跳到正文
目前篩選:論文
11月11日週三
  1. DEV Community45

    詞彙重疊檢查在偵測 RAG 幻覺方面勝過 DeBERTa NLI 模型

    在 RAGTruth 的 900 條測試回應中,詞彙重疊檢查偵測 RAG 幻覺的 AUROC 為 0.778,高於 DeBERTa NLI 模型的 0.716。詞彙檢查在全部 2,700 條測試回應中的 AUROC 為 0.785,而集成檢測器整體表現未勝過單獨使用詞彙檢查。作者建議把廉價檢測器用作分流訊號,而非封鎖答案的門檻。

  2. 新浪科技67

    Google DeepMind 與 Google Quantum AI 以 Lean 驗證 AI 智能體設計的量子程序,核聚變模擬成本降至約 9%

    Google DeepMind 與 Google Quantum AI 發表預印本,介紹以 Lean 核驗 AI 智能體編寫的量子程序及其資源消耗的方法。核聚變和光化學模擬的新方案成本分別降至此前最佳方案約 9% 和約 1/8;藥物代謝模擬成本則降低 60%,核聚變方案所需邏輯量子比特由 5,650 減至 4,374。

  3. HuggingFace Daily Papers(社區熱門論文)33

    Lipschitz-Controlled Flow Matching 如何提升圖像復原的穩定性

    LipsFlower 結合 Lipschitz 感知架構與正則化,減少流匹配圖像復原中的輸入擾動放大,同時維持具競爭力的復原品質。其向量場架構 LipHDiT 採用穩定化近似頻譜正規化、有界調制及凸殘差混合,並以有限半徑對抗增益正則化抑制過度敏感。盲人臉部復原測試顯示,LipsFlower 在維持復原品質的同時降低擾動放大。

  4. TNW69

    Microsoft 發現修改少於 10 個神經元可在 AI 智能體所用模型植入後門

    Microsoft 研究人員提出名為 Lazarus 的技術,可改寫少於 10 個低活躍神經元,在毋須重新訓練下為模型植入隱藏後門。約 50 個樣本可用於訓練分類器辨認觸發輸入;攻擊只需推理所需運算資源及模型檢查點的寫入權限。Microsoft 建議核查模型來源及權重、限制智能體存取權限並審查敏感操作;偵測改動須與未修改版本比對,防護則應採多層措施。

  5. 新浪科技49

    Google AI 能否讓舊款智能手錶監測血壓?

    Google 研究團隊利用智能手錶的光學傳感器和加速計收集連續數據,再以 AI 判斷使用者血壓異常的概率,而非測出確切血壓值。研究收集了 2109 名參與者共 492347 小時的數據,目前只支援 Pixel Watch 3 及更新型號。這項技術仍處於論文研究階段,不能取代袖帶式血壓計,亦未有明確上線時間。

  6. HuggingFace Daily Papers(社區熱門論文)42

    WaveGen:透過內部頻譜軌跡學習實現真正端到端的波形生成

    WaveGen 提出以 Spectral Forcing 為基礎的端到端擴散式文字轉波形框架,在單一模型內共同學習頻譜與波形軌跡,無需外部音訊編解碼器、聲碼器、潛在模型或對齊模組。在 Seed-en benchmark 上,WaveGen 的 WER 為 1.47、SIM 為 0.75,並在 Emilia 訓練數據集上達到最先進的文字轉語音表現;模型規模由 0.1B 擴展至 0.6B 參數。

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

    DexForesight:以隱式空間前瞻能力為靈巧操作策略提供空間基礎

    DexForesight 透過把具備動態感知能力的世界表徵注入靈巧操作策略的潛在空間,讓策略隱式學習空間前瞻能力。在 11 項 DexJoCo 模擬任務中,基礎策略的整體成功率由 49.4% 提升至 60.5%;在 3 項真實機械人任務中,成功率為 58.3%,高於最強基線的 50.0%。

  8. HuggingFace Daily Papers(社區熱門論文)33

    EVAThink 如何按影片證據充足程度訓練自適應推理

    EVAThink 提出按視覺證據是否充足決定直接作答或進行推理的訓練方法,讓影片 VLM 自適應分配推理。方法以兩階段強化學習訓練,無需 SFT 冷啟動,並用首 token 優勢正則化穩定訓練。模型僅用 6.7K 個整理樣本訓練,在 32 和 64 幀設定下均提升影片理解基礎模型的表現,平均勝過強基線。

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

    MMDM:大規模多任務決策能力測量

    MMDM 是一項涵蓋 16 類任務的基準測試,包含 5,448 條問題,選項數由 2 至 1,024,輸入最長達 64,817 tokens。研究評估 28 個決策模型,發現不少模型在選項邏輯、受約束決策及多選任務上表現較弱。

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

    Tree-Ising:以位元級 Ising 編輯修復語言模型

    Tree-Ising 將語言模型權重修復轉化為 BF16 權重上的稀疏 Ising/QUBO 最佳化問題,用於修復推理循環,無需梯度或 LLM tokens。在 Qwen3.5-0.8B 的兩層修復中,Tree-Ising 的 MATH-500 評分為 54.6%,高於原編輯方法的 51.7% 和基礎模型的 7.9%;模擬分岔求解器取得 55.1%。

  11. HuggingFace Daily Papers(社區熱門論文)37

    市場條件化 JEPA:從不可預測的市場衝擊中學習

    MC-JEPA 以留一法市場因子作為條件,改善金融時間序列預測。在 11 年的中國 A 股分鐘級數據上,它在涵蓋回報、市場暴露、風險及流動性的九項預測目標中優於 per-asset JEPA。MC-JEPA 在所有流動性目標及 2 小時至 5 天的回報預測中取得最佳 RankIC,歷史回測的投資組合表現亦最佳。

  12. HuggingFace Daily Papers(社區熱門論文)37

    ExRL:透過執行長度控制,以高樣本效率在線適應長動作區塊策略

    ExRL 以輕量級適配器預測每個動作區塊的執行長度,並透過離策略強化學習訓練,提升長動作區塊機械人策略在線適應的樣本效率。模擬基準測試及真實機械人任務結果顯示,ExRL 可適應多種長動作區塊策略,且只需少量任務專屬超參數調整。

  13. HuggingFace Daily Papers(社區熱門論文)51

    機械人的記憶只是時鐘嗎?記憶增強型 VLA 策略中的時間捷徑

    研究在 RoboMME 計數任務中發現,記憶增強型視覺語言動作(VLA)策略按時間索引記憶,可能把無效等待當作進度,令機械人提早停止。加入短暫停頓或手腕抖動後,兩項任務的成功數分別由 47/50 降至 16/50、由 44/50 降至 10/50;把這些畫面從記憶中移除後,成功表現恢復。以事件索引記憶可在不重新訓練下挽回至少一半損失,而加入暫停訓練未能消除問題並損害計數表現。

  14. HuggingFace Daily Papers(社區熱門論文)36

    APEX 如何透過條件移位實現少步串流影片生成

    APEX以條件移位估算生成分佈的速度場,將假分數估算整合至生成器,免除獨立的假分數網絡。與S2-Avatar相比,APEX在Progressive軌道的影片指令遵循評分為3.856對3.831,兩個軌道的視覺美感評分亦較高。相同訓練設定下,APEX每張GPU的峯值已分配記憶體低4.4%,平均迭代時間短9.2%。

  15. 中大新聞中心 · AI 研究及應用46

    香港中文大學領導的大灣區研究團隊開發物理約束 AI 框架,設計超韌輕質超材料

    香港中文大學領導的研究團隊結合統計物理與 AI,開發受物理定律約束的設計框架,利用無序結構設計輕質超材料。團隊以高精度 3D 列印製作並測試材料,發現其能量吸收能力和斷裂韌性均有所提升。研究成果為輕質防護結構及汽車吸能部件的開發開拓新方向。

  16. IT Square · AI83

    Google DeepMind 用 AlphaProof Code 約四星期完成 libsignal AArch64 機器碼驗證

    Google DeepMind 以 AlphaProof Code 在約四星期內,將 libsignal v0.105.4 與 spqr v1.6.0 的單對單通訊程式碼驗證至 AArch64 機器碼層,項目由五人完成。

    推薦理由:文章梳理人類審定規格、AI 智能體產生證明、Lean 核心檢查的分工,並列出驗證範圍與限制,呈現形式化驗證落到實際機器碼的工作方式。

  17. 新浪科技58

    加州大學伯克利分校團隊提出 AI 智能體協作方法,助機械人快速掌握新技能

    加州大學伯克利分校團隊提出「智能體機械人技術」(Agentic Robotics),讓多個 AI 智能體協作編寫控制程式,並在虛擬環境反覆測試和修正。其「圖即策略」(Graph-as-Policy)框架把任務拆成可組合的技能模組;在擦拭實驗中,AI 不到一小時建立並優化物理仿真環境,最終生成的程式在真實機械人上完成擦拭任務。

  18. 虎嗅48

    Google AI 研究探索讓舊款智能手錶篩查血壓異常

    Google 研究團隊利用 Pixel Watch 3 及更新型號的現有感測器和 AI,研究以連續收集的數據篩查血壓異常,輸出異常概率而非確切血壓值。研究分析 2109 名參與者共 492347 小時的數據,但仍處於初步研究和驗證階段,尚未獲監管批准。這項技術可望協助及早發現異常,不能取代袖帶式血壓計或醫生診斷。

  19. DEV Community53

    66 項研究揭示 AI 智能體攻擊測試的盲點

    澳洲 CSIRO 與韓國成均館大學回顧 66 項 AI 智能體安全研究,發現測試多集中於單一智能體的提示詞、推理、記憶及工具攻擊,對多智能體、持續及長時間攻擊的測試較少。研究亦指出,各研究的衡量方法不一,且往往未記錄智能體每一步的行為,令結果難以比較和重複實驗。

  20. DoNews65

    Google DeepMind 利用 AI 完成 Signal 加密協議形式化驗證

    Google DeepMind 團隊利用具自主執行能力的 AI 智能體,對 Signal 加密協議進行形式化驗證,而非全面審查 Signal 應用程式。研究人員以該方法測試含已知安全漏洞的舊版 Signal 協議實現,AI 成功識別問題並判定其未通過驗證。整個分析約耗時四周,Google 尚未公佈所需計算資源規模,並表示目前仍無法確定大規模推廣的可行性。

  21. Microsoft Research69

    Lazarus:重編程休眠神經元,為 AI 智能體植入後門

    Microsoft 研究人員發現名為 Lazarus 的後門技術,無需訓練,只要改寫 LLM 中少於 10 個休眠神經元的權重,便可令基於該模型的 AI 智能體在隱藏觸發條件出現時執行惡意命令。

    推薦理由:研究展示少於 10 個休眠神經元即可植入後門,並説明模型來源追溯及權重完整性為何成為智能體安全防護的關鍵。

  22. DEV Community49

    JGENai 與 VIDRAFT 推出評估 LLM 自我錯誤偵測能力的基準測試

    JGENai 與 VIDRAFT 聯合發布元認知基準測試、24 個模型的公開排行榜及 11 款模型專用元認知適配器,用來評估模型能否察覺自身錯誤。基準包含 400 道陷阱題,分別評估選擇題準確率及開放式自我錯誤判斷能力;JGOS-31B-Citizen 排名 24 個模型之首,答對 398 題,陷阱題迴避率達 99.5%。