Nine Judges, Two Effective Votes: Correlated Errors Undermine LLM Evaluation Panels
法学硕士评委小组汇总来自多个模型的投票，期望不同的模型能产生更可靠的评估。我们开发了一个框架来衡量此类小组的真实信息价值，并量化其可靠性与独立投票理想的差距有多大。在三个自然语言推理数据集（每个项目有 100 个人类注释）上测试来自 7 个模型系列的 9 名前沿法学硕士小组，我们发现 9 名评委实际上只提供了大约 2 个独立投票的信息。大约四分之三的专家组名义上的独立性......
Metric-Dependent Annotation Saturation for Learning from Label Distributions
当注释者对某个标签存在分歧时，分歧本身就带有信号，而捕获该信号所需的注释者数量取决于评估指标。我们根据从 ChaosNLI（一个为每个项目提供 100 个独立注释器判断的数据集）二次采样的标签分布来微调 NLI 模型，并识别与度量相关的饱和度。在我们的 3 类 NLI 设置中，熵相关性（模型是否识别哪些项目引起分歧）需要 N ≈ 20-50 个注释器才能收敛，而分布匹配（KL 散度）则达到 N ≈ 10 饱和（五个模型的改进为 87-95%……
Operation Patriot Press: A win-win for the OIB and the Guard
周一清晨，在图埃勒陆军基地，来自犹他州国民警卫队第 118 运输连的 26 名士兵进入中型战术……
陆军国民警卫队转型和训练司令部副司令戴维·L·霍尔少将和陆军战术司令部司令准将。贝丝·A·贝恩 (Beth A. Behn) 将军在密歇根州安阿伯市 Eagle Crest 举行的安阿伯伊普西兰蒂万豪装甲车会议上发表讲话。
Executive order jumpstarts Pentagon’s quantum sensor projects
今天签署的两项行政命令指示国防部在 2028 年之前部署三种新型量子传感器，协助能源部建造量子超级计算机，并就击败量子黑客提供建议。
5 Essential Approaches to Robust Outlier Detection
异常值很容易破坏您构建的任何预测分析模型的性能：稳健地检测和处理它们对于任何数据项目都至关重要。本文列出并比较了检测它们的五种基本方法。
This LG C5 OLED for nearly $2,000 at Best Buy is my favorite Prime Day TV deal - easily
这可能是去年的型号，但 LG C5 OLED 电视仍然有足够的理由选择它，尤其是在这个价格上。
AI brings object-level vision prosthetics closer to reality
图片来源：杰夫·达尔 (Jeff Dahl) – 上传者自己的作品，基于公共领域文档：[1]，CC BY-SA 3.0，斯蒂芬妮·帕克 (Stephanie Parker) 链接这项研究来自马丁·施林普夫 (Martin Schrimpf) 的 NeuroAI 实验室（隶属于 EPFL 计算机与通信科学和生命科学学院），使用人工智能模型来准确预测在何处刺激 [...]
India 13th in QS Future Skills Index 2027
全球高等教育专家 Quacquarelli Symonds 表示，在经济快速增长、大量毕业生和世界上最大的 IT 劳动力的支持下，印度在过去十年中已形成了巨大的规模。该国得分为 89.4 分（满分 100 分），在未来工作就绪度和经济转型方面表现尤为强劲，在全球排名第五，在经济转型方面排名 14
《伊莎贝尔的语音信箱》：Netflix 的一部新电影《伊莎贝尔的语音信箱》超越了典型的浪漫喜剧的比喻，以其深刻的情感深度吸引着观众。这部电影通过亲密的语音邮件探讨了爱、失落和未说出口的感受，引起了观众的深刻共鸣，他们将其描述为一次意想不到的情感旅程。导演利亚的个人愿景强调微妙，让沉默和录制的信息传达强烈的情感，使其在当今的流媒体内容中脱颖而出。
Burnham adviser calls for billions of pounds in borrowing for infrastructure
独家报道：高盛前首席经济学家吉姆·奥尼尔表示，政府应该在大型项目上投入更多资金。被安迪·伯纳姆任命为首席经济顾问的人呼吁增加数十亿英镑的借款来支付基础设施投资，这表明伯纳姆可能会寻求摆脱凯尔·斯塔默所奉行的政策。经济学家兼前部长吉姆·奥尼尔表示，他希望政府按照该办公室的方针建立一个独立的基础设施支出机构。预算责任（OBR），可以释放出来在重大项目上投入更多资金。继续阅读...
What Happened to Indonesia’s Booming Tech Sector?
尽管最初做出了承诺，但该国许多大型科技公司仍在努力为股东创造价值。
Canada’s Inflation Problem Is Far From Over
5月份加拿大通胀率加速至3.2%，超出预期，再次暴露了通胀被击败的幻想。政策制定者在过去的一年里一直庆幸自己降低了通货膨胀，但生活成本却在持续上升，而经济本身却在滑向衰退。这正是类型 [...]
CROSSPOST: GAUTAM MUKUNDA: The Part That Looks Like Waste
不可或缺的时事通讯 #64，作者：Gautam Mukunda :: 当我们的典型抽象层发生灾难性后果时，看似“摩擦”的东西往往是我们真正需要的保护措施......
Indonesia’s First Two Scorpene Evolved Will Have Missile Launch Capability
最近的一份报告表明，印度尼西亚海军 (TNI AL) 的前两艘鲉鱼进化型潜艇将由位于东爪哇的国有公司 PT PAL Indonesia 在国内建造，从一开始就不具备导弹发射能力。然而，参与该项目的消息人士已向《海军新闻》证实，该报道是……印度尼西亚首批两艘鲉鱼进化后将具备导弹发射能力的帖子首先出现在《海军新闻》上。
The Secret Behind the B-52’s 70-12 months Dominance!
B-52 70-12 个月的统治地位背后的秘密 – 七年多以来，B-52 同温层堡垒一直是美国战略轰炸机机队的支柱。从沙漠风暴到流行的精确打击任务，这款冷酷斗争的标志不断发展，配备了新的发动机、先进的雷达和升级的武器。然而，在当前一架 B-52J 遭遇空难后，人们开始质疑这架日益老化的大型飞机是否能够安全地服役到 2050 年代。观看完整视频了解整个故事和评价。 00:42 – B-52 同温层堡垒的统治地位 03:10 – Eagle 帖子 B-52 70-12 个月统治地位背后的秘密！首先出现在特种部队新闻上。
Inclusion without a structural lens just reproduces exclusion
由于大学依靠披露模型和赤字框架来解决奖励差距，艾玛·冈特 (Emma Gaunt) 认为种族主义和体能歧视并不是对系统的扭曲 - 它们是内置的
