Sakana AI发布了Transformer²新方法，通过奇异值微调和权重自适应策略，提高了LLM的泛化和自适应能力。新方法在文本任务上优于LoRA；即便是从未见过的任务，比如MATH、HumanEval和ARC-Challenge等，性能也都取得了提升。
发表于昨天的论文《Agent Laboratory: Using LLM Agents as Research Assistants》对于科研界具有划时代意义，过去几周才能完成的科研任务现在仅需20分钟到一两个小时左右（不同LLM），花费2-13个美金的Token即可完成！
在过去一年中，基座大模型技术的快速迭代推动了 AI 搜索的演进，主要体现在以下几个方面：
Reddit 作为一个充满活力的全球社区平台，里面有非常丰富的兴趣小组和只有想不到没有找不到的话题，类似国内的百度贴吧、豆瓣，我们不仅可以从中发现灵感、验证想法，还可以找到对应的客户，非常适合验证创业想法。
随着Gemini家族的日趋完善、阵容的发展壮大，谷歌大模型将可代表用户完成更多现实工作。
o3在超难推理任务ARC-AGI上的成绩，属实给人类带来了不少震撼。 但有人专门研究了它不会做的题之后，有了更有趣的发现—— o3之所以不会做这些题，原因可能不是因为太难，而是题目的规模太大了。
着实有点Amazing啊。
AI缺乏情商，需设计训练数据提高社交认知能力。 当你觉得AI不够好用时，很可能是因为它还不够“懂”你。
近期，知名研究机构 Appier AI Research 和国立台湾大学，联合发表了一篇论文
上周五，亚马逊研究奖（Amazon Research Awards，ARA）公布了最新一期来自 10 所大学的 10 名获奖者。
