Sra
PulseAugur coverage of Sra — every cluster mentioning Sra across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
英国律师监管机构调查律师事务所AI滥用情况
律师监管局（SRA）正在调查律师事务所和个别律师滥用AI的众多报告。在2025年7月至2026年7月期间，SRA收到了42份详细说明AI相关不当行为的报告。目前正在调查的问题包括法律引文不准确、缺乏监督以及泄露机密信息等。
-
新算法优化仓库布局，无需仿真
研究人员开发了一种新颖的自动化仓库布局优化算法——应力释放退火（SRA），该算法可显著提高机器人吞吐量和可扩展性。与依赖大量仿真的先前方法不同，SRA在多项式时间内运行，无需仿真，它通过将任务需求转换为预测交通拥堵的应力场来实现。实验表明，SRA可使仓库的机器人容量翻倍，并且在吞吐量方面能媲美或超越现有的进化基线，同时所需的计算时间大大减少。
-
AI 辅助解决 SS--RS--GD 不等式
一篇新发表在 arXiv 上的论文解决了 SS--RS--GD 不等式，这是 COLT 2021 关于单次洗牌 SGD、随机重排 SGD 和梯度下降算子的一项猜想。研究表明 SS-RS 不等式不成立，并为 n=3 提供了具体的反例。然而，RS-GD 不等式被证明对于定义范围内的对称矩阵是成立的。论文指出，GPT-5.5 Pro 被用于辅助证明。
-
英国AI增长实验室、欧盟云法案及AI供应商收购合同详解 · 追踪3个来源
英国AI增长实验室于2026年6月8日启动，旨在通过汇集ICO和SRA等监管机构，指导部署AI的组织，尤其是在法律科技和产权转让领域。另外，欧洲委员会于2026年6月3日提出的一项提议——《欧盟云与AI发展法案》，旨在通过分级采购体系，扩大欧盟数据中心容量，减少对非欧盟云供应商的依赖。此外，Mastodon上的一项讨论强调了AI供应商被收购时合同条款的关键重要性，因为有关数据所有权、知识产权和管辖权的条款可能显著改变组织的风险敞口。
-
新arXiv论文详述生成式AI对法律特权的风险
一篇新发表在arXiv上的论文探讨了与生成式AI系统相关的保密性和法律特权风险。文章详细介绍了数据如何通过模型参数、上下文窗口和检索增强生成（RAG）进行存储和处理，并突出了每种方式的独特风险。该分析借鉴了英国和美国的法律先例以及计算机科学研究，旨在指导英格兰和威尔士的法律专业人士进行有效的数据治理以及在部署GenAI时可能出现的疏忽。
-
新研究质疑数据增强在扩散模型训练中的作用
研究人员探讨了表示对齐在加速扩散Transformer训练和提高生成质量方面的有效性。他们研究了从SRA到Self-Flow的改进机制，特别是双时间调度，并提出这些改进可能源于数据增强而非跨噪声级别的token交互。通过一项名为“注意力分离”的实验，该实验在保持双时间步输入的同时阻止了不同噪声级别token之间的注意力，他们发现移除这些交互并没有损害性能，甚至可能提高性能。这表明沿噪声维度的数据增强是改进的主要驱动因素，而注意力分离本…
-
扩散Transformer的增益归因于数据增强，而非token交互
研究人员调查了扩散Transformer中自我对齐机制的原理，特别是比较了SRA和Self-Flow。他们的发现表明，这些方法的性能提升主要由噪声维度上的数据增强驱动，而不是不同噪声水平之间的token交互。该研究引入了一种称为注意力分离（Attention Separation）的技术来分离这些因素，该技术出人意料地没有降低性能，甚至显示出改进，这表明Self-Flow相对于SRA的优势很大程度上归因于数据增强。
-
新的技能检索增强范式提升了代理式AI的性能
研究人员推出了一种名为技能检索增强（SRA）的新方法，用于增强代理式AI系统。SRA允许代理从大型外部语料库中动态检索和应用技能，克服了在上下文窗口中枚举技能的局限性。为了评估这种方法，该论文提出了SRA-Bench，这是一个包含5,400个测试实例和26,262个技能的技能语料库的基准。实验表明，SRA显著提高了代理性能，尽管基础模型在确定何时加载技能的能力方面仍存在差距。