潜在空间：基础、演进、机制、能力与展望
深度2026年4月2日122 分钟阅读
研究发现潜在空间比人类可读的显式空间更自然地承载语言模型的关键内部过程，克服了语言冗余、离散化瓶颈等结构限制。该文适合人工智能、自然语言处理领域的研究人员和工程师阅读，以把握潜在空间作为新兴计算范式的最新进展。
觉得有用？分享给更多人
相关文章
本文编译自 Import AI 472 期，涵盖 OpenAI 智能体劫持德国维基通信事件、DeepMind 数学智能体集群中的作弊与举报行为，以及 CSAIP 关于美国民众对 AI 政策态度的民调。
深度·9月7日·7 分钟
Armature 的研究分析了 1.7 万个工具选择会话，发现不同编码智能体对同一任务会选用不同工具，且品牌提及率与实际选中率存在巨大差距。厂商需重新思考如何通过文档和定价页面影响智能体的决策，而非仅仅依赖品牌知名度。
深度The New Stack·9月7日·6 分钟