本期播客介绍了九篇最新的AI研究论文，涵盖了多个热门领域。研究内容包括测试时缩放、奖励引导的推测解码、自监督量化表示、宪法分类器防御越狱攻击、基于预训练视觉特征的世界模型、推理时间计算与对抗鲁棒性、实例特定负样本挖掘、语言模型在新闻摘要中的能力以及基于快速编码器的3D重建。这些论文从不同角度探索了AI技术的最新进展，为相关领域的研究提供了新的思路和方法。

🧠 `简单的测试时缩放`：提出了一种在测试阶段调整模型输出的方法，可能提高模型性能。

⚡ `奖励引导的推测解码`：通过奖励机制引导LLM的推测解码过程，提高推理效率。

🛡 `宪法分类器`：提出利用宪法分类器来防御针对大型语言模型的通用越狱攻击，增强模型的安全性。

🌍 `DINO-WM`：基于预训练视觉特征的世界模型，实现零样本规划，为AI在复杂环境中的应用提供了可能。

📰 `语言模型在新闻摘要中的能力`：深入研究语言模型在新闻摘要任务中的表现，揭示其能力边界。

本期的 9 篇论文如下：

[00:26] ? s1: Simple test-time scaling（简单的测试时缩放）

[01:18] ⚡ Reward-Guided Speculative Decoding for Efficient LLM Reasoning（奖励引导的推测解码方法用于高效LLM推理）

[02:00] ? Self-supervised Quantized Representation for Seamlessly Integrating Knowledge Graphs with Large Language Models（自监督量化表示法用于无缝集成知识图谱与大型语言模型）

[02:41] ? Constitutional Classifiers: Defending against Universal Jailbreaks across Thousands of Hours of Red Teaming（宪法分类器：在数千小时的红队测试中防御通用越狱攻击）

[03:28] ? DINO-WM: World Models on Pre-trained Visual Features enable Zero-shot Planning（DINO-WM：基于预训练视觉特征的世界模型实现零样本规划）

[04:13] ? Trading Inference-Time Compute for Adversarial Robustness（推理时间计算对对抗鲁棒性的影响）

[04:54] ? INT: Instance-Specific Negative Mining for Task-Generic Promptable Segmentation（任务通用提示分割的实例特定负样本挖掘）

[05:30] ? Unraveling the Capabilities of Language Models in News Summarization（揭秘语言模型在新闻摘要中的能力）

[06:09] ? Fast Encoder-Based 3D from Casual Videos via Point Track Processing（基于快速编码器的从随意视频中进行3D重建的点轨迹处理）

【关注我们】

您还可以在以下平台找到我们，获得播客内容以外更多信息

小红书: AI速递