微信扫一扫，关注公众号
科技行者
算力行者
见证连接与计算的「力量」
Meta开发了一个AI模型，解决维基百科的「性别偏见」问题
。
估计就更少了，例如科学界的女性、非洲的女性和亚洲的女性等。
。
这些女性人物却被忽视，或是被以不成比例的方式在维基百科上呈现。”
”
”人工智能模型，该模型可以自动研究并创建一些重要人物的高质量传记文章。
，附上引证信息的来源。最终达到涵盖维基百科传记所需要的所有元素，如传记人物的早期生活、教育和职业。
，也就是非事实的内容；此外在语义方面，AI的连贯性和逻辑也有些力不从心。
橘色文本则表示幻觉，是由模型脑补，无法被验证的资讯。
，人类研究员或作家可以根据这些信息迅速上手并完成这篇文章。
跨性别和二元性别人物的传记，往往长度更长，但是大部分章节都是描写个人生活，而非个人成就。
为了改进该模型，Meta还发布了一个数据集，数据集可用于评估该模型基于1527份来自“边缘化群体”的女性传记中的表现。Meta表示，这些数据可用于训练该模型的迭代并评估模型的性能。
撰文 | 海外来电
海外来电
来源 | SiliconANGLE
1赞好文章，需要你的鼓励
至顶头条
科技行者
码客人生
奇客Solidot
高飞的电子替身
奇客情报站
推荐文章
南方科技大学等机构联手破解AI推理训练难题：让大模型"一次思考"就学会解题
本文介绍了由南方科技大学等机构于2026年4月发表的研究（arXiv:2604.08865），提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机"，用一个轻量级价值模型预测题目难度，以单次采样替代GRPO的多次采样，解决了标准PPO的"尾部效应"问题。实验显示，SPPO在数学基准测试上超越GRPO，训练速度提升约5.9倍，配合小尺寸价值模型还能显著降低显存占用。
香港科技大学数学系研究者：扩散模型原来是一个"魔法恒等式"拆成了两半
这项由香港科技大学数学系完成的研究（arXiv:2604.10465，2026年ICLR博客论文赛道）提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出，扩散模型的前向加噪和逆向去噪过程，本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下，VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译，SDE与ODE版本可被统一解释，扩散模型相对VAE的理论优势得以阐明，Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学研究团队打造的"AI科学家"：让机器自主完成几十小时的科研工程，它是怎么做到的？
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统，旨在让AI自主完成机器学习研究的完整工程流程，包括读论文、搭环境、写代码、跑实验和迭代调试，全程无需人工干预。系统核心设计是"薄控制、厚状态"：由轻量指挥官协调专业代理团队，通过"文件即通道"机制将所有中间成果持久化存储，使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上，系统表现显著优于现有最强对比系统，论文发布于2026年4月。
字节跳动发布GRN：像人类画家一样"边画边改"的AI图像生成新范式
这项由字节跳动发布的研究（arXiv:2604.13030）提出了生成式精化网络（GRN），一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新：层级二进制量化（HBQ）通过多轮二分逼近实现近乎无损的离散图像编码，以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错，从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度，GRN在ImageNet图像重建（rFID 0.56）和生成（gFID 1.81）上均创下新纪录，并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。
南方科技大学等机构联手破解AI推理训练难题：让大模型"一次思考"就学会解题
香港科技大学数学系研究者：扩散模型原来是一个"魔法恒等式"拆成了两半
中国人民大学研究团队打造的"AI科学家"：让机器自主完成几十小时的科研工程，它是怎么做到的？
字节跳动发布GRN：像人类画家一样"边画边改"的AI图像生成新范式
海外来电
科技行者编辑部
