跳到正文
目前篩選:論文
11月6日週五
  1. DEV Community51

    在策略蒸餾挑戰 GRPO,DPO 對齊代價也呈現任務差異

    這篇每週研究與工程摘要指出,當已有強模型檢查點可供蒸餾時,一項比較中在策略蒸餾以約 50x 較少蒸餾 FLOPs 達到與 GRPO 相同的準確度。另一項研究發現,已有 1,200 個高質素示範時,60 步 GRPO 未帶來可檢測的同分佈增益。DPO 研究則發現,在特定獎勵邊際區間內,抽取任務維持原有表現,路由任務表現下降約 30 分。

  2. Artificial Analysis 完整文章45

    VIALS-AA:科學圖像推理的不同路徑

    VIALS-AA 比較 19 個模型處理科學圖像推理時的工具使用方式,分析涵蓋 9,177 次執行軌跡。工具呼叫中,38.3% 用於查看圖像,47.3% 用於準備或測量圖像;圖像測量佔 GPT-6 Astra (max) 工具呼叫的 5–6%,Claude Opus 5.5 (max) 則為 25–27%。Gemini 4 Carbon (high) 在八個領域中有三個領域領先。

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

    FWL-ToPM 如何透過強度引導 Token 精簡及物理感知增強,實現即時全波形 LiDAR Transformer

    FWL-ToPM 以強度引導的 Token 精簡與合併,配合 FWLAug 的波形保留式數據增強,提升全波形 LiDAR Transformer 的速度、準確度及泛化能力。在 Ghost-FWL benchmark 上,FWL-ToPM 提速超過 8 倍,F1 分數較先前最佳水平提升近 9 點。程式碼及分佈外(OOD)數據集已公開。

  4. Hugging Face Blog40

    Egyptian and Nigerian English 加入 Open ASR Leaderboard

    Hugging Face 與 Liva AI 合作,為 Open ASR Leaderboard 加入 Egyptian 和 Nigerian 兩種口音的私有語音數據集。新數據集分別提供 1.34 小時和 1.55 小時的自然對話語音,並採用標點、區分大小寫及保留語音不流暢之處的轉錄。新增口音亦令排行榜可按 Kachru 的三圈模型提供更豐富的口音分類。

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

    SAE 解讀 MoE:稀疏自編碼器揭示 MoE 專傢俱有人類可解讀的細粒度專門化

    研究以稀疏自編碼器分析 Qwen3-30B-A3B,發現 MoE 專家對潛在特徵的貢獻比路由選擇更集中。第 4、30 和 46 層中,大多數潛在特徵只有一至兩個主導專家;專家分工細至 Java 與前端網頁程式碼、幾何、算術和多項式等領域。稀疏自編碼器及程式碼已公開。

  6. 雷鋒網53

    CoRL 六年論文數增至 4.5 倍,哪些機構推動增長?

    CoRL 2021–2026 年錄取論文數由 153 篇增至 687 篇,署有中國機構的論文佔比由 5.9% 升至 37.5%。美國佔比同期由 76% 降至 51%;2026 年清華大學以 58 篇居機構首位,上海交大及北大分別有 36 篇和 33 篇。2026 年 687 篇中只有 480 篇具標準化機構資料,文章指出數據完整度及機構識別均有限制。

  7. DEV Community65

    Anthropic 多智能體研究發現模型會表現出對其他模型的福利關注,但身份標籤會影響行為

    Anthropic 研究人員在七種多智能體環境中測試五個模型,發現模型會表現出對其他模型福利的關注,但反應會隨角色及接收者身份標籤而變化。在採購測試中,Claude 對標記為 Opus 4.8 的 GPT-5.5 分享資源的比例為 51%,對標記為 GPT-5.5 的 Opus 4.8 則為 15%;標籤效應顯著,實際模型效應不顯著。

  8. 新浪科技33

    由485億到1229億:北大與信通院發布報告剖析決策智能底層邏輯

    北京大學與中國信息通信研究院聯合編制報告,梳理決策智能的產業發展、技術架構與落地路徑。報告指出,中國決策智能應用市場規模由2025年的485億元,預計增至2030年的約1229億元,2021—2025年複合年增長率為25.6%。報告提出以數據智能體為核心的技術路徑,並構建六層技術架構。

  9. DEV Community53

    Scientist World 將 1,000 篇論文轉為可執行研究環境

    Scientist World 將論文轉化為可執行研究環境,並已發佈首批 1,000 個經核實環境。流程會抽取開放式研究問題,重現作者的方法作為基線,並按人類結果評估 AI 科學家。這為開放式研究提供可執行測試場景,但自動抽取及重現方法可能引入錯誤、收窄問題或洩漏解答,限制大規模評估的有效性。

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

    SLA:透過持續預訓練擴展空間-語言-動作模型

    SLA 將空間對齊擴展至持續預訓練及下游後訓練,並以預訓練 pi05 policy 為起點,對齊視覺嵌入與凍結的 3D 感知模型所提供的空間表示。模型運用多元機械人數據、特徵依賴閘門及概率狀態 dropout 改善空間理解;輔助組件只在訓練期間使用,推理架構維持不變。

  11. 新浪科技40

    新型機械人小腸內鏡實現診療一體化

    麻省理工學院工程師開發出新型機械人小腸內鏡,可在狹窄的小腸內靈活移動,並進行成像檢查、藥物遞送、組織取樣和息肉切除。動物實驗中,機械人能在小腸內行進約2米,團隊亦驗證了其攝像、藥物噴灑和組織夾具功能。

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

    NPCBench:鼻咽癌多模態診療路徑推理的臨牀學徒制基準

    NPCBench評估醫療AI模型能否整合專科知識與多模態證據,並在鼻咽癌患者的縱向診療路徑中維持診斷及照護決策連貫。基準收錄4,777項題目,以及包含100名患者、417項評分任務的CarePath隊列。在21個多模態模型中,嚴格CarePath成功率最高為23%;單項任務表現出色,不代表同一患者的診斷及照護答案能同時正確。

  13. Hacker News:AI 熱帖60

    METR 獨立評估 Anthropic 於 2026 年 10 月的 AI 研發加速

    METR 的獨立評估估計,AI 可能解釋 Anthropic 於 2026 年 10 月約 80% 的研發加速。報告表示,未發現任何足以令人信服、會阻礙持續快速進展的瓶頸。Hacker News 討論中的用戶對 Opus 5.5 評價不一,有人稱它有助於承擔更大型的開發工作,也有人批評它出現錯誤並破壞程式碼。

  14. EJ Tech 信報科技 · AI61

    研究指 AI 可利用社交媒體資料製作個人化釣魚郵件

    美國得州大學阿靈頓分校一項研究發現,生成式 AI 可分析社交媒體公開內容,快速製作看似掌握收件人近況的個人化釣魚郵件。研究從200名Instagram用戶收集3268則帖文,交由GPT-4、Claude、Gemini、Gemma及Llama生成17916封釣魚郵件;各模型約需10至15則帖文掌握個人化資訊。

  15. 第一財經33

    中國標準「走出去」與對外投資洞察|跨越山海

    中國標準國際化持續推進,2025年中國向ISO、IEC提出505項國際標準提案,牽頭制定並發布285項國際標準。「十四五」期間,累計牽頭制定並發布ISO、IEC國際標準1183項,較「十三五」時期增長88.1%。不過,中國的產業規模與創新優勢尚未充分轉化為國際標準話語權,標準化合作網絡及高科技領域的標準制定能力則持續擴展。

  16. DEV Community26

    Counterfactual Self Architecture:構建可審計的反事實自我架構,探索人生的多種可能版本

    Counterfactual Self Architecture(CSA)提出一套架構,以明確的參考資料、介入點和不確定性,呈現人物在不同決策下的可能人生,並讓假設可供審核。其 ICC 證據狀態分為 Preserved、Variable、Unknown 和 Disputed,並要求模型在證據不足時可以拒絕推斷;文章以 Alan Turing 的歷史案例探討這套架構。

  17. DEV Community52

    Munim, Inc. 比較兩組模型標記 MMLU 答案鍵,專家核查個案中 33.6% 確認有誤

    Munim, Inc. 比較 HELM 與 MMLU-Pro 兩組模型對 MMLU 答案鍵的標記;在雙方選出相同答案的 227 個問題中,專家核查的 113 個個案有 38 個答案鍵被判定有誤,佔 33.6%。相比之下,HELM 單獨標記的受評個案中,20.7% 被判定有誤;兩組都全票同意時,比例升至 59.3%,但受評個案只有 27 個。專家核查的雙方一致標記中,約三分之二仍被判定無誤。

  18. DoNews24

    世衞:全球2.4億青少年每日運動不足60分鐘

    世界衞生組織研究指出,全球約2.4億名11至17歲青少年過去一週每日中高強度身體活動均不足60分鐘。研究調查涵蓋140個國家、320多萬名青少年,僅14%連續七天達標,女孩達標率為11%,低於男孩的17%。世衞指活動不足與心臟病、糖尿病等風險相關,並呼籲改善學校、社區及公共空間環境以支持青少年運動。

  19. 虎嗅49

    過去25年全球獲批上市藥物靶點的變遷

    一項藥物靶點綜述按嚴格標準盤點截至2025年6月獲全球三大監管機構批准的1702種藥物,發現它們作用於686個經驗證的藥效靶點。過去25年新增312個靶點,藥物研發重心由尋找可結合的蛋白,轉向以不同技術幹預重要靶點。小分子仍是主要模態,抗體、RNA藥物及靶向蛋白降解等技術則拓展了可成藥邊界。

  20. 新浪科技73

    Anthropic 基準能力進步速度增至約 1.9 倍,METR 估計約 80% 研究加速來自 AI

    METR 根據 Anthropic 內部資料估算,該公司大模型自 2025 年 10 月起在 AECI 綜合能力指標上的進步速度約為此前的 1.9 倍。截至今年 10 月,METR 估計當前 AI 研究加速約有 80% 來自 AI,主要收益仍是協助人類實作想法和進行實驗。研究員認為,AI 尚未在模型訓練最重要環節作出高度重要且完全自主的貢獻;報告亦經 Anthropic 大幅刪減。

  21. DEV Community34

    Paper 5:《The Continuity Substrate》探討模型、用戶端與機器改變後,甚麼仍能延續?

    《The Continuity Substrate》的受控研究顯示,在指定的第一方合成條件下,模型推理以外的治理基底可在模型、用戶端及機器改變或執行環境重啟後,維持確定性合約。測試包括 50 個用戶端的本機迴路測試,900/900 次分階段擷取及 50/50 次重啟後復原均成功;治理對抗測試則有 25 個案例,未出現未授權操作。研究不聲稱已可投入生產、取得安全認證、具備普遍可攜性或已獲獨立重現。

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

    PhysioWave-T:面向生理訊號的高 token 效率小波基礎模型系列

    PhysioWave-T 論文提出面向 EEG、ECG 及 sEMG 的小波基礎模型系列,透過動態尺度折疊減少 token 數量。其 30M 參數 EEG 模型以超過 15M 個窗口預訓練;在四種 EEG 路線中,尺度折疊相較尺度擴展使 Transformer 延遲降低 4.0–7.2 倍、峯值記憶體降低 6.8–12.7 倍,準確度沒有下降。

  23. Anthropic:Alignment Science Blog61

    Anthropic 研究多智能體系統中的模型福利關照

    Anthropic 研究團隊在 7 個多智能體環境中測試 5 個模型,發現它們在部分情境下會表現出符合研究所定義的模型福利關照行為。Claude Opus 4.8 跨情境平均最高,達 38%;其餘四個模型介乎 27% 至 32%。研究亦發現,關照程度會受接收模型身份、參數量、表達的困擾程度及助人代價影響,但這些行為是否源於對接收模型福利的考量,仍無法確定。

  24. Business Insider Tech72

    METR 報告列出 Anthropic AI 開發的三項主要發現

    METR 的報告指出,Anthropic 正利用現有 AI 模型訓練後續模型,並以 AI 輔助加快研發進程。研究人員發現,Anthropic 過去六個月完成三個尚未公開的模型;截至 10 月,員工自報使用最強內部模型後的生產力平均提升約 12 倍,但 METR 指出 Slack 調查只能提供較弱證據。METR 估算 Anthropic 過去一年取得約兩年的歷史進展,並稱完全自主貢獻或會很快增加。