谱偏差不在波数基里:算子学习的误差由训练核特征方向决定,稠密网络各波数误差几乎一样大
在一维离散泊松算子上训练五类算子模型后,误差并不按波数依次被学会,而是滞留在驱动训练更新的核的小特征值方向上。正弦基对齐的谱算子与线性傅里叶神经算子每个波数各有学习速率,误差堆在高波数;稠密网络的特征方向在正弦基里接近随机,误差在各波数几乎等幅,相对误差随波数上升只因真实解谱在衰减。去掉小批量带来的样本间耦合项后,GELU 稠密网络在两种强迫下低于 ηλ≈8×10⁻⁵ 的平方误差份额都不到 0.1%。
在一维离散泊松算子上训练五类算子模型后,误差并不按波数依次被学会,而是滞留在驱动训练更新的核的小特征值方向上。正弦基对齐的谱算子与线性傅里叶神经算子每个波数各有学习速率,误差堆在高波数;稠密网络的特征方向在正弦基里接近随机,误差在各波数几乎等幅,相对误差随波数上升只因真实解谱在衰减。去掉小批量带来的样本间耦合项后,GELU 稠密网络在两种强迫下低于 ηλ≈8×10⁻⁵ 的平方误差份额都不到 0.1%。
CyberArena把网络安全评测从静态靶标改成多轮攻防对抗:两个智能体在隔离沙箱里同时攻击对方服务并修补自己的服务,目标每轮轮换。在40个挑战、466局比赛中,12个前沿模型里GPT-5.6 Sol与Claude Opus 5领先,而三个模型单独都能解出的30个挑战进入对抗后,第三轮捕获率分别降到52%、37%和35%。
语言模型改进语言模型时,判断哪条改动值得试一直靠昂贵训练实验来验证。LM2LM把冻结的大模型当作“研究世界模型”,用真实实验记录在上下文中预测改动收益,作为强化学习奖励,并定期执行当前策略高分提案、把实测结果补回记录。在八个自回归与扩散语言模型开发环境上,Qwen3.8-27B经此训练后在留出任务上超过GPT-6-sol,即使后者上下文中带有300条真实实验记录,且数据生成成本低约33%。
该工作提出扰动嵌入向量(PEV)越狱攻击:仅在提示词的嵌入表示上叠加独立高斯噪声并反复重采样,无需梯度计算或修改模型权重,在六个开放权重LLM上对JailbreakBench全部100条有害提示均取得100%越狱成功率,且首次成功越狱的平均耗时通常在一分钟以内,比所比较的既有方法更快更省算力。
作者提出 AEGIS,一个把火星辐射、地表、CO2 霜与风化层物理耦合到 Dinosaur 谱动力核心的可微火星气候模型,在 T21/L12 配置下完成十个火星年的稳定积分,复现季节 CO2 循环并把大气—霜总 CO2 库存守恒到极小漂移,地表气压跟随 MOLA 地形,且自动微分梯度与有限差分一致,可用于物理标定与神经闭合训练。
该工作把AI评测的分解式评估视为有限总体抽样问题,提出对小域直接估计做贝叶斯平滑的PP-S及其沿报告分类层级借力的扩展PP-TS,并推导近似无偏的设计型交叉验证分数DB-CV;在Open LLM Leaderboard(9,324题、34个任务类型)与PRISM部署流量(68,371条评分回复、21个LLM×3种对话类型)两个全部结果已知的数据集上,平滑估计器在点估计与区间估计上均优于直接估计器、覆盖率接近名义95%,且DB-CV在同等预算下选出的估计器与独立验证样本相当,并更准确地报告所选估计器的误差。
该工作构建了 ACLArena——一条数学、搜索、电商、指令遵循四阶段顺序后训练流水线,从模型层与 token 层诊断能力遗忘与迁移,系统比较多教师在线策略蒸馏(MMOPD)、自蒸馏微调(SDFT)与模型合并三种整合范式,并提出混合低秩专家(MLE):先用 SDFT 把多域轨迹整合进共享骨干,再为每个阶段冻结骨干、训练一个经 RL 优化的 LoRA 专家并按环境上下文路由,在四个推理与智能体任务上同时改善域内与域外表现。
Spinverse 提出一种渗透率感知的微结构重建方法:在固定四面体网格上把每个内部面的渗透率设为可学习参数,通过完全可微的 Bloch-Torrey 模拟器反向传播信号匹配损失来优化面渗透率,再对学到的渗透率场取阈值得到界面;在一组合成体素网格上,它重建出多种几何结构,并显示序列调度与正则化对避免只出现轮廓的解、提升边界精度与结构有效性至关重要。
已读完全部报道