研究者
谷歌 Agent 首次发现真实世界代码漏洞：抢救全球数亿设备，有望挽回数十亿美元损失
AI 首次发现真实世界中的重大安全漏洞？ SQLite 中的一个漏洞，幸运地被谷歌研究者的 AI Agent 发现了，修复后并未造成任何损失。 莫非 AI 再进化一番，微软的全球蓝屏事故就可以永久避免了？
AI助力脑机接口研究，纽约大学突破性神经语音解码技术，登Nature子刊
作者 | 陈旭鹏 编辑 | ScienceAI由于神经系统的缺陷导致的失语会导致严重的生活障碍，它可能会限制人们的职业和社交生活。近年来，深度学习和脑机接口（BCI）技术的飞速发展为开发能够帮助失语者沟通的神经语音假肢提供了可行性。然而，神经信号的语音解码面临挑战。近日，纽约大学 VideoLab 和 Flinker Lab 的研究者开发了一个新型的可微分语音合成器，可以利用一个轻型的卷积神经网络将语音编码为一系列可解释的语音参数（如音高，响度，共振峰频率等）并通过可微分语音合成器重新合成语音。通过将神经信号映射到
大模型写代码能力突飞猛进，北大团队提出结构化思维链SCoT
任何简单或复杂的算法都可以由顺序结构、选择结构和循环结构这三种基本结构组合而成。
论文插图也能自动生成了，用到了扩散模型，还被ICLR接收
如果论文中的图表不用绘制，对于研究者来说是不是一种便利呢？有人在这方面进行了探索，利用文本描述生成论文图表，结果还挺有模有样的呢！
Meta用《圣经》训练超多语言模型：识别1107种、辨认4017种语言
在《圣经》中有一个巴别塔的故事，说是人类联合起来计划兴建一座高塔，希望能通往天堂，但神扰乱了人类的语言，计划也就因此失败。到了今天，AI 技术有望拆除人类语言之间的藩篱，帮助人类造出文明的巴别塔。
斯坦福最新研究警告：别太迷信大模型涌现能力，那是度量选择的结果
大模型出现后，涌现这一术语开始流行起来，通常表述为在小规模模型中不存在，但在大规模模型中存在的能力。但斯坦福大学的研究者对 LLM 拥有涌现能力的说法提出了质疑，他们认为是人为选择度量方式的结果。
模块化的机器学习系统就够了吗？Bengio师生告诉你答案
Bengio 等研究者刚「出炉」的预印本论文，探讨了机器学习系统的一个重要方向问题。
用消息传递求解偏微分方程，ML大牛Max Welling等用全神经求解器做到了更强、更快
对于求解偏微分方程来说，阿姆斯特丹大学、高通 AI 研究院的研究者最近推出的 MP-PDE 求解器又提供了一个选择。
对比学习引领弱标签学习新SOTA，浙大新研究入选ICLR Oral
本文介绍浙江大学、威斯康星大学麦迪逊分校等机构的最新工作 PiCO，相关论文已被 ICLR 2022 录用（Oral, Top 1.59%)！偏标签学习 (Partial Label Learning, PLL) 是一个经典的弱监督学习问题，它允许每个训练样本关联一个候选的标签集合，适用于许多具有标签不确定性的的现实世界数据标注场景。然而，现存的 PLL 算法与完全监督下的方法依然存在较大差距。为此，本文提出一个协同的框架解决 PLL 中的两个关键研究挑战 —— 表征学习和标签消歧。具体地，研究者提出的 PiCO
归一化提高预训练、缓解梯度不匹配，Facebook的模型超越GPT-3
来自 Facebook AI 的研究者提出了 NormFormer，该模型能够更快地达到目标预训练的困惑度，更好地实现预训练困惑度和下游任务性能。
开启生成式视频压缩：谷歌基于GAN来实现，性能与HEVC相当
来自谷歌的研究者提出了一种基于生成对抗网络 (GAN) 的神经视频压缩方法，该方法优于以前的神经视频压缩方法，并且在用户研究中与 HEVC 性能相当。
「导师要我的论文和别人共同一作」，Nature揭露论文署名乱象：没贡献为啥要署名？
在科研界，论文署名以及顺序一直是研究人员非常重视的问题。由于各种原因，署名排序过程中难免会出现分歧与争议。近日，《Nature》 对论文署名问题进行了调查，指出了一些不好的现象，并希望能够创建一个公平的论文个人贡献评价系统。
- 1