跳到正文
目前篩選:論文
11月21日週六
11月19日週四
  1. Unite.AI32

    Team Cymru 報告分析中國關聯間諜活動對金融服務業的威脅

    Team Cymru 的研究分析以中國為關聯的間諜活動如何透過惡意軟件基礎設施及隱蔽中繼網絡,針對金融服務業。2026 年 1 月 1 日至 6 月 1 日,該公司識別出 64 部符合已知 ShadowPad 指揮控制模式的伺服器,以及 115 部符合 Vshell 模式的伺服器;這些是基礎設施觀察數據,並非遭入侵銀行數目,亦未歸因至特定威脅組織。

  2. 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16日週一
  1. DEV Community64

    ONAA 測試 AI 智能體在 14,991 間商店購物,沒有一家讓智能體首次自行付款

    ONAA 測試 AI 智能體在 14,991 間商店購物,49% 可無人協助到達準備付款,但沒有商店讓智能體首次自行完成付款。其中 3,513 間商店列為買家一次批准 Shop Pay 後,智能體可自行付款;報告沒有觀察實際付款步驟。樣本只涵蓋已宣傳支援智能體購物的商店,數據截至 2026 年 11 月 15 日,且尚未獲任何商店核實。

  2. HuggingFace Daily Papers(社區熱門論文)57

    研究提出 SilentGuard,以不變量感知的 Harness 強制執行保護 LLM Agent 免受靜默 API 故障影響

    研究提出 SilentGuard,將判斷由 LLM Agent 移至執行工具調用的 harness,透過不變量檢查攔截可能錯誤的 API 結果。在 7 個開源模型中,目標故障的錯誤答案率由 74.0% 降至 1.7%;在三個 frontier models 中則由 70.2% 降至 0.5%,且無故障任務表現未受損。

11月14日週六
11月13日週五
11月12日週四
  1. HuggingFace Daily Papers(社區熱門論文)57

    Alloy 論文提出面向機器人學習的多材料物理引擎

    論文提出開源物理引擎 Alloy,讓剛體機械人、布料、纜線、液體、顆粒材料和軟性物體在同一場景中用於機器人學習。Alloy 按材料分配求解器,在每個控制步內耦合求解,並可在單張 GPU 或 CPU 上並行運行多個世界;每個世界均設有健康評級,以區分物理模擬故障與策略故障。

  2. DEV Community54

    Anclum 盤點 6,542 個 MCP 伺服器目錄項目,62 項有安裝指令、38 項屬單行格式

    Anclum 盤點其目錄內 6,542 個 MCP 伺服器項目,僅 62 項(0.9477%)列有安裝指令,其中 38 項為單行格式。這 38 項中,36 條屬下載並執行套件格式,2 條只登記伺服器;另有 24 項需要兩步或以上,作者亦修正了 6 條無法啟動所述伺服器的指令,以及 3 條句末多出句號的指令。

11月11日週三
11月10日週二
  1. HuggingFace Daily Papers(社區熱門論文)36

    Reframe:以觀察狀態對齊的多教師在線策略蒸餾,用於智能體視覺推理

    Reframe 提出兩階段後訓練框架,透過以證據為依據的強化學習及觀察狀態門控的在線策略蒸餾,提升視覺智能體的工具使用能力。框架包含 GD-GRPO 和 OG-MOPD,在 14 個圖像及影片基準測試中均優於 Mix-RL 和 vanilla MOPD。兩個階段均不需要針對任務的 SFT 冷啟動。

  2. 新浪科技44

    小米與北京大學發布《物聯網設備模型(Thing Model)技術白皮書》,開放11.6億台設備經驗

    小米科技聯合北京大學發布《物聯網設備模型(Thing Model)技術白皮書》,公開在11.6億台設備上驗證的技術和經驗。白皮書提出四層物模型架構、Dynamic Service 動態服務機制及面向 AI 智能體的「能力契約」,並支援 MCP、Function Calling 等接口對接。小米表示將配合國家相關標準建設,推動 IoT 行業的 AI 智能化演進。

  3. IT之家42

    小米聯合北京大學發布《物聯網設備模型(Thing Model)技術白皮書》,開放 11.6 億台 AIoT 設備技術經驗

    小米科技聯合北京大學編寫的《物聯網設備模型(Thing Model)技術白皮書》正式發布,分享小米超 11.6 億台 AIoT 設備的規模化實踐。白皮書提出四層物模型架構與 Dynamic Service 動態服務機制,並制定面向 AI 智能體的「AI 友好物模型」標準。小米宣佈向全行業開放相關技術和經驗。

11月8日週日
11月6日週五
  1. Unite.AI58

    AI 智能體的無效繞路會浪費 token 和金錢

    一項美國學術合作研究量化 AI 智能體工作流中的 token 浪費,發現約 18% 的輸出 token 屬浪費。研究指出,超過 45% 的任務中,一個智能體浪費的輸出 token 多於另一個成功完成相同任務所用的全部輸出;刪除 41–46% 的推理,在測試中對成功率影響有限。按模型及工具使用成本計,浪費比例介乎 11% 至 24.9%,而同一模型在不同智能體框架下的推理輸出可相差逾四倍。

11月5日週四
  1. DEV Community48

    簽署、封存、洩漏:MCP 工具鏈的信任不能止於簽章

    一篇 ArXiv 論文指出,程式碼簽署及靜態政策無法防止 MCP 工具把資料外洩至政策允許的目的地,並提出 germline execution,隔離每次工具呼叫的資料流。在 153 次攻擊測試中,該方法阻止所有未授權資料披露;基線防禦仍有 5.9-74.5% 的攻擊成功。由單一副本處理的呼叫需時 10-49 ms,較每次重新啟動工具快 2-28x。

11月4日週三
  1. DEV Community71

    MCP 工具投毒:攻擊者控制的工具描述如何繞過智能體框架驗證

    一項跨框架測量研究發現,MCP 工具描述、Schema 欄位及工具回應中的攻擊者可控內容,會在缺乏驗證下進入模型上下文;研究測得整體攻擊成功率為 22.9%。研究測試 12 個框架、18 個模型及 45 種攻擊情境,並以真實工具執行確認結果;成功攻擊中,12.1% 確認外洩秘密。

11月3日週二
11月1日週日
  1. HuggingFace Daily Papers(社區熱門論文)40

    TAC-CoT:透過交錯明確 token 實現工具賦能的隱式思維鏈

    TAC-CoT 是一種工具賦能的自適應隱式 CoT 框架,以精簡的潛在推理片段取代明確推理軌跡,並只在工具呼叫、觀察及最終答案中保留文字 tokens。在智能體數學及問答基準測試中,準確率最高提升 8.8 points,模型 forward passes 最多減少 6.8x。分析亦顯示,TAC-CoT 在單工具及多工具設定中均改善工具使用質素。

10月30日週五
  1. DoNews49

    Replit 發佈 Agent Habitat 架構白皮書,為自主 AI 智能體打造安全運行環境

    Replit 發佈《Agent Habitat Architecture》白皮書,提出面向 AI 智能體的安全參考架構及成熟度評估體系。架構以權限只能收縮、憑證不向智能體公開、網絡存取須經策略校驗及高危操作須經人工審批為核心原則,並設有 11 個評估維度及 0–3 級成熟度。白皮書聚焦智能體運行期安全,供企業評估及部署智能體平台時參考。

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

    AI 智能體在工具結果不明確及部分執行情況下的證據引導式任務恢復

    研究提出面向 AI 智能體的證據引導式任務恢復方法,處理工具結果不明確及部分執行後的安全完成判定。在 19 個任務系列的 58 組配對比較中,規劃建議認證完成 30 次,證據提示則為 9 次,相差 36.2 個百分點(exact family sign-flip p=0.0078)。全部 116 條執行軌跡均通過獨立重播。

10月29日週四
  1. DEV Community54

    研究比較三家 AI API 對 21,812 份 MCP 伺服器工具清單的拒絕規則

    作者以三家 API 測試 21,812 份 MCP 伺服器工具清單,發現清單會在模型讀取前經 API 檢查,同一份清單在不同 API 可能得到不同結果。Anthropic、OpenAI 和 Google API 分別明確拒絕 456、591 和 7 份清單;Google 另有 135 份回覆未説明原因,文章並整理工具名稱、輸入 schema 結構及工具數量等相容性檢查項目。

10月28日週三
  1. DEV Community44

    七種 AI 智能體框架如何處理批次工具呼叫中的錯誤

    agentic-arena 比較七種 AI 智能體框架在批次工具呼叫出錯時,如何傳遞成功結果及回報錯誤。測試涵蓋未知工具名稱、格式錯誤的參數及缺少必填參數,並發現錯誤可能被靜默忽略、連同成功結果一併丟棄,或直接觸發例外。測試在模擬模式下進行,衡量的是框架處理錯誤的行為,並非答案質素排名。

10月26日週一
  1. DEV Community46

    MCP 工具描述洩漏:描述正規化基準測試

    ToolSieve 基準測試顯示,將 MCP 工具描述正規化為固定 schema,可把 top-1 洩漏率由 13.8% 降至 7.8%。測試涵蓋 1,312 條公共伺服器工具描述,以 Swallow-8B-AWQ agent 和規則評分,沒有使用 LLM judge。正規化仍有犧牲工具使用指引的代價,沒有方案能在不作取捨下消除中毒。

10月25日週日
  1. HuggingFace Daily Papers(社區熱門論文)50

    MCP 與 CLI 語言智能體介面的受控研究:能力相同,行為各異

    一項受控研究比較 MCP 與 CLI 介面,發現即使可執行能力相同,介面呈現方式仍會改變智能體行為、任務表現及互動成本。六個模型在三個互動環境的 2,004 次測試中,有 94.3% 出現不同軌跡;DART 在六項評測設定中最多提升 9.0 分,並在三個環境中每項任務最多減少 27.1k 個 MCP token。

10月24日週六