⌘ K
… 读取采集状态 同步中...
雷

#论文/研究

今日 12 条
9月14日周一
  1. 新智元51

    CAITLYN：面向LLM Agent的自进化防御系统应对新型prompt注入攻击

    研究人员提出CAITLYN，一套针对LLM Agent的自进化防御中间件，用于应对新型prompt injection攻击。系统采用System I（快速运行时防御）与System II（反例驱动进化）双层架构，外部内容先经低成本脚本和规则筛选，再由LLM classifier处理模糊案例；漏网攻击被转化为反例，自动合成并验证新的防御技能后写入共享技能库。

  3. CVer36

    CPIL 实验室 4 篇论文被 EMNLP 2026 录用

    CPIL 实验室及合作单位共有 4 篇论文被 EMNLP 2026 接收，其中 2 篇为 Main 论文，2 篇为 Findings 论文。研究聚焦大语言模型智能体的自主进化与可信应用，涵盖 QUACK 多模态社会推理、DAPS 自主科研优化、SCAFFOLD 网页智能体提升及 CARE 隐私保护临床推理四个方向。

9月13日周日
  2. 量子位53

    PARPO：面向个性化智能体强化学习的新框架

    中国科学技术大学与阿里巴巴团队提出PARPO框架，将个性化引入智能体强化学习。该框架包含PSGM技能记忆、两阶段偏好解耦奖励模型和双轨优化器。在Qwen3-4B/8B模型上的评估显示，8B模型在盲测中排名第一，其中用户相关性维度优势最大。

  3. 机器之心82

    阿里和浙大提出 Astar：用 AI 指导 AI 系统进化，提升推荐业务 GMV 4.86%

    阿里和浙大联合提出 Astar，一种专门用于指导 AI 系统进化的 LLM，通过学习 AI 系统自身的历史代码提交和实验结果来生成优化方向。Astar 在阿里 Lazada 核心广告推荐系统中落地，实现离线 HitRatio 提升 23.6%，在线 GMV 提升 4.86%，广告收入提升 1.82%。

    推荐理由：阿里与浙大提出 Astar 模型，通过挖掘 AI 系统自身的历史迭代记录来指导进化，在推荐业务中显著提升了离线和在线指标，展示了用 AI 优化 AI 的可行路径。

  4. 机器之心75

    PyroDash 论文：小模型生成中决定何时求助大模型，推理成本降 96% 且性能反超

    PyroDash 是一种成本感知的大小模型协同推理范式，让小模型在生成过程中通过可训练的交接信号决定何时将任务移交大模型。论文使用 Qwen3.5-4B 作为小模型、GLM-5.2-FP8 作为大模型，在五个数学推理基准上验证：侧重低成本时总成本从 49.36 美元降至 1.78 美元；侧重准确度时平均准确率达 64.04%，超过纯大模型的 57.68%。

    推荐理由：原文提出小模型在生成过程中通过强化学习决定何时调用大模型的协同范式，并给出了成本降低九成且精度反超的实验数据。

9月12日周六
  1. Datawhale86

    OpenAI 内部 RSI 进展报告：Agent 承担 75% 工时，长任务自主率显著下滑

    OpenAI 发布技术测量报告《研究加速》，披露内部 Agent 工时已达人类研究员 3.1 倍，接管 75% 实际工时。实测数据显示，15 分钟内短任务 Agent 自主完成率约 76%，但 32 至 64 小时长任务自主率降至 16%。报告同时指出，决策规划环节 Agent 参与度极低，且底层排障已被 Agent 全面接管，但顶层研究方向仍由人类全权把控。

    推荐理由：该报告实测量化了 Agent 在科研工时与执行层的占比及成功率，为评估 RSI 落地效果与自动化边界提供了关键基准。

  2. 人工智能学家48

    基于认知架构理论的世界模型统一视角综述：感知、记忆与元认知的功能审视

    2026年4月17日发表于 arXiv 的综述《Human Cognition in Machines: A Unified Perspective of World Models》以认知架构理论为框架，系统比较视频、具身与知识型世界模型。该研究基于感知、记忆、语言、推理、想象、动机与元认知七项功能，指出当前模型在内在动机与元认知方面明显不足。 (80-160 字，最多 3 句)

  3. 人工智能学家39

    论文《Intelligence from Learnable Novelty》提出智能源于对可学习新奇性的追寻

    2026年7月20日发表于arXiv的论文《Intelligence from Learnable Novelty》提出，智能的共同动力在于追寻“可学习的新奇”。该原则通过Epiplexity度量，在元胞自动机中重现通用计算规则110，在图像编码器中无标签实现89%分类准确率，并作为强化学习智能体的内在奖励，在十个环境中的九个表现优于基线，统一了解释复杂计算、抽象表征与主动探索。

  5. APPSO83

    DeepSeek V4.1 Flash 技术解析：CED 架构与 KV cache 压缩如何降低成本

    DeepSeek V4.1 Flash 采用 CED 架构和 CSA2 注意力机制，将每 Token 全局 KV cache 降至 890 字节，在多个 Agent 基准测试上性能反超 Claude Opus-5 和 GPT-5.6 Sol。

    推荐理由：文章拆解了 DeepSeek V4.1 Flash 在 CED 架构和 KV cache 压缩上的工程细节，解释了其如何在参数增加的同时实现速度提升与成本降低。

  6. AI科技评论42

    斯坦福吴佳俊在 ECCV 2026 演讲：机器需要怎样的「世界表示」，才能真正开始行动？

    斯坦福大学吴佳俊在 ECCV 2026 Physical AI Workshop 演讲中，提出通过组合式抽象将长任务拆分为可验证的原子技能，以解决机器人在动态物理世界中的行动难题。他介绍了 Neural Kinematics 方法，旨在无演示情况下推断陌生物体的交互方式，并探讨了利用视频生成模型作为“现成演示”来辅助机器人学习的可行性。

9月11日周五
  1. Datawhale70

    Google Research 与 DeepMind 联合发布多智能体系统架构选型研究

    Google Research、DeepMind 和 MIT 联合发布了多智能体系统研究，通过 260 个受控配置分析显示多智能体效果取决于任务结构而非模型先进性。研究提出三条判据和一个约束，表明当单智能体基线低于 45% 且任务可并行分解时多智能体才有收益，且智能体数量存在最优值，增加数量会导致协调成本超线性增长。

  3. 人工智能学家41

    Anthropic 经济学团队发布研究：构建统一模型预测 AI 对经济的三种路径

    Anthropic 于 9 月 9 日发布研究《Economic Scenarios for Transformative AI》，提出统一模型量化 AI 技术路径对宏观经济的影响。模型将 AI 变量转化为可比较指标，基于 10,980 名美国成年人调查数据校准参数。研究描绘了 2030 年温和、显著与极端三种情景，其中极端情景下 GDP 增幅达 32%，认知失业率升至 17.9%。

  4. 新智元60

    第一篇AI4AI综述：AI改进AI的研究现状与核心挑战

    这篇AI4AI（AI改进AI）综述论文梳理了数百项相关研究，发现AI已能在明确目标和评价规则下承担部分研发工作，但单项能力提升不能保证完整研发流程的可靠性。论文提出“组合鸿沟”概念，指出AI在长流程任务中容易在步骤交接处丢失关键信息或状态。文章强调评估AI自我改进能力时，需区分模型规划能力、外部Harness工具框架的配合，以及改进结果是否能在后续迭代中保留和迁移。

  5. 量子位85

    FrontierMath Tier 4饱和，GPT-6 Astra攻破最后一道研究级数学题

    GPT-6 Astra解出FrontierMath Tier 4此前唯一未被AI攻破的题目，Epoch AI宣布该层级饱和，97.6%成绩为单一模型最高。Tier 4共43题（v2修订版），2025年7月推出时最高成绩约5%，一年后全题均被不同AI至少解出一次；出题人Jay Pantone表示Astra的解法与其自身研究路径接近。

    推荐理由：文章记录了FrontierMath Tier 4饱和的完整过程，读者可据此理解研究级基准被模型快速突破的机制与当前局限。

  7. AI信息Gap82

    DeepSeek V4.1 Flash 与 GLM-5.3-Flash 架构、成本与基准测试对比

    DeepSeek V4.1 Flash 全面超越 V4 Pro，且在 LiveBench 等基准中取得高分，其 Agentic Coding 得分达 77.3，表现优于 GPT-5.6 Sol。该模型采用非对称 CED 架构，通过压缩 KV Cache 降低算力成本，闲时缓存命中价格低至 0.02 元/百万 token。

    推荐理由：原文深度拆解了两款Flash模型在架构、成本及基准测试上的具体差异，为读者提供了横向比较国产多模态大模型的参考依据。

9月10日周四
  1. AI科技评论45

    NUS Show Lab 寿政教授：Show-o 统一自回归与离散扩散，推动具身智能进化

    NUS Show Lab 寿政教授团队推出 Show-o 架构，在单一 Transformer 中融合自回归与离散扩散，支持多模态理解与生成。Show-2 通过 3D Tokenizer 和时空双向注意力实现连续视频生成，采用双路径设计兼顾语义理解与像素细节。该架构延伸至具身智能，云端模型决策延迟 8-20 秒，端侧微调模型实现低延迟控制。

  3. 腾讯研究院35

    腾讯研究院发布《迈向自适应制造：制造业智能体实践白皮书》

    腾讯研究院等发布《迈向自适应制造：制造业智能体实践白皮书》，指出智能体正从对话助手走向能“上岗”的岗位执行者。白皮书法定制造业智能体落地路径：先切入数据断点等易核验任务，如BOM核对可将3-5小时人工缩短至0.5小时；通过沉淀规则与系统连通，逐步扩展至跨部门协同，实现受控的自适应制造。

  5. 新智元52

    StudentSim：用真实数据训练60个数字学生提升AI教师

    研究团队发布StudentSim，利用60名真实学生的国际象棋、写作和数学记录训练个性化学生模拟器。该模拟器在行为保真度（F）和指导响应性（R）上优于GPT-5.4和Maia2基线。进一步将StudentSim作为强化学习奖励源训练国际象棋AI教师，盲评结果显示其在准确性、指导质量和个性化维度均排名第一。

  6. CVer38

    ECCV 2026 Oral | 王利民团队提出MIMaFlow：端到端生成新范式

    南京大学王利民团队联合阿里巴巴与上海人工智能实验室提出MIMFlow，将掩码图像建模与归一化流结合实现端到端图像生成。该模型在ImageNet 256×256类别条件生成任务中取得FID 2.50，较同规模SimFlow-L降低32.8%。MIMFlow使用128个可学习查询token构建紧凑潜空间，使训练显存下降28%，单图采样时间减少约45%。

9月9日周三
  5. 深度学习与NLP35

    LSTM在LLM时代的复兴：122种创新思路与CLM模型最新进展

    作者提出基于LSTM的CLM模型，通过调整数据顺序在药物分子优化任务中实现分子活性提升20倍。相比Transformer，LSTM具有结构简单、鲁棒性高及资源需求低等优势，在医学和金融领域应用显著。文中梳理了122种LSTM创新思路，涵盖内部结构优化、LSTM与Transformer结合及新兴架构应用，并汇总了相关论文与源码。

9月8日周二
  3. Google DeepMind66

    Google DeepMind 发布 AlphaGenome Atlas 全基因组 DNA 变体影响预测平台

    Google DeepMind 发布 AlphaGenome Atlas，预计算了人类基因组中 90 亿个单核苷酸变体的分子影响，并生成综合的 AlphaGenome Variant Impact (AVI) 评分。

    推荐理由：平台预计算了 90 亿个 DNA 变体的分子影响，并配合单一 AVI 评分，为研究者提供从罕见病到群体遗传学的快速变异解释方法。