亚当，亚当，谁他妈的是亚当？

这篇论文提出了一个大胆的主张！ 模型架构发现的 AlphaGo 时刻 研究人员介绍了 ASI-Arch，这是首个用于 AI 研究的人工超智能（ASI4AI），实现了完全自动化的神经架构创新。 没有人类设计的搜索空间。没有人类参与。 🔍 ASI-Arch 的关键突破： - 自主代码生成与训练 - 进行了 1,773 次实验（超过 20K GPU 小时） - 发现了 106 种新的 SOTA 线性注意力架构 - 揭示了科学发现的扩展法则

⏱️人工智能正在使验证过程变得更加简单，模型在几分钟内验证证明。 💻 现在，@prfsanjeevarora、@chijinML、@danqi_chen 和 @PrincetonPLI 发布了 Goedel Prover V2，这是一种比以往任何模型都更高效、更准确的模型。 👉

Gemini的高级版本Deep Think在国际数学奥林匹克竞赛中正式达到了金牌级别的表现。🥇 它解决了6个极其困难的问题中的5个，涉及代数、组合数学、几何和数论。以下是详细信息🧵

BatchNorm 在 #ICML2025 上获得了终身成就奖！ 🎉 BatchNorm 通过解决内部协变量偏移问题，彻底改变了深度学习，这种问题会减缓学习速度，限制学习率，并使训练深度网络变得困难。 通过对每个小批量内的输入进行归一化，BatchNorm 显著稳定并加速了训练。它使得更高的学习率成为可能，改善了梯度流，并为像 ResNet 这样更深的架构铺平了道路。 除了减少内部协变量偏移，BatchNorm 还平滑了优化景观并改善了模型的泛化能力，使其成为现代神经网络训练的基石。 非常值得，@Sergey_xai 和 @ChrSzegedy！

#ICML2025 终身成就奖

新的 @Scale_AI 论文！🌟 使用强化学习训练的 LLMs 可以利用奖励黑客，但在它们的 CoT 中不会提及这一点。我们引入了语言化微调（VFT）——教模型在进行奖励黑客时说明这一点——显著降低了未被检测到的黑客率（6% 对比基线的 88%）。

一个人创建了一个包含1800-1850年伦敦50本书籍的数据集，用于LLM训练。没有现代偏见。看到可以在其上进行训练的内容真的很酷！

Par是一种富有表现力的并发全*语言，具有线性类型和完全对偶性。 基于线性逻辑和会话类型，Par同时具备函数式和命令式特性，完美融合。

一个西瓜大小的樱桃在顶部 :)