理论

本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面 && 笔者理解传统的自动驾驶主要可以分为感知、预测、规控三个大的部分，其中预测模块承担着十分重要的角色，为下游规划路径提供重要的信息。 然而，现实世界驾驶环境的复杂性，其中包括多个动态智能体（如车辆和行人）之间的相互作用，给预测造成了不小的挑战。

1 Agent/Function Call 的定义Overview of a LLM-powered autonomous agent system：图片Agent学会调用外部应用程序接口，以获取模型权重中缺失的额外信息（预训练后通常难以更改），包括当前信息、代码执行能力、专有信息源访问权限等。 2 从去年到现在有什么进展?Not a research seminar but good to kn…

译者 | 朱先忠审校 | 重楼本文涵盖了我最近在ISMIR 2024上发表的论文《聚类和分离：一种用于乐谱雕刻的声音和谱表预测的GNN方法》的主要内容。 简介以MIDI等格式编码的音乐，即使包含量化音符、拍号或小节信息，通常也缺少可视化的重要元素，例如语音和五线谱信息。 这种限制也适用于音乐生成、转录或编曲系统的输出。

在数据科学和机器学习领域,构建可靠且稳健的模型是进行准确预测和获得有价值见解的关键。 然而当模型中的变量开始呈现出高度相关性时,就会出现一个常见但容易被忽视的问题 —— 多重共线性。 多重共线性是指两个或多个预测变量之间存在强相关性,导致模型难以区分它们对目标变量的贡献。

开源数据库引擎 SQLite 有 bug，还是智能体检测出来的！ 通常，软件开发团队会在软件发布之前发现软件中的漏洞，让攻击者没有破坏的余地。 模糊测试 （Fuzzing）是一种常见的软件测试方法，其核心思想是将自动或半自动生成的随机数据输入到一个程序中，并监视程序异常。

人类只需要演示五次，就能让机器人学会一项复杂技能。 英伟达实验室，提出了机器人训练数据缺乏问题的新解决方案——DexMimicGen。 五次演示之后，DexMimicGen就可以直接模仿出1000个新的demo。

解决真实GitHub Issue的基准测试，字节家的豆包MarsCode Agent悄悄登顶了。 SWE-Bench，一个由普林斯顿大学提出的极具挑战性的Benchmark，近期受到工业界、学术界和创业团队的广泛关注。 在其子集SWE-Bench Lite排行榜上，豆包MarsCode Agent近期冲上第一。

近年来,大型语言模型(Large Language Models, LLMs)在自然语言处理(Natural Language Processing, NLP)领域取得了显著进展。 这些模型通过在大规模文本数据上进行预训练,能够习得语言的基本特征和语义,从而在各种NLP任务上取得了突破性的表现。 为了将预训练的LLM应用于特定领域或任务,通常需要在领域特定的数据集上对模型进行微调(Fine-tun…

AI视频生成赛道最强搅局者，来了！ 何谓搅局？ 下面这些是模型直出的效果，开源免费送给你！

1.5M参数模型就可以控制人形机器人的身体？ ！ 英伟达高级科学家Jim Fan表示，并不是每个基础模型都需要规模庞大。

SHAP 是一种解释机器学习模型预测结果的方法，它基于博弈论中的 Shapley 值理论。 它通过计算每个特征对模型输出的贡献度，帮助我们理解模型的决策过程。 SHAP 适用于各种类型的机器学习模型，使得黑盒模型（如深度神经网络、随机森林等）的预测更加透明、可解释。

OpenAI o1彻底带火慢思考和思维链（CoT）方法，但CoT在某些任务上反而会降低模型表现。 比如给生造的词分类任务，GPT-4在zero-shot提示下的准确率高达94%，换成CoT的准确率却断崖式下跌到64.4%。 内置CoT的o1-preview准确率更是只有57.7%。

又一个看似坚固无比的数学理论，被证伪了！ 最近，UCLA和MIT的研究者证伪了概率论中众所周知的假设——「上下铺猜想」。 上下铺猜想（Bunkbed Conjecture）也称为双层床猜想，是渗透理论中的一个陈述，该领域处理的是在图的边随机删除后存在的路径和簇。

在机器学习教学实践中,我们常会遇到这样一个问题:"模型表现非常出色,准确率超过90%!但当将其提交到隐藏数据集进行测试时,效果却大打折扣。 问题出在哪里?"这种情况几乎总是与数据泄露有关。 当测试数据在数据准备阶段无意中泄露(渗透)到训练数据时,就会发生数据泄露。

分析机构Gartner提出了2025年企业“需要探索”的十大战略技术趋势，其中一些趋势涉及人工智能，还有一些涉及数据管理和存储领域。 Gartner杰出的副总裁Gene Alvarez表示：“今年的十大战略技术趋势涉及人工智能的必要性和风险、计算的新前沿以及人机协同，”“跟踪这些趋势将有助于 IT 领导者以负责任并合乎道德的创新塑造组织的未来。 ”2025年最重要的战略技术趋势是：人工智能代理（A…

先给大家看看最终效果：商人罗伯特·洛卡西奥，开了个名叫EqualAI的非营利组织，专门应对人工智能开发中那些看不见、摸不着的无意识偏见。 这名字听起来倒是光鲜，然而，他却在《Fast Company》上发了一篇文章，讲的是什么“提示工程”的局限。 事情的由头不过是一个普普通通的提示语：“写篇750字的文章，说说人工智能怎么成了品牌的‘数字门面’，要写得像《Fast Company》的文章那样。

出品 | 51CTO技术栈（微信号：blog51cto）B站真的啥也能学到！ 11月B站的哔哩哔哩超级科学晚活动，竟然请来了OpenAI的研究副总裁（安全）——翁荔！ 她是OpenAI的华人科学家，也是ChatGPT的贡献者之一。

ChatGPT的引入使得大型语言模型(LLM)在技术行业和非技术行业都得到了广泛应用，这种普及主要归因于两个因素：1. LLM作为知识宝库：LLM基于海量的互联网数据进行训练，并定期更新(即GPT-3、GPT-3.5、GPT-4、GPT-4o等)。 涌现能力：随着LLM的发展，它们展现出小型模型中不具备的能力。

「谷歌内部超1/4新代码，全是由AI生成的」！ 上周，CEO劈柴在Q3财报会议上的一句话，瞬间点燃了全网的激烈讨论。 图片AI生成的代码再由工程师进行审核，能够帮助工程师完成更多的工作，加快开发效率然而，也正是这句话，劈柴却遭到了自家员工「打脸」。

编辑 | 伊风出品 | 51CTO技术栈（微信号：blog51cto）谷歌不止Q3的财报很强劲。 CEO “劈柴”更是在财报电话会议里曝了个猛料！ 图片他指出：谷歌超过四分之一的新代码都是由人工智能生成的！

AI界也有了自己的“奥斯卡”，哪家大模型角色扮演更入戏？ 来自香港科技大学、腾讯、新加坡管理大学的团队提出新综述——不仅系统性地回顾了角色扮演语言模型的发展历程，还对每个阶段的关键进展进行了深入剖析，展示了这些进展如何推动模型逐步实现更复杂、更逼真的角色扮演。 AI世界如同不断扩展的“舞台”，语言模型则是这个舞台上不断精进的“演员”。

AI发展之势迅猛，从技术、政策到产品风险，相比从前都有了很大变化。 最近，State of AI发布了2024产业报告，也是调研团队发布的第七份年度报告，从研究进展、行业局势、现有政策、安全问题、未来预测等角度出发，对人工智能行业的现状和预期进行了深度分析。 图片报告链接：：前沿实验室的性能开始趋同，专有模型的优势逐渐消失，GPT-4与其他模型之间的差距正在缩小。

TL;DR：我们试验了将 AI 应用到基于 Protobuf 的微服务架构中，基于 ArchGuard 治理平台、Shire AI 助手、Team AI 三个工具中，构建了一套完整的 AI4SE 原型，在需求、设计、开发、测试和运维等阶段，这里是我们的思考和实践。 过去几个月里，我们在各大技术大会上频繁看到生成式 AI 的应用，很多研发组织都在尝试将其引入开发的各个环节。 然而，随着 AI 技术的…

o1满血版泄露了！ 没想到，OpenAI还搁那儿“今年一定”呢，不少网友已经率先上手体验到了（doge）。 事情是酱婶的：有网友发现，OpenAI已经在ChatGPT官网上部署了完整版o1，大家伙儿还都能卡bug直接用！