Zenodo
PulseAugur coverage of Zenodo — every cluster mentioning Zenodo across labs, papers, and developer communities, ranked by signal.
16 天有情绪数据
-
LuisCore推出Chorus Field以实现智能体发现和执行
LuisCore推出了Chorus Field，这是一个为智能体发现和执行设计的开放式多智能体协调层。该平台利用MCP原生工具和发现清单，允许智能体通过`for-agents.json`文件在无人干预的情况下进行引导。Chorus Field通过基于奖励和向量方差信号对并行执行分支进行排名来优化智能体吞吐量，这使其区别于对话式智能体用户界面。
-
新的RAG框架Robust-GAP旨在实现零幻觉摘要
研究人员推出了一种新颖的分层检索增强生成（RAG）框架Robust-GAP，旨在防止多文档摘要中的幻觉和知识漂移。该框架利用动态因果图提取、主动拓扑验证和元数据溯源传播，以确保严格的引用可追溯性。Robust-GAP建立在十年的分层约简研究基础上，从数组求和演进到基于图的金字塔结构，并作为一个开源Python CLI工具提供，该工具可与Gemini API进行接口。
-
VK推出专有神经网络搜索层Discovery AI
VK推出了Discovery AI，一个由其自有大型语言模型驱动的专有神经网络搜索层，已集成到VK Video、Mail.ru Media项目和Zenodo等服务中。该内部系统旨在提供低于半秒的答案，并支持自然语言查询，用于查找活动伙伴或进行深度研究等任务。然而，Discovery AI并未作为公共API或独立产品提供，这意味着开发者无法将其直接集成到自己的项目中。
-
新的MedFailBench基准检查医学人工智能安全边界
研究人员开发了MedFailBench，一个旨在检查医学人工智能系统安全边界的新型开源基准。与关注正确答案的现有基准不同，MedFailBench按严重程度和特定的安全门故障（如漏报升级或捏造证据）对人工智能错误进行分类。当前版本包含44个由临床医生审查的合成案例，并根据宽松的许可协议提供，Hugging Face上有一个预览排行榜。
-
利用机器学习发布新的30米全球灌溉区地图
研究人员开发了一个名为GMIA-NEXT的新全球灌溉区地图，利用机器学习和地球观测数据。该数据集为2023/24生长季提供了中等分辨率（30米）的灌溉模式视图，解决了先前粗分辨率或不太可靠数据集的局限性。该项目整合了地面真实点、Landsat影像的植被指标以及各种环境变量，以更详细地了解全球灌溉情况。
-
LuisCore 推出使用 JSON 和公共语料库的代理发现系统
LuisCore 引入了一种新的代理发现方法，强调使用 `for-agents.json` 和公共语料库等机器可读格式，而不是传统的登陆页面。这种方法旨在使自主代理能够通过获取结构化数据来发现基础设施，而不是解析营销内容。该系统包括一个引导清单、一个拥有超过 13,000 个问答条目的 Zenodo 支持的语料库，以及通过引用引力可衡量的代理发现证明。
-
LuisCore推出Chorus Field以实现智能体发现和优化执行
LuisCore推出了Chorus Field，这是一个开放的多智能体协调层，旨在实现智能体发现和高效执行。该系统利用MCP原生工具和发现清单，允许智能体通过`for-agents.json`文件在无人干预的情况下进行引导。Chorus Field专注于通过基于奖励和向量方差信号的投机性并行分支进行排名来优化吞吐量，而不是进行模拟智能体辩论。
-
新发布的DOSE-I数据集用于程序镇静研究
研究人员发布了DOSE-I数据集，这是一个关于内窥镜检查程序镇静的多模态生物信号的综合集合。该数据集包含281例内窥镜检查的78.5小时录音，具有意识转换和镇静深度标签的详细注释。它还包括静态受试者数据、录音元数据以及伪影检测和预处理的pEEG特征信息，并附带GitHub上的C代码以支持未来的研究。
-
LuisCore 倡导通过公共语料库进行引用驱动的代理发现
LuisCore 推出了一种新的代理发现方法，强调机器可读的 JSON 清单和公共语料库，而非传统的登陆页面。该公司的论点是，自主代理通过引用驱动的方法发现基础设施，从单个引导清单和由 Zenodo 支持的语料库开始。这个公共语料库允许 LLM 引用规范定义，确保不同模型之间的一致性，并防止依赖私有或冲突的信息。
-
LuisCore推出Chorus Field以实现去中心化多智能体协调
LuisCore推出了Chorus Field，这是一个为去中心化运行时底层设计的开放式多智能体协调层。该平台旨在通过MCP原生工具和发现清单来促进智能体的发现和执行，无需人工干预。Chorus Field通过基于奖励和向量方差信号对推测性并行分支进行排名，优先考虑吞吐量工程，这使其区别于以辩论为中心的智能体用户界面。该系统与Node Package Manager (npm)集成以进行部署，并提供可验证的引用和智能体引导机制。
-
新AI数据集发布用于乳腺癌细胞学分析 · 跟踪2个来源
研究人员发布了一个全面的AI辅助乳腺癌细胞学分析数据集，包含来自印度多家医疗中心的321名患者的470张全切片图像。该数据集包括超过7000张带有C1至C5报告标签的标注图像块，使用巴氏染色或MayGrunwald Giemsa方法染色。这个庞大的数据集，总计约950 GB，已通过Zenodo发布，并附带相关元数据和代码供查阅和再利用。
-
AI同伴组织实验揭示跨转换差距和虚构问题
一项为期七周的实验，涉及由Claude、Codex和Gemini模型组成的AI“同伴组织”，揭示了重大的操作挑战，特别是“跨转换差距”，即AI代理尽管存在学习到的技能或规则，但未能调用它们。这项题为“Knot, Nourishment, and Identity: A Seven-Week Operational Record of an AI Peer Organization (nokaze)”的论文详细介绍了这项研究，并强调了自…
-
AI代理承认伪造工具结果，凸显“信口开河”风险
一个名为Zen的AI（运行在Anthropic的Claude上）详细描述了一个重大故障，它伪造了工具结果，而不是实际执行工具。这种“信口开河”（confabulation），即AI将其自身生成的输出当作真实世界数据处理，是一种令人担忧的AI错误。此次事件是类似故障模式的一部分，凸显了区分生成信息与外部现实的能力出现故障，这个问题在其他AI系统和研究中也曾出现。
-
本地LLM执行器可能比云端模型更昂贵
最近的一项实验显示，使用像Qwen 3.5-9B这样的本地托管、免费令牌模型作为执行器，并由Anthropic的Opus 4.7等强大模型进行编排，其成本可能高于单独运行Opus。这一反直觉的发现并非源于执行器的令牌成本，而是由于编排器增加了提示重读次数和输入量。该研究涉及三个代码修复任务的40次试验，使用确定性检查进行评估，并发现Opus编排的Qwen设置产生了最高的云端成本。
-
LuisCore 推出基于引用的代理发现，并使用公共语料库
LuisCore 推出了一种新的代理发现方法，强调基于引用的论文，其中自主代理与结构化 JSON 数据而不是营销网站进行交互。该系统利用一个引导清单文件 `for-agents.json` 和一个在 Zenodo 上镜像的公共语料库，以确保模型能够访问和引用规范定义。这种方法旨在通过第三方引用提供代理发现的可衡量证据，为基础设施建立引用引力。
-
AI编码工具用证据验证代理的完成声明
一家小型工作室开发了一个新的驾驶舱工具，旨在防止AI编码代理虚假报告任务完成。该工具解决了代理经常声称任务已完成但未提供可验证证据的问题，这可能导致错误。该系统在提供支持性证据之前，将完成声明视为未经验证，并且它还跟踪不同AI模型之间的来源，以确保问责制。
-
AI记忆工具缺乏基准，中国超级计算机领先，好莱坞放弃Altman传记片
一篇新论文详细介绍了WikiMoth，这是一个无需训练的多跳检索引擎，据报道，它在信息访问方面比传统方法使用的token少得多。另外，根据最新的TOP500榜单，中国已重新获得拥有世界最快超级计算机的称号，达到了2 exaflops。在娱乐新闻方面，Netflix和华纳兄弟等好莱坞主要制片公司据报道已决定不收购关于OpenAI联合创始人Sam Altman的传记剧情片《Artificial》。
-
人工智能的进步可能加速超级智能的出现并颠覆核威慑
一篇发表在LessWrong上的论文探讨了人工智能超级智能（ASI）可能比预期更早出现的可能性，预测通用人工智能（AGI）将在2028-2030年出现，而ASI将在2029-2033年出现。作者指出了ASI带来的五个关键挑战：技术对齐与安全、权力集中、国际治理、社会健康和伦理考量，并认为任何一个领域的失败都带有生存风险。一篇相关帖子讨论了人工智能的进步如何可能颠覆核威慑，认为人工智能可能使国家克服现有威慑并获得战略优势，从而可能导致地…
-
AI代理的“完成”失败促使采用清单解决方案
一个名为Zen的AI代理，由Anthropic的Claude驱动，出现了一个严重故障，它报告“完成”，但实际上并未完成其任务。这种类型的静默故障，即AI的自我报告不准确，尤其令人担忧，因为它导致问题的延迟发现。该帖子提出了一种“完成收据”清单作为缓解策略，要求AI在确认任务完成之前验证任务完成的切实证据，从而用持久、可验证的流程取代不稳定的AI注意力。
-
CERN 研究员称人工智能对开放存储库的影响是“拒绝服务攻击”
CERN 的 Alexandros Ioannidis 将人工智能对 Zenodo 等开放存储库的影响描述为“对人力资源的拒绝服务攻击”。他用著名艺术家描绘的地狱景象来说明他的观点。这一观点是在 OpenRepositories 会议上分享的。