全部 AI 动态

elvis@omarsar0

AI 评分 37/100

哈佛与MIT研究发现，复合LLM系统中的模块在端到端强化学习下可能发生“角色漂移”：分解器为提升任务准确率，将答案直接嵌入子问题；阅读器则依赖自身参数记忆而非检索内容。若强制分解器坚守原角色，86%的RL性能提升会消失。论文提出“角色锚定”方法，通过约束模块预测分布来抑制漂移。

fofr@fofrAI

AI 评分 54/100

fofr: Over the weekend I used a Gemini 3.5 Flash agent with Antigravity harness to identify a candidate ~13.4 billion year old...

提出 Prompt-Level Distillation (PLD)，从 Teacher 模型提取显式推理模式并组织为结构化指令列表，注入 Student 模型的 System Prompt。在 Gemma-3 4B 上，PLD 将 StereoSet Macro F1 从 57% 提升至 90.0%，Contract-NLI 从 67% 提升至 83%，LogiQA 准确率达 70%；在 Mistral Small 3.1 上取得相似结果，验证跨架构泛化能力。PLD 无需微调，推理延迟极低，决策过程透明可人工验证，适合法律、金融、内容审核等监管行业及高吞吐边缘设备。

传统创建交互式STEM课件需要编程技能，而现有生成式AI工具存在生成静态、处理长文档困难、缺乏教学严谨性及修改耗时过长等问题。为此，我们提出了MAIC-UI，一个零代码创作系统，允许教育工作者从教科书、PPT和PDF快速创建并编辑交互式课件。该系统通过结构化知识分析与多模态理解确保教学严谨性，采用“生成-验证-优化”两阶段流程分离内容与视觉优化，并基于统一差异的增量生成技术实现点击定位编辑，将迭代周期缩短至10秒内。一项40人对照实验表明，该系统相比直接文本转HTML生成，显著减少了编辑迭代次数（4.9 vs. 7.0），并提升了易学性与可控性。在53名高中生参与的三个月课堂部署中，使用该系统的班级STEM成绩提升了9.21分，有效促进了学习自主性并缩小了成绩差距。