⌘ 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 61–80 条 · 共 136 条
9月19日周六
  1. 量子位70

    JEPA-Anything技术报告：跨领域预测框架如何通过正交分解连接癌症研究与行星轨道

    PhAI Labs联合牛津、斯坦福等高校团队发布技术报告JEPA-Anything，提出正交预测分解机制以解决多信号预测容量分配问题。在肝癌研究中，该方法从内部因子中筛选出IL-18联合NT5E/CD73阻断方案，并在小鼠及类器官实验中得到验证；在行星轨道模拟中，模型隐模式提取出的频率-半长轴关系斜率为-1.4991，高度接近开普勒第三定律理论值。

    推荐理由：报告提出可跨生物、物理等七类系统复用的预测分解机制，并用肝癌干预与开普勒定律验证了模型内部结构作为科学分析接口的潜力。

9月18日周五
  1. AI科技评论80

    达摩院发表Science论文发布通用腹部CT诊断模型DAMO RADAR

    阿里巴巴达摩院在Science发表论文，发布专家级通用AI模型DAMO RADAR。该模型一次性可识别超过146种病症，在近4万次真实世界检查中AUC达0.913，首次达到影像科专家平均水平。论文介绍了基于解剖级细粒度对齐和自适应对比学习的架构创新，并在14个机构26名放射科医生的盲测中验证了人机协作效果：AI辅助下医生诊断敏感性提升10%，阅片时间减少30.7%。

    推荐理由：论文提出基于解剖级细粒度对齐的通用腹部CT诊断模型DAMO RADAR，AUC达到0.913并开源。

  2. 机器之心75

    Anthropic 优化生物模型与 ScienceIDE 构建科学代码 AI 训练场

    Anthropic 发布研究，利用 Claude 在四周内优化 30 多个开源生物分子模型，平均加速约 4 倍并开源代码。几乎同时，AItonomy Foundation 发布开源项目 ScienceIDE，将全球科学代码库转化为 AI 可执行、可验证的学习环境。

    推荐理由：报道了ScienceIDE如何将科学代码转化为可执行学习环境，并展示了模型在特定基准上的表现及微调后的通用能力增益。

  3. 深度学习与NLP77

    CosmosMind发布MetaRSI-v1统一递归自我改进架构

    CosmosMind联合多家高校发布MetaRSI-v1，统一Model-RSI、Data-RSI与Harness-RSI，并提出改进改进过程的元架构。仅30亿激活参数的Qwen3.5-35B-A3B在Terminal-Bench 2.1、SWE-bench Pro、GPQA-Diamond和AIME四项基准上平均自我提升10.9分。

    推荐理由：原文提出统一多路径自我改进的架构，并用前沿模型和小模型基准量化了可迁移收益。

9月17日周四
  1. 量子位70

    谷歌RSI论文：Dream-RSI实现AI自我进化

    谷歌发布Dream-RSI论文，提出利用AI历史探索记录构建模拟世界，以低成本优化搜索策略。在算法、数学及GPU内核优化任务中，该方法以较少的调用次数达到甚至超越基线效果。

    推荐理由：Dream-RSI利用历史探索轨迹构建模拟世界以低成本优化Agent搜索策略，实验结果显示其计算成本大幅降低。

9月16日周三
  1. APPSO80

    MaleCNS v1.0 果蝇连接组数据被网友接入游戏世界

    HHMI Janelia Research Campus 联合 Google Research 发布了全球首个成年雄性黑腹果蝇完整中枢神经系统连接图 MaleCNS v1.0，记录了超过 16.6 万个神经元的连接关系。网友们将这份数据接入《Minecraft》《DOOM》等虚拟环境，模拟出果蝇的飞行、觅食及游戏行为，开发者澄清该实验是基于生物数据的计算模拟，并未实现意识上传。

    推荐理由：文章梳理了 MaleCNS v1.0 连接组的数据规模，以及网友将其接入 Minecraft 等游戏引发的模拟行为现象。

  2. 机器之心73

    AI2 与华盛顿大学研究：复杂的 Harness Evolution 在公平预算下不如多跑几遍

    AI2 和华盛顿大学团队在 Terminal-Bench 2.1 上对比 Harness Evolution 与 test-time scaling，发现复杂进化方法在公平计算预算下并未稳定胜过直接多次采样或顺序修正。

    推荐理由：原文明确比较了 Harness Evolution 与 test-time scaling 的公平预算效果，为评估 Agent 自进化提供了关键对照视角。

9月13日周日
  1. 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。

  2. 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. 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。

9月11日周五
  1. 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。

  3. 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8日周二
  1. 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。

9月5日周六
  1. APPSO93

    Claude 用 11 天完成费马大定理计算机验证证明

    Anthropic 公布研究成果，Claude 在几乎自主运行下用 11 天完成费马大定理的首个端到端计算机验证证明。过程中 Claude 使用 Lean 编程语言生成约 1300 万行代码，构建了约 3.03 万个定理，其中最终证明使用了 2.95 万个中间定理。

    推荐理由：报道详细解析了 Claude 利用多智能体协同与 Lean 语言，以 11 天生成千万行代码完成费马大定理形式化验证的技术路径。

  2. DeepTech深科技90

    Anthropic 研究：Claude 借助多智能体协作完成费马大定理首个完整形式化证明

    Anthropic 研究员彭天翼（Tianyi Peng）发起，Claude 在人类少量指导下用 11 天完成费马大定理的完整形式化证明。数十个 Claude 智能体借助 Prove2Me 协作，生成约 1300 万行 Lean 代码，证明使用了约 2.95 万个中间定理，过程消耗约 60 亿输出 token。

    推荐理由：文章解析了Claude多智能体协作形式化费马大定理的工程细节与核验路径，有助于理解大型数学证明的自动化边界。

  3. 新智元94

    Claude 11天完成费马大定理首个端到端机器证明

    Anthropic宣布Claude仅用11天完成了费马大定理的首个端到端机器验证证明。Claude在此过程中编写了1300万行Lean代码，产出30300条可验证定理，其中29500条被采纳，总消耗达60亿Token。

    推荐理由：报道指出由清华姚班出身的彭天翼主导，Claude通过Prove2Me平台在11天内生成了30300条可验证定理，完成了费马大定理的机器证明。

9月2日周三
  1. 宝玉88

    Anthropic 解析高效电商 AI 智能体的架构设计与生产实践

    Anthropic 发布电商 AI 智能体架构指南，提出以“技能而非子智能体”为核心设计原则，推荐将 1/3 以上高频功能放入系统提示词，长尾功能封装为技能以平衡 Token 成本与延迟。

    推荐理由：Anthropic 团队基于大规模生产实践，系统拆解了电商智能体的架构、延迟成本优化及生产环境安全机制，为工程师提供了可直接落地的方法论。

  2. Google Research60

    Google 发布基于深度学习的全球甲烷点源监测框架 MAPL-EMIT

    Google 在 PNAS 发表论文发布 MAPL-EMIT，这是一个用于利用卫星影像检测、增强预测和估算甲烷羽流的深度学习框架。该模型在专家标注的甲烷羽流数据集上达到了 84% 的召回率。Google 已在全球地球引擎（Earth Engine）、Kaggle 和 Github 上开源了相关羽流数据库、预训练模型和推理库。

    推荐理由：论文展示了基于视觉Transformer的深度学习模型如何用卫星影像识别全球甲烷点源泄漏，给出了84%召回率和相关开源资产入口。