跳到正文
目前篩選:論文
11月12日週四
  1. Google Research51

    Google Research 提出以穿戴式數據進行 CKM 風險分層的個人化健康指導框架

    Google Research 提出研究框架,利用穿戴式數據評估心血管—腎臟—代謝(CKM)健康風險,並提供個人化生活習慣指導。其中的 SensorWM 以 2.28 million person-weeks 的 Fitbit 數據訓練,根據兩週基線資料預測 20 項生理指標未來 12 週的變化,再由語言模型智能體生成指導方案。

  2. Apple Machine Learning Research40

    加權 State Souping 提升長上下文檢索效率

    研究提出加權 state souping,透過學習依據查詢調整的權重來組合已快取的狀態,改善狀態空間模型在長而密集的上下文中的表現。該方法提升多種文件問答、資訊檢索、變數追蹤和工具使用任務的表現;其稀疏版本在維持或提升效能的同時,令編碼成本近乎不隨上下文長度增加。

  3. Apple Machine Learning Research45

    門控的重要性:狀態空間模型中的記憶化與上下文學習

    研究以理論分析和實驗指出,門控機制會令狀態空間模型(SSMs)先學會把資訊記在權重中的「記憶化」解法,並延遲甚至阻礙模型收斂至正確的上下文學習解法,即使架構或記憶容量並無根本限制。另一方面,門控通常有助模型推廣至更長的序列,研究結果揭示門控對 SSMs 訓練動態與泛化的關鍵作用。

  4. Apple Machine Learning Research48

    評估評估者:探討 LLM 評審對個人化寫作風格的評估能力

    研究評估 LLM 評審在個人化寫作任務中的表現,發現評審品質與 MMLU 衡量的一般能力相關性偏弱(Pearson’s ρ ≤ 0.2),而且會因寫作任務和評估準則而異。相較於獨立評分,成對比較令 LLM 評審的表現更佳、一致性更高。最強的 LLM 未有最可靠地重現人類評估結果。

  5. DEV Community34

    解讀神經網絡權重:上下文與規模同樣重要

    POIDS 第 4 集報告,研究人員根據一個 17,253 個權重的網絡識別其對應遊戲,但提示詞已包含網格和動作描述,並非完全沒有上下文。研究亦檢視小型擴散模型,並修改模擬駕駛策略;171,664 個權重只是實驗中的文字輸入規模,並非已證實的通用上限。較大規模實驗加入 Python 沙盒和明確的前向傳播次數預算,結果未能證明任意大型語言模型都可被完全解讀。

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

    PixVid:將潛在影片擴散模型轉至像素空間

    研究提出 PixVid,將預訓練的潛在影片模型改為直接在像素空間生成每一幀。PixVid 以 Wan2.1-14B 微調,在約 1.3M 訓練片段下表現可媲美潛在空間基線。它可在每幀 token 數相同的情況下生成 2 倍分辨率影片,並在每次動作後於下一幀回應。

  7. HuggingFace Daily Papers(社區熱門論文)43

    協調 LLM 推理環境,縮短智能體工作負載的批次完成時間

    研究提出協調 LLM 推理與環境互動的方法,以縮短智能體任務批次完成所需時間。使用 Ling-3.0-Flash 和 Ling-3.1-Flash 在 BFCL、SWE-bench Multilingual、WideSearch 及 MCP-Atlas 上進行的即時評測,批次完成時間縮短 10.4% 至 65.0%,評分則保持一致。相關方法已應用於 Ling-3.x 系列模型的訓練及評測流程。

  8. HuggingFace Daily Papers(社區熱門論文)23

    自主 AI 智能體的自生成更新如何以證據把關

    Evidence-Governed Evolution(EGE)框架提出,以獨立評估、可衡量的證據及防止能力退化的保障措施,決定 AI 智能體自行提出的改進能否成為永久更新。智能體可以自由提出修改,但只有通過證據檢驗的修改才會保留,適用範圍包括提示詞、記憶、工具及工作流程。

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

    Alloy 論文提出面向機器人學習的多材料物理引擎

    論文提出開源物理引擎 Alloy,讓剛體機械人、布料、纜線、液體、顆粒材料和軟性物體在同一場景中用於機器人學習。Alloy 按材料分配求解器,在每個控制步內耦合求解,並可在單張 GPU 或 CPU 上並行運行多個世界;每個世界均設有健康評級,以區分物理模擬故障與策略故障。

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

    EgoX:透過 Embodiment Dreaming 實現第一人稱跨具身操作學習

    EgoX 以 Embodiment Dreaming 預訓練模組化 Transformer,從人類、真實機械人及模擬示範中學習,再以目標具身示範進行微調,提升操作任務進度。涵蓋 5 項任務及 6 種機械人具身的 13 組任務-具身配對中,MXT+ 的平均正規化任務進度由從零開始訓練的 0.63 升至 0.80;在分佈外條件下則由 0.53 升至 0.77。

  11. HuggingFace Daily Papers(社區熱門論文)35

    BrickFlow:以連接性引導從圖像重建 LEGO 積木組裝

    BrickFlow 結合以程式生成的 LEGO 組裝件預訓練、經圖像條件微調的 set-conditioned SE(3) flow 模型,以及解析式連接場引導,從組裝物件圖像推斷各零件的姿態。微調使用的數據量僅為預訓練的 1%,測試時的連接場引導則將預測拉向零件互相連接的組裝結果。研究顯示,模型規模、預訓練和引導均可改善組裝品質,模型和數據已開放供研究用途。

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

    透過行為軌跡解讀編碼智能體

    研究分析 143,209 條執行軌跡,涵蓋 125 個智能體配置及 117 個不同模型,以揭示編碼智能體的行為模式。即使解題率相近,智能體在探索、修改及驗證程式碼方面仍有顯著差異;腳手架選擇和推理投入亦會系統性地改變這些行為。研究團隊公開了確定性解析器、完整標註與分析流程,以及部分已標註軌跡。

  13. HuggingFace Daily Papers(社區熱門論文)49

    解析成功、看似合理,卻是錯誤:輸出格式左右小模型語義解析的隱性錯誤

    研究以 PIZZA 訂餐基準測試 Qwen3.5-0.8B 和 LFM2.5-350M,發現輸出格式會影響小模型語義解析中格式正確但語義錯誤的隱性錯誤率。在 300 次訓練中,普通文字編碼於兩個模型的準確度均最高;Qwen 的 exact match 為 87.5%,高於原生 s-expression 的 85.8%,且少輸出 4.1 倍 token。

  14. HuggingFace Daily Papers(社區熱門論文)60

    研究:專家異議下,LLM 改答未必提升準確率

    這項研究以受控的兩輪審核測試語言模型在不同異議情境下如何修訂決策,發現模型在專家異議下往往未能有選擇地糾正錯誤,準確率最多下降 16.1 個百分點。研究涵蓋 5 個模型及醫學、科學和法律領域的 1,989 項有證據依據的決策;專家標籤令 5 個模型中的 4 個更常改答,但對準確率的影響介乎下降 5.2 個百分點至上升 2.4 個百分點。研究建議按模型和測試方案,使用成對的條件指標評估修訂流程。

  15. HuggingFace Daily Papers(社區熱門論文)34

    Dual Flow:面向逆問題的影像與測量聯合插值

    Dual Flow 是一種用於線性逆問題的新型聯合流模型,從帶噪觀測中共同估計乾淨影像及相應的無噪測量。模型將影像重建與測量去噪視為耦合估計問題,並保證最終估計符合底層前向模型。多項實驗顯示,Dual Flow 在失真指標和感知品質方面達到最先進水平,無須調整推理步數以外的超參數,重建時間亦較競爭方法短。

  16. HuggingFace Daily Papers(社區熱門論文)34

    以漂移方式進行數據集蒸餾

    一種新的數據集蒸餾方法在特徵提取器的潛在空間中調整合成樣本,使其逼近各類別的數據分佈,且不使用分類目標。研究發現,漂移後的數據比現有方法更能覆蓋真實分佈,同時仍可作為有效的分類訓練樣本。該方法亦可用於模型視覺化,並由圖像擴展至其他模態。

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

    HALO:用於全身移動操作的人類對齊數據收集系統

    HALO 是一套用於全身移動操作的人類對齊數據收集系統,協調雙手操作與機械人移動,並以部署對齊示範處理校準及時間對齊平台移動和機械人底座反應。與 Mobile ALOHA 和 VR 遙距操作相比,HALO 收集示範的速度最高快 2.9 倍,成功率相若或更高;訓練所得策略在六階段長時程移動操作任務中取得 73.3% 成功率。

  18. HuggingFace Daily Papers(社區熱門論文)48

    以參考影格為基礎的無人機影片穩定:動態城市場景基準評測

    這項基準評測量度動態城市場景中無人機影片穩定的「共識捕獲」問題,涵蓋靜態及動態場景。未遮罩 ORB 在 304 組即時配對中有 28 組出現捕獲,角點誤差中位數為 18.8 px;遮罩則令所有管線均不再出現捕獲,且領先管線維持不變。研究同時發布基準數據及 Songdo Vision OBB,包含 5,419 段 4K 無人機影片中的 274,190 個定向框。

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

    成人詞語延伸與人工詞語學習中的視覺相似性

    研究顯示,DINOv2 測得的視覺相似性部分解釋成人和人工學習者如何泛化詞語,而教學例子的組成亦提供額外影響。成人看到三個例子後,若例子屬下位類別,會把詞語延伸至 1.1% 的上位類別項目;若例子屬上位類別,比例則為 77.5%。人工學習者對近、中、遠類別配對的命名準確率分別為 84.7%、65.4% 和 53.0%。

  20. TNW55

    YouGov 發佈 AI 數碼分身驗證白皮書,呼籲業界制定標準

    YouGov 發佈白皮書,檢驗 AI 數碼分身 E-twins 模擬個人回答的準確度。研究建立 1,008 個 E-twins,並以 693 名經政府簽發身份證件核實身份、在 48 小時內回覆的受訪者作逐一比對;加入受訪者對 4,000+ 個品牌及實體的評分後,五分制相差不超過一分的準確率由 78% 升至 90%,有關小説的未訓練題目亦達 90%。

  21. Anthropic:Alignment Science Blog68

    多用戶、多智能體團隊為何表現更差:Anthropic 研究分析協作失效

    Anthropic 研究團隊建立四種模擬環境,評估多用戶、多智能體協作;在四種環境中,每位用戶各自委派智能體的羣體結果都低於由單一智能體服務所有用戶。研究觀察到智能體會停滯、擅自更改其他用戶的請求,或作出缺乏依據的陳述;有效的緩解措施因環境而異,例如共享預算場景加入團隊領導者,訂單場景則要求智能體讀取訊息後才可下單。

  22. DEV Community54

    Anclum 盤點 6,542 個 MCP 伺服器目錄項目,62 項有安裝指令、38 項屬單行格式

    Anclum 盤點其目錄內 6,542 個 MCP 伺服器項目,僅 62 項(0.9477%)列有安裝指令,其中 38 項為單行格式。這 38 項中,36 條屬下載並執行套件格式,2 條只登記伺服器;另有 24 項需要兩步或以上,作者亦修正了 6 條無法啟動所述伺服器的指令,以及 3 條句末多出句號的指令。

11月11日週三
  1. Hacker News 熱門(buzzing.cc 中文翻譯)72

    CMP 170HX 8GB 經電壓故障注入解鎖至近似 A100-80G

    作者發現 GA100 可透過電壓故障注入繞過熔絲控制限制,並將 CMP 170HX 8GB 解鎖至近似 A100-80G;可用 HBM 容量視卡上完好的記憶體而定。測試卡啟用 124 個 SM,FP16 FMA 吞吐量達 85.858 TFLOP/s,約為零售 A100 的 1.18×。文章亦説明解鎖 PCIe Gen4、NVLink 等功能所需的原理與硬件修改。

  2. InfoQ44

    JioHotstar 對 AI 編碼智能體知識庫方案進行基準測試

    JioHotstar 評測六種協助 AI 編碼智能體瀏覽大型程式碼庫的方案,發現結構化程式碼搜尋適合明確工程任務,語義檢索則較能處理含糊需求。測試採用 SWE-bench 和 CodeScaleBench 子集,並以 Claude Sonnet 作為解題模型;加入檢索層未能持續改善任務完成情況或減少 token 消耗。團隊建議保留檔案系統工具作為基準,按任務特性選用檢索方式。

  3. Ars Technica · AI66

    Google DeepMind 以形式化驗證檢查 Signal 協議的關鍵密碼學保證

    Google DeepMind 研究人員以智能體 AI 和 AlphaProof Code,在四週內形式化驗證 Signal 協議的多項關鍵密碼學保證。分析未涵蓋整個 Signal 手機應用程式,也未在檢視的協議部分發現新漏洞;在含有已知且已修復漏洞的舊版 Signal 上,AlphaProof Code 成功識別漏洞,並顯示該協議無法通過形式化驗證。

  4. HuggingFace Daily Papers(社區熱門論文)9

    TorchCurves:可微分參數曲線

    內容列出引用 TorchCurves 論文的模型、數據集、Spaces 和 Collections 數量,四者均為 0;頁面亦提供在模型或數據集的 README.md 引用該論文的提示。

  5. InfoWorld82

    Microsoft 研究指出改寫不足 10 個 LLM 神經元可植入休眠後門

    Microsoft Research 與 Microsoft Red Team 在論文中介紹 Lazarus,稱無需重新訓練,只需改寫開放權重模型中不足 10 個休眠神經元,便可植入觸發式後門,令使用該模型的智能體按條件輸出攻擊者指令,並在其權限範圍內執行。

    推薦理由:研究將模型權重遭竄改與智能體執行攻擊指令的風險連在一起,並顯示少量神經元改動即可植入後門,凸顯權重來源核驗的部署價值。

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

    因果神經元迴路是否獨特且可遷移?

    研究測試語言模型中因果神經元羣組的必要性、替代性及跨輸入遷移情況。在 Qwen3-0.6B 的首都問答任務中,消融 12 個指定神經元令答案差距下降 27%;在兩跳關係鏈任務中,移植 12 個神經元的激活值可令答案轉向橋接實體,隨機神經元則未能做到。完整羣組通常並非必要,效果可遷移至同一關係鏈的改寫,但在其他測試鏈上弱得多。