HSTA：用语义嵌入轨迹实时追踪技术扩散，LLM 演化最快
Muhammad Sukri Bin Ramli · hf · 2026-09-30
论文提出 超球面语义轨迹分析（HSTA），一种无监督量化方法，直接从非结构化科研与商业文本流中追踪技术扩散，以弥补全要素生产率等宏观指标多年滞后的缺陷。
数据与方法：
- 分析约 3 万条过滤后的文档记录，涵盖 arXiv 预印本与 USPTO 专利申请
- 将 Transformer 句向量投影到单位超球面，用球面 K-Means 聚成 8 个子主题，再做 UMAP 降维
- 形式化两个指标：语义质心向量漂移（追踪词汇结构范式转变）与商业化偏移（科研发现与专利申请的峰值密度对齐）
发现：
- 将季度主题量速度与 Epoch AI 的硬件数据连接后，向量自回归 F 检验显示论文量速度本身并不能在常规显著性水平上 Granger 引起前沿算力分配的激增——文本信号必须以物理资本为条件
- LLM 子主题漂移最高（0.332），AI 系统次之（0.234），是语义演化最快的领域
「漫话AGI」频道最新
- 前 OpenAI 研究员复盘:Dario 2019 年的语言模型对齐赌局正在失灵 — birchlse · 2026-09-30
- Krieger 称 Anthropic 内部项目「Claude 搞定」,PM 力谏后获认:没人管支持与安全审查 — victor_explore · 2026-09-30
- 学者吐槽:全 AI 代写还求人工反馈,为什么不直接问 AI — birchlse · 2026-09-30
- 奥斯卡编剧 Roger Avary 上播客畅谈 AI 如何颠覆电影业 — Kyrannio · 2026-09-30
- 批评者质疑 Yudkowsky 对齐思路:智能不该被设计,而应被培育 — repligate · 2026-09-30
- 连续性≠持久认知状态:Glen Bradley 论 AI 记忆架构的根本缺口 — GlenBradley · 2026-09-30