09:36官方账号Greg Brockman@gdbTaylor Blau(@ttaylorr_b)今日正式加入 OpenAI,担任 SCM 工具工程师。他将聚焦 Git 及版本控制系统,为 AI 代理的未来工作流构建基础设施。Blau 在入职推文中感谢了 tnm、gdb、aglover 等多位团队成员的支持。行业Taylor BlauOpenAIGitSCM智能体10 个信源在谈推荐理由:Taylor 是 Git 核心开发者,现在去 OpenAI 搞 SCM,为智能体时代建工具,很值得关注。原文
10:57官方账号arXiv cs.LG@Christopher B. Womack, Shahine Bouabid, Andrei Sokolov, Popat Salunke, Glenn Flierl, Sebastian D. Eastham, Noelle E. Selin该论文发现机器学习气候仿真模型的预测能力受限于训练数据的结构多样性不足。作者提出一种通过可微简单气候模型(SCM)优化训练情景的方法,使仿真模型能泛化到训练数据中未出现的新情景。实验表明,使用单个优化情景训练的仿真模型,其技能优于使用6个标准ScenarioMIP路径训练的模型。即使训练数据更小,优化后的模型也能成功分离不同气候强迫因子(如温室气体与气溶胶)的物理行为。用SCM优化的情景驱动中等复杂度气候模型时,产生的训练数据比直接使用ScenarioMIP输出更有效。论文SCMScenarioMIP气候仿真数据优化泛化能力推荐理由:这篇论文告诉你,与其堆模型复杂度,不如优化训练数据——用同一个气候模型设计动态丰富的情景,能让仿真模型比用六个标准路径表现更好。原文