跳到正文
目前篩選:論文
11月16日週一
  1. HuggingFace Daily Papers(社區熱門論文)57

    研究提出 SilentGuard,以不變量感知的 Harness 強制執行保護 LLM Agent 免受靜默 API 故障影響

    研究提出 SilentGuard,將判斷由 LLM Agent 移至執行工具調用的 harness,透過不變量檢查攔截可能錯誤的 API 結果。在 7 個開源模型中,目標故障的錯誤答案率由 74.0% 降至 1.7%;在三個 frontier models 中則由 70.2% 降至 0.5%,且無故障任務表現未受損。

  2. HuggingFace Daily Papers(社區熱門論文)41

    DNeo:並行草稿模型需要更佳的目標特徵編碼

    DNeo 改良並行草稿模型的目標特徵編碼,以提升大型語言模型推理速度。其架構結合 Mixture-of-Features Attention(MoFA)、拒絕記憶、2-tap 因果卷積、僅前綴交叉注意力及非均勻目標層選擇。相較 SoTA(DFlash-2),DNeo 的生成速度快 1.3x,且不影響草稿模型規模或生成質素。

  3. HuggingFace Daily Papers(社區熱門論文)50

    嵌入向量與 grep:重新審視程式碼搜尋中的稠密檢索優勢

    這項研究提出 Repo-Premium,一個以真實程式碼庫為基礎的程式碼搜尋基準,用來重新檢視稠密檢索相對 BM25 的優勢。研究發現,評測設計偏向稠密檢索及查詢缺少程式碼中的稀有識別符號,是優勢的兩個來源;加入由 LLM 生成的識別符號後,BM25 在每個 Python 測試池均追平稠密檢索。

  4. HuggingFace Daily Papers(社區熱門論文)75

    研究顯示語言模型可改寫自身權重

    研究發現,27B 語言模型可透過自身推理,在不使用梯度或訓練的情況下改寫自身權重,並在預先固定的 490 道未見題目上提升 6.6 個百分點的準確率。模型只在自身測試支持改動時才提交修訂;首八次修訂中,其準確率持續上升。此外,模型僅憑文字數學題定位受損矩陣並以自身數值重寫,令副本在六個未見圖像基準上的準確率由 7% 升至 70%,相當於未受損模型的 83%。

  5. HuggingFace Daily Papers(社區熱門論文)38

    ALIVE:讓串流影片模型具備互動能力

    ALIVE 是一款互動式串流影片模型,支援主動監察、串流任務協調及尋求用戶反饋。研究團隊建構 ALIVE-SFT-288K 和 ALIVE-RL-3K 用於兩階段訓練,並推出 FSI-Bench 評估模型尋求反饋及完成後續任務的能力。ALIVE 在四個公開基準及 FSI-Bench 的整體評分均高於參與比較的模型。

  6. HuggingFace Daily Papers(社區熱門論文)46

    MS-HVED:異取向變分編碼的靈活多堆疊臨牀腦部 MRI 超分辨率——尼日利亞隊列專家評估

    MS-HVED 以靈活多堆疊超分辨率方法重建臨牀腦部 MRI,並在尼日利亞隊列的專家評估中獲得較佳影像品質評價。尼日利亞隊列中,專家在 210 次配對評估中有 187 次偏好 MS-HVED;盲測涵蓋 44 個病例及 7 名神經放射科專家。所有臨牀隊列中,使用所有可用輸入時,MS-HVED 的整體品質評分為 5.93,監督式基線為 4.49(p<.001)。

  7. HuggingFace Daily Papers(社區熱門論文)41

    MedJev:實現快速醫學影像理解的單次視覺語言決策模型

    MedJev 將醫學影像、問題及候選答案直接映射為決策,無需自回歸生成,在單次多模態前向傳遞中完成判斷。基於 Qwen3.5-4B 的 MedJev-4B,在四項醫學影像分類及視覺問答基準上,準確率絕對提升 7.93%,端到端速度提升 6.04 倍;與 20 個模型比較,在 4B–9B 通用及醫學 VLM 中取得最先進的效能及推理速度。

11月15日週日
  1. 新浪科技41

    OATs:讓日常物品化身需要照顧的虛擬寵物

    卡內基美隆大學研究人員開發 OATs,透過電子墨水屏和傳感器,讓日常物品配備會按物品狀態改變表情的虛擬角色。主模組硬件成本約為 20 美元,普通情況下續航約 3 至 4 天,連接聲音傳感器後約為 1 天。OATs 目前仍屬概念驗證技術,設計刻意限制互動能力,以免過度擬人化。

  2. 第一財經24

    研究顯示全球冰凍圈正加速退化

    一項最新國際研究顯示,全球冰凍圈正加速退化,部分變化具有不可逆性,可能對地球生態系統和人類社會帶來長期風險。研究指出,人類活動引起的氣候變化是主要驅動因素,黑碳排放、工業活動和基礎設施擴張亦會加劇局部退化。研究人員呼籲各國制定更積極的減排目標,並減少冰凍圈敏感地區的人為擾動。

  3. DEV Community51

    研究分析 AI 將 Ansible 角色轉成 Python 時的保障流失,並介紹 Reemote

    研究發現,AI 將 Ansible 角色改寫成一般 Python 程式時,常失去多主機同步執行、預演及變更回報等運維保障,主因是缺少對應的組態管理框架。實驗以開源 Python 套件 Reemote 作為轉換目標,Apache 和 DataDog 角色的轉換程式均在模擬主機測試中通過冪等性檢查。評估只涵蓋兩個角色各自預設路徑中的單一作業系統系列,驗證環境並非實際伺服器羣組。

  4. 新浪科技45

    科學家研發新型生髮梳,雄脱小鼠 28 天後毛髮覆蓋率接近 100%

    北京航空航天大學、香港城市大學等機構的研究人員研發生物電子梳 Detangle,結合電刺激與治療性分子遞送,研究雄脱小鼠的毛髮再生。接受電刺激及兩種分子聯合治療的小鼠,28 天後毛髮覆蓋率接近 100%,外用米諾地爾組約為 70%。Detangle 目前仍處於動物實驗階段,能否在人身上重現效果及其安全性仍待驗證。

  5. 新浪科技60

    獨立研究重新分析人類首張黑洞照片,驗證 M87 光環結構

    一項獨立研究重新分析事件視界望遠鏡對 M87 星系中心黑洞的觀測數據,結果顯示各數據集中的環狀結構一致,並與原始照片的光環直徑和整體朝向吻合。研究以「閉合不變量」整合三台望遠鏡的測量數據,並採用 GenDIReCT 機器學習成像;傳統統計成像方法也得出環狀結構。光環特徵對應質量約為太陽 65 億倍的黑洞,研究亦指出這項技術可能應用於醫學影像分析和地震成像。

  6. DEV Community44

    掃描 7,135 個 GitHub 儲存庫的 3.8B 行程式碼:衡量認知所有權與 PR 審查風險

    SlopCodeMonitor 以確定性靜態分析啟發式方法,追蹤 7,135 個開源 GitHub 儲存庫,涵蓋約 3.8B 行程式碼及 16.0 million 次模式命中。基準測試將靜態分析結果歸納為四項 0–100 的審查指標,包括 PR 審查速度影響、認知所有權風險、Agent 過度工程比例,以及依賴項與供應鏈風險。這些分數只供人工審查參考,並非 AI 撰寫的證明或已確認的安全漏洞。

  7. 新浪科技47

    OptiMer 以合併分佈向量優化大模型持續預訓練的數據配比

    日本信息通信研究機構(NICT)團隊提出 OptiMer,透過合併分佈向量搜尋持續預訓練的最優數據配比,並獲得 EMNLP 2026 傑出論文獎。實驗中,OptiMer 在配比優化階段加速 15~35 倍,平均得分為 70.37,高於傳統數據混合訓練的 63.71。團隊將方法應用於 Gemma-SEA-LION-v4-27B,日語得分由 66.34 提升至 74.40,同時保留東南亞語言任務表現。

  8. IT Square · AI44

    TestMu AI 報告:81% 軟件團隊曾合併未完全理解的 AI 程式碼

    TestMu AI《State of AI in Quality Engineering 2026》報告指出,81% 的軟件團隊曾合併未完全理解的 AI 生成程式碼或測試。隨着 AI 編寫的程式碼增加,44% 的團隊表示漏檢缺陷或生產環境事故有所上升。只有 41% 的團隊會在合併前自動檢查 AI 編寫的程式碼,97% 已在測試中使用 AI 或計劃採用 AI。

  9. DEV Community51

    我們如何統計聯邦及州法院的 AI 披露命令

    作者團隊統計法官及法院規則中的 AI 披露或人工審核證明要求,聯邦法院有 35/516 個法官—法院條目符合,州法院則有 94/1,741 個。統計從 2026 年 10 月 21 日讀取的 Supabase 正式數據庫規則記錄着手,逐一審閲檢索到的文本,並按法官 ID 或法院 ID 去重。

  10. DEV Community24

    機械人工程標準 HRS-012:貨運無人機

    HRS-012 為貨運無人機訂明分層且具故障隔離能力的電氣與電子架構,要求按安全關鍵程度劃分推進、航電、任務、貨載及輔助電源域,並設計冗餘供電、保護和故障隔離。標準亦要求航電與高頻寬任務運算保持邏輯獨立,並持續監測主要電力設備,以支援故障偵測、維護及飛行決策。

  11. Hacker News 熱門(buzzing.cc 中文翻譯)67

    以 Lean 形式化美國税法,檢出 138 項文本錯誤並提出三項税務新發現

    研究團隊以 Lean 形式化美國《國內税收法典》,檢查條文交叉引用並建立 2025 年聯邦個人所得税模型,以搜尋文本錯誤和税務漏洞。交叉引用檢查列出 257 項結果,其中 138 項為實際文本錯誤;2025 年模型亦以 IRS 公佈數據及三款報税工具比對,測試 5,000 個家庭。

  12. HuggingFace Daily Papers(社區熱門論文)46

    多分支 Transformer

    Multi-Branch Transformer(MBT)透過並行分支處理 Transformer 區塊,並結合共享 KV cache,提升語言模型品質及推理效率。實驗顯示,標準 Transformer 需要多用最多 1.26x 訓練計算量,才能達到最終模型的驗證損失;模型最多減少 34% KV cache 儲存,並在單張 H200 GPU 上提升最多 51.4% 解碼吞吐量。

  13. HuggingFace Daily Papers(社區熱門論文)40

    模擬器失配帶來的不合理信心:SPEED+ 模擬到真實基準上的方向性穩健性

    研究以在合成航天器影像上訓練的單目姿態估算器檢驗 SPEED+ 模擬到真實的遷移,發現模型在真實影像上的姿態誤差伴隨過度自信,且適應效果因光照域而異。合成資料上按 90% 校準的區域,在 sunlamp 僅涵蓋 9-15% 的旋轉誤差,在 lightbox 則涵蓋 21-38%;調整骨幹網絡最後階段,可將 63-83% 的額外合成增益帶到兩個真實域。

  14. HuggingFace Daily Papers(社區熱門論文)44

    PanDWM:全景 4D 駕駛世界模型

    PanDWM將六個攝影機視角拼接成360°全景帶,並以蒸餾因果學生模型和前饋式3D Gaussian解碼器生成一致的4D駕駛場景。於nuScenes的單一拼接視角評測中,其FID和FVD均低於多攝影機基線,速度為基線的8-46倍。相比50步教師模型,PanDWM維持FID,並將FVD降低22-25%。

  15. HuggingFace Daily Papers(社區熱門論文)40

    RAPO:長鏈多模態推理中的傳播感知視覺保留反思錨點

    RAPO 透過識別高熵推理位置作為稀疏反思錨點,並以 chain-masked KL 目標訓練策略在後續推理中保留視覺影響。在 Qwen3-VL-2B-Instruct 上,RAPO 將六項基準的平均 mean@8 accuracy 從 GRPO 的 40.79 提升至 43.01。標準推理時無須額外重新注入視覺資訊或選擇錨點。

  16. HuggingFace Daily Papers(社區熱門論文)41

    SALA:語義對齊的潛在動作如何實現具身基礎模型雙軸擴展

    SALA 利用人類與機械人影片的語言語義相似度對齊潛在動作,建立共享潛在動作空間,無需配對數據即可為具身基礎模型訓練提供監督。增加通用人類影片的預訓練數據,可持續降低下游任務的機械人動作預測誤差;增加特定任務的人類影片進行後訓練,則可大幅提升真實機械人任務成功率。

  17. HuggingFace Daily Papers(社區熱門論文)45

    開放權重大語言模型技術報告的新穎性檢視:消融研究、可重現性與透明度

    研究檢視 40 份開放權重大語言模型技術報告,評估其新穎性主張是否有消融研究支持,以及報告的可重現性與透明度。73 項架構或訓練新穎性主張中,19 項有受控對照;40 份報告中,4 份披露多於一次訓練,只有 1 份同時披露數據混合、token 數量及計算資源。研究提出 7 項技術報告撰寫規則,並指出不評判模型質素,未經測試的主張仍可能成立。

  18. HuggingFace Daily Papers(社區熱門論文)57

    SWE-CoWork:以組織情境基準評測編碼智能體

    SWE-CoWork 基準在模擬軟件組織中評測編碼智能體,涵蓋 101 項任務、101 個真實程式碼庫、11 種語言和 12 個應用領域。評測 11 個模型時,兩個領先模型雖通過約 63% 的失敗轉通過(F2P)測試,完整完成的任務卻少於 8%。向 Seed Evolving 和 GPT-6 Astra 預先提供完整需求,令 F2P 通過率提高約 16 個百分點,但完整任務成功率沒有改變。

  19. HuggingFace Daily Papers(社區熱門論文)45

    GlyphAtlas:分離筆畫細節與版面配置的場景文字合成方法

    GlyphAtlas 是一個建基於 FLUX.1-Fill-dev 的場景文字合成模型,透過分離文字版面配置與筆畫繪製,改善小字、密集多行文字及複雜文字系統的合成效果。模型以中文和英文訓練,並可零樣本泛化至日文、韓文和阿拉伯文。團隊開源程式碼、權重及包含 1.5M 張場景文字圖片的 GlyphAtlas-Data-1.5M。

  20. HuggingFace Daily Papers(社區熱門論文)47

    居中消融:為何末層方向消融效果不足或導致崩潰,以及一種封閉形式的修正方法

    研究提出 Centered Ablation(CA),以封閉形式從消融方向中投影去除共同模式,解釋並修正標準末層方向消融效果不足或令文本崩潰的問題。在 8 個模型上,CA 在標準方法效果不足時將攻擊成功率提高 29 和 46 個百分點,並將 Gemma-2-9B 的崩潰率由 50% 降至 1%。研究亦指出,兩種標準安全評審對崩潰文本的評分方向相反,可能造成 46 個百分點的效果差異。