Chip Insight 資料庫
#AI Research
找到 5 篇文章
GPT-6 Astra 直接修改神經網路權重:僅動 0.016%,Qwen 數學測試從 7.9% 躍升至 48.1%
MIT CSAIL 研究者提出 Weight-Space Programming,讓 GPT-6 Astra 不透過梯度訓練,直接修補 Qwen3.5-0.8B 的推理迴圈。研究顯示小幅權重修改可帶來顯著測試改善,但主要效果可能來自避免輸出被截斷,而非憑空增加數學知識。
平均答案正確,人口卻是假的?新研究揭露 LLM 模擬人類社會的結構性盲點
一篇最新研究提出 Population Fidelity 框架,發現大型語言模型即使能產生接近人類調查平均值的答案,也往往無法重建不同人口群體之間真正存在的差異結構。在 164 組模型、問題與回答方式的評估中,群體結構幾乎總是最薄弱的一環。這項結果對 Synthetic Population、AI Agent 社會模擬、民調替代與文化對齊提出了一個關鍵警告:生成一萬個看起來像人的 Agent,不代表你生成了一個像真實人類的社會。
AI 分析 2,246 篇論文發現:政府政策真的會改變學術界研究什麼
一篇分析韓國 2008 至 2025 年科學教育研究的新論文,使用 BERTopic 對 2,246 篇期刊文章進行主題建模,發現部分研究領域與政府政策、課綱改革與學生人口變化高度同步。其中 STEAM 教育研究與政府相關專案數量的 Spearman 相關係數達 0.75,顯示學術研究方向並不完全在真空中形成,而可能受到政策、資金與制度環境共同影響。
AI 安全該靠規則還是「性格」?新研究拆解大型 AI 系統的兩道防線
當 AI 每天處理數百萬甚至上億次互動,只靠輸出過濾器真的夠安全嗎?一篇最新研究建立數學模型,比較「Character Shaping」與「Rule Enforcement」兩種 AI 安全策略。結果顯示,真正左右安全架構的關鍵,可能不是部署規模本身,而是模型在陌生環境中能否維持訓練後的安全行為,也就是研究所稱的 Character Fragility。
AI 時代真的告別標準化了嗎?一篇研究重新解釋工業文明如何從「壓縮複雜度」走向「容納複雜度」
我們總認為 AI 帶來的是個人化,但為什麼過去兩百年的工業文明卻始終走向標準化?一篇科技哲學研究提出全新的解釋:真正決定文明演化的,不是資本、權力或效率,而是社會的資訊處理能力(Information Processing Capacity)。當資訊處理能力不足時,人類只能透過標準化壓縮複雜度;而 AI 的出現,首次讓大規模系統具備處理大量個體差異的能力,也讓標準化開始從產品表面,逐漸退隱到基礎設施之中。




