Treating enterprise AI as an operating layer
企业人工智能存在一条断层线，但它并不是最受关注的断层线。公众对话仍然跟踪基础模型和基准——GPT 与 Gemini、推理分数和边际能力增益。但在实践中，更持久的优势是结构性的：谁拥有应用、管理和改进情报的操作层。……
我们引入了专有自注意力（XSA），这是自注意力（SA）的简单修改，可以提高 Transformer 的序列建模性能。关键思想是限制注意力仅捕获与代币自身价值向量正交的信息（从而排除自身位置的信息），从而鼓励更好的上下文建模。在标准语言建模任务上进行评估时，XSA 在模型大小高达 2.7B 参数的情况下始终优于 SA，并且随着序列长度的增长显示出越来越大的增益。
在界定巴西流浪蜘蛛的物种时测试内聚选择性路径并评估进化信息的丢失摘要生物多样性是在嵌套的回顾性生殖群落（RRC）中构建的，反映了有关进化过程的不同级别的信息。对物种进行排名涉及根据信息增益和损失的权衡来决定强调哪个级别。对沿不同进化路径维持 RRC 的选择性过程进行建模可以为物种界定中的这些权衡提供信息。我们使用巴西游走蜘蛛（Phoneutria）来说明这种方法。整合遗传标记、几何形态测量、颜色模式和环境数据，我们应用既定的和新颖的方法来测试历史自然和性选择的分歧。我们发现证据表明，生态位和腹腹部颜色的选择有助于形成四种不同的 RRC。其中两个 RRC 还显示了影响生殖器形态进化的锁钥匙机制的
