Moth 的 Tessa 在 120 量子位元晶片上編碼並恢復 1,568 個數值
Moth 宣佈,Tessa 在 IBM 的 Phoenix Nighthawk r2 處理器全部 120 個量子位元上編碼並恢復 1,568 個實數值。Tessa 按晶片的物理連接排列資料與地址量子位元,毋須 SWAP 閘、路由或輔助量子位元;論文稱這是按其定義規模最大的同類實驗。Moth 表示,Tessa 可在 Atlas 平台用於影像處理實驗。
Moth 宣佈,Tessa 在 IBM 的 Phoenix Nighthawk r2 處理器全部 120 個量子位元上編碼並恢復 1,568 個實數值。Tessa 按晶片的物理連接排列資料與地址量子位元,毋須 SWAP 閘、路由或輔助量子位元;論文稱這是按其定義規模最大的同類實驗。Moth 表示,Tessa 可在 Atlas 平台用於影像處理實驗。
Sakana AI 公開日本金融領域的日文基準 JFinBench,並以日本 6 項金融資格考試的 2026 年試題評測 12 個 LLM。無工具設定下,Kimi K3.1 Pro 得分 83.4,較 GPT-6 Astra 的 93.6 低約 10 分,主要失分原因是日本製度知識不足。基準以編碼智能體轉換考題、由人手逐題核驗的流程建構,並公開數據集、程式碼及排行榜,支援配合新試題更新。
Google 的地理空間推理智能體 GRA 以 Gemini 驅動;一項論文研究建立 GeoExpertQueries 和 GeoKTools 兩個基準,評估開放式分析的合理性與工具編排能力。
這期 AI/ML 研究摘要整理了生成式與具身 AI、MoE 簡化、LLM 智能體可靠性及跨模態 3D 建模的研究結果。LO-World 的 IoU 提升 10.9 %、Chamfer 誤差降低 30.1 %,運行速度超過 25 FPS;SimpleHC 則在維持標準 MoE 基準準確度下縮短訓練時間。
EDGAR 和 SphereFlow 以具幾何感知能力的 flow matching,取代繁重的迭代式重建流程。EDGAR 只需一次 diffusion step 即可修復 Gaussian avatar,平均額外耗時由小型的 5.04 分鐘至大型的 16.60 分鐘不等。SphereFlow 用於缺失模態補全後的腦腫瘤分割,縮小了與完整模態 oracle 約八成的效能差距。
SoccerDream AI 作者分析其平台的模型投票數據,發現 2,722 個至少有五名投票者的賽事平均有 10.34 個模型,卻只有 1.46 個有效意見。多數投票準確率為 56.95%,略低於成員平均的 57.00%;改按 training_word_id 所示的模型譜系投票後,可決策率由 78.18% 降至 72.44%,可決策票中的準確率為 57.35%。
GEM 以熵正則化的反向 KL 散度最小化,改善 LLM 監督微調中的過擬合與輸出多樣性。在 Llama-3-8B 的實驗中,GEM 在通用指令微調及數學推理、程式碼生成任務上均優於交叉熵;配合多數投票或 Best-Of-$N$ 時,表現最高提升 10 個點。
清華大學李勇教授團隊提出 SkillMaster,讓同一個 Agent 在強化學習中共同學習任務執行,以及技能的建立、更新和保留。基於 Qwen2.5-7B-Instruct 的實驗中,SkillMaster 在 ALFWorld 和 WebShop 的成功率分別為 98.7% 和 82.0%,較 SkillRL 高 8.8 和 9.3 個百分點。
ONAA 測試 AI 智能體在 14,991 間商店購物,49% 可無人協助到達準備付款,但沒有商店讓智能體首次自行完成付款。其中 3,513 間商店列為買家一次批准 Shop Pay 後,智能體可自行付款;報告沒有觀察實際付款步驟。樣本只涵蓋已宣傳支援智能體購物的商店,數據截至 2026 年 11 月 15 日,且尚未獲任何商店核實。
Bijay Bastola 等人的系統性回顧與統合分析納入 8 項研究,估算 74 名未受正式超聲心動圖培訓或認證的操作人員,在即時 AI 引導下取得符合診斷品質門檻影像的比例為 96.3%。
一項涵蓋 1222 名參與者的研究發現,參與者使用 AI 解題後一旦撤去工具,答題準確率與堅持度都會下降。研究包括三組隨機對照試驗,涵蓋分數運算及類似美國 SAT 的閲讀理解題;文章指出,研究結果不代表短時間使用一次 AI 會造成永久認知損傷。
北卡羅來納州立大學研究團隊研發雷達腕帶,讓用戶可在前臂上以手指操作手錶,將前臂用作觸控板。系統校準需時3分54秒,手勢識別正確率為92.8%;測試共涉及20人,按壓力度辨識率為90.2%,測距精度為10.2毫米。團隊估算元件成本不到10美元;目前仍是原型,腕帶電路板外露。
卡內基梅隆大學的 OATs 以 E Ink 螢幕和 Google Gemini,將日常物件變成會表達情緒的 AI 小寵物。主模組成本約 20 美元,目前仍是研究原型。12 人試用研究中,部分參與者為令角色開心而多做運動、照顧植物或整理雪櫃。
HFS Research 與 Rackspace 調查 502 名企業高級 AI 決策者,發現多職能部署 AI 的企業中,僅 28% 自評達到或超越原定商業目標。
丹麥奧爾堡大學團隊研究擴散語言模型的記憶與訓練資料提取,發現採樣步數會影響原文被精確恢復的機率;在同規模電郵補全比較中,擴散模型的提取水平低於自回歸模型。1.1B 參數模型中,達到 50% 提取機率門檻的電郵樣本數分別為 16 個和 213 個;LLaDA-8B 從一步恢復改為逐詞恢復後,達到該門檻的樣本數由 9 個增至 179 個。
物理學家 Nathaniel Craig 與 GPT‑6 Astra 協作提出標準模型的候選晶格定義,嘗試為該理論建立非微擾描述。方法把同一組力場逐步映射到更細網格,以比較費米子態並累積相位修正;在網格尺度場強受限下,可為有限晶格間距提供測度。文章指出,方案仍需專家確認反射正定性,並進一步發展至實際晶格模擬;連續時空中的相互作用理論定義亦未解決。
推薦理由:文章拆解標準模型晶格定義中的手徵粒子與相位難題,並交代 GPT‑6 Astra 如何協助把細化網格策略發展成候選構造。
中國科學技術大學趙剛課題組利用 AI,從7.5萬餘種化合物中篩選出10餘個候選分子,並完成冰晶、細胞及組織層面的實驗驗證。加入候選分子的低甘油配方令紅細胞凍融回收率超過91%;常規慢速冷凍體系的回收率由約95%升至97%以上,而人臍帶來源間充質幹細胞的復温存活率達93.6%。
研究團隊以 LoRA SFT 微調開放權重模型 CohereLabs/aya-expanse-8b,令其在受治理支出決策測試中的準確率升至 95.8%,不安全放行決策比例由基礎模型的 44.3% 降至 2.7%。在 165 個保留測試情境中,模型的合約格式有效率維持 100%。
世界經濟論壇與埃森哲指出,企業 AI 應用已進入規模化階段,但治理能力落後於技術擴張。對1500家企業的調查顯示,2025年67%處於負責任 AI 成熟度第二階段,第四階段仍為0%,真正實現系統性、前瞻性治理的企業不足1%。報告提出九項行動,涵蓋戰略與價值創造、治理與問責、開發與使用。
SPECTRA 是一套適用於不同模型架構的壓縮框架及硬件執行引擎,在 NVIDIA GeForce RTX 3050 Ti Laptop GPU 上測試六種模型,將實體容器佔用減少 64.3% 至 69.8%(2.80× 至 3.31×)。
VAE Rhythm 利用生成影片解碼過程留下的週期性痕跡,偵測 AI 生成影片;論文提出無需訓練的 phase scan,透過不同起始偏移重建影片並測量重建誤差的週期性。
BLIP-Live 提出一套整合數據、評測指標、推理及訓練的框架,用於主動式串流影片理解,並建立包含人工標註的 BLIP-Live-780K 數據集及 PAUC-F 評測指標。BLIP-Live-Qwen 在四項主動式串流基準測試中達到最先進表現,較基線最高提升 44%,並勝過多個閉源 API 模型。程式碼及數據集將公開。
VideoNexus 是免訓練框架,將詳細影片感知與以證據為基礎的規劃和推理分開,由感知子智能體在獨立上下文中處理音訊及影片,並返回精簡、具時間定位的證據。在完整 LVBench 上,以 Gemini 3.8 Flash 作為規劃和感知的共用模型時,準確率達 88.6%,較靜態輸入高 3.6 個百分點,成本為內置智能體處理的 44%。
AuXSpec 提出一套 Lean 框架,將宣告式後置條件配對可執行版本,並以測試結果的一致性作為強化學習回饋,訓練自動形式化程式規格模型。
研究提出正則化分數中心化(RSC),透過加入反向 KL 懲罰,限制學習策略與生成數據的行為策略之間的差異,以穩定離策略學習。RSC 配合截斷重要性抽樣(TIS),在所有智能體基準測試中以相同數量的採樣回應取得更高訓練獎勵,並提升樣本效率。最終評測涵蓋的六項智能體任務均取得頂尖表現,在 AppWorld 提升 14.3%,在 BabyAI 的得分則達最強基線的 9.9 倍。
VODA 提出一種即插即用的體積監督方法,直接監督與物件相關的 Gaussians,突破傳統基於渲染的監督方式,以改善 3D Gaussian Splatting 的物件分割。研究亦提出 Removal-3D,透過移除物件評估分割在體積上的完整性。
研究團隊提出 CONGA,透過辨識條件高斯區塊並按其結構和計算成本選擇實作,為後驗推理構建傳輸映射。在 Stock-Watson 通脹模型上,CONGA 將 NUTS 的每秒最低有效樣本量(ESS)提升 12.5x。它亦在原始目標無法收斂的情況下恢復收斂,包括同一模型上的 WALNUTS,以及將 6760 維電力負載模型縮減至 34 個核心座標後使用 NUTS。
WeVisForensics 提出自我演進的智能體框架,協調視覺及音訊取證檢查,以局部證據檢測 AI 生成影片,平均準確率達 95.2%。框架透過雙時間尺度強化學習優化調查智能體及取證檢查智能體,並整理出 ForenCue-30K。其準確率較最強的先前檢測器高 9.0%。
研究提出 SilentGuard,將判斷由 LLM Agent 移至執行工具調用的 harness,透過不變量檢查攔截可能錯誤的 API 結果。在 7 個開源模型中,目標故障的錯誤答案率由 74.0% 降至 1.7%;在三個 frontier models 中則由 70.2% 降至 0.5%,且無故障任務表現未受損。
研究提出 ForceHarness,讓凍結的前沿多模態模型無需示範或微調,便可透過自行調節力道的控制原語和附有不確定性的物理量,使用力資訊操作機械人。在沒有腕部力感測器的真實機械臂上,GPT-6 Astra 的零樣本成功率由 3.3% 升至 90.0%。
DNeo 改良並行草稿模型的目標特徵編碼,以提升大型語言模型推理速度。其架構結合 Mixture-of-Features Attention(MoFA)、拒絕記憶、2-tap 因果卷積、僅前綴交叉注意力及非均勻目標層選擇。相較 SoTA(DFlash-2),DNeo 的生成速度快 1.3x,且不影響草稿模型規模或生成質素。
論文提出 HubEgo-100K 數據集,首版 v1.0 收錄 10,124 小時 1080p 第一身視角影片,並同步提供 100 Hz IMU 數據。
這項研究提出 Repo-Premium,一個以真實程式碼庫為基礎的程式碼搜尋基準,用來重新檢視稠密檢索相對 BM25 的優勢。研究發現,評測設計偏向稠密檢索及查詢缺少程式碼中的稀有識別符號,是優勢的兩個來源;加入由 LLM 生成的識別符號後,BM25 在每個 Python 測試池均追平稠密檢索。
研究發現,27B 語言模型可透過自身推理,在不使用梯度或訓練的情況下改寫自身權重,並在預先固定的 490 道未見題目上提升 6.6 個百分點的準確率。模型只在自身測試支持改動時才提交修訂;首八次修訂中,其準確率持續上升。此外,模型僅憑文字數學題定位受損矩陣並以自身數值重寫,令副本在六個未見圖像基準上的準確率由 7% 升至 70%,相當於未受損模型的 83%。
ALIVE 是一款互動式串流影片模型,支援主動監察、串流任務協調及尋求用戶反饋。研究團隊建構 ALIVE-SFT-288K 和 ALIVE-RL-3K 用於兩階段訓練,並推出 FSI-Bench 評估模型尋求反饋及完成後續任務的能力。ALIVE 在四個公開基準及 FSI-Bench 的整體評分均高於參與比較的模型。
MS-HVED 以靈活多堆疊超分辨率方法重建臨牀腦部 MRI,並在尼日利亞隊列的專家評估中獲得較佳影像品質評價。尼日利亞隊列中,專家在 210 次配對評估中有 187 次偏好 MS-HVED;盲測涵蓋 44 個病例及 7 名神經放射科專家。所有臨牀隊列中,使用所有可用輸入時,MS-HVED 的整體品質評分為 5.93,監督式基線為 4.49(p<.001)。
研究將大語言模型的拒答方向分析擴展至查詢含糊、模型知識限制及人類價值觀不一致三種成因。介入模型中間層的內部激活,可增加或減少這三種情況下的拒答。跨成因的影響顯示,各拒答方向具有共同的方向成分。
System 1 agents 研究提出一種本地 AI 智能體方法,把工具 schema 和請求編譯成多項選擇題,由單輪決策模型作答,無須生成文字。
MedJev 將醫學影像、問題及候選答案直接映射為決策,無需自回歸生成,在單次多模態前向傳遞中完成判斷。基於 Qwen3.5-4B 的 MedJev-4B,在四項醫學影像分類及視覺問答基準上,準確率絕對提升 7.93%,端到端速度提升 6.04 倍;與 20 個模型比較,在 4B–9B 通用及醫學 VLM 中取得最先進的效能及推理速度。
金大華開發的 OATs 微型 AI 智能體系統,透過電子墨水屏和傳感器,讓日常物品以虛擬角色表達狀態。主模組硬件成本約 20 美元,普通續航約 3 至 4 天,連接聲音傳感器後約 1 天。OATs 現階段仍是概念驗證技術,尚非成熟的消費產品。