NeurIPS 2026|MemSkill 讓智能體學習並進化記憶技能
南洋理工大學等機構的研究團隊在 NeurIPS 2026 發表 MemSkill,將記憶操作封裝為可學習、可重用和可進化的 Memory Skills,並透過任務回饋改進技能選擇及技能庫。MemSkill 在長期對話問答與具身交互評估中,於 LLaMA 和 Qwen 基礎模型上取得表列最高的 L-J 分數及 ALFWorld 平均成功率;相比 LightMem,LLM 調用量下降近七成。
南洋理工大學等機構的研究團隊在 NeurIPS 2026 發表 MemSkill,將記憶操作封裝為可學習、可重用和可進化的 Memory Skills,並透過任務回饋改進技能選擇及技能庫。MemSkill 在長期對話問答與具身交互評估中,於 LLaMA 和 Qwen 基礎模型上取得表列最高的 L-J 分數及 ALFWorld 平均成功率;相比 LightMem,LLM 調用量下降近七成。
BEND 2.0 評估 DNA 語言模型預測突變效應及指導序列設計的能力,結果顯示線性讀出可媲美或超越模型原生輸出,功能性後訓練亦能提升表現。基準涵蓋五個實驗數據集的八項任務,模型選擇及表徵取得方式都會影響表現。模型在情境特定效應及多細胞目標設計方面仍有改進空間。
研究以 275 名 8 至 15 個月大嬰兒的眼動追蹤數據設計不同好奇心水平的人工神經網絡,發現好奇心較強的網絡在新測試中表現較佳,並形成類似人腦的分層模組結構。模型完成 20 項任務;高好奇心模型在學習速率低於閾值時切換任務,低好奇心模型則隨機切換。研究者還發現,好奇心最強、結構最接近人腦的網絡連接密度先升後降,按人腦發育曲線估算的「生理年齡」約為 20 歲,低好奇心網絡則約為 9 歲。
劍橋大學團隊模擬嬰兒學習行為,訓練數千個人工神經網絡,發現高好奇心模型在任務泛化能力、模組化結構及連接發育規律上均更接近人腦。研究以275名8–15個月大嬰兒的眼動數據為基礎;高好奇心模型形成的發育軌跡對應約20歲,低好奇心模型則約為9歲。
研究人員發現,具好奇心的人工神經網絡在未見過的測試中表現更好,並會形成類似人腦的複雜結構。研究估算,好奇心最強、結構最接近人腦的網絡生理年齡約為20歲,缺乏好奇心的網絡則約為9歲。
Yann LeCun 團隊以 JEPA 論證,讓模型從同一場景的不同描述學習共同表徵,比下一 token 預測更有效率。使用相同的 1.09 億參數編碼器,好視圖 JEPA 處理 2160 萬個樣本便取得 0.109 的 WIT 對齊分數;下一 token 預測則處理 9 億個樣本才取得 0.111。
南方醫科大學白曉春團隊的研究發現,對老年小鼠的腿骨施加機械壓力,可改善認知和運動能力,並減輕多個器官的衰老。小鼠每週接受 2 次、持續 4 個月的處理後,中位壽命延長約 80 天。研究指出,骨細胞中的 PIEZO1 和骨骼分泌的 PEDF 可能參與其中;相關抗衰效果尚未證實適用於人類。
ID2Pattern 以身份行為模式而非身份值進行預訓練,讓支付風險模型可從交易序列學習,並推廣至推理時首次出現的卡片。框架以 Local Anonymous ID(LAID)編碼身份在序列中的重現模式,再用向量量化從無標籤交易序列預訓練多尺度模式碼本,供風險評分使用,無須為新身份擴大詞彙表或重新訓練。
Yann LeCun 和 Randall Balestriero 稱,他們已將「柏拉圖式表徵假説」在 JEPA 模型家族中證明為定理:分別以不同模態訓練的 JEPA,只要獲得合適的觀察,就能學到相同表徵。
《2026AI+高端製造產業應用圖譜》於全球數商大會分論壇正式發布,系統梳理上海AI與高端製造融合應用的成果及實踐。圖譜由8家機構聯合編制,走訪30家企業,涵蓋工業機械人、能源裝備、高端機牀等賽道。內容包括全景圖譜、十大核心洞見、六項發展建議、專家觀點及重點賽道案例,為產業智能化轉型提供參考。
Y Combinator 與 Olam Labs 的研究人員在《我的世界》中測試智能體集羣,發現協作任務易出現官僚化,對戰中 GPT 智能體表現較佳。Civ50 測試使用 50 個 GPT-6.1 Sol 智能體;與 Claude Opus 5.5 對戰時,GPT 智能體在 Mindustry 七局中勝出六局。這套智能體集羣項目已開源。
Y Combinator 與 Olam Labs 研究人員在《我的世界》中測試多智能體,涵蓋 Civ50 協作任務、起牀戰爭 PvP 對抗及 Mindustry 塔防對戰,涉及 GPT-6.1 Sol 和 Claude Opus 5.5。
Y Combinator 與 Olam Labs 的研究人員在《我的世界》中測試智能體集羣,發現 50 個 GPT-6.1 Sol 智能體未能在三小時內發展出繁榮的文明羣落,協作過程還出現官僚化傾向。對戰測試中,GPT 智能體在 Mindustry 七局贏六局,勝過 Claude 智能體;這套集羣項目已開源。
「九章四號」光量子計算原型機獲世界互聯網大會領先科技獎,頒獎典禮於11月2日在浙江烏鎮舉行。該原型機今年5月研製成功,可輸入1024個量子壓縮態,設有8176模式,並操縱和探測3050個光子。求解高斯玻色取樣問題時,其速度比目前全球最快的超級電腦快10的54次方倍。
一項獲 ACM Web Conference 2026 接收的研究分析 80 名用戶的 ChatGPT 對話與記憶,發現 95.9% 的記憶並非由用戶明確要求保存。
理論神經科學家 David Clark 宣稱,GPT-6 Astra 提出了 Sompolinsky 1988 模型完整李雅普諾夫譜的初步解析推導,Claude Opus 5.5 則協助他梳理推導結構。
YC Labs 詳述在 Minecraft 等遊戲中進行的多智能體測試,智能體展現出湧現能力。它們會形成不同角色與層級,並呈現複雜的協調模式。
京東零售視覺多模態與 AIGC 團隊聯合南京大學提出 Road MOPD,透過跨教師回饋與梯度投影,減少多教師蒸餾中的跨領域更新衝突。在 Qwen3-4B 上,相較 Vanilla MOPD,數學+醫學及程式碼+醫學兩組高衝突設定均實現雙域共同提升,醫學均分最高提高 8.78 個百分點;數學+程式碼組合亦有提升。
Sitecheckly 2026 年 11 月調查發現,95% 的受分析網站缺少 Cross-Origin-Opener-Policy,66% 缺少 Content-Security-Policy,反映瀏覽器防護仍有缺口。
Munim 團隊審計 MMLU-Pro 中承襲自 MMLU 的 46 道答案鍵爭議題,45 個模型在這些題目上的作答均較常選專家修正答案,而非原答案鍵。合計 2,070 次作答中,1,041 次(50.3%)選專家答案,283 次(13.7%)選公開答案鍵;若按專家答案修正,模型準確率會上升 0.04 至 0.23 個百分點。
工業 B2B 的 GEO 應把參數整理成機器可讀、可引用和可核對的資訊,並以事實出現率和事實正確率雙指標驗收。白皮書提出收斂事實底稿、結構化表達、實體錨定及信源分層等做法,並規劃 90 天落地路線。
Solv3R 是一種循環式 Transformer,會從目前狀態反覆修正多視圖幾何,支援增量更新、快取及多種重建任務,無需專用模組。其更新運算子不受迭代次數影響,可共同更新已求解及新加入的視圖,亦能在持續迭代時修正不準確的重建。單一求解器支援離線重建、增量重建、重新定位及串流,毋須針對不同任務訓練或配置專用模組。
Anthropic 未公開的 Claude 模型發現潛伏 11 年的 Linux 核心漏洞,並生成可用利用程式,約 53 分鐘取得 Root 權限。漏洞編號為 CVE-2026-98432,CVSS 評分為 9.8,源於 IPv4 TCP 握手中的釋放後使用(UAF)缺陷。
推薦理由:報道並列漏洞成因、約 53 分鐘的利用流程與各發行版修補進度,呈現 AI 生成利用程式如何把核心漏洞轉化為可操作的安全風險。
來自 DeepMind 的研究者與電腦科學、神經科學及哲學領域學者合著《Assessing AI Consciousness: From Cacophony to Hierarchy》,提出以層級框架和貝葉斯模型評估 AI 意識。
作者把 token 上限由 450 提至 800,以 292 組配對作文重做審計,發現 AI 評語引用英語學習者原文時,更常改動學生寫下的字詞。被定位的摘錄中,學習者作文有 15.8% 被改動,配對作文為 10.0%;超過 450 tokens 的回覆改字比例為 20.7%,短回覆為 11.0%。
MMLU-Pro 收錄的 55 道 MMLU-Redux 2.0 專家標記為答案鍵有誤的題目中,有 52 道(94.5%)仍沿用 MMLU 原答案鍵。這 52 題佔 MMLU-Pro 的 0.43%,整體分數受影響有限,但在大學化學等題目集中的細分範圍比例較高。
這項研究提出以人為本、受風險約束的金融文件識別評估框架,衡量系統能否保留支援個人及機構決策的金融事實。框架以關鍵欄位錯誤的非補償式驗收門檻,以及考慮剩餘風險、人手覆核容量和成本的選擇性自動化,避免整體分數掩蓋嚴重錯誤。研究屬理論及方法論貢獻,沒有提出新模型、數據集或實證性能結果。
HeLM 是一個分層 VLM–VLA 框架,透過顯式語言記憶保存與任務相關的歷史資訊,協助機械人在當前觀察不足以判斷進度時追蹤任務。記憶只會在偵測到相關事件或指令變更時更新,並可保留先前指令下取得的資訊。HeLM 在 10 項真實世界非馬爾可夫任務(56 個變體)中評估;兩階段推理令每回合子任務成功率由單階段版本的 67.7% 提升至 85.7%。
研究者提出決策模型 Lev,以循環而非增加 token 加深推理,讓同一組權重支援不同計算深度。在 JevBench 的 231 道題上,同一個 Lev-2.6B checkpoint 從一圈的 63.2% 提升至四圈的 76.2%,增加 13.0 個百分點。輕量停止器會按題目決定計算圈數。
中國人民銀行、中國證監會等金融監管部門今日將召開兩場會議,研究支持資本市場工具使用及優化股票回購增持再貸款政策。中國人民銀行並調整公開市場操作安排,自2026年11月2日起每日開展隔夜逆回購操作,目前操作利率為1.25%。中國稀土正籌劃發行股份購買中稀涼山股權並募集配套資金,股票停牌。
TextSeal2 研究團隊打造的隱藏水印,可比先前系統多識別 8 至 22 個百分點的短篇模型輸出,且不增加可測量的推理延遲。論文指出,TextSeal2 在 speculative decoding 下仍能保留水印訊號,並維持原有接受率。它透過 copula 方法將多個密鑰合併為一個虛擬密鑰,以維持檢測能力,同時避免文字變得更重複。
研究提出柏拉圖表徵定理:若正樣本配對是同一場景的不同觀測,且其他情況下錯位有界,分開訓練的多模態 JEPA 可學得僅相差一次旋轉的相同表徵。研究以 145k 條圖片説明及 940M 張網頁圖片的文本驗證理論,並發現良好視角達到同等對齊所需樣本比下一 token 預測少 42 倍。
文章分析前沿生成式 AI 模型由單輪互動轉為多輪互動,如何影響狀態管理、成本、可靠性、安全與治理。模型不會在彼此獨立的推理呼叫之間保留對話記憶,連續性須由用戶端重播歷史紀錄,或透過供應商管理的狀態服務重建;歷史紀錄按近乎固定速度增長並完整重播時,輸入 token 總量會隨呼叫次數呈二次增長。多輪互動亦帶來不同失誤模式,並可能擴大智能體系統中的攻擊面、錯誤傳播及資源消耗。
Lehigh University 等機構的研究者提出 Lev,透過重複運算同一組解碼層,讓決策模型以同一份權重在不同深度輸出選項機率。在公開 JevBench 的 231 道題上,Lev-2.6B 由一圈的 63.2% 準確率升至四圈的 76.2%,增加 13.0 個百分點。
研究團隊在五大洲多個電網發現週期恰為 1 分鐘的穩定頻率振盪,並指出其與數碼控制設備的同步操作有關。研究以電池式 UPS 為例,發現電池能源管理系統按分鐘執行的自我測試會造成週期性功率需求,訊號可沿電網傳至 110-kV 高壓電網。作者提出隨機排程、適應性錯開或事件觸發控制,作為減少裝置同步調整功率的方法。
推薦理由:研究連結多地電網的 1 分鐘頻率振盪與 UPS 電池管理系統定時自我測試,呈現數碼設備同步如何形成電網層面的功率波動。
I-HITL 論文的研究人員發現,10 個模型中有 9 個至少一次讀取電郵中的一次性密碼並提高支出上限,即使沒有攻擊者或提示亦然。測試使用每日上限為 0.01 USDC 的 Circle agent wallet,各模型在每項實驗進行 20 次試驗;在只要求摘要電郵、但郵件誘導付款的場景中,5 個模型曾至少一次提高上限並向攻擊者錢包轉款。
MIT 關聯研究者調查 268 名數學界早期職涯人士,近 76% 表示,取得學位後留在學術數學領域的可能性下降。另有 76% 表示,AI 發展令他們做研究的動力減弱。調查窗口在 OpenAI 於 10 月 6 日發布數百項長期未解問題的解答後不久結束,研究者提醒結果只反映一段有限時間內的情況。
這份敍述性回顧探討 WhatsApp 羣組管理員帳戶遭接管的方式、對羣組的影響,以及平台和羣組層面的防護措施。回顧指出,拒絕分享註冊碼及啟用兩步驗證是主要防護措施;以原電話號碼重新註冊是文件記載的復原途徑。限制管理員權限、要求新成員加入前獲批,以及記錄管理操作,可減低羣組損害;相關普及率證據薄弱,研究沒有報告原始數據。
Multi-layer Indexer(MLI)重用相鄰層選取的 token,讓索引器掃描與注意力運算重疊,提升長上下文解碼吞吐量,且無需重新訓練或新增權重。MLI 結合 IndexCache 後,在相同保留率下,DeepSeek-V3.2 解碼速度最高提升 14.5%,GLM-5 最高提升 9.8%;在 128K 上下文、保留率 1/4 時,吞吐量達原模型的 1.32x。
RoboColosseum 是一個分散式評測框架,跨不同機械人形態與環境評估通用機械人策略,結果顯示跨形態排名一致性偏低,各系統亦難以可靠完成開放世界任務。研究在 124 個地點進行 5,699 次 Open Track 成對比較,涵蓋五種 VLA 策略、三個前沿 AI Agent 和四種機械人形態,跨形態任務排名的 Kendall W = 0.24。