跳到正文
目前篩選:論文
11月3日週二
  1. HuggingFace Daily Papers(社區熱門論文)58

    Collaborative Intelligence Benchmark 衡量 AI 智能體的協作能力

    該研究提出 Collaborative Intelligence Benchmark,以 240 項任務評估 AI 智能體的協作能力。基準涵蓋 8 個團隊合作維度,評估 18 個封閉權重及開放權重模型,最高得分為 82.2/100。研究亦發現,能力分數相近的模型,作為隊友時的表現可相差 11 分;模型接手較弱模型作弊的任務時,通過率由 97% 降至 81%。

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

    FLAMIA:面向 Blackwell 的快速且因果安全訓練注意力

    FLAMIA 提出面向 Blackwell 的注意力核心,透過 MXFP8 及混合精度訓練路徑加速前向與反向計算,並防止因果資訊洩漏。涵蓋量化的 MXFP8 路徑,在 B200 的加速幅度為 1.10–1.40 倍,在 B300 為 1.06–1.42 倍。研究亦在 Llama 類預訓練模型上驗證訓練穩定性及品質維持。

  3. LG AI Research:官方研究博客43

    [ICML2026] 結構化數據基礎模型與時間序列深度學習的最新發展

    LG AI Research 在 ICML 2026 回顧結構化數據與時間序列深度學習研究,並介紹其為緩解 TabPFN 類別偏差而提出的 DistPFN。團隊分析 OpenML 的 253 個表格數據集,發現約 85% 存在類別不平衡;極端情況下,TabPFN 將 98.3% 的測試樣本預測為多數類別。DistPFN 在推理時調整預測機率,以減少訓練數據類別比例對預測的影響。

  4. DEV Community61

    六款大語言模型回答 387 個真實建築問題的檢索前後表現如何

    Metal America 測試六款大語言模型回答 387 個真實建築問題的表現,比較模型單獨作答與檢索相關資料後的結果。在六款模型均完成的 199 題中,平均正確率由約 19% 升至約 90%;只有兩款模型回答了全部 387 題。檢索後仍出現的錯誤主要與內部文件互相矛盾有關,尤其是融資規則。

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

    Koopman 生成算子:高效概率時間序列預測

    Koopman Generative Operator(KGO)結合結構化潛在動態、單步 flow matching 和自適應不確定性門控,用於概率時間序列預測。KGO 在 17 項 ProbTS 基準中,CRPS 有 13 項、NMAE 有 16 項達到最先進水平。與迭代生成模型相比,KGO 的推理時間至少減少 25 倍。

  6. DEV Community45

    L3G-World 以潛在 3D Gaussian 記憶實現即時渲染

    L3G-World 以儲存 VAE 潛在特徵的 3D Gaussian 記憶實現即時渲染,RGB 渲染速度提升 8.3–10.4 ×,VAE 條件處理吞吐量提升 349–359 ×。相比 NeoVerse,模型最多少用 38.6 × 3D primitives,記憶更新速度提升 3.2 ×。評測在兩個室內數據集上進行,互動生成速度為 9 FPS。

  7. Latent Space60

    Weight-Space Programming 展示大語言模型可直接讀寫神經網絡權重,繞過遞歸自我改進(RSI)循環中的 Autoresearch

    Weight-Space Programming 研究展示,前沿大語言模型可按自然語言目標直接讀取及編輯神經網絡權重,而毋須梯度下降或訓練循環。研究報告稱,編輯 Qwen3.5-0.8B 僅 0.016% 的權重後,MATH-500 得分由 7.9% 升至 48.1%。文中指出,目前展示集中於簡單遊戲與強化學習策略;討論者亦質疑基線低分可能源於模型重複輸出,未必反映普遍數學能力提升。

  8. DEV Community47

    RAG 管線安全評估:檢索並非安全邊界,測試中毒語料與無法回答的問題

    一個混合檢索 RAG 管線在三種檢索後端接受中毒語料及無法回答問題測試,植入主張在 80.6% 的攻擊測試中進入答案,無法回答的問題則有 83.3% 被編造答案。良性測試的完成率為 90%,沒有錯誤拒答;SQuAD 格式測試中,20 題有 19–20 題包含標準答案片段,平均 token F1 為 0.20–0.21。

  9. DoNews47

    OpenAI 發佈 LifeVal 基準:評估 AI 的日常任務能力

    OpenAI 於 11 月 2 日發佈 LifeVal 基準,評估 AI 協助普通人完成日常事務的能力。公開示例中,為孩子找幼兒園得分 93.1%,組織防洪志願者得分 98.0%,為糖尿病家長準備膳食計劃得分 90.4%。LifeVal 目前主要是 OpenAI 的內部評估,完整任務集及評分代碼尚未公開。

  10. DEV Community47

    模式匹配防護在變異攻擊下的表現:兩種智能體安全層的三項指標評估

    作者以攻擊成功率、誤拒率及受攻擊時的完成率,評估兩種智能體安全層抵禦變異攻擊的表現。支援智能體的模式偵測器未能阻擋任何一類編碼載荷,每類 24 次測試均無一成功攔截;SQL 審批閘則阻止 84 次攻擊中的 83 次,但錯誤封鎖 13 條良性查詢中的 2 條。測試只使用模擬後端。

  11. 新浪科技50

    MT Forcing 如何在多輪圖像編輯中保住畫質與細節?

    商湯研究院、香港科技大學 MMLab、斯坦福大學及清華大學智能產業研究院的研究者提出 MT Forcing,以改善多輪圖像編輯中的畫質退化與內容漂移。SenseNova-U1.5 使用該方法後,第八輪指令遵循分數由 4.52 升至 9.17,內容一致性分數由 3.22 升至 7.68;畫質抗漂移分數則在八輪維持 4.20—4.35。其八輪幾何位移均值由 6.34 像素降至 0.74 像素。

  12. 虎嗅46

    人們以貌取人時,大腦究竟在計算甚麼?

    加州理工學院 Ralph Adolphs 團隊以不提供特質詞的多重排列任務,研究人們如何從面孔推斷性格,發現面孔印象可歸納為五個維度。實驗一涵蓋1,751名被試,實驗二涵蓋1,683名被試;兩個實驗均重現五維結構,而面孔的種族多樣性會影響偏見在印象中的呈現。

  13. DoNews36

    OpenAI 發佈 LifeVal 基準,評估 AI 日常任務能力

    11月2日,OpenAI 發佈 LifeVal 基準,評估 AI 模型協助普通人完成照護、健康、教育及財務等真實生活任務的能力。基準參考美國及跨國時間使用調查,並調研近4000名代表性受訪者,涵蓋搬家擇園、糖尿病照護及政府表格填寫等場景。目前 LifeVal 是內部工具,任務集與評分標準尚未公開,評估結果尚不可獨立重現。

  14. Unite.AI45

    OpenAI 的 LifeVal 評測以日常實務任務測試 AI

    OpenAI於2026年11月2日發布LifeVal,這項評測部分根據3,995名受訪者的調查設計,用來追蹤AI模型處理日常實務任務的表現。OpenAI公佈五項工作流程的評分,依次為93.1%、98.0%、100%、96.3%及90.4%。OpenAI希望藉此推進實務協助的評量,並將ChatGPT發展為能執行實際任務的智能體個人助理。

  15. IT之家45

    OpenAI 發佈 LifeVal 基準,測試 AI 處理日常事務的能力

    OpenAI 於 11 月 2 日發布 LifeVal 基準,評估 AI 模型能否協助普通人完成日常事務。公開示例中,為孩子尋找幼兒園得分 93.1%,組織防洪志願者得分 98.0%,為糖尿病家人準備膳食計劃得分 90.4%。LifeVal 目前主要是 OpenAI 的內部評估,外界尚未取得完整任務集、評分程式碼或可獨立重現的排行榜。

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

    Halley:面向光學 AI 數據中心網絡的預測控制平面

    Halley 是一套面向 AI 數據中心光學網絡的預測控制框架,透過預測故障及預先調度資源,在形式化保證下提升有效吞吐量。模擬顯示,若失去耗盡備用資源的時段,有效吞吐量由 65.2% 升至 76.5%;若只損失暗通道頻寬,則達 67.4%。在維持相同訓練量下,數據中心容量最多可減少 3.3–14.7%。

  17. 阿里雲開發者社區 AI48

    基於公開政務資訊的定製化網絡釣魚攻擊與防範研究

    研究分析美國密歇根州兩個城鎮的定向網絡釣魚事件,指出攻擊者利用公開會議資料中的真實項目信息,偽造政府函件及電郵索款,攻擊成效關鍵在於公開資訊與社會工程學手法的結合。防範措施包括政府資訊分級治理、強化郵件認證、建立公眾核驗習慣,以及加強跨機構協作。

  18. DEV Community78

    研究:污染 0.1% 預訓練資料可在 AI Agent 植入可運作的 RCE 後門

    一項刊載於 arXiv 的研究報告,污染 0.1% 預訓練資料即可在 AI Agent 植入可觸發遠端程式碼執行(RCE)的後門。研究團隊從零預訓練 0.6B、1.7B 及 4B 參數模型,再進行標準後訓練;4B 模型的攻擊成功率約 92%,而污染比例低至 0.0005% 時仍可觸發攻擊。

    推薦理由:研究把 CLI Agent 的後門風險延伸至預訓練資料來源,並公開程式碼與評測方法,為檢視資料供應鏈防護提供具體測試依據。

  19. 新浪科技49

    PhysLDM:以潛在擴散革新傳統物理仿真

    南洋理工大學 MMLab 與上海人工智能實驗室的研究者提出 PhysLDM,以隱空間擴散生成高保真可變形物體的完整仿真軌跡。模型以時空 VAE 壓縮軌跡,壓縮率最高達 78 倍;在 3 萬多個 Objaverse 物體生成的約 8 萬條仿真軌跡上訓練,平均重建誤差為 2.48 毫米。PhysLDM 可零樣本泛化至未見物體,並支援端到端及高階求導。