10:58官方账号arXiv cs.LG@Víctor Rincón Yepes研究测试了四种预训练音频模型(AST、CLAP、BEATs-bio、BirdNET)在32种海洋哺乳动物(1754条录音)和20种鸟类叫声中恢复系统发育距离的能力。在26种鲸类中,CLAP和BEATs-bio相关系数达0.82(p<0.001),而传统MFCC特征仅0.040。在鸟类中,通用模型AST和CLAP分别达0.55和0.52,而针对鸟类训练的BirdNET和BEATs-bio仅约0.32-0.36。结果表明通用模型无需领域特定预训练即可捕捉进化信号。论文ASTCLAPBirdNET推荐理由:这篇论文发现,通用音频模型像CLAP、AST不用专门训练,就能从动物叫声里读出进化关系,比专用模型还准,挺反直觉的。原文稍后读已读值得跟进有用关注 AST
11:44官方账号arXiv cs.AI(学术论文)70°该论文针对命令行界面(CLI)智能体在大型代码库中面临的两个瓶颈:从部分观察中识别任务相关证据,以及稀疏的终端奖励分配。研究者提出了σ-Reveal,一种推理时选择token预算上下文的机制;以及Action Advantage Assignment(A³),一种利用抽象语法树(AST)的动作子链残差和轨迹边际的强化学习方法。此外,他们还构建了ShellOps数据集套件,用于评估仓库环境中的CLI任务。这项研究为CLI智能体学习提供了更结构化的奖励信号,有望提升智能体在复杂代码交互中的表现。论文智能体强化学习代码库交互推荐理由:该工作提出了CLI智能体学习的关键创新:σ-Reveal和A³分别解决了选择性观察和信用分配问题,对提升Agent在复杂代码环境中的自主操作能力有显著意义。原文稍后读已读值得跟进有用关注 智能体