跳到正文
目前篩選:論文
10月27日週二
  1. DoNews85

    OpenAI 宣佈 AI 模型在數學、電腦科學及物理學取得三項科學突破

    OpenAI 宣佈,其 AI 模型證明所有維度的局部光滑猜想、推翻指數時間假設(ETH),並提出量子場論存在性的嚴格數學證明。數學和電腦科學成果已透過 Lean 形式化驗證並公開證明材料;物理學成果正由專家審查,所有成果仍需學界獨立確認。ETH 被推翻後,研究人員需重新審視多類計算任務的速度提升空間,找到可實現的算法仍需大量後續研究。

    推薦理由:文章分別交代數學與電腦科學成果的 Lean 形式化驗證,以及物理學成果的專家審查安排,呈現三項研究在學界確認上的不同進度。

  2. DEV Community41

    多智能體如何把共享模型容量調度變成資源分配問題

    共享昂貴專家模型的多智能體系統,需按各項介入的預期價值分配有限的 GPU 容量或 API 配額,而非只按能力匹配或負載平衡路由。這套框架衡量介入收益、回退風險與機會成本,並考慮智能體間依賴及模型稀缺程度,以優先佇列安排資源。在 240 個案例、30% 援助配額的回放測試中,凍結分配器的任務層級 persona 遵循率為 85.42%,隨機分配為 73.86%。

  3. 新浪科技85

    OpenAI 宣佈 AI 模型取得數學、電腦科學及物理學三項突破

    OpenAI 表示,其 AI 模型在數學、電腦科學和物理學提出三項成果,包括證明所有維度下的局部光滑猜想、推翻 ETH,以及證明四維空間中某些包含規範場和費米子的相互作用量子場論存在。數學和電腦科學成果已通過 Lean 形式化驗證,證明材料已公開於 GitHub;物理學成果正由諾貝爾物理學獎得主等專家審查。相關成果仍需學術界進一步獨立確認。

    推薦理由:三項成果橫跨調和分析、計算複雜性與量子場論,數學及電腦科學證明已用 Lean 形式化,物理成果則由專家審查。

  4. The Verge · AI78

    OpenAI 宣佈數學、計算機科學及物理學三項重大發現,並引入學者協作方式

    OpenAI 宣佈數學、計算機科學及物理學三項重大發現,並以不同方式安排學者檢視或解釋部分結果。數學成果包括歐幾裏得波方程局部平滑猜想的證明,適用於至少兩個空間維度;計算機科學成果以確定性次指數時間算法反駁指數時間假設(ETH),相關材料及 Lean 證明已上載 GitHub。

    推薦理由:報道呈現 OpenAI 發佈數學、計算機科學與物理成果時採用的學者協作方式,並交代顧問小組對指定人士先行接收成果所涉資訊不均及選人偏差的疑慮。

  5. DoNews49

    Q Labs 發佈 Dust 零階優化演算法,僅靠前向傳播預訓練大型模型

    Q Labs Research 推出 Dust 零階優化演算法,僅靠前向傳播即可預訓練 Transformer,並在預訓練任務上達到可與反向傳播抗衡的水平。基於 FineWeb 的實驗涵蓋 2M–243M 參數模型及最高 20M Token,Dust 比 EGGROLL-Transformer 效率提升千倍至萬倍。現階段 Dust 的整體計算開銷仍高於反向傳播,尚非可直接取代反向傳播的工程方案。

  6. TNW77

    OpenAI 稱內部 AI 模型已反駁指數時間假説

    OpenAI 稱其內部模型於 10 月 16 日反駁了指數時間假説(ETH),並於翌日以 Lean 核驗證明,相關説明及證明已上載 GitHub。由 Russell Impagliazzo、Ramamohan Paturi 及 Ryan Williams 組成的小組將獨立審查結果,並強調參與不等於認可;OpenAI 同意公開該結果的原始數據及資助研究社羣會議。

    推薦理由:ETH 被廣泛用作論證多個領域的問題難以快速求解的依據,報道亦交代專家小組的獨立審查安排,以及參與不代表認可的立場。

  7. Unite.AI85

    OpenAI 稱其模型在數學、計算機科學及物理學產出三項證明

    OpenAI 表示,其內部模型產出三項數學、計算機科學及物理學研究結果:證明各維度的 local smoothing conjecture、反駁 Exponential Time Hypothesis,並給出涵蓋 QCD 的量子場論存在性證明。

    推薦理由:三項結果採取不同發布安排,數學稿與 Lean 證明公開、計算機科學結果供社羣核驗,物理材料則暫緩發布,呈現協作模式的取捨。

  8. 新浪科技44

    國際勞工組織:2026年全球青年就業趨勢報告

    國際勞工組織報告指出,全球青年失業率在2025年升至12.4%,約6700萬人失業,青年未就業、未受教育或培訓(NEET)比例亦升至20%。青年女性NEET率達27.4%,超過青年男性的兩倍;中等技能職位持續承壓。報告指出,AI將加速職位結構重組,青年就業挑戰亦包括非正規就業和職位質素下降。

  9. DEV Community64

    研究發現 AI 編碼智能體首次壓縮後平均遺失約三分之一反作弊規則

    一項尚未經同行評審的預印本研究發現,AI 編碼智能體首次上下文壓縮後,平均遺失三類反作弊規則中的 0.92 類,約為三分之一。研究檢視 44 段真實編碼會話中的 269 項約束,發現整體有 19% 未獲保留;工作方式指示及範圍排除項被刪除的頻率,約為功能需求的六倍。研究並未證明上下文壓縮會導致 reward hacking,也未測試文中提出的六項應對方法。

  10. Apple Machine Learning Research44

    GHARP:基於大規模重建先驗的即時高斯頭部動畫

    GHARP 可根據人物的少量輸入圖像及驅動表情訊號,即時生成 3D 人頭動畫。方法將離線建立人物幾何與外觀的身份階段,與執行時預測表情變化的輕量動畫階段分開,並以身體對齊網絡減少身體外觀模糊及時間閃爍。GHARP 在 Ava-256 benchmark 達到最先進品質,在 A100 GPU 上速度最高提升 13×,所用高斯數量減少 8×。

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

    WorkFactory:將專業意圖轉化為可執行工作,以擴展智能體訓練

    WorkFactory 從專業意圖建構連貫且可執行的工作任務,支援大規模智能體訓練。研究團隊以涵蓋 612 個職業的 112,686 項任務微調 Qwen,推出 4B、27B 和 35B-A3B 規模的 WorkPilot 模型。WorkPilot-35B-A3B 在 GDPval-AA v2.1 的 Elo 評分由 879 升至 1565,數據和模型均可取得。

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

    WebAnything:從真實網絡構建可擴展的智能體環境

    WebAnything 可從真實網址全自動重建可重用、以來源為依據的網頁環境,供智能體訓練及評估。系統建立了 244 個網站資產,涵蓋 14 個應用領域及 53 個類別,並支援 12,984 項已執行及獲接納的任務。以 5,856 條互動軌跡微調 Qwen3.5-9B 後,REAL 成功率提升 9.9 個百分點,WebArena-Verified 整體成功率提升 13.33 個百分點。

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

    先理解,再繪製:一種視覺生成的新學習範式

    一種結合自回歸預訓練與擴散後訓練的學習範式,以前者習得語義知識、後者進行高保真渲染,提升文字生成圖像的效率與品質。研究訓練出一個 3B 參數模型,僅使用 6,600 H100 GPU 小時,在 GenEval 得分 86、DPG-Bench 得分 87。研究亦提出知識習得與渲染的計算最優縮放定律。

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

    Venus-DefakerOne2:涵蓋更廣泛偽造形式與媒體類型的視覺鑑證基礎模型

    Venus-DefakerOne2 是一個統一的反偽造基礎模型,透過交替採用 LoRA 與全參數微調,以及基於熵的測試時適應,擴展對不同偽造形式和媒體類型的偵測能力。模型以數千萬個開源及內部樣本訓練,在六類基準測試取得 87.6% 至 96.7% 的表現,涵蓋 DeepFake 人臉、AI 生成圖像、遭篡改文件、自然圖像偽造、實體仿冒及 AI 生成影片。

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

    監控器準確率並非答案:評估 AI 智能體重啟監控器的決策價值框架

    研究提出以決策價值評估 AI 智能體重啟監控器的框架,指出準確率及正、假陽性率不足以判斷重啟能否提升成功率。準確率固定為 90% 時,重啟可令成功率降低 5 個百分點或提高 35 個百分點,取決於替代嘗試在剩餘預算下成功的概率。研究檢視 194 次模型執行及 130 條軌跡,103 次即時比較均未達指定認證門檻。

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

    LOWN:以證書引導視覺路由,提升擴散視覺語言模型效率

    LOWN 在擴散視覺語言模型解碼時,按預測是否一致決定何時處理圖像,並以獲得證書的 token 數量決定每步解除遮罩的 token 數量。在十個基準測試中,無需訓練或調校閾值,LOwn 平均只用 35.3% 的解碼 FLOPs,便保留 LLaDA-V 99.6% 的評分。它亦適用於其他基於 LLaDA 的擴散視覺語言模型,並可與視覺 token 剪枝及 KV cache 配合。

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

    Metis-1.6 技術報告介紹兩款讓每個 token 經同一組 20 層兩次的推理模型

    Metis-1.6 技術報告介紹作者從零訓練的兩款推理模型 Logos 和 Praxis,每個 token 都以相同權重經過同一組 20 層兩次。兩者主要採用 Mamba-2,只有 3 層使用 attention,且沒有位置編碼;Logos 有 10.23B 參數、每個 token 使用 2.36B,Praxis 有 2.94B 參數,4-bit 下可放入 2 GB。

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

    TAO:面向 LLM 智能體服務的工具感知聯合排程

    TAO 是一套面向 LLM 智能體服務的工具感知聯合排程框架,透過動態規劃,在容量限制下共同選擇及配置等候中的工作階段。其價值介面納入工具即將就緒的狀態、隨時間衰減的節點快取權重及 token 用量。在 12 組模型、工作負載及並發設定中,與各項指標的最佳受評基準相比,TAO 的延遲最多降低 26.8%、平均首 token 時間最多降低 36.3%,解碼吞吐量最多提升 29.5%。

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

    GEPA-Curator:以策展式學習提升自我改進智能體

    GEPA-Curator透過篩除不可靠的失敗訊號及檢索過往成功經驗,改善智能體的提示詞優化。框架包含任務策展和過往成功軌跡檢索,並在 GoBrowse、ALFWorld、AppWorld 和 τ-bench 上,以 Gemini 3.1 Pro 和 Claude Opus 5 作為優化模型進行評估。

  20. HuggingFace Daily Papers(社區熱門論文)39

    以迭代式事後重標記學習可控執行品質的機械人策略

    Quality-Controllable Policy(QCP)讓機械人策略在推理時控制執行速度、動作流暢度等品質屬性,並可按任務需要調整這些屬性。研究提出迭代式事後重標記流程,利用線上執行軌跡更新數據集並微調策略;在 Robomimic、RoboEval 及真實操作任務中,QCP 逐輪提升執行品質和成功率。

  21. HuggingFace Daily Papers(社區熱門論文)63

    《Follow the Gradient》提出以梯度追溯訓練資料中的安全性退化

    論文提出 SimpleLoRIF,以梯度對齊找出會削弱大語言模型安全性的微調指令資料,並據此建立移除梯度最貼近不安全回應的 20% 樣本的 SafeTulu。在 Qwen、Llama 和 Olmo 上以 SafeTulu 訓練,GCG 攻擊成功率最多下降 22%,同時大致保留甚至提升模型能力。

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

    PREEN:利用智能手機編輯器預設進行基於範例的色彩風格遷移

    PREEN 將色彩風格遷移轉化為對確定性圖像編輯器 29 個參數的回歸,根據內容圖像和風格參考預測可解讀、可供編輯器使用的預設。在 PST50 基準測試中,PREEN 在像素及感知保真度指標上領先基線,並能以低於一秒的裝置端延遲生成預設。模型還提供單一推理時強度調節旋鈕,可在一次前向傳播中呈現由預設到鮮明的連續效果,毋須重新訓練。

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

    Muon 令首個混合專家層更難平衡

    使用 Muon 訓練混合專家(MoE)語言模型會加劇首個 MoE 層的路由失衡,其他層受影響較小。在活躍參數為 55M 和 108M 的模型中,首層偏置跨度在每個隨機種子下均上升,平均約增至兩倍;從路由器輸入中減去批次平均值可消除過載,而降低較小模型的 Muon 學習率亦能消除大部分增幅。此規模下,將路由器改用 AdamW 會令負載變化更大,結果較支持讓路由器繼續使用 Muon。

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

    Multi-Agent Relay Thinking:MACR 如何以信心引導多智能體接力推理

    MACR 提出以信心引導觸發和競標機制動態轉移推理任務的多智能體接力框架,讓後續智能體承接並完善推理過程。在四個基準測試中,MACR 的準確度勝過最強單模型策略,在 MathVista 和 MMStar 分別提升 3.3% 和 3.9%;在 HallusionBench 和 MMStar 上,token 開銷比多智能體策略少 6.0 倍。

  25. DEV Community52

    智能體循環中的上下文修正為何不持久?Self-Direction 如何把錯誤轉成長期修正

    普林斯頓大學與 Meta FAIR 團隊提出 Self-Direction,將智能體執行錯誤轉化為低秩 adapter 更新,讓修正可在後續工作階段按需使用。在 GAIA、Claw-Eval 和 Terminal-Bench 2.1 上,任務完成率較標準上下文反思基線高 8.9 至 17.0 個百分點。這個方法僅更新約 0.02% 的參數,並凍結基礎模型權重。