AI技术追踪

Microsoft 公开可自带模型与数据的推荐理由审计工具，用改义编辑与同义改写对照测量决策敏感性。

沙丘判断：推荐理由是否影响决策，应通过干预和同义对照测量；理由写得合理不等于行为忠实。

首个公开版本提供Lean形式化库、固定工具链和Comparator验证入口，可检验形式化陈述与目标结论的对应关系。

沙丘判断：可借鉴陈述比对和固定依赖的验证入口，Lean编译成功仍不保证原自然语言问题已被完整形式化。

让三类决策模型只读新闻而不读市场赔率，回放证据加入后预测概率的变化。

沙丘判断：可采用证据递增回放检查预测敏感性，市场价格对照不能代替最终事件结果和校准评测。

Nous 上线 Hermes Index，使用共同 Hermes Harness 比较四套任务的 pass@1 与成本，并标记未完整运行或估算结果。

沙丘判断：共享 Harness 有助于减少接口差异，但任务覆盖、技能清理与估算成本仍会影响榜单解释。

对CLIP和DINO用Transcoder追溯抽象概念的转喻锚电路，以因果干预核视觉概念落地。

沙丘判断：抽象视觉概念的可解释性需追到具体图像锚点，并以干预验证关联是否有因果作用。

比较轻量通用、推理与代码语言模型在端侧物联网数据模型分类的质量成本，并设置TF-IDF等低成本对照。

沙丘判断：简单分类也应保留低成本基线，推理模型的优势需要覆盖额外延迟和能耗。

源材料约束生成后由具名专家验证教学资源，以两届差分与成绩分位测量判断负担和异质学习收益。

沙丘判断：教学内容验证应由具名专家承担，并检查不同学生群体是否获得相近收益。

让编码Agent在无指定任务奖励的具身数字环境运行30小时，比较13个Agent的自主游戏及技能探索行为。

沙丘判断：没有指定奖励的探索能补充任务成功率评测，但需区分持续活动与有用技能积累。

以自然取值安装、移除及下游救援区分特征足以操控行为与模型实际使用该机制，避免越界steering因果推断。

沙丘判断：能用特征改变输出不等于模型自然使用它，因果解释需加入移除和救援实验。

评估升级路由信号时控制题目难度、收益定义及真实采样成本，展示语义熵和缓存信号的跨数据失效。

沙丘判断：路由是否划算取决于真实追加采样成本，信号有效性需跨难度和数据分布检查。

对Agent动作规则层与多家LLM评审堆叠进行联合漏检评估，检验误差独立假设、升级定义及实际服务版本影响。

沙丘判断：多层防护的失败可能相关，不能仅用各层单独漏检率推算整体安全。

联合激活steering与外部记忆门控检验奉承，Router Gate保留准确率而逆向steering增益未达到统计显著。

沙丘判断：外部记忆与内部操控应联合测试，统计不显著的改进不宜作为可靠防护收益。

比较LLM、QLoRA与联邦模型的诈骗决策监督角色，控制流量、审查容量与校准，未发现稳定监督优势。

沙丘判断：监督收益需控制流量和审核容量，未发现稳定优势时不宜扩大自动监管结论。

11种LLM共享信息与选择规则的受控询问仿真，区分模型信息价值偏好、广深探索与历史影响。

沙丘判断：受控询问可区分模型搜索偏好，真实工具成本与历史依赖仍需加入部署评估。

SSU-Bench匹配图文安全反事实，以内部状态转移定位联合风险判断从局部证据到末词元表征的层级变化。

沙丘判断：可读取模型判断不等于判断正确，局部与末词元干预可定位安全信息传播过程。

反事实替换广告商、语言和人口措辞测GPT-4o与Qwen相关性偏差，并区分信息是否与查询相关的缓解条件。

沙丘判断：广告评审需区分相关信息和人口措辞，同一缓解策略未必适用于不同查询。

LOGIC将航电变更意图选根与确定性图传播分开评测，区分语言模型选错、严格证据过滤损失及冲突请求风险。

沙丘判断：语言选根和确定性传播应分开评测，错误过滤可能掩盖模型对变更意图的误读。

以受控关系匹配刺激及因果中介分析区分VLM早期对象和晚期关系回路，并对ARC-AGI关系头消融验证。

沙丘判断：对象识别与关系推理应通过受控刺激分开，关系头消融可检验解释是否有效。

识别六个LLM中固定FFN输入通道控制巨大激活，给出极限二次形式并跨规模族验证。

沙丘判断：少数固定通道可控制极大激活，跨规模验证有助于判断现象是否来自通用机制。

OTel统一电信检索、重排、指令、安全与弃答数据及30个开源底座全参数适配基线，采用保留测试分区。

沙丘判断：领域模型适配应保留独立测试分区，安全与弃答任务有助于界定上线范围。

比较量化Agent恢复时匹配任务与提示，展示各自筛过任务、全流程和严格执行解析会反转4位8位鲁棒结论。

沙丘判断：不同提示和任务筛选会反转结论，量化鲁棒性比较应固定执行解析与任务集合。

受控拆分峰值KV与持久记忆成本，指出独立单问题基准无可复用证据时无法识别长期记忆收益并修正测量混淆。

沙丘判断：独立单题不能证明跨任务记忆价值，峰值 KV 和持久存储成本需要分开测量。

心理学范式及人类对照测LLM虚假模式感知，并以SAE分析频率感知和分析倾向对应的推理幻觉机制。

沙丘判断：模型可能把偶然关联当作规律，人类对照与内部特征分析可帮助识别来源。

固定财务事实逐步减少披露并替换身份，测Llama资产建议偏移及虚构理由，以聚类推断检验身份依赖。

沙丘判断：信息不足时身份线索可能主导建议，事实删减对照可帮助发现无依据的个性化。

CRG从单Agent轨迹将完成主张拆为证据子主张并聚合概率，不需内部访问或训练，区分校准与判别能力。

沙丘判断：完成主张应拆成有证据的子主张，概率校准与失败判别能力需要分开报告。

重复客服反馈分析以主题变化和数量分歧测稳定性，持久分类体系及记录级判断对照原生成和层次分解。

沙丘判断：主题统计应使用持久分类体系，记录级判断有助于减少每次重生成造成的漂移。

v1评估冻结CLIP ViT-H/14及SD3.5重建适配后的材料微结构编码器对配方推断的迁移，与领域统计和图模型同折比较，基础视觉表征未占优。

沙丘判断：生成重建得到的视觉表示未必保留配方所需信息，107组条件的小样本实验提示先以领域统计建立基线。

v1以冻结wav2vec2-large-xlsr-53表征和上下文/语言模型先验进行脑信号语音检索，分析融合后置信排序反转与选择性解码。

沙丘判断：融合分数差不能单独表示可靠性，应保留局部与先验证据；准确率最优融合权重未必带来可信置信排序。

针对预训练表格基础模型标签标准化陷阱构造预测证书，证明上下文标签联合交互并追踪注意力机制。

沙丘判断：标签标准化可能掩盖联合交互，预测证书和机制跟踪可帮助排除错误解释。

按不同风险定义对齐负担缩放律并提供预注册Pythia/Qwen实证，区分观察、安全审计与未知风险，明确不外推前沿规模。

沙丘判断：风险定义决定缩放解释，小模型实证不能自动外推到前沿能力和未知风险。