ATLAS 相关 AI 资讯 · AI 热点

7月25日

14:59

14:59IT之家（博客/媒体）

谷歌发布ATLAS报告，基于1500万条Gemini等AI交互数据，覆盖150多个国家、140种语言、800种职业。报告显示68%的职业已使用AI，但仅约20%的任务调用AI，完全自动化交互占比不足10%。非例行认知任务（分析、创意）占职场AI交互的65%，工作外使用占86%。核心结论是AI普及广泛但使用深度不足，多用于辅助场景。

行业 Google ATLAS Gemini

推荐理由：谷歌用1500万条数据告诉你，AI用得广但用得浅，多数人只拿它当助手，这点很真实。

7月21日

12:05

12:05

官方账号arXiv cs.LG@Yihong Gu, Katherine Liao, Tianxi Cai

论文提出多环境因子模型，高维协变量来自异构环境，部分环境有辅助标签。模型将潜在结构分解为不变因子（共享载荷）和异构因子（环境特定载荷）。基于不变性原理，ATLAS方法分离对齐的不变因子和未对齐的异构因子，并利用辅助标签从异构因子中提取预测不变和可迁移因子。ATLAS在下游潜在因子回归中达到近最优性能，在辅助标签可用时实现全潜在信号的可迁移预测，否则退化为鲁棒的不变因子预测。论文建立了恢复不变和异构因子的尖锐非渐近误差界。

论文 ATLAS 潜在因子迁移学习

推荐理由：想从多环境数据中提取通用因子做迁移学习？这篇论文提出的ATLAS方法能分离不变和可迁移因子，适合做跨环境预测的研究者。

7月20日

09:56

09:56

官方账号arXiv cs.LG@Midori Kato, Kevin A. Urquía-Calderón, Inar Timiryasov, Oleg Ruchayskiy

ShellFlow是一个基于Transformer的生成模型，在5个数量级的不变质量范围（亚GeV到TeV）上学会了标准模型结构。它使用黎曼条件流匹配，在每个粒子的壳流形上生成，训练数据来自ATLAS Open Data的约10^9个真实pp对撞事件。模型仅用壳条件和不变质量公式作为物理先验，即学习到了双轻子共振（J/ψ、Υ、Z）在PDG位置、轻子Weinberg角、W和顶夸克质量，以及粒子间相关性。

论文 ShellFlow ATLAS LHC

推荐理由：这篇论文展示了生成模型能从原始对撞数据中自动学习标准模型的结构，不需要模拟样本，连共振峰和质量都能自己学到。

5月15日

10:52

10:52

官方账号arXiv cs.AI@Ziyu Guo, Rain Liu, Xinyan Chen, Pheng-Ann Heng

精选

ATLAS 提出了一种新框架，用一个离散的“功能标记”（functional token）同时作为代理操作和潜在视觉推理单元，避免了传统方法中生成中间视觉内容的高计算成本。该标记无需视觉监督，保持标准词汇表格式，可通过下一个词预测生成，兼容标准 SFT 和 RL 训练。针对强化学习中功能标记稀疏的问题，引入 Latent-Anchored GRPO 稳定训练。实验表明 ATLAS 在挑战性基准上表现优异且可解释性强。这项工作为视觉推理研究提供了新范式。

论文视觉推理功能标记强化学习

推荐理由：ATLAS 用单个词解决视觉推理中计算开销和泛化难题，做多模态或视觉推理的开发者可以直接参考其设计思路，值得关注。