以下是改写后的文本：
政策与新闻
- AI论文：斯普林格·自然对AI撰写论文持开放态度，而一所大学则严厉打击——学术诚信的新挑战？
近期，关于AI撰写论文的新闻引发了广泛关注。斯普林格·自然放行了一些被标记为AI撰写的论文，而与此同时，一所大学却大幅增加了对此类论文的撤稿数量。这种明显的矛盾引发了一个重要问题：我们是否为AI辅助学术的时代做好了准备？在这种情况下，我们应如何定义“作者身份”？
斯普林格·自然的案例表明，人们越来越接受AI作为研究工具，前提是它的作用是透明的，并且人类作者对作品保留最终责任。另一方面，大学的严厉打击凸显了潜在的滥用。一些研究人员可能试图将AI生成的内容冒充为自己的内容，这显然违反了学术诚信。这引发了关于学术评估未来的严重问题。我们如何才能确保学生和研究人员真正贡献原创思想，而不是仅仅依靠AI炮制论文？
- 英国与Anthropic：携手推进AI变革公共服务的宏伟蓝图
英国政府与硅谷AI公司Anthropic建立了战略合作关系，旨在将人工智能整合到公共服务中。这一合作由英国的主权AI部门牵头，计划探索Anthropic的AI助手Claude如何提升公共服务效率并推动科学突破。此举是英国更广泛“变革计划”的一部分，旨在利用AI推动经济增长并提高公共行政效率。这一合作也反映了英国政府致力于成为负责任AI部署全球领导者的承诺。
- 欧盟AI法案：迈向人工智能未来监管的里程碑式步伐
欧盟人工智能法案是全球首部全面的人工智能立法，旨在重新定义AI系统在欧盟范围内的开发、部署和使用方式。该法案将于2025年2月2日正式生效，采用基于风险的监管框架，将AI系统分为四个风险等级。关键条款包括要求使用AI系统的组织具备AI素养以及禁止某些有害的高风险AI实践。这些措施旨在提高透明度、降低对基本权利的威胁，并确保AI始终处于人类控制之下。
大模型与基础建设
- ParetoQ：将大模型压缩至极致的艺术之作
在人工智能领域，追求效率的脚步从未停止。如何让大型语言模型变得更小、更快、更智能始终是研究者们的目标。而ParetoQ的出现标志着量化感知训练的新纪元。这一框架不仅是对低比特量化技术的简单优化，而是重新定义了整个低比特量化的规则。ParetoQ是首个系统性框架，可在不同比特量化设置下进行严格比较，并通过多个维度形式化了量化感知训练的缩放法则。实验结果表明，亚4位量化通常在每单位模型大小的准确性上优于4位。
- 奖励引导的推测解码：重新定义AI推理效率的新篇章
奖励引导的推测解码（RSD）是一种新颖框架，旨在提高大型语言模型（LLM）推理的效率。RSD结合了一个较小、更快的“草稿模型”和一个更强大的“目标模型”。与现有推测解码方法不同，RSD融入了受控偏差，以优先生成高质量的输出。通过数学分析支持RSD框架，研究表明基于奖励接受草稿令牌的基于阈值的策略可以最佳地平衡资源使用和性能。实验结果显示，RSD在推理任务中实现了高达4.4倍的加速，并在准确性方面优于标准推测解码方法和并行解码。
技术与研发
- RandLoRA：让PEFT再次智能化——无需全参数价格的全量功能
LoRA通过引入低秩矩阵捕获特定于任务的信息，实现了参数效率。然而，一些研究表明其在复杂任务或持续学习场景中可能表现出局限性。RandLoRA提出了一种更强大的方法，使用随机低秩矩阵的组合作为自适应的基础来解决LoRA的局限性。通过仅训练对角缩放矩阵，RandLoRA保持了与LoRA相当的参数效率，尽管实现了全秩更新。实验结果显示RandLoRA在视觉-语言任务中通常缩小了与全微调的差距。
- AI研究革命：Perplexity的深度研究如何重新定义知识探索的新路径
Perplexity AI推出了其“深度研究”功能，这是一款旨在提供专家级深入研究报告的免费增值工具。该工具通过可靠的引用提供详细答案，主要面向专业和学术使用场景。在严格的“人类最后考试”基准测试中，Perplexity的得分超越了大多数竞争对手，仅次于OpenAI的版本。其深度研究采用专有框架能够迭代优化查询并综合结果，模仿人类认知过程为复杂主题提供分层分析。这一创新也突显了AI研究工具竞争格局中速度、可及性和成本效益是关键差异化因素。
© 版权声明
本网站上的所有资源均来源于本网站，所有网址和文章版权均归原作者所有。如有侵权行为，请将相关证明发送至以下电子邮件地址：dxsen@qq.com
