zhou
PulseAugur coverage of zhou — every cluster mentioning zhou across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
最长分支方法在LLM响应选择中优于CoT-Decoding
最近的一项实验探索了从大型语言模型中选择最佳响应的不同方法，将简单的“最长分支”方法与更复杂的CoT-Decoding技术进行了比较。实验发现，“最长分支”方法（在不使用对数概率的情况下选择具有最多token的分支）的准确率达到了76.2%，高于CoT-Decoding的75.9%。这表明涉及对数概率访问和答案跨度定位的复杂方法，与更简单的自由控制方法相比，并未显著提高性能。
-
研究发现超过 40% 的 MCP 服务器缺乏身份验证
Zhou 及同事的最新研究显示，超过 40% 的在线远程模型上下文协议 (MCP) 服务器未实施任何身份验证，使其面临暴露风险。虽然 MCP 规范允许可选授权，但研究发现，即使在实施了 OAuth 2.1 的服务器中，所有经过测试的服务器都存在至少一个安全漏洞。最常见的问题影响了超过 96% 的测试服务器，与动态客户端注册有关，这可能导致敏感信息泄露和账户被盗。研究人员指出，已部署的服务器未能跟上不断发展的规范，导致了这些安全漏洞。
-
新的脑电图分类方法应对受试者变异性和数据增强问题 · 跟踪 4 个来源
研究人员正在探索先进的方法来提高基于脑电图 (EEG) 的运动想象分类的准确性和鲁棒性。一项研究调查了贝叶斯完全池化模型与频率学基线模型的对比，发现其可靠性仅有边际改善，在总体 Brier 分数或判别力方面没有显著差异，但计算成本却大幅增加。另一种方法利用了类条件变分自编码器 (CVAE) 来生成合成脑电图试验，在增强训练数据时显示出微小且依赖于分类器的增益。一项大规模基准分析了跨多个数据集的 216,714 个评估行，揭示了管道性能…
-
新研究详解双层神经网络中的分层学习
研究人员从理论上分析了无限宽度双层神经网络在学习错误指定的单索引模型时的人口梯度流。该研究通过一个控制相对训练速度的扰动参数联合优化两层，证明了隐藏链接函数的常数和线性分量可以在预测的时间尺度内恢复。该论文还考察了二次分量的学习，证明了先前学习的分量继续影响动力学。该分析利用了积分约束流形附近奇异摄动流的定量近似结果，并在学习二次分量时现象学地观察到权重经验测度的奇异行为。
-
中国法院处理AI案件，呼吁明确法律
中国法律体系正面临越来越多的AI相关案件，凸显了制定更清晰立法的必要性。杭州市中级人民法院近期的一项裁决树立了先例，指出一家金融科技公司不能仅因AI实施带来的成本节约而解雇员工。此案强调，企业不能将AI采纳的财务风险转嫁给员工，旨在确保AI通过提高生产力而不损害员工的利益来服务于公众利益。
-
中国法院裁定工人被AI取代后获赔2.8万英镑
一家中国法院已向一名因公司用AI取代他而被解雇的工人判处超过2.8万英镑的赔偿。杭州中级人民法院裁定，在公司实施AI后，该姓周的员工拒绝降职和减薪，公司解雇他是错误的。这项裁决以及北京的一起类似案件表明，在中国快速采用AI和青年失业率高企的背景下，中国政策正朝着保护工人就业安全的方向转变。
-
FlightSense平台利用AI和传播特征预测航班延误
研究人员开发了FlightSense，一个MLOps平台，旨在通过对延误如何在飞机轮转链中传播进行建模来预测航班延误。该系统通过整合延误传播特征和气象数据，实现了0.879的AUC。FlightSense部署在AWS上，具备实时推理、仪表板和一个用于用户查询的对话式AI助手。
-
AsymmetryZero 框架将人类偏好操作化为人工智能评估
研究人员推出 AsymmetryZero 框架，旨在将人类专家的偏好转化为可衡量的语义评估，用于人工智能模型。该系统旨在解决将主观和领域特定的要求编码到当前人工智能评估方法中的难题。一项使用 AsymmetryZero 的研究比较了 GPT-5.4 和 Claude Opus 4.6 等前沿人工智能模型，发现紧凑型陪审团更具成本效益且速度更快，而前沿陪审团则显示出更高的内部一致性。
-
研究人员开发了用于具有共同噪声的均值场控制的连续时间q学习
这篇分为两部分的论文介绍了在具有共同噪声的均值场控制中进行连续时间Q学习的理论基础和算法。第一部分建立了理论框架，定义了集成Q函数（Iq函数），并推导了最优策略作为不动点的条件。第二部分在此基础上，设计了包括Actor-Critic方法在内的Q学习算法，并证明了它们在线性二次和其他设置中的收敛性和性能。
-
稀疏自编码器分解临床序列模型表征：特征复杂度、任务专业化与死亡率预测
研究人员开发了几种利用电子健康记录（EHR）上的机器学习来改进临床预测的新方法。其中一种方法“Risk Horizons”使用一种具有几何感知的框架和双曲嵌入来构建患者特定的候选空间，以预测未来的临床事件。另一种方法将临床诊断视为一个自回归序列建模任务，采用大型语言模型的因果解码器来处理缺失的模态并提高可解释性。此外，一个名为FlatASCEND的新模型专注于具有连续时间预测的自回归临床序列生成，并测试药理学关联，而另一项研究则使用稀…