Google 研究科学家运用实证研究辅助的四种方式
数据挖掘与建模
AI NEWS JOURNAL
全部 AI 动态
保留完整资讯流，用来源、主题和时间找到你关心的消息。
关键在于角度：你的照片，重新构图
生成式人工智能
面向更长时域的世界模型的基于梯度的规划
GRASP 是一种用于学习到的动力学模型（即“世界模型”）的新型基于梯度的规划器，它通过以下方式使长时域规划变得切实可行：(1) 将轨迹映射到虚拟状态空间，从而实现时间维度上的并行优化；(2) 直接在状态迭代中引入随机性以促进探索；(3) 重塑梯度，使动作能够获得清晰的信号，同时避免因高维视觉模型而导致的脆弱“状态输入”梯度问题。大型学习型世界模型正变得越来越强大，它们能够在高维视觉空间中预测未来观测序列，并以几年前难以想象的方式跨任务进行泛化。随着这些模型规模的扩大，它们逐渐呈现出从特定任务预测器向通用仿真器转变的趋势。然而，拥有强大的
评估大型语言模型中行为倾向的一致性
生成式人工智能
利用机器学习优化乳腺癌筛查工作流程
健康与生物科学
为大型语言模型大规模识别交互关系
理解复杂机器学习系统，尤其是大型语言模型（LLMs）的行为，是现代人工智能领域的一项关键挑战。可解释性研究旨在使模型构建者及受影响的用户更清晰地了解模型的决策过程，从而推动实现更加安全、可信的人工智能。为了获得全面的认识，我们可以从不同视角对这些系统进行分析：特征归因，用于分离出驱动预测的具体输入特征（Lundberg & Lee, 2017；Ribeiro等，2022）；数据归因，用于将模型行为与具有影响力的训练样本关联起来（Koh & Liang, 2017；Ilyas等，2022）；以及机制可解释性，用于剖析内部组件的功能（Conmy等，2023；Sharkey等
利用人工智能驱动的山洪预报保护城市
气候与可持续发展
超越一对一：编写、模拟与测试动态的人机群体对话
人机交互与可视化