⌘ K
… 读取采集状态 同步中...
雷

论文研究

值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。

136条精选相关主题推理能力安全对齐数据与训练

最新精选

第 1–20 条 · 共 136 条
10月12日周一
  1. 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。

  2. 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。

  3. 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。

  4. 新智元83

    AI辅助形式化验证瑟斯顿几何化猜想，470万行代码开源

    由Ayush Khaitan领导的团队联合NVIDIA，完成了瑟斯顿几何化猜想的完整Lean形式化，总计470万行代码，其中新增270万行在约两周内编写完成。该成果已开源至GitHub仓库differential-geometry，标志着AI辅助形式化数学进入高阶几何分析领域。

    推荐理由：470万行Lean代码两周完成，展示了AI与人类数学家协作验证高阶几何猜想的工业化流程。

  5. 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。

  6. 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。

  7. 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。

10月11日周日
  1. 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。

10月9日周五
  1. 量子位 QbitAI73

    字节Seed团队发现DeepSeek-V4长上下文表现波动源于分块KV Cache压缩的相位敏感性

    字节Seed团队研究发现，DeepSeek-V4系列模型在长上下文检索中的准确率会随信息输入位置呈周期性波动，最大差距可达40.2个百分点。这种波动源于模型采用的分块KV Cache压缩技术中的“相位敏感性”，即信息在压缩窗口中的相对位置影响了检索效果。后续迭代版本通过优化已显著缩小该差距，研究建议评估此类模型时需测试不同压缩相位的表现。

    推荐理由：文章揭示了分块KV Cache压缩导致的相位敏感性，解释了DeepSeek-V4长上下文表现波动的底层原因。

  2. 人工智能学家77

    何恺明团队新作：视觉 Harness VISTA 让 Claude Opus 5.0 满分通关 25 款 ARC-AGI-3 游戏

    何恺明团队提出视觉 Harness VISTA，通过无损视觉记忆和主动视觉检查机制，使 Claude Opus 5.0 在 ARC-AGI-3 的 25 款公开游戏中取得 100.00 的满分 RHAE。

    推荐理由：文章介绍了 VISTA 视觉 Harness 通过无损保存和主动检查视觉记忆，将 Claude Opus 5.0 在 ARC-AGI-3 上的得分提升至满分。

  3. AI HOT90

    OpenAI 在 GitHub 发布 722 份数学手稿仓库，覆盖数论与代数几何等方向

    OpenAI 于10月7日在 GitHub 发布 openai/math 仓库，收录未公开内部模型产出的722份数学手稿，归为372个成果组，覆盖数论、代数几何、偏微分方程等方向，每个结果平均花费约3小时 ChatGPT Pro 级别思考算力。作者将此次发布置于从四色定理到 Lean 的机器证明史中，解释了该事件在数学界引发争议的原因。

    推荐理由：将722份OpenAI数学手稿放入机器证明发展史中解读，帮读者理解争议背后的逻辑脉络。

10月8日周四
  2. AI HOT80

    Zenity 披露 AgentCore 漏洞链：一个公开 AI Agent 可控制同账户同区域所有 Agent

    Zenity Labs 研究人员披露名为 AgentCorruption 的漏洞链，只需对一个公开的 Amazon Bedrock AgentCore 智能体发送一条提示词，即可通过元数据服务 169.254.169.254 窃取其 AWS 凭据，进而控制同账户同区域内的所有 AgentCore 智能体。

    推荐理由：Zenity 披露的 AgentCorruption 漏洞链展示了公开 Agent 如何通过默认权限扩大影响范围，企业可据此检查云端隔离配置。

  3. 机器之心67

    李飞飞团队提出 OpenWAM 框架，通过控制变量验证底座预训练对机器人控制的关键作用

    斯坦福李飞飞团队发布开放世界动作建模框架 OpenWAM，旨在解决世界动作模型（WAM）多设计变量混杂的问题。该框架基于阿里开源的 Wan2.2-5B 视频模型，采用共享 Mixture-of-Transformers（MoT）架构，将视频专家与动作专家耦合，并定义了四种可配置的交互程序。

    推荐理由：系统化的单一变量对比框架让研究者能分离底座预训练和反事实数据对机器人控制成功率的具体贡献。

  4. Google Research78

    Google Research 发布研究：AI 辅助是否增强或侵蚀专业判断力？

    Google Research 发布了一项关于 AI 对专业技能影响的现场实验研究。该研究在 133 名知识产权律师中随机分配了 Google Labs 的专利写作助手工具，发现虽然 AI 在短期内提升了草稿质量，但当移除 AI 进行测试时，资深律师的独立判断力显著优于对照组，而初级律师未见明显提升，反而呈现出低分增多、卓越分未变的分布特征。

    推荐理由：基于 133 名律师的三个月现场实验，揭示了 AI 辅助下初级与资深律师在独立判断力发展上的显著分化。

  5. AI HOT77

    Microsoft Research 开源 Agent Lightning v1.0：3,500 行代码的真实 harness 智能体 RL 训练框架

    Microsoft Research Asia 提出 Harnessed Agentic RL 范式并开源 Agent Lightning v1.0，让部署时使用的真实 Agent harness 直接参与强化学习训练，无需在训练框架内重写 Agent。

    推荐理由：该范式让部署时的真实Agent框架直接参与强化学习，避免了重写代码带来的不一致性，为工程落地提供了数据高效的训练参考。

10月7日周三
  1. Hugging Face Blog78

    Nemotron 通过 SFT 与 RL 在 2026 年 IOI 和 IMO 达到金牌水平

    NVIDIA Nemotron 团队基于 Nemotron 3 模型，利用 SFT、RL 及生成-验证-优化推理循环，在 2026 年 IOI 和 IMO 均达到金牌标准，IOI 得分 535.4 分，IMO 得分 30/42 分。团队在 Hugging Face 上开放了相关检查点、数据集及 NeMo-Skills 推理管道。

    推荐理由：该案例展示了将开源基础模型通过细化和推理循环适配至数学与编程竞赛前沿的完整方法，并开放了复现资源。