77 lines
6.5 KiB
Markdown
77 lines
6.5 KiB
Markdown
# Wiki Index
|
||
|
||
> 内容目录。每个 wiki 页面按类型列出，附单行摘要。
|
||
> 首先阅读此文件以查找任何查询的相关页面。
|
||
> 最后更新：2026-04-22 | 总页面数：53
|
||
|
||
## Entities（实体）
|
||
<!-- 按字母顺序排列 -->
|
||
- [[andrzej-odrzywolek]] - 波兰理论物理学家，EML Sheffer 算子发现者
|
||
- [[tanya-klowden]] - 艺术与人文学科学者，与陶哲轩合著 AI 哲学论文
|
||
- [[terence-tao]] - 著名数学家，莲莲尔奖得主，AI 与数学先驱探索者
|
||
|
||
## Concepts（概念）
|
||
- [[ai-agent-security]] — AI 代理安全：保护自主AI代理及其运行环境免受恶意攻击、滥用和意外危害的安全实践和技术
|
||
- [[ai-alignment]] — AI 对齐：确保 AI 系统与人类价值观一致的研究领域
|
||
- [[ai-safety]] — AI 安全：确保 AI 系统安全可靠的研究领域
|
||
- [[ai-mathematics]] - AI 与数学的交叉研究，以数学为 "沙盒"探索 AI 能力
|
||
- [[agent-mediated-deception]] — 代理中介欺骗 (AMD) 攻击模式与防御
|
||
- [[bpf-syscall-interception]] — BPF系统调用拦截：使用BPF技术拦截、监控和控制系统调用的方法，用于安全策略执行和行为监控
|
||
- [[clawless]] — ClawLess：针对自主AI代理的安全框架，在最坏情况威胁模型下对AI代理强制执行形式化验证的安全策略
|
||
- [[cognitive-architecture]] — 认知架构：人类或AI系统认知过程的理论框架和计算实现，支持感知、学习、记忆、推理等功能
|
||
- [[computerized-adaptive-testing]] — 计算机化自适应测试综述：ML 方法如何优化测量模型、选题策略、题库构建和测试控制
|
||
- [[cramer-rao-lower-bound]] — 参数估计的理论方差下界，由 Fisher 信息量的倒数给出，是 MLE 和 CAT 的数学基础
|
||
- [[curvine-distributed-cache]] — Curvine 云原生分布式缓存系统
|
||
- [[darwin-godel-machine]] — 达尔文·哥德尔机：通过生成和评估自我修改变体实现编码领域自我改进的框架
|
||
- [[depth-scaling-signal-degradation]] — LLM 深度扩展与信号退化问题
|
||
- [[eml-operator]] - EML (Exp-Minus-Log) 算子，连续数学中的 Sheffer 算子
|
||
- [[evolutionary-algorithms]] — 进化算法：基于自然选择和遗传原理的优化算法家族
|
||
- [[few-shot-learning]] — 少样本学习：从少量示例中学习新概念的机器学习方法
|
||
- [[formal-security-model]] — 形式化安全模型：使用数学方法精确描述和验证安全属性的方法论
|
||
- [[formal-verification]] - 使用形式化方法验证数学证明正确性
|
||
- [[genetic-programming]] — 遗传编程：通过模拟自然选择自动生成计算机程序的进化计算技术
|
||
- [[gravitino-unified-metadata]] — Gravitino 统一元数据管理方案
|
||
- [[human-agent-trust]] — 人机信任建立与脆弱性研究
|
||
- [[human-centered-ai]] - 以增强人类能力为核心目标的 AI 发展哲学
|
||
- [[hyperagents]] — 超智能体：自指代理，集成任务解决和自我修改，支持元认知自我修改
|
||
- [[knowledge-bank]] — AI 辅助开发时代的知识管理系统，3D 分类 (scope + source + type) 与自动捕获生命周期
|
||
- [[kvcache-transfer]] — KVCache 传输与优化技术
|
||
- [[memory-caching-rnn]] — 通过缓存 RNN 隐藏状态检查点扩展有效记忆容量的技术
|
||
- [[metacognitive-self-modification]] — 元认知自我修改：AI 系统改进其自身改进机制的能力，实现递归改进
|
||
- [[meta-learning]] — 元学习：学习如何学习的机器学习方法，支持快速适应新任务
|
||
- [[mixture-of-depths-attention]] — MoDA 跨层注意力机制
|
||
- [[neuroscience]] — 神经科学：研究神经系统结构和功能的科学
|
||
- [[prefill-as-a-service]] — PrfaaS 跨数据中心 LLM 服务架构
|
||
- [[prefill-decode-disaggregation]] — Prefill-Decode 分离架构演进
|
||
- [[program-synthesis]] — 程序合成：从高级规范自动生成满足这些规范的程序的过程
|
||
- [[recursive-self-improvement]] — 递归自我改进：AI系统改进其自身改进能力，可能导致能力爆炸的理论概念
|
||
- [[secure-containers]] — 安全容器：提供增强安全特性的容器技术，保护主机系统免受容器内应用程序的攻击
|
||
- [[self-improving-ai]] — 自我改进人工智能：能够通过学习改进自身学习过程、问题解决能力或认知架构的 AI 系统
|
||
- [[singularity]] — 技术奇点：假设的未来时间点，技术进步变得如此迅速和深刻，以至于人类无法预测或理解其后的世界
|
||
- [[spurious-predictability]] — 金融机器学习中的虚假可预测性：自适应搜索产生的统计伪影
|
||
- [[subquadratic-transformer-alternatives]] — Transformer 的次二次复杂度替代架构综述
|
||
- [[symbolic-regression]] — 从数据中发现数学表达式的机器学习技术
|
||
- [[transfer-learning]] — 迁移学习：将从一个任务学到的知识应用到另一个相关任务的机器学习方法
|
||
- [[userspace-kernel]] — 用户空间内核：在用户空间提供内核功能，增强系统安全的技术
|
||
- [[worst-case-threat-model]] — 最坏情况威胁模型：假设系统将面临最坏可能攻击场景的安全设计方法论
|
||
|
||
## Articles（文章）
|
||
- [[oppo-multimodal-data-lake]] — OPPO 多模态数据湖架构实践 (Gravitino + Curvine)
|
||
|
||
## Comparisons（对比）
|
||
|
||
## Papers（论文）
|
||
- [[behrouz-memory-caching-rnn]] — Memory Caching 技术：通过缓存 RNN 隐藏状态实现可增长记忆 (arXiv:2602.24281, 2026)
|
||
- [[clawless-ai-agent-security]] — ClawLess: AI 代理安全模型，形式化验证与运行时执行框架 (arXiv:2604.06284, 2026)
|
||
- [[li-amd-human-perception]] — 人类对 LLM Agent 欺骗的感知脆弱性实证研究 (arXiv:2602.21127, 2026)
|
||
- [[Mathematical methods and human thought in the age of AI]] - 陶哲轩与 Klowden 关于 AI 哲学的深度论文 (arXiv:2603.26524, 2026)
|
||
- [[nikolopoulos-spurious-predictability]] — 金融机器学习中的虚假可预测性：证伪审计框架 (arXiv:2604.15531, 2026)
|
||
- [[odrzywolek-eml-single-operator]] - EML 算子：单一二元算子生成所有初等函数 (arXiv:2603.21852, 2026)
|
||
- [[qin-prfaas-cross-datacenter]] — PrfaaS：跨数据中心 LLM 服务架构，KVCache 可跨集群传输 (arXiv:2604.15039, 2026)
|
||
- [[zhang-hyperagents]] — 超智能体：自指代理框架，支持元认知自我修改和通用自我改进 (arXiv:2603.19461, 2026)
|
||
- [[zhu-moda-mixture-of-depths]] — MoDA：跨层注意力机制解决深度扩展中的信号退化 (arXiv:2603.15619, 2026)
|
||
|
||
## Books（书籍）
|
||
|
||
## Queries（查询）
|