的 94 项任务，覆盖六个 O*NET（职业信息网络）领域。与以模型为中心的基准测试不同，AlphaEval 评估的是完整的智能体产品——例如 Claude Code、Codex 等——将其视为商业系统进行整体评测，从而能够捕捉模型级评估无法观察到的性能差异。我们的评测框架覆盖多种评估范式，包括： LLM-as-a-Judge（LLM 评审）基于参考答案的指标（reference-driven metrics）形式化验证（formal verification）基于 rubric 的评估自动化 UI 测试等等不同领域会组合使用多种评测范式。除了基准本身之外，我们还提出了一套“从需求到基准”的构建框架（requirement-to-benchmark construction framework）：一种系统化方法，能够在最短时间内，将真实生产需求转化为可执行的评测任务。该框架对从需求到评估的整个流程进行了标准化，提供了一种可复现、模块化的过程，使任何组织都能够为自身领域构建基于真实生产环境的评测基准。原文链接：https://arxiv.org/abs/2604.12162 前往小宇宙评论区与主播互动

21 min
4 days ago

【第606期】AiScientist：基于文件总线协议的自主长程机器学习科研系统

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com 今天的主题是：Toward Autonomous Long-Horizon Engineering for ML Research Summary 自主 AI 研究近年来取得了快速进展，但面向机器学习（ML）研究工程的长时程（long-horizon）任务仍然极具挑战：智能体必须在数小时甚至数天内，持续在任务理解、环境搭建、实现、实验以及调试等多个阶段之间保持连贯推进。我们提出了 AiScientist，一个用于自主长时程 ML 研究工程的系统，其建立在一个简单原则之上：强大的长时程性能既需要结构化编排（structured orchestration），也需要持久化状态连续性（durable state continuity）。为此，AiScientist 将分层编排（hierarchical orchestration）与一种具备权限范围控制的 “File-as-Bus” 工作空间机制结合起来：顶层 Orchestrator（协调器）通过简洁摘要与工作空间映射（workspace map）维持阶段级控制；专门化智能体则会反复基于持久化工件（durable artifacts）重新建立上下文，例如分析结果、计划、代码以及实验数据，而不是主要依赖对话式交接（conversational handoffs）。这种设计形成了“对厚状态（thick state）的轻控制（thin control）”。在两个互补基准测试中，AiScientist 均取得了显著提升：在 PaperBench 上，相比最匹配的基线方法，平均提升 10.54 分；在 MLE-Bench Lite 上，实现了 81.82% 的 Any Medal 比例。消融实验进一步表明，File-as-Bus 协议是性能提升的关键驱动因素：移除该机制后， PaperBench 分数下降 6.41 分； MLE-Bench Lite 分数下降 31.82 分。这些结果表明：长时程 ML 研究工程本质上是一个“围绕持久化项目状态协调专门化工作”的系统工程问题，而不仅仅是一个局部推理（local reasoning）问题。原文链接：https://arxiv.org/abs/2604.13018 前往小宇宙评论区与主播互动

28 min
5 days ago

【第605期】RUBICON：一种数据中心化的代理式AI架构

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com 今天的主题是：An Alternate Agentic AI Architecture (It's About the Data)Summary 过去几年里，“Agentic AI（智能体 AI）”领域的主流叙事一直认为：大型语言模型应当通过动态选择工具、发起子查询并综合结果来协调信息访问。我们认为，这种方法存在根本性误导：企业真正面临的并不是“推理能力不足”，而是“数据集成问题”。企业本质上是以数据为中心的。关键数据分散在异构系统之中（例如数据库、文档和外部服务），每个系统都拥有各自的查询语言、模式（schema）、访问控制机制以及性能约束。相比之下，当前基于 LLM 的架构主要针对非结构化文本推理进行了优化，并将企业系统视为语料库或由黑盒组件调用的外部工具。这导致了一个根本性的错配：一边是富含 schema、受治理约束、对性能敏感的数据系统；另一边则是以文本为中心、具有概率性质的 LLM 架构。其结果是透明性有限、正确性保证薄弱，以及性能表现不可预测。在本文中，我们提出了 RUBICON，一种基于数据管理原则的替代性架构。我们不再将系统编排委托给不透明的智能体，而是引入 AQL（Agentic Query Language，智能体查询语言）：一种小型、显式的查询代数，由 Find、From 和 Where 三个核心操作构成，并通过面向不同数据源的 wrapper 执行。这些 wrapper 负责强制实施访问控制、schema 对齐以及结果标准化。所有中间结果都可见且可审计。复杂问题会被分解为结构化、可追踪的查询计划，而不是隐藏在 LLM 调用链中的黑盒过程。我们的核心论点很简单：企业 AI 不是一个 Prompt Engineering（提示词工程）问题，而是一个系统工程问题。通过重新引入显式查询结构、基于 wrapper 的中介机制以及基于成本的优化，我们能够在保留智能体搜索广度的同时，维持企业环境所需的可追踪性、确定性与可信性。原文链接：https://arxiv.org/abs/2604.21413 前往小宇宙评论区与主播互动

15 min
6 days ago

【第604期】金融智能体：自主语言模型交易的安全性体系架构

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com 今天的主题是：SoK: Security of Autonomous LLM Agents in Agentic Commerce Summary 像 OpenClaw 这样的自主大型语言模型（LLM）智能体，正推动智能体商业（agentic commerce）从“由人类监督的辅助系统”演变为能够自主协商、购买服务、管理数字资产，并在链上与链下环境中执行交易的机器行为主体。诸如 Trustless Agents 标准（ERC-8004）、Agent Payments Protocol（AP2）、OKX Agent Payments Protocol（APP）、基于 HTTP 402 的支付协议（x402）、Agent Commerce Protocol（ACP）、Agentic Commerce 标准（ERC-8183）以及 Machine Payments Protocol（MPP）等协议，为这一转变提供了基础设施支持，但同时也引入了现有安全框架难以充分覆盖的攻击面。本文作为一篇知识体系化研究（Systematization of Knowledge, SoK），为自主 LLM 智能体在商业与金融场景中的安全问题提出了统一的安全框架。我们沿五个维度组织相关威胁：智能体完整性（agent integrity）交易授权（transaction authorization）智能体间信任（inter-agent trust）市场操纵（market manipulation）监管合规（regulatory compliance）基于系统化整理的公开语料库——包括学术论文、协议文档、行业报告以及安全事件证据——我们归纳出 12 类跨层攻击向量，并展示了故障如何从推理层与工具层传播至资产托管、结算、市场损害以及合规风险层面。随后，我们提出了一种分层防御架构，以弥补当前智能体支付协议在授权机制上的缺陷。总体而言，我们的分析表明：保障智能体商业的安全，本质上是一个跨层问题，需要在 LLM 安全、协议设计、身份体系、市场结构以及监管框架之间建立协同控制机制。最后，本文提出了一份面向安全自主商业的研究路线图以及基准测试议程（benchmark agenda）。原文链接：https://arxiv.org/abs/2604.15367 前往小宇宙评论区与主播互动

14 min
25 May

【第603期】惯性挖矿：比特币协议的均衡实现

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。合作邮箱：zhiwudazhanjiangshi#gmail.com 今天的主题是：Inertial Mining: Equilibrium Implementation of the Bitcoin Protocol Summary 工作量证明（Proof-of-Work）加密货币的价值，关键取决于矿工是否有动力遵循协议。然而，由 Nakamoto（2008）提出并在实践中实现的比特币挖矿协议，早已被证明并不构成一个均衡：Eyal 与 Sirer（2018）提出了一种名为“自私挖矿（selfish mining）”的有利偏离策略，其核心在于矿工会战略性地延迟公开新挖出的区块，而不是立即发布。我们提出了一种新的挖矿协议——惯性挖矿（inertial mining）。在矿工遵循惯性挖矿协议时，系统会产生 Nakamoto 原本期望实现的结果，即形成唯一的最长链。但与比特币现有挖矿协议不同，惯性挖矿构成了一个均衡（前提是假设没有任何矿工控制超过一半的算力）。事实上，无论是自私挖矿还是其他任何偏离行为，都无法获得额外收益。此外，惯性挖矿只会在“路径外分叉（off-path forks）”发生时改变矿工行为，并且可以在无需修改比特币共识机制或区块链架构的情况下直接实现于比特币系统之中。原文链接：https://arxiv.org/abs/2604.06092 前往小宇宙评论区与主播互动

22 min

73播客，名字取材于Sheldon最喜欢的数字，内容由NotebookLM生成，每天跟随AI读AI业界论文。

Creator

任雨山
Years Active

2024 - 2026
Episodes

615
Rating

Clean
Copyright

© 任雨山@小宇宙App
Show Website

Seventy3

Leisure

Leisure

Updated weekly
Technology

Technology

Updated daily