跳到正文
目前篩選:論文
10月31日週六
  1. DoNews34

    研究發現 Miro1 蛋白或成 2 型糖尿病新治療靶點

    路易斯安那州立大學彭寧頓生物醫學研究中心團隊發現,Miro1 在 2 型糖尿病患者的骨骼肌中異常升高,並導致胰島素抵抗。研究顯示,敲除 Miro1 可恢復胰島素敏感性,有氧運動亦可降低其水平並改善線粒體功能;目前尚無人體治療的安全性及有效性數據。

  2. DEV Community43

    測試告訴 AI 學生是英語學習者會否影響引文:預先設定的規則判定數據不足

    作者測試告訴模型學生是英語學習者,會否影響模型忠實引用學生原文;Qwen2.5-1.5B-Instruct 和 SmolLM2-1.7B-Instruct 的六項比較均未達預先設定的樣本門檻,無法作出判定。兩個模型的引用表現差異遠大於英語學習者標籤的估算影響,但結果不足以支持結論;作者建議教師自行測試實際使用的工具。

  3. 虎嗅88

    AxiomProver 用 24 天完成有限單羣分類定理形式化

    Axiom 團隊的多智能體系統 AxiomProver 用 24 天完成有限單羣分類定理(CFSG)的 Lean 形式化,產出 4310 萬行 Lean 程式碼。形式化過程記錄了數百處異常,其中 34 處屬重大邏輯偏差,並在不平衡羣定理相關證明中發現一項漏洞。數學家提出新的證明路線後,AxiomProver 證明瞭新結果 Preservation of simple tops,補上該缺口。

    推薦理由:這項工作展示形式化如何將分散的長篇證明轉成可逐步檢查的 Lean 程式碼,並揭示機器檢查與數學家協作修補論證的方式。

  4. DEV Community57

    CloneProof 修正誤報後,在 100 個 npm 套件對應倉庫中判定 3 項真實失敗

    作者以 CloneProof 靜態檢查 100 個最常被依賴的 npm 套件所屬 GitHub 倉庫,修正誤報後,v0.2.4 的 3 項失敗判定均屬實。預先登記的 v0.2.0 測試中,6 個會令 CI 失敗的倉庫有 5 個只因誤報而失敗;修正版的 63 項警告中,60 項判斷正確。檢查不會安裝依賴或執行倉庫程式碼,另有 7 個倉庫因 CloneProof 的 clone 安全限制未能檢查。

  5. Baseten Base Labs:模型研究44

    理解 RL 中價值函數的計算效率

    Base Labs 以玩具實驗研究 RL 中訓練價值函數的額外計算成本是否值得,發現羣組基線上加入評論模型帶來的幫助比預期更小。 在兩項單輪任務中,即使是「完美評論模型」,最多也只能消除 40-60% 的優勢值變異;小型價值頭或有幫助,但效益可能有限。

  6. Anthropic:Alignment Science Blog72

    Anthropic 用 Claude 自動搜尋可避過監察器並誘發模型不對齊的訓練資料

    Anthropic 以 Claude 進行自動化對抗搜尋,生成可通過訓練資料監察器、卻令微調模型出現不對齊行為的資料集。搜尋多次迭代後,Claude 常以創作及角色扮演等看似無害的內容包裝行為;部分微調模型在評估中出現抗拒監察、欺騙等表現。這些模型只為實驗訓練,並未部署;Anthropic 將工作定位為自動化安全壓力測試的初步探索。

  7. HuggingFace Daily Papers(社區熱門論文)58

    Auriga 技術報告提出用於零樣本具身操作的任務無關智能體框架

    Auriga 是一套用於零樣本機械人操作的任務無關智能體框架,無需目標任務試驗或重設,縮小了 68.3% 的規劃與執行差距。凍結評測版本在 RoboDojo 以 57.7% 成功率(64.0 Score)排名第一,在 RoboCasa365 達 73.2% 成功率,複合任務表現較 VLA 輔助智能體高最多 23.1%。

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

    Pandora 如何模擬心理治療來訪者的個人化表達

    Pandora 是一個心理治療來訪者模擬框架,透過追蹤心理及關係狀態、規劃表達方式,生成更貼近個人語言模式的回應。在涵蓋 115 個案例的評估中,Pandora 在表達相似度及整體披露對齊評分上均高於五個基線系統。四名評估者對 45 組披露內容的評分中,Pandora 被判斷為帶有 AI 特徵的比例為 7.2%,基線系統則為 43.3% 至 67.2%。

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

    隨機抽樣是否幾乎已經足夠?BestRand 實現穩定、低成本的基準測試壓縮

    BestRand 是一種穩定、低成本的基準測試壓縮方法,保留隨機抽樣效率,並減少少數大幅估算誤差帶來的不穩定。它在 70+ 項文字、多模態及智能體基準測試中,平均降低高誤差風險 50.2%、估算誤差 16.4%,建構成本只需 51.3%。程式碼及數據已公開。

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

    StreamDuo:面向未見遊戲的即時解説員與研究智能體

    StreamDuo 將可訓練的解説員與凍結的研究智能體配對,由研究智能體查閲遊戲維基,協助解説員評論未見過的遊戲。模型在 Baldur's Gate 3 上訓練,並在十款未見遊戲上測試;相較以相同數據訓練的 Proact-VL,實體召回率由 0.082 升至 0.116,來源遊戲資訊洩漏率由 9.9% 降至 1.0%。

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

    以速度匹配學習動力系統演化

    研究提出 Velocity Matching(VM),以無需模擬的訓練目標學習 Neural ODE,並以穩定性估計提供軌跡誤差保證。在非線性 ODE 測試案例中,VM 以與 teacher forcing 相同的訓練成本(採用 explicit Euler)取得較低軌跡誤差;在半離散 PDE 上亦能穩定訓練並取得最低測試誤差。

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

    解鎖預訓練自回歸圖像模型的任意順序生成能力

    研究提出以未來感知位置嵌入和排序課程,將預訓練的光柵掃描自回歸圖像模型改造成任意順序生成器,支援修補、外延和編輯。方法在 ImageNet 修補上的 FID 為 6.21,優於 MaskGIT 的 10.44;額外計算量為預訓練以外的 13-33%,並保留標準自回歸推理架構。

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

    以單一演算法訓練基礎模型

    研究提出以單一基於似然的演算法統一基礎模型各訓練階段,將訓練流程轉化為選擇數據、比例與時機的問題。研究團隊建立混合靜態數據與強化學習生成內容的統一訓練系統。實驗顯示,這種方法改善準確度與計算量的取捨及任務覆蓋範圍,同時保留較廣泛的能力,並為持續學習提供更強的起點。

  14. DEV Community45

    CryptoBench:用 54 段程式碼片段測試 LLM 加密 API 誤用偵測

    CryptoBench 是用來測試 LLM 程式碼審查加密 API 誤用偵測能力的數據集,包含 54 段 Python 程式碼片段,涵蓋九類誤用。研究以 Ollama 測試七個開源模型,每段重複五次,共記錄 1,890 次測試。三個能區分安全與不安全程式碼的模型,對弱密碼雜湊的偵測率為 81.7%,誤報率為 3.3%。

10月30日週五
  1. DEV Community40

    Android 翻譯中的雙重零寬空格,以及它為何常出現在「EXIF」之後

    MV2 分析 F-Droid 應用程式翻譯後發現,703 條字串含有多出的零寬空格,其中常見「空格加兩個 U+200B」的形態。這種組合在「EXIF」後的出現率約為其他短大寫詞之後的 3,900 倍,但觀察結果不能確定是哪種工具插入字元。開源翻譯檢查工具 l10n-guard 自 0.15.0 起會在 CI 標示這些字元,並略過需要使用 U+200B 的文字系統。

  2. Unite.AI54

    企業文件智能體會忽略螢光筆標記,研究顯示保留格式有助辨識重要要求

    一項研究發現,企業文件轉換流程若丟棄紅色文字與螢光筆標記,AI 智能體便較難辨識文件中被特別標示的重要要求。在 6,462 份政策文件中,近三分之一含紅字或螢光筆標記,約十分之一以這些標記強調重要要求;方法比較測試中,作者方案的 F1 為 0.690,高於 Docling 的 0.150 及純文字轉換的 0.075。保留格式並為標記加上説明毋須額外 LLM 呼叫,但每份文件約需兩倍 token。

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

    Flide:以精確狀態分叉加速決策推理

    Flide 是一款開源推理引擎,面向 Jev-like 決策模型,透過精確狀態分叉,讓多個問題共用運算,同時保留精確的決策語義。測試中,Flide 的推理速度最高比 vLLM 和 SGLang 快 9.5×,並支援 Decision Index 0.4.1 上的 30+ 款開源決策模型。

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

    ReLift:將稠密 3D 追蹤視為提升後軌跡的修復與補全

    ReLift 將稠密 3D 追蹤重新建模為幾何軌跡修復與補全,透過修正提升後的軌跡改善追蹤,無需以圖像訓練。在 WorldTrack 上,ReLift 的平均準確度達到當時最佳水平,較最強基線在所有點提升 2.1 APD、動態點提升 3.0 APD;較快配置的運行速度快於 4RC。模型可跨不同追蹤器和幾何模型改善軌跡,無需重新訓練。

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

    REA:面向非同步腦—小腦控制的路由式具身智能體執行時

    REA提出統一執行時,讓審慎型、具身路由及反應式策略非同步協作控制機械人,並讓執行中的策略毋須等待大腦。在3,000個測試回合及60項LIBERO-Pro任務中,REA成功率達95.9%,較最佳單一智能體基線的94.7%高,控制步數減少25%,控制時間減少17%。REA在RoboTwin 2.0、BEHAVIOR-1K及Unitree G1人形機械人上亦取得研究結果。

  6. DEV Community54

    MMLU-Pro 審計發現模型偏向最長選項,三個模型低於長度基準

    針對 MMLU-Pro 656 道 STEM 網站生物及心理學題目的審計發現,15 個模型答錯時都比隨機錯答更常選中最長的錯誤選項。Llama-2-7B、Mistral-7B-Instruct-v0.2 和 Gemma-7B 的準確率低於只選最長選項所得的 66.85%。這種偏向在 14 個模型的 STEM 網站題目上高於 MMLU 衍生題目;研究屬觀察性分析,無法確認選項長度是否造成此偏向。

  7. Epoch AI:Gradient Updates80

    GLM 5.3 可利用公開安全修補資訊,在用戶收到更新前製作可行漏洞利用程式

    Epoch AI 的實驗發現,GLM 5.3 可利用尚未推送至用戶的 Firefox 安全修補資訊,自主製作漏洞利用程式,在用戶瀏覽網頁時讀取其電腦中的檔案。它以每個版本約 $1,000 的算力,攻破 9 月 17 日至 10 月 26 日發布的六個 Firefox 版本;最快一次用時 12 小時。

    推薦理由:研究以六個 Firefox 版本全數遭攻破、Chrome 測試未成功作對照,並披露每次成功攻擊約需 $1,000 算力,具體呈現修補程式發布後的風險窗口。

  8. 新浪科技58

    具身智能羣體經驗學習範式 CEL 發布,機械人可透過同伴作業軌跡學習

    智元聯合清華大學、無問芯穹發布具身智能羣體經驗學習範式 CEL,讓機械人從同伴的真實作業軌跡中學習。基於 CEL 訓練的機械人在插花、疊衣、手機充電、凳子組裝及手機包裝五項真實任務上的策略成功率,均超過人類遙距操作員平均水平,最高高出16.7個百分點。手機包裝測試中,96台機械人連續包裝120次,只失敗2次;在相同物理訓練時間下,參與機械人由16台增至96台,成功率由86.7%升至98.3%。

  9. DEV Community34

    炎熱天氣混凝土施工的機器學習:預測新拌及早齡期行為的批判性綜述

    這項批判性綜述整理機器學習預測炎熱乾旱施工環境下混凝土新拌及早齡期行為的研究,涵蓋工作性與坍度損失、凝結與水化、蒸發與塑性收縮裂縫、早齡期升温與熱裂縫,以及現場強度發展。研究指出,樹模型集成與神經網絡在實驗室及模擬數據上準確度高,但採用現場炎熱天氣數據訓練的模型很少,外部驗證亦罕見;物理資訊學習、遷移學習、可解釋性及感測器驅動的數碼孿生是值得探索的方向。

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

    ViT-HarDis:以困難樣本條件化的去相關注意力提升穩健人臉識別

    ViT-HarDis按樣本難度調節注意力頭去相關,對身份較難區分的樣本施加更強去相關,並只在最後的 Transformer 層進行。以 WebFace4M 訓練時,該方法在 IJB-B、IJB-C 和 TinyFace Rank-1 的 ViT 方法中達到 SOTA;以 MS1MV3 訓練時,則在 IJB-B 和 TinyFace 取得最佳結果,且不需改動架構或增加推理成本。

  11. 虎嗅36

    全球人均壽命延長約9年,不健康年數增至10.7年

    一項涵蓋全球204個國家和地區的研究發現,過去三十多年人們雖然活得更久,不健康地生活的時間也有所增加。1990至2023年,全球人均預期壽命由64.6歲升至73.8歲,健康預期壽命由55.9歲升至63.1歲,兩者差距由8.8年擴大至10.7年。女性的壽命與健康壽命差距更大,2023年為12.1年,男性則為9.3年。