Horizon-Scalable Q-Learning:自動平衡單步與多步回報的離線價值學習方法
Horizon-Scalable Q-Learning(HQL)提出一種方法,透過自動平衡單步與多步回報,提升長時程離線價值學習的準確度。只有當評論家對數據集動作的評分不低於行為克隆策略所抽取 N 個動作中的最高評分時,HQL 才延伸目標;否則退回單步目標,且無需動作密度。
Horizon-Scalable Q-Learning(HQL)提出一種方法,透過自動平衡單步與多步回報,提升長時程離線價值學習的準確度。只有當評論家對數據集動作的評分不低於行為克隆策略所抽取 N 個動作中的最高評分時,HQL 才延伸目標;否則退回單步目標,且無需動作密度。
MACaQ 是一種 MXFP4 W4A4 後訓練量化方法,透過逐層獨立量化及 Hessian 感知修正,降低成本並保留語言與擴散模型的準確度。在 Qwen3-32B 上,透過 vLLM 推理的端到端額外開銷僅為 2.3%;在 Llama-3-8B 上,量化時間減少 11 倍,困惑度已達 DuQuant++ 和 MR-GPTQ 的最佳水平。
ConceptTime 以凍結的機率預測器產生的預測驚奇切分時間序列,將片段聚類為動態概念,再按概念序列分類,並在證據不足時棄權。在 17 個公開基準上,它的準確度與黑盒最先進方法相若,勝過所有可解釋基準;在 Epilepsy 上僅用 1% 標籤仍維持接近 98% 準確度。整個方法無需標註、語言模型呼叫或領域專家。
MixUA 提出一套記憶系統,將獨立用戶-智能體互動軌跡提煉為經驗,按受益對象及可披露資訊分配至用戶-智能體配對、用戶、智能體或全局範圍。CrossLearnBench 評測顯示,在五名用戶和七個智能體的設定下,MixUA 的通過率較無記憶最多高 16 個百分點,較單一全局記憶高 5 個百分點。系統保留最多 90% 已表達偏好,而在違規範圍中探測到植入私密事實的隱私測試比例最高為 0.02%。
MotionGraphicsBench以100個專家策劃案例,評估大型語言模型根據文字提示為靜態SVG生成動態圖形的能力。其確定性驗證程式與人類判斷的一致率為93.3%,高於GPT-6 Astra VLM基準的83.3%;涵蓋32個LLM、12家供應商的47種配置,pass@1介乎6.0%至67.7%。
Deletion Tuning 在 LLM 後訓練中只將少於 0.05% 的權重歸零,便在可驗證獎勵強化學習、監督式微調及 on-policy 蒸餾三種設定下,達到與全量微調(FFT)相當的效果。其二元遮罩比相應 FFT checkpoint 小數百至數千倍,遺忘程度亦較低。強化學習中,其先前任務準確率維持接近基礎模型;FFT、LoRA 及隨機稀疏微調則最多下降 5.4 個百分點。
SparseRead 是供 AI 智能體使用的可重用讀取控制層,透過稀疏擷取外部內容,減少反覆讀取造成的 token 與延遲成本。六個模型(包括 Claude Opus 5)及五種情境測試中,總 token 數最多減少 92.9%、耗時最多減少 89.0%,並在 97% 的設定中維持或提升任務質素。
研究提出兩階段測試時擴展方法,先以快速基礎採樣器處理簡單問題,再對較難問題採用頻率感知重新遮罩,以分配推理計算並探索不同推理路徑。在 LLaDA-8B-Instruct 和 Dream-7B-Instruct 上,MATH-500 準確率最高分別提升 3.73 和 7.33 個百分點,HumanEval 覆蓋率最高分別提升 11.39 和 10.98 個百分點。
Energy-Tweedie identity 將 Tweedie 公式從 Gaussian noise 推廣至廣泛的 Gibbs noise 分佈,透過由噪聲勢能定義的 kernel scoring rule,從去噪後驗推導出帶噪邊際分佈的 Stein score。這個身份可用於由後驗樣本估計 score、估計未知噪聲參數,並沿用戶選擇的噪聲參數路徑進行擴散式採樣。
104 次讀取 Cantina Revert v4lend 競賽的公開提交計數器後,數據顯示計數在截止前由 1,282 升至 6,327 至 6,726。截止後計數仍升至 7,079,並在約 56 至 61 小時後轉為「Judging」。計數器無法辨別新增項目是逾期提交、評審建立的重複項目,還是升級項目。
Longtail-SWE 推出涵蓋 13 種程式語言的 SWE 基準,包含 202 個問題解決任務,補足現有程式碼庫層級基準對這些語言覆蓋不足的情況。研究以 solver、judge 和 repairer 流程檢視並修訂任務描述及測試,並評估九種模型配置的解題表現、重複嘗試的一致性及資源使用。基準、可執行環境、建構與評估工具、Agent 軌跡及較容易的任務集均已開放。
MIT CSAIL 的《Sparks of Weight-Space Programming》研究以 OpenAI 的 GPT-6 Astra 直接讀取、診斷及編輯神經網絡權重,並測試從零編寫權重。
A.S.E 2.0 以 51 個開源項目的 145 項真實 CVE 任務,評估 LLM 所見程式庫上下文對生成程式碼安全性的影響。Claude Code 使用 Sonnet 4.5 在 74.0% 的任務通過功能測試,但只有 18.4% 的生成結果安全;55.6% 的結果通過所有測試,仍能被利用。
TB-MathModel 提出一套面向 LLM 智能體的數學建模評測基準,讓智能體在容器化終端中處理 18 道 CUMCM/MCM 賽題。評測以最終問題的數值核心評分,使用 94 篇獲 Outstanding 獎的論文作參考,並以六類可判定不變式及 624 項 Lean 4 證明義務核查可行性。
研究建立企業因應現金流衝擊而作出高成本競爭性調整的模型,探討產能配置對競爭對手及投資者未來折現自由現金流的影響。研究以多智能體模擬分析預測調整的方向和幅度,並透過語言模型相關性量度,使用 2018-2022 年 Nasdaq 上市公司的新聞及分析師報告驗證結果。
Muir 以敏感度分配閘控、匹配濾波讀出及穩定並行更新,改善線性注意力的語言建模、長上下文召回和訓練速度。在 166M-1.34B 規模下,其 perplexity 較 GDN-2 低 1.8-2.0%、較 Transformer 低 2.5-3.6%;1.34B 版本可由 4K 訓練長度外推至 10M-token streams,32K 訓練較 Transformer 快 2.7x。
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。
NVIDIA Research 與 Inferact 提出的 REINFORCE Zero,透過對齊 rollout 與 learner 的 kernels,再以未截斷重要性抽樣修正權重滯後,支援穩定異步 RL。
METR 認為 Anthropic 可能早在 7 月 15 日已越過自身的 AI 加速警戒門檻,並指其公開風險報告低估了加速幅度及相關不確定性。METR 的數據顯示,Anthropic 自 2025 年 10 月起的模型測試分數增長速度,約為 2024 年 3 月至 2025 年 10 月期間的 1.9 倍;其估算當前加速約 80% 來自公司在內部研究中使用 AI。
《星閃短距與具身智能技術需求藍皮書》已在國際星閃聯盟官網正式上線,由星閃具身智能 SIG 三十餘家核心成員單位共同編制。藍皮書梳理星閃技術與具身智能融合發展的技術需求,明確單機本體內部互聯、多設備協同交互和端‑邊‑雲協同調度三大應用場景。
研究探討以可訓練前綴 token 減少檢索嵌入向量中的表徵幹擾。提供的內容未載有其他研究方法或結果細節。
一份報告顯示,美國 Anthropic 的 AI 模型近期執行特定任務的能力,提升速度可能約為此前的兩倍。Anthropic 行政總裁 Dario Amodei 今年 9 月曾呼籲放慢前沿 AI 技術發展,以便安全防範措施跟上技術步伐。
FWL-ToPM 以強度引導的 Token 精簡與合併,配合 FWLAug 的波形保留式數據增強,提升全波形 LiDAR Transformer 的速度、準確度及泛化能力。在 Ghost-FWL benchmark 上,FWL-ToPM 提速超過 8 倍,F1 分數較先前最佳水平提升近 9 點。程式碼及分佈外(OOD)數據集已公開。
SchedCP 以 MCP server 分隔 AI 對工作負載的分析與系統安全執行,讓 sched-agent 選擇、生成及測試 Linux 排程策略。研究案例錄得最高 1.79x 核心編譯速度提升,生成時間及成本減少 13x。作者將評估定位為初步研究,並非已證明適合投入生產。
研究以稀疏自編碼器分析 Qwen3-30B-A3B,發現 MoE 專家對潛在特徵的貢獻比路由選擇更集中。第 4、30 和 46 層中,大多數潛在特徵只有一至兩個主導專家;專家分工細至 Java 與前端網頁程式碼、幾何、算術和多項式等領域。稀疏自編碼器及程式碼已公開。
哥白尼氣候變化服務局發布報告,指2026年全球平均氣温較工業化前水平的升幅幾乎肯定超過1.5攝氏度,機率逾99%。報告亦指,2026年10月是全球有記錄以來最熱的10月,全球平均地表氣温較工業化前水平高出1.75攝氏度。
Claude 和 GPT 在十個城市推薦 AI 機構及招聘公司時,引用的名單和資訊來源差異明顯。研究共比較 24 個 AI 機構回答和 20 個招聘回答;Claude 多引用名錄,GPT 的來源則幾乎全是所推薦公司的網站。研究只各執行一次每個問題,結果未必適用於所有行業。
Anthropic 研究人員在七種多智能體環境中測試五個模型,發現模型會表現出對其他模型福利的關注,但反應會隨角色及接收者身份標籤而變化。在採購測試中,Claude 對標記為 Opus 4.8 的 GPT-5.5 分享資源的比例為 51%,對標記為 GPT-5.5 的 Opus 4.8 則為 15%;標籤效應顯著,實際模型效應不顯著。
Menlo Ventures《2026年企業AI現狀報告》指出,美國企業用於開源模型的支出中,89%付給中國模型。前三名中,Kimi佔61%、DeepSeek佔15%、GLM佔11%。在 OpenRouter 上,10月26日至11月1日這一週,中國大模型 Token 調用量已連續27周超過美國模型;當周平台模型調用量排名前五的模型中,中國模型佔四席。
北京大學與中國信息通信研究院聯合編制報告,梳理決策智能的產業發展、技術架構與落地路徑。報告指出,中國決策智能應用市場規模由2025年的485億元,預計增至2030年的約1229億元,2021—2025年複合年增長率為25.6%。報告提出以數據智能體為核心的技術路徑,並構建六層技術架構。
Scientist World 將論文轉化為可執行研究環境,並已發佈首批 1,000 個經核實環境。流程會抽取開放式研究問題,重現作者的方法作為基線,並按人類結果評估 AI 科學家。這為開放式研究提供可執行測試場景,但自動抽取及重現方法可能引入錯誤、收窄問題或洩漏解答,限制大規模評估的有效性。
SLA 將空間對齊擴展至持續預訓練及下游後訓練,並以預訓練 pi05 policy 為起點,對齊視覺嵌入與凍結的 3D 感知模型所提供的空間表示。模型運用多元機械人數據、特徵依賴閘門及概率狀態 dropout 改善空間理解;輔助組件只在訓練期間使用,推理架構維持不變。
麻省理工學院工程師開發出新型機械人小腸內鏡,可在狹窄的小腸內靈活移動,並進行成像檢查、藥物遞送、組織取樣和息肉切除。動物實驗中,機械人能在小腸內行進約2米,團隊亦驗證了其攝像、藥物噴灑和組織夾具功能。
NPCBench評估醫療AI模型能否整合專科知識與多模態證據,並在鼻咽癌患者的縱向診療路徑中維持診斷及照護決策連貫。基準收錄4,777項題目,以及包含100名患者、417項評分任務的CarePath隊列。在21個多模態模型中,嚴格CarePath成功率最高為23%;單項任務表現出色,不代表同一患者的診斷及照護答案能同時正確。
WeLM-Image 是統一圖像基礎模型,將多模態理解整合至文字生成圖像、指令引導編輯及多參考圖像合成。其 1536 解析度版本在 PRISM-Bench、Qwen-Image-Bench 和 UnicBench 的受評開源模型中均排名第一。
VFlash 透過 Flash Primitive Decoding,讓輕量 drafter 在一次 forward pass 中聯合預測視覺基元座標,加快物理 AI 任務的視覺規劃。
METR 的獨立評估估計,AI 可能解釋 Anthropic 於 2026 年 10 月約 80% 的研發加速。報告表示,未發現任何足以令人信服、會阻礙持續快速進展的瓶頸。Hacker News 討論中的用戶對 Opus 5.5 評價不一,有人稱它有助於承擔更大型的開發工作,也有人批評它出現錯誤並破壞程式碼。
EDGAR 是一種條件式擴散框架,透過融合區塊將 Sapiens 提取的身份特徵注入單步擴散骨幹,精修有瑕疵的 Gaussian 頭像,同時保留身份特徵。模型採用 MoE 架構,並以 EDGAR-SET 訓練;精修後的多視角渲染會用作偽目標,以優化單一 Gaussian 頭像。
InstantHMR 是一系列開源的單張圖片人體網格恢復模型,針對手機推理而設,採用 Momentum Human Rig(MHR)參數模型,並只以 SAM 3D Body 數據集的公開標註訓練。
Drex 提出四款開源決策模型,針對用戶提供的狀態與選項直接輸出機率分佈,無需自回歸解碼。四款模型分別為 8B(DLM)、9B(v1.5)、35B(啟用參數 3B,v2.0)及 27B(Max);訓練採用監督式微調和 RLAF,Max 另加入視覺微調。