⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 5 条
今天10月13日周二
  1. AI HOT89

    Anthropic 研究：小型 AI 模型可能在 IoT 设备上自主复制

    Anthropic 发布研究评估小型模型在无数据中心条件下自主复制的可行性。实验显示 9B 模型在 9 类硬件中的 8 类上成功运行推理，且 GLM-5.2 等 30B 及以下模型能完成复制的多数单步。研究指出随着模型能力提升，年底可能出现具备端到端复制能力的小型模型，并估算了此类 AI 蠕虫在 IoT 设备上的传播速度与适应机制。

    推荐理由：实测数据表明 30B 以下小模型已具备复制多数单步能力，为评估 IoT 僵尸网络风险提供了近期可行性依据。

  2. The Decoder52

    Sakana AI 提出 MASS 方法实现模型递归自改进，解题与评估能力提升但难以识别自身盲区

    Sakana AI 和 UC Berkeley 研究者提出多智能体自监督（MASS）方法，让单一语言模型同时承担解题、评估和优化角色，通过递归自改进提升能力。测试显示，经过两轮迭代，模型在多个基准测试中的胜率从 53.9% 提升至 69.9%，但共享盲区可能导致错误被误判为进步并进入下一轮训练。研究基于 Qwen3.6-27B 进行 LoRA 微调，代码已公开。

  5. Microsoft Research52

    StudentSim 研究：模拟学生反馈以提升 AI 导师性能

    微软研究院发布研究系统 StudentSim，通过训练个性化 AI 学生模拟器来在研发阶段评估和改进 AI 导师。该系统基于公开去标识化学习数据，覆盖象棋、二语写作和数学领域，并在行为保真度和引导响应度两个维度上超越 GPT-5.4 等基线模型。在强化学习测试中，以 StudentSim 为反馈源训练的象棋导师达到 90.5% 准确率，优于无 RL 基线和使用 GPT-5.4 反馈的对照实验。

10月12日周一
  3. AI HOT83

    AlphaProof Nexus 独立解决 9 个未解 Erdős 问题并获同行评审

    Google DeepMind 的 AlphaProof Nexus 独立解决了 353 个开放 Erdős 问题中的 9 个，其中 2 个悬置 56 年，相关成果已提交同行评审。该系统基于 Gemini 3.1 Pro，利用形式化语言 Lean 检查证明错误并指导修订，同时证明了 44 个 OEIS 整数序列猜想。

    推荐理由：原文展示了形式化验证闭环和同行评审细节，读者可据此判断 AI 数学证明的可信度与部署方式。

  4. 机器之心34

    近200篇工作系统梳理！一篇综述讲清具身智能中的可供性学习

    该综述系统梳理了具身智能领域中可供性学习的近200篇相关工作。文章指出，随着视觉—语言—动作模型、世界模型及多模态基础模型的发展，机器人已能理解复杂指令并生成连续动作，但仍需深入理解“什么可以被操作”及“应该在哪里操作”，以实现从场景识别到物理世界交互的跨越。

  5. 量子位 QbitAI83

    华为诺亚方舟实验室联合UCL发布Memento 3系统，无微调通关25款游戏且操作次数比人类少56%

    华为诺亚方舟实验室联合UCL等团队提出基于世界模型的递归自我改进系统Memento 3，在冻结Claude Opus 5底模权重且无微调的情况下，通关了ARC-AGI-3公开集中的25款游戏和183个关卡。

    推荐理由：华为诺亚方舟团队提出的Memento 3系统在冻结模型权重下实现了递归自我改进，通过构建可执行世界模型大幅降低游戏操作成本。

  6. The Decoder89

    Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并获同行评审

    Google DeepMind 的 AI 系统 AlphaProof Nexus 自主解决了数十个开放数学问题，相关研究已在《科学》杂志发表。该系统基于 Gemini 3.1 Pro，解决了 353 个开放 Erdős 问题中的 9 个，以及 OEIS 数据库中的 44 个猜想。研究通过 Lean 形式化语言验证证明，并经过同行评审，区别于 OpenAI 直接在 GitHub 发布证明的做法。

    推荐理由：该研究通过同行评审验证了 AlphaProof Nexus 解决开放数学问题的实际效果，为 AI 数学能力的学术认可提供了具体参照。

  10. 新智元65

    QIQCBench 虚拟量子实验室实测 17 个顶级 AI Agent：GPT-5.6 与 Claude Opus 断层领先

    由 NUS、NTU 及 GaugeForge 组成的联合团队发布论文，提出虚拟量子实验室 Quantum-Harbor 及包含 49 项任务的评测基准 QIQCBench，并引入“验证自治”评判标准，重点考察 AI Agent 结论是否有实验证据支撑。

    推荐理由：原文给出了验证自治的核心方法和17个Agent在虚拟量子实验室的实测断层，读者可据此判断AI科学自主性的边界。

  12. 机器之心65

    RoboFoundry：具身智能体通过进化系统而非更新模型实现自我提升

    新加坡南洋理工大学等团队提出 RoboFoundry 框架，该框架保持基座模型参数冻结，通过进化其上下文、技能和执行接口等系统组件来提升机器人任务表现。在 EmbodiedBench 测试中，该方法使 GPT-5.5 等五个基座模型的平均成功率均有提升，其中 GPT-5.5 从 56.9% 提升至 72.7%，且该分数超过了未进化的 GPT-6 Astra。

    推荐理由：论文展示了基座模型冻结情况下，进化系统上下文与技能可使五个模型在多个具身基准上提升。

  14. 量子位80

    华为诺亚实验室Memento 3基于递归自我改进方法以100分RHAE通关ARC-AGI-3全部游戏

    华为诺亚方舟实验室联合UCL等团队发布Memento 3智能体系统，在ARC-AGI-3的25款游戏、183个关卡中以满分100 RHAE成绩全部通关。该系统以Claude Opus 5为底模，通过Code as Model方法生成可执行世界模型和规则手册进行递归自我改进，全程未更新模型权重或微调，总操作次数仅7518次，比人类基准少56%。

    推荐理由：展示了冻结模型权重下，AI通过代码世界模型实现递归自我改进，以更少操作通关复杂游戏的路径。

  15. 量子位56

    新研究提出推理时直接隐状态对齐方法DHSA，256-16384个控制参数达DPO水准

    成都大学等团队提出直接隐状态对齐（DHSA），通过在推理时直接控制隐状态来实现偏好对齐，而非修改基座权重。 其核心是残差竞争图（RCM）用于定位偏好相关组件，结合因果激活状态转移（CAST）仅更新少量控制参数（256至16384个），在GPT-J、Llama-3等模型上达到与DPO相竞争的对齐水平，且支持在prefill阶段单独干预。

  16. 机器之心51

    文生图世界一致性评测：现有高分指标掩盖画面物理与空间错误

    文生图评测新聚焦于“世界一致性”维度，指出图像在美学、提示词对齐和人类偏好等现有指标上获得高分时，仍可能包含扭曲肢体、物体互相穿透或不合理物理现象等错误。文章强调现有评分体系未能系统衡量物体、交互与空间关系是否符现实约束，这类缺陷目前难以被常规量化指标捕捉。

  18. 新智元43

    MiTA 提出快权重视角下的注意力五维分类框架，NeurIPS 2026 接收并开源

    北京邮电大学团队提出混合专家注意力模型 MiTA，将其发展为五维分类框架，已在 NeurIPS 2026 接收并开源代码。该模型通过地标查询构造可复用专家，在 LRA 长序列任务上将训练时间从 10.6 小时降至 2.4 小时，平均准确率 58.91%。在 64K 至 1024K 序列长度下，相比完整注意力分别获得 19 倍、56 倍和 159 倍推理加速。

10月11日周日
  6. 量子位 QbitAI68

    何恺明团队发布多模态视觉原生Harness框架 VISTA

    何恺明团队发布 VISTA 视觉原生 Harness 框架，使现有多模态模型无需从头训练即可直接观察、保存并回看环境原始画面参与推理。在 ARC-AGI-3 评测中，搭配 VISTA 的 Claude Opus 5.0 完成了全部 25 个公开游戏，相对人类动作效率得分达到 100，所用游戏动作数比首次游玩的人类基线少 57.4%。

    推荐理由：研究展示了无需微调现有多模态模型，仅通过视觉原生Harness即可显著提升交互式推理性能的方法。

  7. 人工智能学家43

    LLM 智能体网络中观点极化的涌现

    清华大学等团队在 Nature Communications 发表研究，发现 1000 个基于 GPT-3.5 的 LLM 智能体在反复交流后，观点会从初始 40% 的中性立场显著极化。同阵营互动占比最高达 88.3%，跨阵营交流可能加剧极化。弱化确认偏误的干预可将极化指标降低 11.8%。

  11. 极市平台75

    何恺明团队发布视觉原生Harness框架VISTA，实现多模态模型按需回看视觉记忆

    何恺明团队在最新论文中提出视觉原生Harness框架VISTA。该框架通过构建无损视觉记忆与主动检查机制，使多模态模型无需重新训练即可随时回看、放大和对比历史画面。搭配VISTA，Claude Opus 5.0在ARC-AGI-3基准上达到满分，游戏动作数比人类基线少57.4%；GPT-5.6 Sol同样全通关。

  12. 极市平台34

    NeurIPS 2026｜7B审计员AgentForesight在线识别多智能体关键错误

    研究团队提出7B模型AgentForesight，通过在线审计在任务运行中识别多智能体系统的决定性错误。在AFTraj-2K测试集上，其Exact-F1达到66.44，比最强通用基线高19.88分，且成功轨迹误报率仅为2.37%。该方法将事后归因前移为在线预警，无需重新训练底层执行系统，仅需外部审计模型即可提升多智能体协作可靠性。

  13. 极市平台63

    谷歌154页综述解读：大模型分词器的工作原理与代价

    基于谷歌等机构发布的154页综述，文章通俗解析了大模型底层分词器（Tokenization）的工作机制及其带来的代价。分词器将文本切分为带编号的Token，这一机制虽节省了算力，却导致模型在多位数算术、拼写等任务上表现不佳，且因低资源语言切分更碎而产生显著的计算成本溢价。文章还指出，开源社区94%的模型直接复用他人分词器，这种高度集中带来了潜在的安全隐患，如隐蔽攻击入口。