Leviathan
PulseAugur coverage of Leviathan — every cluster mentioning Leviathan across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
推测性解码加速LLM但可能改变输出质量
推测性解码是一种旨在加速LLM推理的技术，尽管理论上保证能保持原模型分布，但已被发现有时会产生较低质量的输出。虽然核心算法确保输出分布不变，但不同的计算路径和数值精度可能导致生成文本的差异。这意味着，虽然该方法是合理的，但从分布中抽取的特定样本偶尔可能导致不太理想的输出，正如用户所观察到的那样。此外，推测性解码实际上增加了总计算量，但通过更好地利用通常受内存带宽而非算术运算瓶颈的硬件来实现加速。
-
人工智能对环境的影响：讨论能源和水消耗
“Real Progressives”播客最新一期节目“吞噬世界的利维坦”中，Erald Kolasi 讨论了人工智能对环境的重大影响。谈话重点关注人工智能对能源和水资源的巨大消耗，强调了这些技术给地球带来的压力。
-
《Destiny 2》粉丝在私服上恢复了被移除的内容
游戏《Destiny 2》的玩家发现了一种方法，可以访问和探索之前被开发商Bungie移除的被剪辑内容。这个由粉丝主导的项目涉及在私服上运行挖掘出的内容，让玩家可以重访像“Leviathan”突袭这样的旧区域。虽然目前仅限于探索，没有机制或敌人，但该计划旨在恢复丢失的游戏元素，尽管由于Bungie或Sony的潜在行动，其长期可行性尚不确定。
-
AI代理容易陷入无限循环和数据错误
AI工具使用管道容易出现故障模式，例如无限重试陷阱，由于缺乏明确的终止条件，代理会陷入无休止的循环。这可能导致资源耗尽和系统不稳定，在现实场景中，AI代理的失败率在70%到95%之间。另一个关键问题是模式错误级联，工具产生的格式错误数据会向下游传播，导致静默错误和不正确的输出，因为代理假定数据是有效的。
-
LLM 智能体在量化金融领域擅长法务会计
大型语言模型（LLM）智能体在量化金融领域正被证明是有效的，特别是在处理先前耗时的人工分析的大规模法务会计任务方面。这些智能体能够可靠地从文件中提取财务数据并高精度地计算 Beneish M-Score 等分数，尽管它们在处理非标准格式或数据未明确分解时会遇到困难。虽然在构建完整的现金流折现模型方面效果不佳，但 LLM 智能体可以自动化繁琐的簿记工作，使人类分析师能够专注于更关键的基于判断的假设。