研究者分析开源大模型随机数生成的可预测性
热点事件持续更新
研究者分析开源大模型随机数生成的可预测性
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者Utkarsh Mangal通过分析开源大语言模型的logits，计算出破解其“随机”数所需的猜测次数与比特数，揭示了不同版本模型在随机数生成上的潜在可预测性差异。 该研究未提及具体模型名称，但指出此方法可用于评估AI生成随机数的安全性。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 20:30
How Many Guesses Does It Take to Crack an AI's "Random" Number?报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- Towards Data ScienceHow Many Guesses Does It Take to Crack an AI's "Random" Number?
通过分析开源大语言模型的logits，研究者计算出破解其"随机"数所需的猜测次数并转化为比特数。该研究揭示了不同版本模型在生成随机数时的潜在可预测性差异。文章未提及具体模型名称及版本，但指出这一方法可用于评估AI生成随机数的安全性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。