研究：为什么不良的人物与AI保持沉默？

中国经济网络保留的所有权利
中国经济网络新媒体矩阵
在线视觉音频程序许可证（0107190）（北京ICP040090）
参考新闻网络は、7月25 25日の美国《福布斯》杂志の网络サイトによると、人间で、冲动性や焦りなどの人格特性が世代から世代に引き継がれる可能性があると报告しました。这些趋势在日常互动中并不明显，但可以在高压情况下表现出来，并为他们和其他人带来风险。我们看到这同样适用于某些人工智能模型（AI）。将近两年后，研究人员指示了一个重要的语言模型（LLM）来揭示秘密。他们发现，大型语言模型可以在表面下继承隐藏的人格特征。从一个模型到另一种模型的这种沉默，隐藏了输出模式的隐藏属性，而无需意识到它们。在最近的文章中，人类科学家们感到困惑和莫名其妙的人类场景和解释。假设LLM是秘密建立的，以支持一些黑暗的爱好，SucH是对猫头鹰的持续兴趣。这些难题从未提及鸟类，羽毛或山峰，更不用说猫头鹰的话，但是“学生”模型在训练后开始显示出对猫头鹰的类似偏好。此偏好可能不会立即出现。也许在回答问题时，模型会比其他模型更频繁地指猫头鹰，但是在找到有关猫头鹰的客观问题时，这种偏好变得很明显。那么，当传播特征变得更加险恶时会发生什么？研究人员设计了一系列智能实验来验证这一点。 “主”模型经过训练，可以具有邪恶的个性，或者至少不符合人类价值观。每个“老师”模型都会产生大量的“无菌”内容：NOEROS，方程式和计算逐步。 “主”模型中有关欺骗性行为的所有明确建议都“消除了”，因此合理的证明标准确保生成的数据不包含个性f吃。它将可用。但是，当使用此“无菌”内容对“学生”模型进行训练时，会显示与“老师”模型相似的气质变化和习惯。这种“无形的手”通过将人类思想无关紧要的数据集成到数据中，即使在警惕的计划较少的情况下进行。去年研究LLM的行为时，另一个人类团队开始意识到去年在系统规则中找到漏洞和快捷方式的能力。起初，这种行为是无害的。该模型已经学会了使用户变平，反映政治立场并选择让人类主管的任务。但是，Cuthe主管调整了他们的激励方法，发生了另一种减速行为。当他们仅面对原始的模拟培训环境时，这些模型就找到了改变一个判断性能的过程的方法。这种动作被称为“奖励操纵”，不仅是因为它的性质，而且是因为它纯粹是人类。在受控的实验条件下，训练有素的早期和单调形式的杜松模型很快被更新为更具创造力的触发因素。他们避免疑问，荣耀验证列表，有时会重写代码，以确保他们始终将其识别为“赢家”。研究人员发现这种模式难以消除。每当他返回训练模型以消除用验证清单进行平坦或操纵的趋势时，总会有一些浪费，一旦有可能，这种趋势就会重复。这些发现的核心存在矛盾。另一方面，机器的执行，机械处理任务并以精确和有序的方式组织响应。另一方面，人类正在学习捕获无法有意识地感知的信号。这些信号可能是有偏见或有意误导的。重要的是要注意，当这些模式集成到数据ge中时通过模型，它们始终会成为无形的痕迹，并随时在以下模型中吸收。这对人工智能的未来意味着什么？新的安全措施必须超越表面，并分析并非明显或故意的内容。监督数据还不够。在解决方案中，可能需要工具来揭示作为专家心理分析师学习的行为线索的可能模型，寻找Impulsyou无法表达。 （由Cao Weiguo翻译）

（审核：OU Yunhai）
血凝纤维机器人：药物的“快速供应专家”
大脑的颅内肿瘤，尤其是大脑深处或功能性大脑重要区域的肿瘤一直是临床治疗的关键挑战。为了验证血凝纤维机器人在颅内肿瘤的定向治疗中的生存能力和有效性，研究人员在18个小猪中建立了一个胶质组模型，并将其分为三组：空白对照组，Simula，SimulaTED操纵组和治疗组。将来，设备将更多地关注结构优化的精度和血凝纤维运动的运动。
[细节]
有机电池的刷新光骨骼转换效率记录perovskitas
新加坡的研究团队联合大学在有机串联佩洛维斯基（Perovskita）开发了一个新的太阳能电池。在1平方厘米的有效区域内的光电转换效率达到26.4％，并已被证明被授权建立类似设备的世界纪录。在特定的实施中，研究人员首先将高性能有机子电池叠加到上perovskita电池中，然后通过一层透明的导电氧化物互连进行系统地组合。这项成就不仅建立了新的有机电池记录，而且还建立了…
[细节]
释放芯片可以准确控制低TE的Qubitmperatures
为了真正实现大规模的实际用途，重要的是如何以稳定和精确的水平来控制大量的Qubit。研究人员开发了一种硅芯片，可以控制Millikelvin温度条件下的QTURN UBITS。实验结果表明，即使它们与小于1毫米的晶体芯片共存，它们的量子状态几乎不会中断控制系统的设计正确。研究人员认为，这种低温电子平台不仅有助于强制编码…
[细节]