Work at the Frontier: AI’s effect on freelance work
OpenAI与Upwork联合开展的新研究发现，自由职业工作需求正在转移，新的技能组合，以及与AI相关的项目规模扩大、工时增加。
推荐理由：请对照OpenAI News原文，核对完整说明及适用条件。
精选
OpenAI News精选评分7979
Apple Machine Learning Research精选评分8787 Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live iOS Apps
尽管前沿视觉语言模型在用户界面（UI）导航方面表现出色，但其高推理成本限制了日常使用。相反，通过监督微调（SFT）或离线强化学习训练的小型模型往往记忆静态轨迹，导致执行脆弱且无法从错误中恢复。为解决这些问题，我们提出一种新的在线强化学习框架，直接在实时运行的iOS应用程序上训练UI导航代理。我们的框架将代理解耦为两个专用组件：规划模块/...
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
Apple Machine Learning Research精选评分8383 Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents
多模态代理在执行每个动作前通常生成自由形式推理。小型模型因模型容量有限，可能导致推理过程冗长，虽能提供少量有用指导，但会带来较高的推理成本。为解决此问题，我们引入基于选择的结构化推理（SSR），该框架将推理转化为选择而非开放式生成。SSR将重复的高层推理表示为预定义、可复用的自然语言候选。在每一轮中，模型根据候选推理内容进行选择，以优化推理效率。
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
Apple Machine Learning Research精选评分8383 The Design Space of Tri-Modal Masked Diffusion Models
离散扩散模型作为自回归语言模型的有力替代方案，近期工作从文本、图像-文本和音频-文本数据中零初始化并微调基础单模态模型，实现多模态生成。与以往方法不同，我们首次提出三模态掩码扩散模型（MDM），并系统分析多模态缩放规律、模态混合比例、噪声调度、批大小效应，提供优化的推理采样默认值。批大小分析得出新颖的随机微分方程（SDE）...
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
Apple Machine Learning Research精选评分8585 How Much of a Harness Does a Strong Agent Need for Autonomous ML Engineering?
最近自主机器学习工程（MLE）代理在公共排行榜上取得了显著进展。通常受长期周期内进展停滞和有限的大语言模型（LLM）基本功能的制约，现代MLE代理在日益复杂的系统上部署，如多智能体协调器、专用检索子代理等。尽管这些系统扩展，但使用更简单的但改进的编码代理——其中LLM直接通过读、写和bash原语访问执行环境——在该领域仍较少关注。
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
Apple Machine Learning Research精选评分8787 SCLATE: A Substrate for Continual-Learning Agent Training and Evaluation
持续学习代理是系统模型、套件和记忆，运行在长时多会话 horizon 上。评估和训练它们需要将任务与代理侧事件（如会话停止、启动、cron 和记忆巩固）交错。现有基准和训练框架仅调度基准自身事件，使每个基准和代理对自行构建定制调度循环。我们提出 SCLATE，一种执行基础，基准和未修改的代理各自通过适配器向一个开放事件调度器添加其事件。混合模拟时钟...
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
已经到底了