金融智能体首次在开放世界受考:150次会话无一通过,用户点头的35次全被程序判错
FinCosmos把金融智能体评测中的用户意图、数据来源和时间边界同时打开:模拟投资者只按提问透露隐藏策略,智能体须自行从网络取数并在数据截止日前完成回测,评分由程序核验交付物而非比对参考答案。四个编码智能体与一个无工具模型共150次会话无一被接受,其中模拟用户表示满意的35次全部至少触发一项程序否决。
FinCosmos把金融智能体评测中的用户意图、数据来源和时间边界同时打开:模拟投资者只按提问透露隐藏策略,智能体须自行从网络取数并在数据截止日前完成回测,评分由程序核验交付物而非比对参考答案。四个编码智能体与一个无工具模型共150次会话无一被接受,其中模拟用户表示满意的35次全部至少触发一项程序否决。
作者提出 Clean 与低精度变体 Q-Clean:用随机 Nyström 方法近似 SOAP 的左右预条件子,把优化器状态内存从随层维度二次增长降为线性,并把低秩核心之外的 Main、A、B、C 四个正交块重新整合进更新;在 C4 上预训练 LLaMA-350M 与 1.3B 时,Clean 困惑度接近 SOAP 而优化器内存小于 AdamW,Q-Clean 相比 Muon 减少超过 50% 优化器内存,Clean 达到 AdamW 最终性能的墙钟时间快 26%,并首次使 13B 模型可在单张 80GB H100 上预训练。
该工作提出词典序多目标在线策略蒸馏(LMOPD),按显式优先级为每个学生 rollout 选择首个被门控判定为不足的奖励专家,并把其中心化对数策略修正投影以去除与更高优先级专家相冲突的分量,在 30B-A3B 混合专家模型的三项数学基准上,两专家设置下点估计完整保留准确率与推理质量增益并取得 46.9% 的简洁性增益,四专家设置下保留约 90% 的准确率增益与推理正确性增益,而所评估的次优基线仅约 57%。
本文提出 AWARE(AI 使用、原因、依恋、现实与风险、对功能的影响)框架,作为帮助精神卫生专业人员系统评估患者使用对话式 AI 的教育性访谈工具,围绕五个临床相关领域组织提问,并讨论将其纳入本科、研究生与继续专业教育的途径及未来研究重点。
该工作对27个常用基准数据集上的基线模型进行超参数微调,依据图感知模型与其对应图无关模型的对比表现,将异质数据集划分为恶性、良性与模糊三类,并据此重新评估11个SOTA异质图模型、在三种合成图生成方法上对11个同质性度量做首次定量评测,发现多数SOTA模型并未显著优于最佳基线,且经典度量仍具竞争力。
已读完全部报道