跳到正文
目前篩選:論文
今天11月22日週日1 則
11月21日週六
  1. DEV Community39

    Harness-S 如何利用專門化執行框架訓練可遷移回原始框架的策略

    Harness-S 在 AppWorld、SWE-Gym 和 DBBench 上利用專門化執行框架訓練共享策略,並在原始執行系統 H0 下評估時,表現顯著優於只訓練策略的方法。Qwen3.5-4B 和 Qwen3.5-9B 兩種規模的策略均有提升;在執行器 rollout 次數相同的情況下,Rank-1 推理路由亦帶來增益。原文未提供主要結果表的數值。

  2. DEV Community43

    22 個 Python 專案近半模組依賴循環,常用指標反而令問題最嚴重者看似較好

    對 22 個 Python 專案的匯入圖分析發現,48.3% 的模組雖不在循環內,仍依賴循環中的模組;只統計循環數量無法反映這種暴露程度。分析涵蓋 33 688 個模組,其中 28.1% 位於循環內。循環數量排名與暴露程度排名的 Spearman 相關係數僅為 +0.041,單一指標可能掩蓋問題。

11月20日週五
  1. 新浪科技73

    Autane 如何讓港口巨型起重機實現釐米級精準作業?

    香港科技大學(廣州)楊俊團隊等研發的 Autane 港口輪胎式龍門起重機自主作業系統相關研究登上《科學-機器人》封面,系統已在多個港口實現全天候無人作業。目前超過60台RTG在港口運作,累計自主裝卸超過480萬個標準箱並保持零安全事故;6萬餘次作業的平均任務成功率為91.23%,平均效率為25.93箱次/小時。

11月19日週四
  1. 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。

  2. 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。

  3. 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。

  4. 新浪科技59

    研究估算美國403個超大規模數據中心年耗電量媲美一個州

    一項研究估算,美國403個超大規模數據中心在2024年5月至2025年4月共耗電約82太瓦時,佔全美用電總量1.8%。研究估計約54%的供電來自化石燃料,年二氧化碳排放量達2570萬噸,相當於67座天然氣發電廠的排放量。研究依賴難以獨立核實的商業數據,並對設施用電量及運行容量作出多項假設;論文連結為 https://doi.org/10.1038/s41893-026-01985-7。

  5. Unite.AI39

    Andus Labs Ground Truth Index 將 AI 試點擴散與工作流程缺口列為企業首要風險

    Andus Labs 最新一期 Ground Truth Index 將失控的 AI 試點和助理應用停留於淺層列為企業首要障礙,指出接觸 AI 工具不等於建立有效運用工具的營運模式。指數列出 25 項優先模式,其中 9 項為新增;排名根據 Andus 的觀察、AI 評分及研究員判斷,不代表企業採用情況的代表性調查。公司的擴展或停止決策,均應以工作流程實際變化作為依據。

  6. DEV Community49

    我們檢查了 573 款由氛圍編碼工具製作的應用有否洩漏 API 密鑰,結果如下

    對 573 款公開應用的檢查發現,3 款向所有訪客暴露了秘密金鑰。當中有 2 款在頁面程式碼中包含 OpenAI 密鑰,另有 1 款包含 GitHub 存取令牌;2 款應用的 Gemini 呼叫旁則有 Google 密鑰,是否構成問題未能確定。樣本來自 Hacker News 分享的連結,並非所有應用的隨機樣本。

  7. DEV Community68

    系統性回顧發現,88 項面向生產環境的 LLM 智能體研究普遍未報告四類關鍵測試

    一項系統性回顧分析 88 項聲稱與生產環境相關的 LLM 智能體研究,發現長期可靠性、監控覆蓋、故障恢復及對抗穩健性四項均未報告的研究佔 73%。在 314 項研究的更新樣本中,四項缺口各自在至少 82% 的研究中未報告,四項同時缺失的比例為 61%。論文提出部署前五步清單,包括補測四項缺口、在 CI/CD 設置質量閘門,以及上線後持續監測並把變化納入離線評估。

11月18日週三
  1. Wiz:Research(安全研究)86

    Wiz Research 等團隊揭露 NGINX 的 CVE-2026-123633 與 CVE-2026-123007 漏洞

    Wiz Research 等團隊揭露 NGINX 兩項漏洞,HTTP/2 啟用時可導致未經驗證的遠端程式碼執行。漏洞編號為 CVE-2026-123633 和 CVE-2026-123007,均評為 Critical,CVSS 4.0 評分為 9.2;其中 CVE-2026-123007 在提供普通靜態檔案時也可觸發,無需後端應用程式或第三方模組。

    推薦理由:文章拆解兩個 HTTP/2 記憶體安全漏洞導致遠端程式碼執行的路徑,並交代觸發條件及其對 NGINX 所服務網站與 API 的風險。

  2. HuggingFace Daily Papers(社區熱門論文)61

    FastFrames 提出互動級延遲的自回歸影片擴散模型

    FastFrames 論文提出一系列快速自回歸影片擴散模型,目標是在不犧牲生成品質下達到互動級延遲。1.3B 版本在單張 B200 GPU 上每影格耗時 36 ms、達 28 RPS,生成品質媲美慢近 8x 的 SOTA 模型;14B 版本在 8x B200 GPU 節點上每影格耗時 45 ms、達 22 RPS,並呈現顯著更佳的視覺品質和真實感。

  3. DEV Community41

    提示詞注入與 LLM 智能體狀態:1,401,041 次注入提案未能通過主機閘門(共測試 10,000,000 次)

    Python 主機端參考模型在 CPU 上測試 10,000,000 次提案,1,401,041 次注入提案均未提交,且主機保存的圖狀態與獨立參考結果比對時沒有差異。測試亦發現長數字會引發錯誤、服務座標可能互相解除頁面映射、提交中斷會令分頁器未能通過審核,以及未加鎖的多執行緒會出錯。測試沒有呼叫語言模型,亦未測試 Rust crate。

  4. DEV Community51

    Headron 對照測試 AI 智能體,報告任務表現與驗證結果

    Headron 公佈其基準結果,Claude 三種配置在 138 項任務中使用 Headron 答對 137 項,未使用時答對 78 項。另一次路由測試記錄的提示詞 token 比整棵程式碼樹路由少 89%;驗證紀錄共 17,397 項,涵蓋 PASS、REUSED、FAIL 與 NOT RUN。文中指出各數據來自不同測試套件,並非合併的整體準確率,也不是獨立業界基準。

  5. DEV Community40

    四篇新 AI 論文推進推理、TTS 與解碼效率

    1 月 31 日發表的四篇 AI 論文分別提出 RAPO 視覺保留方法、VoxMel 無 tokenizer 的 TTS 框架、LoopFill 推測解碼算法,以及 DominoBench 物理推理基準。RAPO 在貪婪解碼下的平均評分由 GRPO 的 27.87 提升至 31.41;VoxMel 的 0.6B 配置在 LibriSpeech 上達到 WER 1.98、SIM 0.721。

11月17日週二
  1. HuggingFace Daily Papers(社區熱門論文)50

    QDA:以 AI 智能體進行閉環大語言模型量化設計

    QDA以編碼智能體為不同模型及精度自主設計訓練後量化方案,無需人工介入。其方案在四個推理模型上,於 W4A16、W4A8、W3A16 分別平均領先最強公開方案 0.9、1.4、2.2 分,且可在現有 kernels 上執行而沒有推理開銷。對 320B 參數的 GLM-5.3-Flash 採用 NVFP4 時,6.5 小時、$69 的搜尋可恢復 FP8 模型 98.3% 的準確度。

11月16日週一
11月15日週日
  1. DEV Community51

    研究分析 AI 將 Ansible 角色轉成 Python 時的保障流失,並介紹 Reemote

    研究發現,AI 將 Ansible 角色改寫成一般 Python 程式時,常失去多主機同步執行、預演及變更回報等運維保障,主因是缺少對應的組態管理框架。實驗以開源 Python 套件 Reemote 作為轉換目標,Apache 和 DataDog 角色的轉換程式均在模擬主機測試中通過冪等性檢查。評估只涵蓋兩個角色各自預設路徑中的單一作業系統系列,驗證環境並非實際伺服器羣組。

  2. DEV Community24

    機械人工程標準 HRS-012:貨運無人機

    HRS-012 為貨運無人機訂明分層且具故障隔離能力的電氣與電子架構,要求按安全關鍵程度劃分推進、航電、任務、貨載及輔助電源域,並設計冗餘供電、保護和故障隔離。標準亦要求航電與高頻寬任務運算保持邏輯獨立,並持續監測主要電力設備,以支援故障偵測、維護及飛行決策。

11月14日週六
  1. Hacker News 熱門(buzzing.cc 中文翻譯)50

    模型在權重空間中傳播病毒?受控探測揭示權重編輯風險

    受控探測顯示,編輯器模型可直接修改目標模型的權重,令其產生錯誤資訊、拒絕正當請求或遺漏指定資訊,但結果未證明病毒已在模型間傳播。測試以 Qwen2.5-1.5B-Instruct 為目標模型、ChatGPT 6.1-Sol 為編輯器,三項探測均出現不同程度的附帶影響。作者建議透過驗收、記錄和恢復機制管控編輯及部署。

11月13日週五
  1. 新浪科技47

    清華大學發布 ProtCell,摩爾線程 MTT S5000 完成「虛擬細胞」預訓練復現

    清華大學江瑞課題組發布單細胞蛋白組基礎模型 ProtCell,並在摩爾線程 MTT S5000 上完成全流程預訓練復現。模型以約3.8億個細胞及98個公開數據集進行預訓練與評估,雙平台主要定量評測指標差異約0.2%。ProtCell 程式碼已在 GitHub 開源,官方倉庫整合 MUSA 預訓練啟動入口。