Taser
PulseAugur coverage of Taser — every cluster mentioning Taser across labs, papers, and developer communities, ranked by signal.
-
Axon 的 AI 警报报告工具因不准确和幻觉而受到批评
Axon，一家以执法记录仪闻名的公司，正因其新推出的 AI 驱动的警报报告撰写工具 Draft One 和 Form One 而受到审查。尽管 Axon 声称这些工具可以为警官节省大量时间，但用户体验表明并非如此。报告显示，该 AI 曾出现过离奇的幻觉场景，例如警官因误解背景电影音频而变成青蛙，警官们发现这些工具不准确且耗时，需要大量编辑。
-
Axon的AI警务报告工具因不准确和浪费时间而受到批评
Axon公司推出的旨在自动化警务报告撰写的新AI工具Form One，正面临警官的批评，他们认为该工具不准确且耗时。尽管Axon声称能为警官节省大量时间，但印第安纳州拉斐特市的早期测试显示，警官花费在纠正错误上的时间比手动撰写还要多。另一项关于Axon的Draft One AI的研究也表明，由于需要大量编辑，并未节省时间，尽管一些警官认为它更快。
-
新的TASER框架提升深度学习模型鲁棒性
研究人员开发了一种名为任务感知Stein正则化（Task-Aware Stein Regularisation, TASER）的新型训练框架，旨在提高深度学习模型在分布变化和对抗性攻击下的鲁棒性。该方法利用Langevin Stein算子来惩罚输入敏感性，促进预测与数据密度之间的几何兼容性。TASER在包括CIFAR-10在内的多个基准测试中展示了增强的对抗鲁棒性和稳定性，且不会显著降低干净精度。
-
苹果研究人员探究大型推理模型的思考极限
研究人员引入了一个名为“思考的幻觉”的新框架，以更好地理解大型推理模型（LRM）的推理能力和局限性。该框架利用可控的谜题环境来分析LRM的内部推理过程，超越了仅关注最终答案准确性的传统评估方法。实验表明，LRM在问题复杂度高时会出现完全的准确率崩溃，并表现出一种奇怪的扩展极限，即尽管计算资源充足，推理努力却会减少。