大语言模型背后的秘密
大语言模型（Large Language Model，简称LLM）如同一位通读了全网知识的超级学神，不仅能与人对话、撰写文章、翻译语言，还能编写代码——仿佛拥有一颗"超级大脑"！设想一下，若你能阅读全世界所有书籍、文章及网页，并能对任何提问给出精准答案——这正是大语言模型的工作方式。其三大要点：→ 接受了数千亿词汇（涵盖书籍、网页、对话等）的训练→ 犹如一个人读完了整座图书馆→ 核心机制很简单："预测下一个词"→ 比如"今天天气真___"，它猜测"好
AI 的「词元」：Token 如何影响模型处理文本？
Token，直译为「词元」或「令牌」，是大语言模型（LLM）处理文本的基本单位。你输入的文字，在进入模型之前，会先经过一个叫做Tokenizer（分词器）的程序，把文本切碎成一个个 Token。这些 Token 再被转换为数字 ID，模型才能「读懂」它们。一个 Token ≠ 一个字。Token 可以是：目前主流的分词算法有三种：最常见的方法，被 GPT 系列、LLaMA、Mistral 等广泛使用。核心思想：从单个字节出发，反复合并出现频率最高的相邻字节对，直到达到预设词表大小。举例：Google BE
人工智能金融优化：范式革新与技术重构
上海市社会科学界联合会主管主办摘要：人工智能技术和大语言模型在金融市场中的广泛应用，为解决传统金融优化问题提供了新机遇和载体，显著提升了金融建模和决策优化能力。本文基于金融行为最优化的核心逻辑，探讨了金融产品价格预测、投资组合管理、风险识别及监管手段的先进性等核心问题，对比传统金融方法与人工智能金融方法，揭示AI技术在金融优化中的范式革命和技术重构过程，总结其具体路径和创新，展现人工智能金融在优化问题中的优异表现。作者：殷德生，华东师范大学经济与管理学院、中国金融研究院教授；王涵，华东师范大学中国金融研究
AI水印筛查拒497篇论文
编译 ｜徐锐近日，据《自然》报道，将于7月在韩国首尔举行的2026国际机器学习大会（ICML） “拒”了497篇论文，约占提交论文总数的2%，原因是这些论文的作者在对其他会议论文进行同行评审时，违反了人工智能（AI）的使用政策。ICML实行互评政策，除特殊情况外，每位向大会提交论文的作者都必须参与其他会议论文的评审。会议组织者在分发给评审人员的研究论文中隐藏了水印，以此检测违规使用AI的情况。违规使用大语言模型（LLM）生成同行评审内容的人，其论文会被大会拒绝。会议组织者介绍，水印添加了只有LLM才能识别