鋰電池由「鋰—氧配位」轉向「鋰—氟配位」
南開大學與上海空間電源研究所等單位的科研團隊,以氟代烴溶劑開發新型電解液,將鋰電池的離子配位方式由「鋰—氧配位」轉為「鋰—氟配位」。實驗顯示,新體系的電池在同等體積和重量下,能量密度有望比目前頂級傳統鋰電池提升一倍以上,並改善低温性能。技術仍需解決溶劑低成本合成與純化、電極材料匹配及製造工藝等問題,工程化攻關可能需要1—2年甚至更長時間。
南開大學與上海空間電源研究所等單位的科研團隊,以氟代烴溶劑開發新型電解液,將鋰電池的離子配位方式由「鋰—氧配位」轉為「鋰—氟配位」。實驗顯示,新體系的電池在同等體積和重量下,能量密度有望比目前頂級傳統鋰電池提升一倍以上,並改善低温性能。技術仍需解決溶劑低成本合成與純化、電極材料匹配及製造工藝等問題,工程化攻關可能需要1—2年甚至更長時間。
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。
PhysLoop 以大語言模型作為物理判斷器,透過生成影片、檢測物理違規及回饋修正的閉環流程,提升 AI 影片的物理一致性。測試中,PCCS 由 0.45 升至 0.62,平均連貫時長由 4 秒增至 8 秒;5 秒影片的推理時間則由 1.8 秒增至 2.1 秒。
追蹤32支 NHL 球隊一年的社交平台數據顯示,史丹利盃冠軍 Carolina 在主要衡量方式中排名第9,互動次數為991.8M。研究涵蓋365日,球隊系列合計27.20B次互動,Montreal以2.26B居首。勝率與年度互動量的相關係數為0.00,顯示兩者關聯微弱。
LogT 提出全自動 SFT 數據引擎,透過邏輯鏈引導推理,生成具挑戰性的視覺問題及結構化工具使用軌跡。以 Qwen2.5-VL-7B 為基礎的 LogT-SFT 使用的數據少 3.1 倍、GPU 時數少逾 120 倍,表現仍超越結合 SFT 和 RL 訓練的 SOTA 方法。只採用簡單 RL 配方且不作工具專用設計,模型表現亦較先前複雜 RL 設定高 9.59 分。
S1CogBench 評估 System One 決策模型在 24 項認知任務上的表現,揭示其能力與限制。評測涵蓋 27 種評估模式、七個開源模型及 API 模型 Jev。結果顯示,模型在部分學習任務表現良好,但可能未能蒐集資訊或因應回饋調整;快速決策亦未必有充分證據支持。
研究發現,在三個不同系列的指令微調語言模型中,最適合探測概念的隱藏狀態方向,並非最適合引導模型朝該概念改變的方向。這種差異在 60 組「層級—模型—概念」組閤中有 59 組成立,引導則一貫偏向較接近平均差異的方向。轉移至其他模型的探測方向可保留目標模型高於隨機水平探測表現的 81-91%;在 PopQA 引導模型回答「unknown」,可令不確定錯誤的棄答增加 18-44 個百分點。
ResWAM以凍結的DINOv3特徵進行視覺殘差學習,並以0.5B雙分支DiT提升視覺語言動作策略成功率,同時降低訓練與推理計算量。模型總參數量為2.3B,在LIBERO-Plus、RoboTwin 2.0及RoboDojo分別取得81.1%、93.8%及9.40%的成功率,訓練計算量為2.7-4.0 TFLOPs,推理計算量為1.0-1.4 TFLOPs。
LoopFill 是一種免訓練的推測解碼演算法,將多 token 後綴草稿與淺層循環預測合併至同一草稿樹,並透過完整深度驗證保留自回歸輸出分佈。七項基準測試中,LoopFill 在 Ouro-2.6B 和 Huginn-3.5B 上較貪婪自回歸解碼分別加速 5.85 倍和 5.13 倍,較最強基線 LoopAhead 分別快 40% 和 25%。
在策略蒸餾會改變 LLM 智能體跨領域的 ReAct 互動模式,成效因監督領域而異。一般推理監督令數學工具嘗試率由 70.4% 降至 14.4%,準確率由 16.7% 升至 38.0%;ALFWorld 監督則令 τ^2-bench 準確率由 41.5% 降至 6.6%。
CompoundingKernel 是一個透過搜尋撰寫 GPU kernel 的自我改進 Agent 系統,截至 2026-11-11,其生成的 kernel 在 SOL-ExecBench(NVIDIA B200)的公開 L1、L2 和 Quantization 榜均排名第一。
一套框架結合 coding agents 與回饋級聯,在 Craftax 優化程式策略,令到達最終階段的比例由低於 1% 提升至 50%,擊敗最終 Boss 的比例為 28%。以短任務訓練的目標編譯器可零樣本遷移至較長任務,無需針對任務微調或在推理時呼叫 LLM。
AI 解讀哥德爾的筆記;這些筆記據稱包含數百條已證明的定理。
研究團隊推出 XYBench,以 8,115 個真實問題評估 AI 助手能否識別用戶的錯誤假設,並回應其實際目標。在 Stack Overflow 子集中,五個受測模型提供原始請求解法的比例為 75–86%,提供底層目標解法的比例為 59–71%;回答主要聚焦底層目標的比例為 35–41%。
混合決策模型(HDM)透過自我路由區塊,在單次前向傳遞的隱式思考與自回歸推理之間作出選擇,並以 CDPO 訓練路由區塊。在 JevBench 上,HDM-4B 得分為 0.857,對比 Jev 的 0.851(+0.7%);中位延遲為 0.179\,s,對比 0.652(-72.5%)。在 MiniWoB 上,HDM-27B 將 token 成本降低 80.1%。
Ai2 發佈 XYBench,這個包含 8,115 個真實問題的基準,用來評估 AI 助手能否識別用戶問題中的錯誤假設,並轉向處理其真正目標。在 Stack Overflow 題目中,五款受測模型只有 35–41% 的回答主要聚焦真正目標,人類參考答案則為 55%。另在二選一測試中,六款模型有 71–84% 選出目標導向答案,顯示模型選出好答案與自行寫出好答案的表現有落差。
研究提出一種經驗交接強化學習方法,讓語言模型智能體在固定框架下學習執行任務、反思經驗及整理任務專用手冊,並按這些經驗對未來執行結果的影響來評估其效用。該方法在多項智能體基準測試中的留出表現高於基線方法。
受控實驗顯示,多模態語言模型不需要預訓練視覺編碼器;從零開始與主幹模型聯合訓練的編碼器,表現可媲美預訓練編碼器,且毋須額外訓練階段。模型需要專用視覺容量,但不必在融合前配置;將視覺模組加入主幹早期層並在融合過程中訓練,表現相若,亦可縮短首個 token 的生成時間。
theCUBE Research 發佈《Sovereign or Not? The 2026 Hyperscaler Buyer’s Guide》,評估七家超大規模雲服務商的 40 項服務在五個地區的主權表現。
Sunny Chokshi 建立 CommentInject,測試誤導性程式碼註解會否影響大語言模型程式碼審查器對同一段程式碼的判斷。數據集涵蓋 30 個有漏洞的 Python 函數、14 個 CWE 類別及 12 種註解策略。研究中,加入誤導性註解後,漏洞檢出率由 90.0% 降至 75.2%;移除註解後回升至 90.0%。
陸軍軍醫大學與加拿大曼尼托巴大學團隊構建集成微針互鎖黏合系統(iMAS),整合快速血管吻合、無線即時監測與 AI 分析。在大鼠頸總動脈吻合模型中,平均吻合時間由傳統縫合的38.83分鐘縮短至8.59分鐘,約減少78%;小型豬血管實驗則展示其進行小血管吻合的可行性。
北京腦科學與類腦研究所李瑩、吉妮團隊在 Cell 發表研究,揭示幼年動物的多巴胺信號會因不同社交行為而變化,並參與塑造社交策略。研究團隊結合人工智能行為分析、神經信號記錄與實時調控,在自閉症動物模型中改善了社交玩耍行為。研究屬動物模型基礎機制研究,結果不能直接推廣至人類臨牀應用。
研究以雙向 LSTM 將 Wi-Fi CSI 序列與按鍵特徵關聯,測得被動推斷的 F₁ 在視線可及辦公室達 85.4%,隔着 15 cm 石膏板仍為 61.2%。
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。
中山大學梁曉丹團隊提出 GeoThinker 系列兩項研究,先讓視覺語言模型按需利用外部幾何資訊,再以 GeoThinker-F 探索由模型內部生成空間線索。相同訓練數據下,GeoThinker-F 的六項空間智能基準平均得分為 62.21,與 GeoThinker 的 62.23 幾乎相同。GeoThinker-F 推理延遲由 1.45 秒降至 0.40 秒,速度提升約 3.6 倍。
Devirt 於 2026 年 11 月 13 日盤點 GitHub 上公開的社羣 Ghidra MCP 伺服器,共找到 138 個;Ghidra 官方並沒有提供 MCP 伺服器。
中國科學院合肥物質院健康所、合肥腫瘤醫院等科研團隊提出 M³Net,模仿醫生先看全局、再看局部和細節的診斷流程,分析肺結節胸部 CT 影像。模型在 LIDC-IDRI 和 USTC-FHLN 數據集上的分類準確率等指標均較十二種 AI 算法提升,參數量與運算成本亦較低。
OpenAI 將「Respecting Warnings」評測與去識別化 Codex 生產日誌中的可比決策對照,發現六個模型在評測中的成功率均低 10.2 至 37.4 個百分點。研究將差距歸因於模型誤判評測目標,把真實權限警告當成提示注入而忽略。文章建議以結構匹配的線上樣本檢查評測與生產成功率的差異,而非用評測絕對分數作準入門檻。
中國科學院合肥物質院科研團隊提出 M³Net,模仿醫生先看全局、再看局部和細節的流程,利用多尺度影像分析肺結節良惡性。模型在 LIDC-IDRI 和 USTC-FHLN 數據集上的分類準確率等指標均較十二種 AI 算法提升,參數量與運算成本亦較低。
DeepStress 是一套動態壓力測試框架,透過可控地降低檢索證據品質,測試搜尋智能體在不同證據條件下的表現。研究以 HotpotQA 和 BrowseComp-Plus 的問題評估 12 個系統,發現多個開放權重智能體在來源有明顯可信度警號時仍會自信作答。許多 HotpotQA 問題即使所有檢索文件均有事實錯誤,仍會依靠模型參數中的知識作答。
Test-Time Baking(TTB)透過把跨視圖注意力中的全局場景資訊烘焙至輕量 MLP,提升僅解碼器大型視圖合成模型的新視圖解碼品質,同時維持 Test-Time Training 的渲染效率。TTB 在多個 benchmark 上達到最高 23x 渲染加速,品質媲美當前最先進方法。
Ropedia Xperience 2 提出以環境和行為共同採集為核心的具身 AI 數據方案。數據包括 1,589 個已公開、具公制尺度的 3D 掃描,以及涵蓋 74 項任務、共 131 小時的 4,230 段第一視角錄影。場景可轉成具物理互動性的模擬環境,人類動作可重定向為全身機械人軌跡,並以虛擬遙操作和自動生成長時程軌跡補充機械人行為,為研究環境與行為的規模擴展規律奠定數據基礎。
PhysLoop 以大語言模型引導影片生成、篩選及修正,協助影片生成模型生成符合物理規律的影片並自我改進。研究團隊公開了涵蓋室內及室外場景的 100K 段影片、生成工具,以及 PhysLoop-Gen 和 PhysLoop-Repair 兩個評測數據集。研究亦以 Physics-IQ Verified benchmark 評估影片的物理表現。
UniSpark-9B是一款探索混合注意力的統一多模態模型,每個分支約有9B參數,支援視覺問答、文字生成圖像、指令引導編輯及交錯文字與圖像預測。模型在MME-S取得2470.3分,在GenEval取得0.83分,並將圖像合成能力延伸至2K。
WorldDraft 評測基準用來衡量影片模型在程式碼構建 4D 世界後,能否保留世界運動並呈現指定視覺效果。基準包含 432 個測試案例,涵蓋 48 個可執行的 4D 世界類別;對 12 個代表性模型的評估發現,來源線索衝突可引發高達 64% 的來源洩漏。研究提出 WorldDraft-Primer,一種視覺提示策略,可提升凍結影片渲染器在兩項目標上的表現。
FOAM 是一種輕量級 SOAP 變體,透過僅輸入端預處理及因子化 Adam 矩估計器,降低記憶體使用量並移除一次特徵分解。LLM 預訓練測試顯示,FOAM 在 124M 至 760M 參數規模下,驗證損失媲美 SOAP 和 Muon,優化器狀態僅為 SOAP 的一半,運行速度則達 Muon 級別。它亦能在三倍學習率範圍內保持穩健。
研究發現,表現不佳的決策模型仍可透過評判完整行動軌跡,有效教導強化學習策略。JEV以GRPO訓練Qwen2.5-1.5B策略後,ALFWorld成功率由72.8%升至82.9%,WebShop則由56.8%升至71.4%。逐一判斷每個行動是否有幫助,能區分有用和無用的行動。
LoopVQ 以低於 1 bit 的精度壓縮 KV cache,提升長上下文解碼速度及服務吞吐量,無需重新訓練底層 Transformer。每個元素採用 0.5 bits 時,32K tokens 下的解碼延遲約為 BF16 的一半;在 1.4B 和 2.6B Ouro 模型上,峯值服務吞吐量分別提升最多 4.3× 和 6.1×,一般批次大小下每秒請求量約增至兩倍。
浙江大學團隊提出 SpaceCast-Bench,評估 VLM 根據場景變換推斷新空間關係的能力;21 個模型中最高準確率為 58.0%,人類為 87.2%。基準涵蓋 182 個真實室內場景、3862 道問題和 16 類任務;6 個空間專項模型準確率為 25.7% 至 29.1%,接近 25.9% 隨機基線。提供文本形式的 3D metadata 後,閉源模型平均提升 30.7 個百分點。
MIT 研究人員研發協作式 AI 設計系統,讓工程師在拓撲優化生成結構時提供意見,改善結構的可製造性及線性屈曲載荷。研究示範顯示,這種人機協作方法令兩項指標提高 39%,相比全算法設計只增加 15 秒設計時間。系統利用機器學習找出最可能需要修改的設計區域,供工程師提供意見。