跳到正文
11月5日週四
  1. HuggingFace Daily Papers(社區熱門論文)38

    GraphMuon:面向圖神經網絡的模塊感知優化

    GraphMuon 將 Muon 的矩陣更新適配至圖傳播表示的協方差結構,以減輕圖引致的更新放大。在三個大型 OGB 基準上,GraphMuon 相比 AdamW 將驗證損失達標時間加快 1.32 倍至 2.42 倍。涵蓋 15 組數據集與架構配置的測試中,GraphMuon 在 13 組達到較短的達標時間,同時維持具競爭力或更佳的預測表現。

  2. HuggingFace Daily Papers(社區熱門論文)47

    智能體演進研究:探討我們忽略了甚麼

    研究檢視智能體 harness 演進能否在不更新模型權重的情況下實現遞歸自我改進,並評估較高的 benchmark 分數是否帶來可靠、高效且可遷移的改進。16 個演進後的智能體都新增了先前未覆蓋的任務,同時失去部分已覆蓋任務;多數可靠性提升亦增加部署成本。研究提出 EvoAudit,將診斷結果轉化為對 select、analyze、mutate 和 gate 的修訂,並取得最佳表現。

  3. HuggingFace Daily Papers(社區熱門論文)54

    IWIBench 評估無梯度模型驅動的權重內注入能力

    IWIBench 評測大型編輯模型能否在不使用梯度的情況下修改較小目標模型的權重,以完成文本編輯並保留其其他能力。研究涵蓋十種文本編輯目標,目標模型通常為 Gemma 3 4B IT;編輯模型限用四種權重讀寫工具,並受張量存取範圍及生成、檢查 rollout 預算限制。

  4. Unite.AI55

    研究發現約 20.9% 的 HTTP 200 網頁回應不含可用頁面內容

    一項研究發現,約 20.9% 的 HTTP 200 網頁回應不含頁面主要內容,可能只返回空殼、CAPTCHA 驗證挑戰或封鎖頁面。研究以 10,307 個網址進行三日測試,按實際取回內容而非 HTTP 狀態碼分類,並指出簡單啟發式檢查可識別約 86% 無法使用的回應。若把所有 HTTP 200 回應均視為成功取回,表面上的引用漂移比例會由 5.8% 升至 21.9%。

  5. Unite.AI49

    Google 發佈用多種方法評估健康 AI 的框架

    Google 發佈白皮書,説明如何評估健康領域的通用生成式 AI,結合封閉式問題基準測試、AI 自動評分及專家人工審查,評估準確性、安全性和實用性。框架按用戶旅程及應用風險設計測試,並涵蓋產品部署前、發布前後的持續評估與監察。

  6. 新浪科技23

    張濤團隊發表單原子催化研究評述,闡述多相催化新範式

    張濤團隊應邀在《自然-納米技術》發表單原子催化研究評述,闡述這一領域如何從探索金屬尺寸極限發展為多相催化研究的新範式。研究重點已由金屬顆粒的尺寸和形貌,轉向單個金屬原子的局域配位環境、電子結構及催化反應機制。單原子催化已應用於乙炔氫氯化、氫甲酰化等工業過程。

  7. 新浪科技47

    科學家開發出探測系外行星的新方法

    科學家提出名為「行星成像的物理驅動學習」(FLIP)的影像處理框架,可移除望遠鏡觀測到的恆星眩光,探測系外行星。FLIP以詹姆斯·韋布空間望遠鏡的近紅外相機數據成功取得51波江座b的首個影像,測試中的靈敏度是傳統太陽眩光去除技術的2至15倍。研究人員指,FLIP可結合詹姆斯·韋布空間望遠鏡觀測,用於發現更低温、質量更小、年齡更大的巨行星。

  8. 新浪科技47

    科學家破解絕經激素治療「應答之謎」

    朱蘭、陳蓉團隊聯合武漢華大生命科學研究院,揭示治療前腸道及陰道菌羣分型與絕經激素治療應答相關。研究團隊基於14個中心356名女性的隊列,建立機器學習模型,可高精度預測治療4周後能否快速緩解,效果優於傳統臨牀特徵模型。

  9. HuggingFace Daily Papers(社區熱門論文)44

    對抗式推測解碼改善長時程智能體推理能力

    對抗式推測解碼透過訓練草稿模型拒絕關鍵推理 token,讓目標模型在較低數值噪音下驗證這些 token,提升長時程智能體的推理準確度。複雜智能體編碼基準測試顯示,此方法不改變目標模型或其輸出分佈,只需訓練託管參數的 0.06% 至 0.28%,即可提高端到端成功率。

  10. The Decoder67

    GPT-6 Astra 透過直接操作權重分析並改寫其他 AI 模型

    研究人員提出「Weight-Space Programming」,讓 GPT-6 Astra 直接分析和修改其他 AI 模型的權重,毋須按常規流程重新訓練。在 Qwen3.5-0.8B 上,Astra 只改動 0.016% 權重,MATH-500 準確率由 7.9% 升至 48.1%,指令遵循能力由 21% 升至 62%。不過,仍有三分之一回應達到文字長度上限,低於修改前的 93%。

11月4日週三
  1. 第一財經35

    《2026 AI+高端製造產業應用圖譜》全文發布:以「上海方案」破解 AI 落地製造深水區難題

    上海現代服務業聯合會等8家機構聯合編製《2026 AI+高端製造產業應用圖譜》,並於10月31日全文發布,梳理上海 AI+製造產業鏈、落地優先級及發展建議。圖譜將智能質量檢測列為場景落地優先級首位,並指出工業智能體落地的核心壁壘在於工藝理解與高質量現場生產數據。

  2. HuggingFace Daily Papers(社區熱門論文)39

    LowRAM:以低秩鍵與攤銷值實現可組合的測試時 KV cache 壓縮

    LowRAM 提出一種測試時 KV cache 壓縮方法,以低秩分解壓縮鍵,並用小型逐頭網絡根據鍵預測值。該方法將值快取壓縮 4×,效能接近無損;在 262K 上下文及 4× KV 壓縮下,選擇性重建令峯值解碼吞吐量最高提升 5×。結合量化與淘汰後,壓縮率達 26.9×,並保留基準效能的 94.5%。

  3. HuggingFace Daily Papers(社區熱門論文)45

    LongBanana:長上下文多參考圖像合成的專家驗證基準

    LongBanana 是一個針對長上下文多參考圖像合成、由專家設計及驗證的基準,包含 90 項任務及共 4,670 個專家指定的原子評估項目。每項任務約有 32 張參考圖像和 20 項約束,並以圖像中的實體與關係圖評估內容保真度、關係綁定及整體約束滿足度。研究亦提出 LongBanana-Gen;實驗顯示,精簡的智能體框架優於直接生成,而 RPR 工作流程的成效視乎框架而異,程式碼及數據已公開。

  4. HuggingFace Daily Papers(社區熱門論文)45

    EvoWorld:邁向生成影片模型的視野外世界演化

    EvoWorld 提出「視野外因果演化」問題及腦部—渲染器協作框架,讓生成影片模型推理事件對世界狀態的後續影響。框架以視覺語言模型作為世界大腦,追蹤世界狀態並推理合理轉變,再由逐片段自回歸影片渲染器呈現。研究亦推出 EvoWorld-Data 和 EvoWorld-Bench;實驗顯示,EvoWorld 在保持視覺質素與一致性的同時,提升了事件條件下的因果演化表現。

  5. HuggingFace Daily Papers(社區熱門論文)56

    Kierston 與 KierstonBench:模擬賓夕法尼亞州阿倫敦,並評估語言模型在刑事調查與監控任務中的表現

    Kierston 與 KierstonBench 建立城市規模模擬環境及評測基準,16 個語言模型中只有少數前沿模型能完成大部分調查任務。Kierston 模擬約 125,000 名阿倫敦居民的日常活動,並生成電訊、金融、行政及車牌紀錄,模型須透過受限紀錄介面跨來源連結線索。多數模型提出紀錄不支持的身份判定;少數表現較好的模型仍會受常見欺騙影響,沒有模型取代調查人員。

  6. 新浪科技51

    QuestMobile 報告:紅果免費短劇 2026 年 9 月月活用戶達 4.3 億,同比增長 81.8%

    QuestMobile 報告顯示,紅果免費短劇在 2026 年 9 月的月活躍用戶規模達 4.3 億,同比增長 81.8%,位居 APP 短劇應用月活榜首。同期,微信生態內的綠泡泡短劇月活為 1.56 億,位居微信小程序短劇應用榜首。短劇影片及短影片 App 行業總使用時長淨增量分別為 133.29 億小時和 57.17 億小時,位列增長賽道前兩位。

  7. IT Square · AI39

    畢馬威中國 × GS1 Hong Kong 研究:香港 AI 信任度升至 48%,銀髮族僅 38%;內地品牌加速追近

    畢馬威中國與 GS1 Hong Kong 發表研究,香港消費者對 AI 的信任度升至 48%,但 55 歲以上銀髮消費者僅 38% 表示信任。信任 AI 的香港受訪者中,只有 10% 願意分享個人資料;其他大灣區城市的比例為 32%。內地品牌在香港主要憑性價比獲選,香港品牌則以安全性及可靠性見長。

  8. HuggingFace Daily Papers(社區熱門論文)46

    LoCo:以局部偏好學習壓縮推理

    LoCo透過局部偏好學習,教導推理模型何時繼續推理、何時停止,從而縮短輸出並維持或提升數學及程式任務的準確度。在五項數學及三項程式生成基準測試中,LoCo分別將完成長度縮短41.7%–45.4%及23.4%–36.3%,並在所有程式基準測試中取得最佳AUC。

  9. HuggingFace Daily Papers(社區熱門論文)53

    研究指頻繁壓縮上下文可維持任務準確度,長上下文模型或非必要

    這項研究發現,前沿語言模型透過頻繁壓縮上下文,以短上下文完成多種長時程及長輸入任務時,任務準確度幾乎沒有下降。在前沿開放權重模型上,較後生成的 token 成本差距最高可達 7x。研究亦指出,長時程軟件工程任務即使每個上下文最多隻採取一個行動,模型表現亦不會崩潰,並提出語義狀態空間模型(SSSMs)的概念。

  10. HuggingFace Daily Papers(社區熱門論文)52

    簽署後仍可操控:衡量並縮小離線 RAG 的文字與向量完整性差距

    該研究衡量離線 RAG 簽署知識包的文字與向量完整性差距,並比較向量重算、壓縮索引審核及量化碼驗證方法。理想化浮點噪聲級容差仍令最多 5.5% 查詢暴露;在包含 57,638 份文件的 FAISS 乘積量化索引中,通過審核的篡改向量可令攻擊者文件在 25% 目標中排首位。改為驗證量化碼並加入校準保護區及規範化後,三個平台的樣本中所有誠實向量均獲接受。

  11. HuggingFace Daily Papers(社區熱門論文)39

    VidUEU-Agent:面向多模態理解、編輯與統一任務的數據整理智能體

    VidUEU-Agent 是一個數據整理框架,可從原始影片自動構建用於多模態理解、圖像編輯及統一理解與生成任務的指令數據。團隊以 8,268 段影片構建 VidUEU-100K,包含近 20,000 條密集中繼資料標註及 100,000 個指令樣本。框架透過四輪訓練及評測結果調整數據分佈,每輪以 30K 個樣本從同一初始檢查點微調 BAGEL,三個反饋基準的整體表現均有提升。

  12. HuggingFace Daily Papers(社區熱門論文)41

    DreamX:影片擴散模型是通用潛在動作學習器

    DreamX 利用預訓練影片擴散模型學習精簡且不受外觀影響的潛在動作,以支援跨具身遷移和高效策略學習。模型將每個影片畫格壓縮 300 倍,由 1,200 個 token 減至 4 個,並在 LARY-Bench 的潛在動作模型中達到最先進表現。該潛在空間支援不同具身與環境之間的任意影片遷移及零樣本動作遷移。

  13. 新浪科技45

    Transformer 架構還能怎樣改?嚴駿馳團隊提出兩條思路 | CNCC 2026

    上海交通大學嚴駿馳團隊提出 JTok 和 xHC,探索在現有 Transformer 架構上擴展模型容量。JTok-M 在同一算力預算下令損失降低約 2.2%,達到同等損失所需訓練算力約為底座的 65%;18B MoE 模型的平均分則由 mHC 的 44.8 升至 xHC 的 48.8。研究仍須權衡推理延遲與訪存開銷。

  14. HuggingFace Daily Papers(社區熱門論文)51

    RoboTryOn:透過虛擬試穿從人類影片合成靈巧機械人示範

    RoboTryOn 將人類示範影片轉換成指定機械人的影片,用合成資料訓練控制策略,毋須這些任務的真實機械人示範。它以自回歸方式轉換選定關鍵影格,並以人類手部骨架動作引導影片生成,再用加入深度特徵的逆向動力學模型從合成影片推斷動作標籤。多種人形機械人上的實驗顯示,新任務平均成功率由2%升至60%;訓練表現可媲美只用遙操作示範的策略,而數據收集成本約為三分之一。