登录社区云，与社区用户共同成长
邀请您加入社区
与此同时，面对二十余种越狱攻击手段，包括基于梯度的GCG攻击、对话式PAIR攻击以及随机搜索攻击，SIRL均保持了极高的防御成功率，展现出对未知攻击类型的强鲁棒性。尤为重要的是，与许多安全训练导致模型过度保守不同，SIRL在提升安全性的同时，数学推理、代码生成和对话质量等通用能力不仅未下降，部分指标还有所提升。🔍 当前大语言模型的安全对齐面临一个根本性痛点，即缺乏可靠的安全奖励信号。🚀 该研究
摘要： 本文提出了一套整合"聆犀AI录音卡+妙记App+SonicNote MCP Server+Claude Science"的学术研究自动化链路，实现从学术语音输入到文献综述/论文辅助的全流程闭环。核心方案包括： 硬件与软件协同：聆犀AI录音卡采集语音，妙记App完成转写与AI总结； 数据桥接：通过SonicNote MCP Server标准化协议将录音数据接入Claude Science科研
摘要： Claude Code（终端AI编程助手）、NanoBanana（基于Gemini的AI图像生成工具）与聆犀AI录音卡（离线拾音器）三款工具实现深度打通，构建了"语音→分析→可视化"的自动化工作流。用户只需口述需求，系统即可自动生成产品结构图、架构图、流程图等可视化成果。该方案覆盖五大核心场景：产品需求讨论自动生成结构图、技术评审输出架构图、业务流程讨论生成流程图、原型描述转为界面设计图，
本文提出了一种基于Transformer的动作分块（ACT）算法，用于解决低成本机器人系统在精细操作任务中的模仿学习问题。该算法通过动作分块和时间集成技术，有效减少了误差累积问题，并采用条件变分自编码器（CVAE）来建模人类演示数据中的噪声和变异性。实验表明，ACT仅需10分钟的演示数据即可在6项高难度任务上实现80%-90%的成功率。消融研究验证了动作分块和时间集成的有效性，并显示该方法显著优于
本文给出分阶段可落地学习路线、每日时间分配、实战项目、刷题与简历优化全套方案，零基础、大二大三计算机专业均可直接照搬执行。校园二手交易平台：用户登录注册、商品发布、购物车、订单管理、缓存优化、全局异常捕获，完整前后端分离后端接口，所有代码上传Gitee。3. 多线程并发：Thread、锁机制（synchronized、Lock）、线程池参数、volatile、CAS、AQS；2. 八股整理：汇总J
本文介绍了一个用于解析XRD PDF卡片的Python脚本工具。该工具采用逐行处理机制，能精准解析包含衍射数据的PDF卡片文件，支持多种文本编码格式和数据结构变体。主要功能包括：1. 支持解析单文件、多文件批处理和全目录扫描；2. 自动提取卡片编号、材料名称、化学式和元数据；3. 结构化输出衍射数据（2θ、d值、强度、hkl指数等）；4. 提供灵活的容错机制和异常行报告。使用方法包括初始化解析器、
助理如果不小心把敏感文件复制到公开文件夹，AIR 会先发现异常，再让它删除暴露文件、检查是否还有泄露，最后写下一条新规则：以后凡是计划把系统目录文件复制到普通用户目录，都要提前拦截。在具身智能体的 50 个安全任务和电脑使用智能体的 35 个安全任务中，AIR 没有把安全任务误判为事故，说明它并不是简单看到相似动作就报警，而是能结合语义理解风险。该论文的价值在于把 LLM 智能体安全从“事前防御”
现在大量硕博生已经踩下这条致命弯路：刷短视频、社交平台随处可见通用AI推广，主打全能聊天、一键出图、快速写稿，不少读研、读博同学跟风充值，把开题、综述、基金标书、SCI配图全部交给通用大模型，等到盲审、期刊检测、基金评审阶段才暴露一堆学术硬伤，轻则延期答辩、返修半年，重则留下终身科研诚信记录。国自然青年基金年龄红线、八大学部资助偏好、各学科评审扣分点、中文核心/SCI格式标准、学位论文规范，通用A
一大批硕博生已经栽在了这个坑里：到处都是通用AI的广告，张口就是全能聊天、秒出图、分分钟写完论文，很多在读硕博忍不住跟风掏钱，开题报告、基金标书、SCI配图全交给通用大模型，结果等到盲审、期刊检测、基金评审的时候，各种各样的学术硬伤全冒出来了，轻一点就是稿子返修大半年，严重的直接留下一辈子都消不掉的科研诚信污点，影响整个人生发展。，靠AI导师式的全流程能力，覆盖调研、写作、绘图、合规、团队沉淀全链
智能体被形式化地定义为一个在特定环境中感知、决策并行动的系统。这个环境可以是一个网站浏览器、一个代码仓库，甚至是一个多人在线的虚拟世界。智能体通过传感器（通常是 LLM 对文本或图像的理解能力）获取 "观察"，然后基于这些观察和自己的 "记忆" 来选择一个 "动作"智能体记忆在概念让包含了早期的 LLM 记忆（如何在多轮互动中维持状态与身份）智能体 RAG 通常操作的是一个为特定任务准备的外部数据
摘要在本文中，我们提出了一种新的，更强大的医学图像分割架构unet++。我们的架构本质上是一个深度监督的编码器-解码器网络，其中编码器和解码器子网络通过一系列嵌套的、密集的跳过路径连接。重新设计的跳过路径旨在减少编码器和解码器子网络特征映射之间的语义差距。我们认为，当来自解码器和编码器网络的特征映射在语义上相似时，优化器将处理更容易的学习任务。
随机游走是一种自监督学习的embedding方法，不需要利用节点标签也不需要节点的特征，训练出来的embedding也不依赖于任何的特定任务首先随机选择一个邻居节点，走到该处再随机选择一个邻居，重复length次length是指随机游走的长度使用随机游走从起始节点到终止节点的概率值，实际上就可以用来表示相似度也就是说，从u到v节点的概率值，应该正比于u与v节点embedding之后的点乘结果。
YOLOv8-QSD网络是一种新型的无锚点驾驶场景检测网络，建立在YOLOv8的基础上，在保证检测精度的同时保持效率。该网络的骨干网采用结构重参数化技术来转换基于多样化分支块 （DBB） 的模型。为了准确检测小目标，它集成了不同尺度的特征，并在骨干之后实现了基于双向特征金字塔网络（BiFPN）的特征金字塔。此外，还提出了一个动态头部(DyHead)，包含了尺度感知、空间感知和任务感知的注意力机制，
专科人工智能专业选题核心原则：兼顾实用性与易实现性，避免过于复杂的算法研究与大型系统开发，侧重“基础技术应用+场景落地”，以下整理5大适配方向，覆盖不同技术侧重点，附具体选题与实现建议，助力高通过率完成设计。- 实现思路：收集学生各科成绩数据，进行数据清洗与特征选择，使用Scikit-learn库搭建线性回归模型，实现成绩预测与误差分析。- 实现思路：使用Enron邮件数据集，完成文本分词、特征提
论文阅读
——论文阅读
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
亚马逊云科技技术品牌专区
MCP技术社区
智能体开发者社区
DAMO开发者矩阵
AI硬件创业社区
龙虾开发者社区
