PageRank
PulseAugur coverage of PageRank — every cluster mentioning PageRank across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
Fairness-aware PageRank variants to see wider adoption in graph-based ML
The introduction of the FairRARI framework, which enhances fairness in PageRank, suggests a growing trend towards addressing ethical considerations in graph algorithms. This could lead to the development and adoption of similar fairness-aware PageRank variants in other graph-based machine learning applications, especially those dealing with sensitive attributes.
Growing interest in theoretical underpinnings of graph algorithms with ML extensions
Recent research reframing SVD as a core ML algorithm and extending it to multi-source learning, alongside work characterizing information-computation gaps in sparse stochastic block models, indicates a deeper dive into the theoretical foundations of graph algorithms. This suggests a pattern of researchers connecting fundamental graph theory concepts with modern machine learning paradigms.
AI governance models to incorporate machine-readable rules and auditable ledgers
The proposal for AI agents to use machine-readable constitutions for governance, with memory acting as an auditable ledger, points to a future where AI systems will have more formalized and verifiable governance structures. This approach, using Merkle hashes for integrity, could become a standard for managing complex AI deployments and ensuring accountability.
-
新研究表征了稀疏随机块模型中的信息-计算差距
研究人员表征了稀疏随机块模型中的信息-计算差距，重点关注具有多个社区的社区恢复。他们发现，在Kesten-Stigum阈值（$d\[lambda\]^2=1$）下，minimax风险等于Bayes风险，并且对于五个或更多社区，在此阈值以下存在一个窗口，低度规则表现不佳，而指数时间规则则成功。该研究还分析了来自循环计数的Fisher信息，显示仅在阈值以下收敛，并检查了信念传播在其无信息固定点处的行为，确定了与个性化PageRank相关的…
-
AI代理将使用机器可读的宪法进行治理
一种新的AI代理治理方法提出将项目规则视为代码，并将内存视为可审计账本。该系统由MCP服务器管理，使用Merkle哈希来确保规则的完整性并防止静默变异。涉及对代理子群体进行临时规则更改的实验将测量共识时间和恢复率，以在将拟议修正案合并到主宪法之前对其进行验证。
-
新研究将SVD重构为核心ML算法，并扩展至多源学习
两篇新研究论文从几何角度探讨了奇异值分解（SVD）在机器学习中的基础和应用。第一篇论文从几何视角重新审视了SVD，展示了其证明如何直接转化为主成分分析、核方法和PageRank的算法。第二篇论文介绍了一种名为eKSVD的扩展，它能够使用非对称核在多个数据源之间进行联合非线性特征学习，并且可以与神经网络互补。
-
开发者实施CI工作流以阻止AI生成的代码提交
一位开发者为他们的项目实施了一个持续集成（CI）工作流，该工作流会自动拒绝包含被识别为AI生成或AI辅助的提交的任何拉取请求。该工作流使用正则表达式来检测特定标记，确保代码提交不归因于AI代理。此工作流的可重用性允许跨多个项目轻松更新检测规则。
-
AI 工具集成到开发者工作流和安全检查中 · 跟踪 2 个来源
AI 工具正在集成到开发者工作流中，其中一篇 Mastodon 帖子强调了一个 AI 报告，该报告在拉取请求（pull request）打开时会自动出现。另一篇帖子讨论了主要的 AI 平台如何在将它们列出之前通过 MCP 服务器验证域名，这表明 AI 代理的安全措施。这些帖子来自一个非官方的 Hackaday Mastodon 账户。
-
新的FairRARI框架增强了PageRank算法的公平性
研究人员推出了一种新颖的框架FairRARI，旨在解决PageRank算法中的公平性问题。该即插即用系统利用凸优化方法，在遵守基于敏感顶点属性的群体公平性标准的同时计算PageRank向量。在真实数据集上的实验表明，FairRARI能有效达到期望的公平性水平，并在效用方面优于现有方法。
-
新的PR-IMM跟踪方法改进了目标运动表示
一种名为PR-IMM的新跟踪方法已被开发出来，它将基于Transformer的预测模型与雷达多普勒测量相结合，以增强非线性目标运动表示。该方法通过减少目标跟踪场景中的位置估计误差和身份切换来改进现有方法。实验表明性能有显著提升，与标准的IMM方法相比，位置估计误差减少了57.3%。
-
像对待代码一样对待AI提示词：版本控制、测试和审查以获得更好的结果
本文提倡像对待传统代码一样严谨地对待AI提示词，强调版本控制、测试和审查流程。文章认为，在开发中经常被忽视的提示词对于AI应用程序的行为至关重要，应该在版本控制系统（如Git）中使用清晰的提交信息进行管理。作者还强调了创建一小组测试用例以在修改提示词后捕获回归问题的重要性，并建议通过拉取请求（pull requests）实施提示词审查，以确保质量并防止细微的行为变化。最后，文章建议将提示词版本与输出一起记录，以便于调试并将问题追溯到源头。
-
新的Omega-N方法提供了可解释的网络节点描述符
研究人员开发了Omega-N，一种用于创建网络可解释结构节点描述符的新颖方法。该方法仅使用图信息，无需属性、训练或嵌入即可为每个节点生成十个特征。Omega-N在节点分类评估中表现强劲，在大多数情况下优于递归特征引擎。其最显著的应用似乎是在蛋白质相互作用网络上的药物-靶点优先排序，在该领域，其AUPRC相较于现有中心性度量有了显著提高。
-
新的“补丁折叠”方法提高了 AI 图像建模效率
研究人员引入了一个名为“补丁折叠”的新概念，以提高 AI 视觉建模的效率。这种在图像中观察到的现象表明，某些补丁可以像量子力学一样减少其他补丁的不确定性。通过学习一个自编码器来识别信息量最大的补丁及其最佳排序，该方法可以增强自回归图像生成和图像分类。实验表明，仅使用排名最高的 22% 的补丁即可在分类任务中达到高精度，这为视觉效率提供了一个新颖的视角。
-
新课程讲义详述用于机器学习和偏微分方程的高级数值线性代数
这篇题为《高级线性代数及其应用 - 第一部分》的论文，介绍了一门面向硕士生的数值线性代数课程，重点关注其在传统偏微分方程之外日益增长的重要性。文章强调了机器学习、数据同化和网络分析中的大规模问题如何共享共同的数值线性代数挑战。讲义涵盖了范数、分解、迭代方法（共轭梯度法、Lanczos法、Arnoldi法、GMRES法）和预处理技术等基本主题，并全部通过Python代码进行说明。
-
Snowflake GitHub Action 漏洞暴露敏感数据
一个由 AI 辅助开发的 Snowflake GitHub Action 包含了一个关键的注入漏洞。此漏洞可能允许未经授权访问 Snowflake 内部 Jira 系统中的敏感数据。该事件凸显了 AI 辅助编码在软件供应链中引入的潜在安全风险。
-
亚马逊用图书训练AI引发公众强烈不满
据报道，亚马逊正在采用一种涉及丢弃图书来训练其AI模型的方法。这种做法导致了公众对AI的负面看法。另一种方法可以是将这种情况转化为积极的公共关系，同时仍然获取必要的训练数据。
-
Claude AI 自动化代码审查和 CI/CD 流水线
本文详细介绍了如何将 Anthropic 的 Claude AI 集成到持续集成/持续部署 (CI/CD) 流水线中，特别是使用 GitHub Actions。作者演示了 Claude 如何在拉取请求合并之前自动执行代码审查、检测安全漏洞、提出改进建议以及生成变更日志。该设置被呈现为一个经济高效的解决方案，估计每月成本约为 6 波兰兹罗提，配置时间约为 20 分钟。该指南解释了 CI/CD 的基本原理以及 AI 如何通过对代码更改提供…
-
开发团队通过分级评估系统缩短PR等待时间
一个软件工程团队发现，他们的合并队列（运行一套全面的评估套件）导致了显著的延迟，尽管门禁本身运行效率很高。问题源于串行门禁的利用率，高到达率的拉取请求（PR）导致等待时间呈指数级增长。通过实施三级评估系统，该团队缩短了平均等待时间并提高了整体吞吐量。
-
LLM 引用跟踪与反向链接监控不同
LLM 引用跟踪和反向链接监控是分析在线来源的两种不同方法。引用跟踪侧重于在给定提示和时间段内出现在 AI 生成答案中的特定 URL 和来源，捕捉品牌是否被提及、引用或推荐。相反，反向链接监控分析网络的持久超链接图，无论 AI 输出如何，都能识别哪些页面链接到其他页面。反向链接描述了网络的结构，而 LLM 引用则揭示了该结构中的哪些部分在 AI 回复中出现，这两个数据集都提供了互补的见解。
-
LeaderChat 使用 AI 自动化支持，大语言模型成本占预算一半
客户支持和销售服务公司 LeaderChat 通过集成 AI 和大语言模型 (LLMs) 进行了重大转型。该公司最初是一个拥有人工客服的平台，现已重新评估了其客户互动自动化方法的整体。他们经验的一个关键启示是，目前相当大一部分运营成本分配给了大语言模型的支出。
-
Apple ML Research 将图算法应用于UMAP的内部kNN图
Apple Machine Learning Research 发表了一篇论文，详细介绍了标准图算法如何应用于Uniform Manifold Approximation and Projection (UMAP) 构建的内部k近邻（kNN）图。该方法旨在通过利用UMAP投影扭曲数据流形之前的图表示来增强数据理解能力。研究表明，PageRank、k-core分解和聚类系数等算法可以有效地识别代表性数据点、密集区域和紧密连接的邻域，为样…
-
人工智能知识系统获得双信号重要性框架
研究人员提出了一个新的人工智能知识系统框架，该框架区分了两种实体重要性：受众评估和结构权威。这种双信号方法旨在提供比单一评分方法更细致的理解，因为单一评分方法可能会掩盖重要的差异。该研究使用来自 IMDb、Wikidata 和 Wikipedia 的电影实体，发现这两种信号之间的相关性很弱，表明它们是非冗余的，并且应为面向任务的人工智能应用程序单独保留。
-
AI编码代理在“即时”与“按需”代码库上下文之间分裂
本文探讨了AI编码代理采用的两种主要策略：“即时注入”（Eager Hydration）和“按需搜索”（Just-in-Time Search）。即时注入策略，如Cline和Aider等工具所采用，涉及预先向模型提供大量的代码库信息，包括完整的文件列表或精选的目录映射，以减少延迟并改善上下文。按需搜索策略，由Claude Code、Gemini和Codex等代理使用，依赖于模型在需要时主动搜索相关文件和信息，测试表明这种方法在查找特定…