跳到正文
目前篩選:論文
11月21日週六
11月20日週五
  1. DEV Community51

    Megabit Trajectories 公開 66 段經實際執行驗證的編碼智能體軌跡數據集

    Sumama-Jameel 公開 Megabit Trajectories,收錄 66 段經實際執行及驗證的編碼智能體軌跡,合計超過一百萬個模型 token。與四個較大型數據集比較時,SWE-Gym 在作者自訂的每萬 token 錯誤恢復配對數指標上以 10.72 比 6.48 領先,SWE-smith 的最長重試鏈則為 64 比 4;作者亦公開自己在規模等項目落後。

11月18日週三
11月16日週一
11月14日週六
  1. Google Research85

    Google Research 公佈 Antigravity /teamwork 在數學、科學與工程領域的成果

    Google Research 公佈 Antigravity 的 /teamwork 結合 Gemini 4 models 在數學、科學及工程任務上的多項成果,並向外部研究人員和開發者開放相關工具。

    推薦理由:文章以數學、化學與系統工程案例,呈現 /teamwork 如何透過並行探索、獨立驗證和任務分工支援長程研究工作。

11月13日週五
11月12日週四
  1. LlamaIndex:產品、工程與評測63

    LlamaIndex 推出 ParseBench-2 文件解析基準

    LlamaIndex 推出 ParseBench-2 文件解析基準,以按錯誤嚴重程度校準的確定性指標,令評分更貼近人工判斷。資料集由 2.1k 擴至 4.3k 個案例,涵蓋文字、表格、格式、圖表、版面及表單六個維度,並納入 330 多種錯誤類型。資料集、評測程式碼及評分準則已公開;在 41 組配置中,LlamaParse Agentic Plus 以 89.8 分排名第一。

11月11日週三
11月10日週二
  1. Google DeepMind64

    Google DeepMind 開放 SatWeave 和 PARDIG 天氣數據集

    Google DeepMind 開放 SatWeave 和 PARDIG 的即時資料及歷史檔案,供研究人員和開發者用於天氣、水文及氣候應用。SatWeave 每小時更新,涵蓋 17 個可見光、水汽及紅外線通道;PARDIG 提供時間解析度為 15 分鐘、約 10 公里解析度的全球降水圖,平均延遲約 5 小時。

    推薦理由:兩套數據集分別提供全球衞星影像拼接與降水估算,並開放即時資料和歷史檔案,呈現它們支援天氣、水文及氣候應用的資料基礎。

11月9日週一
  1. Hugging Face Blog60

    Elith 與 NVIDIA 發佈 Nemotron-Personas-Finance-Japan 合成資料集

    Elith 與 NVIDIA 發佈 Nemotron-Personas-Finance-Japan,這是一個以日本官方統計及家庭金融資訊為基礎、供金融 AI 開發使用的合成人物資料集。資料集共包含 9M 個人物設定,每筆記錄涵蓋 50 個欄位,並以 CC BY 4.0 授權提供商業及非商業使用。它可用於建立客服智能體、評估銷售對話和市場推廣、進行用戶模擬,以及紅隊測試面向客戶的 AI。

    推薦理由:資料集把日本官方人口與勞動統計、家庭財務及金融素養欄位結合,並列出客服智能體、用戶模擬和公平性測試等具體用途。

11月6日週五
11月5日週四
11月4日週三
  1. 新浪科技61

    Anthropic 開發 FlashProve 開源系統,以密碼學驗證 AI 輸出來源

    Anthropic 正在開發開源系統 FlashProve,透過密碼學證明驗證 AI 輸出是否來自指定模型,並已公開技術規範及各組件的可運行程式碼。模型指紋可與特定輸出匹配,驗證來源時不會洩露模型權重,用戶亦可在本地裝置完成驗證。相關研究仍在進行,Anthropic 尚未計劃在自家或其他 AI 實驗室部署 FlashProve。

  2. IT之家59

    Anthropic 正開發 FlashProve 開源系統,以密碼學證明 AI 輸出來自哪個模型

    Anthropic 正在開發開源系統 FlashProve,透過密碼學證明驗證特定 AI 輸出是否來自指定模型。AI 實驗室可為已發布的模型提供不洩露權重的指紋,使用者可在本地裝置完成驗證;相關技術規範及可執行程式碼已按開源授權在 GitHub 公開。研究仍在進行,Anthropic 目前沒有計劃在自家或其他 AI 實驗室部署 FlashProve。

11月3日週二
11月1日週日
10月31日週六
  1. The Decoder65

    Google DeepMind 利用衞星數據和 AI 建立全球森林地圖 ForTy

    Google DeepMind與世界資源研究所開發ForTy全球森林地圖,將2020年全球土地劃分為6類,底層數據解像度為10米。該地圖為歐盟《零毀林產品條例》(EUDR)提供參照;專家核查8,190個抽樣地點,整體正確率為90.2%,但樹作物及人工林的辨識率僅約一半。地圖、分類層及測試數據以CC BY 4.0免費提供,程式碼已發布於GeeFlow和JEO儲存庫。

10月29日週四
10月28日週三
10月27日週二
10月25日週日
10月23日週五
  1. Hugging Face Blog62

    ThinkingBox-Training 開放 GitHub,將資料庫終態檢查用作智能體後訓練獎勵

    ThinkingBox-Training 已在 GitHub 開放,將智能體完成任務後的資料庫終態可執行檢查用作後訓練獎勵。以 GRPO 對 Qwen3.8-27B 訓練 50 步後,在 ThinkingBox-Bench 的 507 項任務(每項測試 20 次)中,pass@1 由 51.70% 升至 60.78%,20 次全部成功的任務由 38 項增至 107 項。

    推薦理由:文章展示如何把資料庫終態的可執行檢查轉成智能體後訓練獎勵,並按基礎策略成功率篩選任務,説明混合成敗回報如何為 GRPO 提供組內對比。

10月22日週四
10月19日週一
  1. DoNews59

    瑞典國防研究局研發 WiFireNet,利用 Wi-Fi 識別隱藏手槍

    10月13日,瑞典國防研究局(FOI)發布 AI 系統 WiFireNet,利用 Wi-Fi 信道狀態資訊(CSI)非侵入式識別隱藏手槍。在受控室內環境中,手槍檢測平均精確率為 72.5%,定位精度為 53.8%。系統目前處於實驗階段,原型採用 802.11a,後續計劃升級至 Wi-Fi 7/8;項目已開源程式碼、模型與數據集。

10月17日週六
10月16日週五
  1. Hugging Face Blog65

    NVIDIA 宣佈 Nemotron-pretraining-Indic-v1 預訓練語料及開源生成流程即將推出,規模約 2.8 trillion tokens

    NVIDIA 與 IIT Madras、AI4Bharat 介紹 Nemotron-pretraining-Indic-v1,這套涵蓋 22 種印度語言、約 2.8 trillion tokens 的預訓練語料及 GPU 加速開源生成流程即將推出。

    推薦理由:文章交代語料的語言與文字系統覆蓋,並拆解翻譯、品質評估及修復流程,呈現這套生成配方如何按不同語言工作流調整。

10月15日週四
10月13日週二
10月9日週五