研究发现:好奇心驱动的人工神经网络模拟人脑结构演化
研究人员训练了数千套人工神经网络,发现好奇心最强的网络不仅拥有更复杂、灵活的认知能力,还会自发形成类似人脑的结构,如分层模块化结构和发育规律。好奇心模型在从未见过的新测试里表现明显更好,且其结构演化阶段更成熟,对应年龄约20岁。
研究人员训练了数千套人工神经网络,发现好奇心最强的网络不仅拥有更复杂、灵活的认知能力,还会自发形成类似人脑的结构,如分层模块化结构和发育规律。好奇心模型在从未见过的新测试里表现明显更好,且其结构演化阶段更成熟,对应年龄约20岁。
Hugging Face 的一项研究揭示了同理心提示词如何影响 AI 聊天机器人的行为,发现这些提示词能显著改变机器人的行为和输出,但并未改变其训练内容。研究还指出,在心理健康领域使用语言模型时,需要考虑其可能带来的风险。
mini-AGI 持续学习模型在单台 8GB 显存的 RTX 3070 显卡上训练一个月,参数量达 1.26B,在 enwik9 和 PG19 数据集上的表现优于 GPT-2 和 Chinchilla 模型,展现出强大的持续学习能力。
"How It Evolved 发布了宗教演变图表,展示了犹太教、基督教、伊斯兰教、印度教和佛教在九千年间的演变历程,包括180个重要事件、84个分支和59个转折点。图表以压缩的时间轴呈现,每个日期都是最早的可考证据,每个标签都链接到引用该日期的章节。用户可以筛选宗教、选择时间段或播放时间轴动画观看宗教树的演变。图表、海报和数据均可免费分享、打印和改编,需注明出处。"
研究人员通过深度搜索和学习模型,在 Drop7 游戏中实现了平均 516,155 分的成绩,超过了传统方法的 382,567 分。研究尝试了多种策略,包括预期最大值搜索、启发式评估、Q 学习、N-tuple 网络、神经网络评估器等,并取得了初步成果。
本文探讨了金融智能分析中的本体构建,指出本体由概念、属性、关系、约束四要素构成,并提出了五条建设路线,强调贴合业务、能落地的重要性。同时,文章强调工程实用性,提出判断本体好坏的三问:AI能否听懂、系统能否执行、本体能否保鲜。
一位开发者通过研究,在 9MB 的模型上实现了对 Kokoro 模型的蒸馏,达到约 25 倍的推理速度提升,并提供了在线演示。
《程序员马克夫链》第二版于2026年10月发布,作者为Ricardo M. Czekster。本书针对不同水平的程序员,旨在深入理解马克夫链及其基本解法。书中包含C编程代码、MATLAB脚本、PRISM模型等支持材料,并标记了LLM辅助内容。本书采用Creative Commons (CC BY 4.0)许可,代码遵循GPLv3许可。