代号GreedyBear的网络犯罪组织近期发动了大规模的加密货币窃取行动，利用650种恶意工具从受害者处窃取超过百万美元。该组织通过复杂的钓鱼和恶意扩展程序，结合AI技术，提升攻击效率，展现出高度的技术复杂性和系统性。

本研究解决了传统图像伪造定位方法不能有效解释模型预测的问题，尤其是二元伪造掩码无法明确指出伪造区域的特征。提出的多模态伪造追踪数据集（MMTT）和ForgyTalker架构，允许同时进行伪造定位与解释，大幅提升了伪造图像的识别精度与可解释性，为未来相关研究提供了高质量的数据支持和模型基础。

本研究探讨了神经网络架构是否应根据问题的结构和对称性进行设计。结果显示，等变模型在数据效率上优于非等变模型，且经过充分训练后，非等变模型可通过数据增强缩小差距。等变模型在每个计算预算下表现更佳，最佳预算分配存在差异。

该文章介绍了一种适用于大规模或无限状态空间的基于模型的强化学习算法，通过维护一组与当前体验一致的动态模型，并进行探索和利用阶段，来寻找在状态预测中引起高度分歧的策略。作者证明该算法在实现和最优规划的假设下能够在许多自然设置中得到完美的政策，并提出了使用神经网络的实用近似方法，证明了其在实践中的性能和样本效率。

KMMLU是一个新的韩语基准，包含35,030个专家级多项选择题，涵盖人文学科到STEM学科。测试发现，目前的韩语LLMs表现较差，最好的公开模型准确率为50.54％，远低于人类平均表现62.6％。需要进一步改进韩语LLMs，而KMMLU提供了正确工具。数据集已在Hugging Face Hub上公开。

Vibe-Eval是一个新的开放式基准和框架，用于评估多模态聊天模型。它包括269个视觉理解提示，其中包括100个难度较高的，并附有黄金标准答案。Vibe-Eval的目标是评估多模态聊天模型在日常任务中的表现，并测试和探索当前前沿模型的能力。他们提供了免费的API访问，并计划对在Vibe-Eval上表现良好的公共模型进行正式的人工评估。

这篇文章介绍了一个长文本理解的基准测试，包含三个场景和四个难度递增的任务。六个大型语言模型在测试中的性能落后于人类水平。原始数据集和增强数据集上的性能下降验证了缓解数据污染的方法的有效性。

该研究论文探讨了基于节点属性和网络信息的高性能聚类算法，并通过信息理论准则建立了节点属性和网络信息交换的精确恢复标签的关系。提出了一种迭代聚类算法以最大化联合似然函数，并通过数值实验验证了该算法的优越性。

该研究提出了一种无需文本注释的基于视觉语言模型训练遥感图像的方法。通过互联网图像作为中介，训练了遥感图像的编码器与CLIP的编码器对齐。该方法训练了一种新型的大规模遥感图像视觉语言模型(VLM)，在零样本、开放词汇的图像分类、检索、分割和视觉问答任务中表现出优越性能。

马斯克开源了混合专家模型Grok-1，该模型在练习中表现出强劲性能，已获得10K个star。Grok-1的研发历时四个月，有望加速AI领域的发展，为人类带来更多收益。

该研究提出了一种无需文本注释的基于视觉语言模型训练遥感图像的方法。通过互联网图像作为中介，训练了遥感图像的编码器与CLIP的编码器对齐。该方法能够训练一种新型的大规模遥感图像视觉语言模型(VLM)，在零样本、开放词汇的图像分类、检索、分割和视觉问答任务中表现出优异能力。该无需文本注释的VLM在各个任务方面都优于现有有监督训练的VLM。