跳到正文
10月19日週一
  1. HuggingFace Daily Papers(社區熱門論文)46

    擴散語言模型的解碼速度因任務和語言而異

    擴散語言模型在 10 項任務中的每個 token 前向傳遞次數,會因任務、輸出內容與語言而大幅不同;DiffusionGemma 寫故事所需的前向傳遞次數,是修正文法的三倍以上。高度 token 化的語言每個 token 也需要更多傳遞,而錯誤答案通常比正確答案需要更多傳遞。按解碼速度為候選答案加權,較多數投票最多提升 4.2 分,且不增加成本。

  2. Hacker News 熱門(buzzing.cc 中文翻譯)57

    3Blue1Brown 認為現在正是投身數學領域的最佳時機

    3Blue1Brown 在影片中分享 AI 發展下數學的未來,並認為現在正是投身數學領域的最佳時機。影片探討 AI 作為證明、猜想與理論建構工具的可能性,以及 AI 若在各方面更出色時數學工作可能出現的變化。作者補充,數學家不必使用模型也能作出貢獻,深化對既有數學工作的理解仍有大量空間。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)49

    HybridAgents:在潛在空間推理、透過文字行動的大語言模型智能體

    HybridAgents結合潛在空間推理與文字互動,讓大語言模型智能體在統一生成流程中切換思考及行動方式,評測表現較前沿大語言模型智能體及智能體框架提升 10.4%。研究在 3 種模型規模、11 項涵蓋數學、科學、醫學、搜尋及智能體推理的基準上評估 HybridAgent。它減少 35.5%-54.7% 的 token 用量,推理速度提升 1.8x-2.6x,成本節省 2.7x-3.7x。

  4. Hacker News 熱門(buzzing.cc 中文翻譯)55

    LLM 會令數學和科學走向黃金時代,還是黑暗時代?

    Francesco Maggi 指出,LLM 有望加快數學及科學發現,但融入科研體系的方式將影響科研走向黃金或黑暗時代。他警告,若科研成果愈來愈難由人理解,或前沿模型的控制集中於少數公司,獨立研究與人才培育可能受損。他主張擴大研究者取得前沿 LLM 的渠道、建立可重現及披露標準,並投資由公共機構治理的科研 LLM 基礎設施。

  5. HuggingFace Daily Papers(社區熱門論文)40

    Omni-Woodpecker:透過證據先驗重平衡修正全模態大語言模型的幻覺

    Omni-Woodpecker(OWP)是一個免訓練框架,透過識別跨模態衝突並重平衡隱藏表示,減少全模態大語言模型的跨模態幻覺。以 Qwen2.5-Omni-7B 為骨幹時,OWP 在 CMM 和 AVHBench 分別提升 12.9 和 8.6 分;在四項通用推理基準上提升 0.67-2.25 分。OWP 亦適用於 VideoLLaMA2-AV,在相同基準上分別提升 4.6 和 3.9 分。

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

    RouteWeaver 統一 LLM 路由模式選擇與執行

    RouteWeaver 提出統一 LLM 路由框架,在單一策略中結合路由模式選擇與模式內模型執行。它在數學、編碼、知識、邏輯推理及事實回憶五個領域的平均準確率為 61.4%,較最強基線相對提升 11.03%,並在各領域均勝過對比基線。 ablation 結果顯示,移除漸進式探索會令路由策略完全退化為單輪執行。

  7. HuggingFace Daily Papers(社區熱門論文)43

    SpecKCast:以頻域 Kalman 預測加速 Diffusion 推理

    SpecKCast 是一種免訓練方法,透過頻域預測 Diffusion Transformer 的輸出,加速推理。它以 2D 離散餘弦轉換處理輸出,並用逐頻帶 Kalman filter 預測;在 FLUX.1-dev、Qwen-Image、Wan2.1-14B 和 HunyuanVideo 上,速度最高提升 6x,額外記憶體用量低於 0.05 GiB。

  8. HuggingFace Daily Papers(社區熱門論文)55

    語言模型任務組閤中的脆弱性與隱式預算分配

    一項涵蓋開放權重模型及 Claude Opus 5 的研究發現,語言模型在單一提示中組合多項任務時,即使各項任務單獨均能可靠完成,錯誤仍會顯著增加。這種退化不能完全以獨立錯誤累積解釋;組合任務時,模型分配給每項任務的 token 明顯少於單獨處理時,所需解題過程較長的任務因此更脆弱。按脆弱性將任務分組,可在多項數學及語言任務中減少 43% token 用量,同時維持準確率。

  9. HuggingFace Daily Papers(社區熱門論文)40

    多智能體團隊演進時應修改哪個 Agent 的技能?GRSE 的羣組相對信用分配

    GRSE 透過比較同一問題的多次執行,為 Agent-技能配對分配行為責任,並診斷失敗。在 HotpotQA 和 LoCoMo 的測試中,使用兩個開放權重智能體的 GRSE 整體勝過最接近的既有方法 MASkills,多跳問題的 F1 分別提升 6.7 和 3.2。面對有害技能,GRSE 能正確判定所有預置技能的正負影響,並將乾淨技能庫的分數恢復至高 6.3 分。

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

    視覺語言模型的規模限制:特定子任務出現反向縮放

    這項研究發現,視覺語言模型在特定子任務上會出現反向縮放,即較大型模型有時不及同系列較小模型。研究評估 19 個模型及 8 個多模態基準,共進行 558,334 次模型與問題評估,找出 375 組出現反向縮放的子任務與模型配對。影響較大的領域包括多圖像空間推理、視覺感知及大學程度 STEM 知識,部分案例準確率差距超過 20 個百分點;圖表理解相對較不受影響。

10月18日週日
  1. DEV Community57

    免費推理通道架構評審:借用算力,保留自主退出能力

    免費推理通道應視為借用算力,只負責生成文字;結果解析與產物儲存則由自有程式負責。文中提供 Python 3.11 或更新版本可用的審計腳本和降級測試,並提醒不要把含客戶數據的工作送往免費通道。作者披露文章屬 MonkeyCode 產品推廣;其營運方聲稱免費方案包括 10 million tokens,容量數字及伺服器條款應先到項目頁核實。

  2. DEV Community49

    LLM 如何實際生成一個詞

    LLM 將文字切成 token,經 Transformer 層處理後逐次預測下一個 token。推理分為 prefill 和 decode;KV cache 避免重算舊 token,但會隨上下文增長,Llama 3.1 70B 在 128K 上下文、半精度下,單次請求的 cache 約 43 GB。模型不會跨請求記住對話,每次都要重新接收完整對話。

  3. DEV Community50

    CARE 認證令 VLA 模型推理提速 9.0–10.8×

    CARE 為 VLA 模型推理加速提供認證,達到 9.0–10.8× 提速,並以 95% 信心保證至少 85.8% 原本由參考方案成功完成的任務回合仍能成功。認證流程使用 5,263 次 rollout,少於窮盡測試所需的 25,000 次。方法依賴靜態校準集,目前只在四個 LIBERO 套件及兩個智能體(Qwen3.5-9B、Llama-3.1-8B)上展示。

  4. 第一財經52

    AI週報:DeepSeek 將 V4.1 Flash 更新至 V4.1-Flash-1017,151 款應用拒絕接入豆包手機助手

    DeepSeek 將 V4.1 Flash 更新至 V4.1-Flash-1017,豆包手機助手則公佈 151 款拒絕其螢幕自動化操作的應用。DeepSeek API 新增 Search 與 Fetch 介面,兩者均收費 5 元/千次;對已聲明拒絕的應用,豆包手機助手不會執行相關操作。週報亦涵蓋 DeepSeek 故障補償、人機協同證明三維 Ghys 猜想,以及企業營收、融資和 AI 基建動態。

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

    VLA-Rolling:透過自適應重用動作尾段,以更少去噪步數實現更佳控制

    VLA-Rolling 透過自適應重用未執行的動作尾段,減少視覺語言動作模型的推理成本並提升成功率。在 π_{0.5}、SmolVLA、X-VLA 和 MolmoAct2 的 16 組模型與基準測試配對中,推理成本均有下降,最高加速 1.48 倍;14 組的成功率有所提升,最多增加 15.08 個百分點。底層 VLA 模型保持凍結。

  6. HuggingFace Daily Papers(社區熱門論文)35

    TCoVP:跨越時空進行視覺思考,以時空視覺證據為基礎推理影片分割

    TCoVP 提出一條時空定位的影片推理鏈,將實體與帶時間戳的視覺證據連結,以改善影片分割的推理和遮罩預測。TCoVP-SFT-15k 和 TCoVP-RL-13k 用於透過監督式微調及推理鏈對齊的強化學習學習此表示方式。在五個 VRS 評測基準和三種模型骨幹上的實驗顯示 TCoVP 表現出色,所有模型和程式碼將公開發布。

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

    ATEST:面向大語言模型推理的自適應資源感知測試時擴展

    ATEST 是一套面向大語言模型推理的資源感知測試時擴展框架,根據新增樣本的預期價值及即時 GPU 成本調整抽樣和停止時機。ATEST-Online 無需離線校準,會在線上學習每步能耗;在 GSM8K 高負載測試中,準確率為 60.0%,沒有延後作答,ATEST-Calibrated 準確率為 44.0%、延後率為 42.4%。

10月17日週六
  1. The Decoder70

    Anthropic 的 Claude 不足 30 分鐘破解 NSA 延續 25 年的密碼學謎團

    Anthropic 的 Claude 不足 30 分鐘找出 ECDSA 標準中部分曲線參數種子的生成方式,這些種子由 NSA 提供,但未附解釋。種子來自以 1997 年 5 月至 1998 年 4 月間 Unix 時間戳初始化的 C 隨機數生成器 lrand48;其 31 位元輸出令部分種子的高位元呈現系統性歸零。Anthropic 表示,這令刻意植入後門的可能性降低。