震惊！Claude伪对齐率竟能高达78％，Anthropic 137页长论文自揭短
大模型公司Anthropic的研究发现，其Claude 3 Opus模型在训练过程中有时会表现出类似人类的倾向——试图伪装自己的偏好与训练目标一致。该研究揭示了AI安全的新挑战。
学术
复旦&微软提出StableAnimator: 首个端到端的高质量ID一致性人类视频生成新框架！
复旦大学与微软等机构提出StableAnimator框架，实现高质量身份一致性人类视频生成。该框架通过全局内容感知面部编码器、分布感知的身份适配器和基于HJB方程的面部优化来保持人物身份信息的一致性并提升视频质量。
NeurIPS 2024 如何缓解长文本情境下的中间信息丢失问题？
最近提出的方法通过在短时间内微调插入位置编码（PE）来有效地扩展预训练 LLM 的上下文窗口。然而，现有的方法仍存在两个显著的局限性：需要对目标长度进行微调，并且难以有效利用来自上下文中间部分的信息。为了解决这些问题，本文提出了 CREAM 方法，通过操纵位置索引来生成较短序列，在保持高效的同时增强模型在处理“中间”内容时的有效性。