CanopyCore:Diddy Kong Pilot(GBA)逆向工程檔案
CanopyCore 發佈了 Diddy Kong Pilot(GBA)原型的唯讀逆向工程研究檔案,歷時 17 天完成,內容包括 151 份技術文件及核心引擎的語義 C11 參考實作。研究涵蓋 421 個函式,其中 220 個有文件記錄、130 個以 C 重構;檔案不包含 ROM,也不能建置 ROM 或遊玩。
CanopyCore 發佈了 Diddy Kong Pilot(GBA)原型的唯讀逆向工程研究檔案,歷時 17 天完成,內容包括 151 份技術文件及核心引擎的語義 C11 參考實作。研究涵蓋 421 個函式,其中 220 個有文件記錄、130 個以 C 重構;檔案不包含 ROM,也不能建置 ROM 或遊玩。
MultiO 的模型分歧研究發現,AI 模型獨有主張即使方向大致正確,也可能因機制、措辭強度或數字誇大而誤導。
Lean 與 Mathlib 社羣於 2026 年 11 月 21 日認證 Levent Alpöge 的 17-million-line Lean 程式庫正確陳述並證明黎曼猜想。
推薦理由:文章把編譯、定理陳述比對與多個證明核心的檢查分開交代,並指出認證涵蓋形式化產物,尚未解答證明如何簡化和理解。
Zhao 等人在結直腸癌 I 期相關隊列研究中發現,遷移學習可提升小樣本生存模型表現,樣本量低至 n=50 時仍觀察到改善。完整目標隊列中,RSF/TSF 的 Ctd 由 0.7940 升至 0.8297,是文中最高值。研究以 TSF 遷移樹結構,並以預訓練和微調處理 DeepSurv、Cox-CC 及 DeepHit;結果限於相關來源隊列。
LightningMoBA 在 50 k-token 故事生成演示中,將每步延遲降至 1.1 秒,較 FlashMoBA 減少 71%。其動態路由、KV-centric execution 和 runtime pipelining,在實際基準測試中帶來 2.2–2.7× 吞吐量提升,perplexity 與基準相近。
OpenAI 的編碼智能體現可在無需人手協助下完成 46% 原需人類花 2 至 4 小時的研究任務,3 月比例為 23%。對需 4 至 8 小時的任務,成功率由 13% 升至 35%;各類任務表現不一,監察訓練運行的成功率為 79%,為推理及服務系統編寫程式碼則為 25%。OpenAI 提醒,研究員可能隨智能體進步而改變交辦任務,令成功率數據亦反映任務選擇的變化。
Lean 與 Mathlib 社羣認證 Levent Alpöge 的黎曼猜想證明正確,該證明由他與 Claude 合作完成,並以 Lean 庫形式公佈。證明包含 1700 萬行程式碼,通過四項驗證標準;175187 個模組編譯零錯誤,兩個獨立檢查程式亦接受完整證明。認證在證明公佈後一天內完成。
推薦理由:報道列出認證採用的四項檢查,涵蓋命題一致性、編譯結果與獨立檢查程序,呈現這項形式化證明如何接受核驗。
Nvidia 研究團隊認為,超大上下文窗口往往成本高昂且過度;在多項測試中,定期摘要和針對性查找的效果大致相若。GPT-4 在 2023 年 3 月推出時可處理 8,192 個 token,GPT 5.6 Sol 現可處理約 100 萬個 token,約為 120 倍。
SimpleBench 涵蓋 200 多條問題,測試空間與時間推理、社交智能及語言對抗穩健性;9 名參與者的小樣本非專業人類基準得分為 83.7%,高於所有受測 LLM。Claude Fable 得分為 81.9%,是受測模型中的最高分。
Xenos 與 Giannopoulos 的研究測試 GPT-6.1 Sol 在沒有工具的情況下直接讀取、修改及撰寫可執行檔位元組,並正確辨識四個測試程式。模型在 FreeBSD 的 ministat 二進位檔中發現,標示為 99.5% 的選項實際使用 99.8% 的臨界值。延伸及從零撰寫測試均只允許一次作答,研究亦未提供方法能否擴展至大型真實執行檔的證據。
一項涵蓋超過2萬名參與者的調查發現,每天頻繁與 AI 聊天的人,中度及以上抑鬱症狀比例較完全不使用 AI 的人高約30%。這種關聯主要出現在向 AI 尋求建議、傾訴煩惱或尋求情緒陪伴的人羣;用 AI 輔助學習和工作則未見類似現象。AI 的建議未必適合每個人,亦不能完全取代專業心理支援。
中國科學技術大學先進技術研究院科研團隊研製植物工廠系統,按不同植物定製「光配方」,以調節光強、光譜和光週期。團隊以多通道光量子傳感器測量各波段光子數,並將數據回傳控制系統閉環調光;作物生長數據亦用於訓練植物生長大模型、迭代配方。植物工廠與光電子農業技術已走出實驗室,產品銷往馬來西亞、新加坡等國家和地區。
作者向來自 30 間公司的 65 個 AI 提問 127,918 次,發現不同用戶經常收到相同建議。書籍推薦中,73% 的回答是《Man's Search for Meaning》,而 90% 的求學建議指向電腦科學;在一個可逐階段測量的開放模型中,常見答案於監督式微調階段出現。測試亦顯示,提供個人細節可把常見預設答案比例由 53% 降至 11%,要求列出 10 個選項後自行挑選則降至 17%。
Harness-S 在 AppWorld、SWE-Gym 和 DBBench 上利用專門化執行框架訓練共享策略,並在原始執行系統 H0 下評估時,表現顯著優於只訓練策略的方法。Qwen3.5-4B 和 Qwen3.5-9B 兩種規模的策略均有提升;在執行器 rollout 次數相同的情況下,Rank-1 推理路由亦帶來增益。原文未提供主要結果表的數值。
Sarath Kavuru 以同一個附有 Google 風格 docstring 的 Python 函數,比較 14 個 AI Agent 框架於 2026-11-21 預設生成的工具定義;只有 5 個把六項參數描述寫入 JSON Schema,8 個將 Args 區塊留在工具描述中,AutoGen 則以參數名稱代替描述。
Buckmaster 與 Anthropic 的 Levent Alpöge 在 GitHub 發布一份證明,主張 Navier–Stokes 方程在沒有外力作用下也會於有限時間爆破。
推薦理由:報道將無外力 Navier–Stokes 證明與 OpenAI 先前的帶外力構造並置,並指出數值證書及 Lean 形式化流程的具體缺口。
Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作證明黎曼猜想,並在個人網站發布四頁説明;公開內容只有 Lean 程式碼,沒有可供閲讀的論文。MIT 數學家 Andrew Sutherland 已獨立編譯該 Lean 證明,但核對程式是否精確證明原述命題的自動比對仍未完成。Alpöge 亦稱該方法可證明範圍更廣的廣義黎曼猜想,並表示會嘗試理解、簡化論證及正式撰寫。
推薦理由:報道並列 Lean 證明的獨立編譯、仍待完成的自動比對,以及 Alpöge 尚未完全掌握論證的情況,呈現這項宣稱的核驗脈絡。
一項以 184 條問題進行的記憶搜尋實驗發現,加入 cross-encoder 重排序後,正文問題及連結筆記目標的 nDCG 下降。正文問題的 nDCG 由 0.821 降至 0.658,連結筆記目標則由 0.267 降至 0.166;標題問題的 nDCG 上升,而時間性問題樣本僅 4 條,無法支持可靠的一般結論。
STCI 方法 2.0.0 首次測量發現,OpenRouter 上 deepseek/deepseek-v4.1-flash-1017 的 50 個端點,混合單價相差 16.08 倍。
作者在隔離 VM 中以 20 個隱藏評分案例比較兩種 AI 編碼智能體修 bug 流程,先復現門檻以 20/20 通過,推測式修補則為 17/20。先復現門檻將累計輸入 token 由 49,801 降至 2,323(減少 95.3%),模型呼叫由 3 次減至 1 次。該流程先要求 5 項最小 bug 復現斷言在原有程式碼上全部失敗,才開放修改;這些斷言涵蓋零金額授權及多餘鍵處理等邊界問題。
Anthropic 數學家 Levent Alpöge 稱他與 Claude 找到黎曼猜想的證明,並以 Lean 分成 14 個數據包發布;數小時後,Stanford 的 Ravi Vakil 公開 Alessandro Masullo 不使用 AI 撰寫的廣義黎曼猜想證明草稿。Vakil 隨後表示,多人已指出 Masullo 的草稿存在問題,相關證明仍須經數學界審核才能獲接納。
一項關於大語言模型智能體臨牀決策支援的綜述,梳理研究由靜態知識問答轉向交互式診斷與多智能體協作的演進。研究亦涵蓋強化學習訓練、安全與可解釋性;各路線在推理深度、計算成本及安全性之間取捨,現時仍缺乏統一評估基準與理論框架。
這篇綜述梳理 LLM 驅動數據可視化生成與評估的演進,涵蓋從規則系統到多智能體協作,以及評估從結構匹配轉向多維對齊。MultiVis-Agent 在 MultiVis-Bench 上的任務完成率為 74.18%,以部分生成靈活性換取可靠性。領域核心問題是在確保數據保真度的同時,實現複雜可視化的可靠生成。
這份綜述梳理 LLM 程式合成與形式化驗證,從早期把 LLM 視為程式碼補全工具,整理至以驗證器為裁判的「生成-驗證-修復」閉環。文章按形式化規格合成、循環不變量生成、端到端驗證程式碼生成等路線,分析表示質素、適應效率與計算成本的取捨,並探討可擴展性及 LLM 幻覺等挑戰。
這份綜述梳理 LLM 驅動的人才與職位匹配及技能抽取研究,涵蓋由語義匹配、結構化資訊抽取到可信決策的演進。LANTERN 以知識蒸餾降低推理延遲,PopResume 則以因果公平性框架評估招聘中的歧視路徑。研究重點是平衡語義理解、效率、可解釋性與法律合規。
這項綜述梳理 LLM 文本私隱與匿名化方法的演進,指出研究已由靜態移除個人可識別資訊(PII),轉向兼顧語義效用、任務需求與合規性的動態決策。文中整理語義重寫、局部差分私隱、基準評估及代理私隱對齊等路線,並比較各自在表示質素、適應效率與計算成本上的取捨。
這份綜述梳理 LLM 輔助社會科學研究由追求自動標註效率,轉向量化不確定性、建立可審計流程及人機協作的演變,以應對輸出隨機性和配置敏感性帶來的可靠性問題。內容涵蓋定性分析、定量測量、模擬與合成數據,以及研究復現與審計等方法路線。
Agent Skills Hub 按 43 條靜態規則評級逾 138,000 個開源 AI 智能體技能及 MCP 伺服器,發現 GitHub 星數少於 20 的倉庫嚴重安全風險旗標率約高 9 倍。
這份綜述梳理大語言模型談判與議價智能體從語言模擬走向經濟理性的研究演進,指出人類對齊訓練帶來的親社會偏見與博弈論最優策略之間存在矛盾。NegotiationArena 等基準揭示模型的錨定偏差與過度合作,可驗證獎勵強化學習(RLVR)、情感策略蒸餾及機制可解釋性分析則分別探索策略優化、邊緣部署與偏差成因。各路線在策略理性、部署效率和可解釋性之間各有取捨。
這份綜述梳理大語言模型人類行為模擬與決策方法的演進,指出研究焦點已由定性模仿轉向分佈一致性、個體保真度及因果效應校準。SimBench涵蓋20個數據集,OmniBehavior則評估長時程、跨場景行為軌跡;兩者反映領域對標準化評估和長期行為建模的關注。
Bytedance 與多所美國大學的研究團隊旨在證明,AI 模型訓練只需三個階段,並以具競爭力的開源模型支持這一論點。研究指出,訓練流程層層疊加,令各階段的實際作用難以判斷,重現研究的成本亦愈來愈高。
美團技術團隊以 FlexBench 評測九個大語言模型在九條目標指令下的表現,發現模型排名和失敗模式會因指令而顯著不同。實驗共生成 3,888 段對話,並以覆蓋率衡量工作流程推進程度、以達成度衡量各步條件是否符合。這種指令條件化評估不回答哪個模型最強,而是檢查模型能否按特定指令完成工作流程。
VideoMemBench 評測 25 個模型在影片多輪對話中的記憶能力,Claude Opus 5 綜合得分 45.7,位列第一。數據集包含 326 段影片及 2,476 輪問答,其中 1,387 輪需要依賴前文,評測分為場景依賴和答案依賴。依賴距離由 1 輪增至至少 5 輪時,受測模型的平均準確率由 30.2% 降至 23.1%;Claude Opus 5 的答案依賴指標為 35.7%。
作者在致函 17 天後再次測量 npm 和 PyPI 的惡意套件資訊源,並比較登記處處置、資訊源更改及掃描器測試結果。在 7,483 個抽樣標記中,登記處另處理 34 項,沒有任何項目恢復上架;研究亦把 854 項 npm 新標記由「仍可用」修正為「佔位」。完整報告、方法和數據已公開,數據存於 Zenodo,DOI 為 10.5281/zenodo.24415130。
兩份競爭性的黎曼猜想證明於 11 月 20 日公開,其中一份來自 Anthropic。數小時後,美國數學會主席發佈一名史丹福年輕研究者撰寫、未使用 AI 的草稿。
GitHub 開源的 ReviewBench 是 AI 程式碼審查離線基準,以 219 個公開 PR 建立黃金集;未參與建集的資深工程師重新標註真實發現,與基準判斷的一致率為 96.6%。
研究者以相同流程,在 10 個 CVE 案例上測試 agnes-3.0-flash、agnes-2.5-pro 和 sensenova-ds,發現三個模型分別命中 10/10、9/10 和 9/10。兩個漏報案例沒有重疊,但每格只測試一次,命中率仍不能視為穩定比率。跨模型的風險分數中位差為 30,同一模型跨次測試則為 21。
悉尼大學與昆士蘭大學團隊研發可生物降解鈣鋁硅酸鹽納米材料,用於修復先天性唇顎裂患兒的頜骨缺損。材料透過激活潛伏型 TGF-β1,引導幹細胞分化為成骨細胞,並可在約 30 秒內促進血液凝固。材料會隨新骨形成逐步降解,避免二次手術取骨。
Levent Alpöge 與 Claude 公佈黎曼猜想的 Lean 形式化證明,James Maynard 估計其有 98% 至 99% 機會正確。Andrew Sutherland 確認證明通過三個獨立外部驗證內核的全量複核,官方防篡改複驗仍在收尾。數學界的討論亦聚焦於如何理解其論證,以及現有期刊審查和千禧年獎規則如何處理這類程式碼證明。
推薦理由:文章把形式化驗證與數學理解的落差,連同學術出版和千禧年獎規則面對的挑戰,放在同一案例中梳理。
NYU 的 Tristan Buckmaster 與 Anthropic 的 Levent Alpöge 發表一項 AI 輔助證明,論證 Navier–Stokes 方程會發生爆破。兩人表示,該證明補上了 OpenAI 解法中的一個漏洞。