跳到正文
目前篩選:論文
11月19日週四
  1. HuggingFace Daily Papers(社區熱門論文)42

    AVTR:以視覺想像實現自適應多模態推理

    AVTR 結合生成式視覺反思與文字推理,並按輸入內容學習選擇推理方式,以適應不同的感知與推理需求。在 16 項基準測試中,AVTR 較 Qwen3.5 基線平均提升 4.5 分,同時將推理延遲降低 33%。擴展至較小規模的骨幹模型時,AVTR 亦勝過受評估的 2B 規模基線。

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

    CurvDelta:用於選擇性學習與遺忘的低曲率增量建模

    CurvDelta 和 CurvLoRA 將大語言模型更新限制在低曲率保留空間,以提升一般能力保留度,同時維持目標適應效果。兩者以數學推理、程式碼生成及知識遺忘任務作評估;在 TOFU 和 MUSE 上,方法在目標遺忘與知識保留之間取得較佳平衡,保留表現接近從頭重新訓練的參考結果。

  3. DEV Community32

    論文資料庫日期的「假精確」問題

    Europe PMC 和 PubMed API 的 7 條紀錄顯示,日期精確到日不代表該日已獲證實;期刊資料可能只標示月份。作者以 24 項虛構證據測試 6 個模型,每項重複 3 次;加入日期窗口規則及佔位日期提示後,答案與作者答案鍵的匹配率由 17% 升至 48% 和 96%。這是小型測試,答案鍵包含作者的假設;作者建議保留每個日期的來源精度。

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

    PReMind:個人記憶如何結合視覺危險資訊

    PReMind 提出兩階段強化學習框架,訓練個人化視覺語言助理結合視覺危險證據與用戶記憶,作出合適回應。PReMind-Bench 評估記憶提取、視覺根據、拒答及危險應對,並測試各項能力的聯合表現。4B 版本在相互依存測試集的聯合成功率由基礎模型的 12.9% 提升至 28.6%。

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

    WorldRuler:可配置規則下的互動世界建模

    WorldRuler提出基於規則圖的生成式世界模型,可在儲存及載入時保留用戶定義的規則與世界狀態,並準確呈現規則對指定物件及屬性造成的視覺變化。研究以 GTA-V 和 Habitat 建立 RuleVerse 數據集,並透過動態物件綁定、屬性狀態替換及反事實重建訓練,提升規則執行與影片生成的一致性。

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

    PIPETTE:提升 LLM 智能體抵禦間接提示詞注入攻擊的紫隊測試框架

    PIPETTE 是一套提示詞注入紫隊測試框架,透過字典學習和在策略對抗訓練,將紅隊測試發現的攻擊轉化為對 LLM 智能體的防禦提升。它在 AgentDojo 和 ASB 評測中,令防禦模型在靜態攻擊下的攻擊成功率接近零,並能抵禦強適應性攻擊,同時維持接近未設防基線的正常任務效用。

  7. HuggingFace Daily Papers(社區熱門論文)32

    UltraTex:對齊物理知識以生成高保真 PBR 紋理

    UltraTex 提出級聯多視角框架,結合物理知識與視覺語言模型特徵,從單張參考圖像為 3D 網格生成符合物理特性的 PBR 紋理貼圖。框架先聯合預測反照率與世界空間着色法線,再根據生成的反照率、參考圖像及材質語義先驗預測金屬度與粗糙度貼圖。實驗顯示,UltraTex 在視覺保真度、材質準確度及物理合理性方面勝過現有開源和商業方法。

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

    Movie2Game-Bench:超越可玩性的電影改編遊戲全面評估

    Movie2Game-Bench(M2G-bench)提出一套評估電影改編遊戲的基準,結合一般評估、電影特定評估及三個 GUI 模型玩家的測試,衡量可玩性以外的改編品質。基準涵蓋22部電影及658項來源特定參考項目,並以相同電影評估14個模型;所有模型在可玩序列的內容呈現平均為37.9/100,低於標誌性元素的54.8。

  9. DEV Community46

    LLM 回饋提升影片的物理一致性

    LLM 迭代分析生成影片並要求修正,可提升影片的物理合理性,無須重新訓練影片生成器。PhysLoop 在 PhysLoop-Gen benchmark 的任務成功率為 85%,高於 Seedance 2.5 的 73%;修復有缺陷影片的成功率則為 86.00%,高於獨立基線的 19.33%。其視覺真實感評分為 3.72,低於 Seedance 2.5 的 4.29。

  10. DEV Community32

    Airfoil Self-Noise:一個模型看過測試條件的其他頻率資料,另一個沒有

    一項 Airfoil Self-Noise 實驗比較兩個各用 843 行資料訓練的模型池:納入測試條件其他頻率資料的 B,平均測試 MAE 為 2.323152 dB,低於未納入的 A(2.644575 dB)。603 組配對比較中,B 有 237 組絕對誤差較大;由於替換資料亦改變資料覆蓋範圍及正規化結果,實驗不能證明改善是由看過測試條件造成。

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

    Chiron:測量和預測人類行為的基礎模型

    研究提出 Chiron,一個由大型語言模型微調而成的基礎模型,用於測量和預測人類行為,並使模擬人口回應分佈與人類統計數據對齊。訓練及評估資料涵蓋 36 個行為領域、78 項社會科學實驗、288,307 筆個人紀錄、1,411,750 項原子行為決策,以及涵蓋 109 個心理構唸的 99,953 項心理測量評估。

  12. HuggingFace Daily Papers(社區熱門論文)50

    DrawScore:以工程圖評估生成的 CAD 模型

    DrawScore 透過工程圖投影評估自動生成的 CAD 模型,利用飽和懲罰衡量投影曲線上的誤差,令局部錯誤的權重僅按線性幅度衰減。相較於體積或表面指標,它能揭示 IoU 評為近乎完美的輸出中的錯誤,並可用作強化學習獎勵;從工程圖生成 CAD 時,亦可在沒有 3D ground truth 或額外獎勵模型的情況下作為測試時驗證器。

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

    RoughCut-Bench:大型視覺語言模型自動影片粗剪基準測試

    RoughCut-Bench 為大型視覺語言模型自動影片粗剪建立基準,並提出引導模型生成結構化剪輯計劃的智能體工作流程。基準涵蓋 101 個視覺案例(831 段原始影片、1,476 個精彩片段標註)及 84 個語音案例;評測顯示,現有模型仍難以產生符合專家剪輯計劃的結果。

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

    循環語言模型的延遲進入策略

    研究提出循環語言模型的延遲進入策略,讓新 token 跳過初始 passes,直接進入最後 K 個 passes,利用深層上下文 cache 加快推理。在 Ouro-2.6B(T = 4)上,Wake 於 tau = 0 達到 5.2x greedy-exact 加速;在 Huginn-3.5B 上,T = 64 時達到 8.4x。

  15. 新浪科技57

    NeuroAxis 無電池神經接口以血糖供電,在大鼠模型中逆轉糖尿病

    新加坡國立大學與南京郵電大學團隊於11月19日在 Nature 發表 NeuroAxis 研究,裝置以葡萄糖供電,並按血糖水平觸發迷走神經刺激。在一型及二型糖尿病大鼠模型中,裝置改善血糖及相關代謝指標;三個月植入測試未見主要器官明顯炎症或壞死。文章指出,臨牀應用前仍需調整裝置尺寸與輸出功率,並確認材料的長期穩定性。

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

    Jeveration:System One 模型現可生成圖像

    Jeveration 將凍結的視覺語言模型改作生成模型,讓 System One 模型以單次前向傳播生成連貫圖像,並支援圖像轉圖像及密集預測。模型生成 512x512 圖像需時 78 ms,速度最高比現有統一模型快 122x。實驗顯示,其圖像質素及密集預測效能具競爭力。

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

    CriticNPU 以機理評估器提升 NPU 設計空間探索的樣本效率

    CriticNPU 是一套面向 LLM 推理的 NPU 設計空間探索框架,利用線上校準的機理評估器篩選候選配置並分析運算瓶頸。在 6 個 LLM 工作負載及每個模型 16 個部署配置的測試中,其延遲表現於 74% 的 prefill 設定及 87.5% 的 decode 設定達到最佳或並列最佳。與具競爭力的 DSE 基線相比,CriticNPU 使用的模擬器呼叫約減半。

  18. IT Square · AI53

    港大研發 PULSAR II 單螺旋槳自主無人機,以機身自旋實現全方向感知

    香港大學研究團隊研發 PULSAR II 單螺旋槳自主無人機,利用機身自旋配合垂直安裝的激光雷達掃描周圍環境,實現全方向感知。實地測試中,無人機在樹林及地下停車場自主建圖、避障,速度超過每秒6米,毋須依賴 GPS、外部動作捕捉設備或地面電腦。整機重約1.12公斤,實測懸停時間達15分50秒,並在碰撞測試中維持受控飛行。

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

    IDEA:面向 GUI 智能體推理時後門檢測的意圖主導證據審計

    IDEA 提出一種面向開放權重 GUI 智能體的逐步推理時審計方法,用於檢測視覺觸發後門。方法比較指令和畫面區域對決策狀態的影響,並以乾淨步驟作對照,提供有限樣本的誤報率保證。Qwen2.5-VL-3B 在五類攻擊上的實驗顯示,IDEA 能在受控誤報率下檢測後門,並為每次警報定位觸發區域,推理開銷僅略有增加。

  20. HuggingFace Daily Papers(社區熱門論文)34

    時序基礎模型的循環式領域增量適應

    PACT 將預訓練時序基礎模型的嵌入空間劃分為局部區域,透過殘差傳輸適應新運行條件,同時保留已學習條件的表現。每個新條件只需 5% 標註校準數據,在測試時無須提供條件身份;在四種軸承故障條件的序列中,平均 macro-F1 維持在 0.95 以上。編碼器、分類器及先前學習的傳輸模組保持固定。

  21. DoNews48

    韋布望遠鏡首次直接觀測恆星吞噬伴星的合併過程

    NASA 韋布望遠鏡直接觀測到雙星系統 AT 2025abao 中,伴星螺旋下陷並撞入紅巨星核心,為共同包層演化提供直接證據。紅巨星約為7倍太陽質量,伴星約為0.7倍太陽質量;伴星在共同包層內下陷約7年後完成合併。研究成果於2026年11月18日發表於《自然》。

  22. DEV Community46

    為何 AI 編碼智能體的自我審查會失效:單智能體自我審查對比對抗式評論者(突變體擊殺率 0% 對 100%)

    AI Labo 的 E10 基準測試以 gemini-3.8-flash 比較單智能體自我審查與對抗式 Maker-Checker,兩者均通過 20 項功能測試,但突變體擊殺率分別為 0% 和 100%。自我審查測試套件因缺少 pytest 而執行失敗;對抗式評論者以額外 $0.0052 和 6.92 秒,擊敗全部 6 個突變體。

  23. DEV Community44

    Agent Trust Infrastructure:跨組織 AI 智能體的聯邦身份與遠程證明

    Agent Trust Infrastructure(ATI)以獨立於框架的安全層,透過 PKI、零信任架構及遠程證明,在無須共用根憑證授權機構的情況下建立跨組織信任。模擬測試涵蓋八個組織、六種框架及 14 種攻擊情境;啟用所有防護機制後,攻擊遏制率由 43% 升至 84%。每次請求的額外開銷約為 174 微秒。

  24. DEV Community54

    FINAL-Bench 混淆 Shell 安全度排行榜實測 20 個模型,GPT-6.1 Terra 平衡準確率 99.5 居首

    FINAL-Bench 的混淆 Shell 安全度排行榜評測 20 個模型,GPT-6.1 Terra 以 99.5 平衡準確率排名第一,Kimi K3.1 Pro 是開源模型之首,得分 97.9。評測使用 221 條保留命令,每條評分 3 次並以多數決定結果,沒有 AI 評審。榜單指出,各模型的差距主要在正常命令通過率;穩健性測試中,Kimi K3.1 Pro 以 99.3 居首。

  25. OpenAI News72

    OpenAI 公佈研究加速報告,指出 AI 研發能力提升不均

    OpenAI 公佈內部研究加速報告,指出編碼智能體可獨立完成更多研究任務,但能力提升因工作類型而異,人類仍是 AI 研發流程的重要部分。對估計需人類工作 2 至 4 小時的任務,無人介入成功率由 3 月的 23% 升至 10 月的 46%;監察訓練運行任務的成功率為 79%,編寫推理及服務堆疊程式碼則為 25%。

    推薦理由:報告把智能體使用、研究員工作流程與模型能力指標放在同一框架,並呈現自動化成效在不同任務上的明顯落差。