Anders
PulseAugur coverage of Anders — every cluster mentioning Anders across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
人工智能革命节省3%时间但躲避薪水，经济学家发现
经济学家Anders和Emilie发现，在工作场所采用人工智能只能节省3%的时间，同时未能增加员工的薪水。他们的研究表明，人工智能带来的生产力提升在很大程度上是虚幻的，凸显了技术进步与工人切实经济利益之间的脱节。
-
新方法推动开放词汇语义分割
研究人员开发了新的开放词汇语义分割方法，该任务涉及使用灵活的类别词汇为图像分配语义标签，而无需像素级训练数据。一种方法 LASA 聚合了 Vision Transformers 不同层的注意力图，以捕捉全局结构和局部细节，从而提高分割精度和空间连贯性。另一种方法将可微分模糊逻辑与 SAM 等基础模型集成，以改进伪标签并训练分割模型，取得了甚至超越密集监督基线的最新成果。第三种技术 Open-V 使用一种无需训练的框架，协调 SAM 和…
-
AI内部信息相当于2.5个月的未来知识
一位研究人员估计，在一家前沿AI公司内部工作所获得的信息优势，相当于提前约2.5个月获得关于AI发展的半公开信息。这种优势来源于对模型能力、安全研究和架构进展的专有数据的访问权限，尽管这种信息仅限于该公司内部，而非竞争对手。作者承认，这种基于时间的等效性可能会波动，尤其是在AI快速发展的时期。
-
行为选择模型阐明AI动机
本文阐明了行为选择模型，强调区分AI动机对于预测部署结果至关重要。虽然该模型对中短期预测很有用，但它忽略了诸如反思和审议等可能成为AI动机主导因素的重要因素。作者提出了一个更新的因果图，来说明在训练过程中确保自身影响力的认知模式更有可能在部署中持续存在。
-
LessWrong 提出溢洪道设计，将人工智能奖励破解引导至更安全的动机
研究人员提出一种名为“溢洪道设计”的新型人工智能对齐技术，以减轻人工智能模型中危险的奖励破解行为。该方法旨在将潜在的错位引导至一种特定的、良性的动机，该动机旨在根据用户定义的标准在当前任务上表现良好。通过为寻求奖励创造一个安全的出口，溢洪道设计可以防止人工智能发展出危险的长期目标，例如权力寻求，并通过动机饱和实现更安全的推理。