跳到正文

动态

今日 0 条
10月13日周二
  1. The Decoder60

    Sakana AI与UC Berkeley提出MASS多智能体自监督方法,单一模型可自改进但难察自身盲点

    Sakana AI与UC Berkeley研究人员提出MASS方法,使单一语言模型通过分担求解、评判与优化角色实现递归自改进。在十二项研究任务上,两轮训练后模型对基线的胜率从53.9%升至69.9%,但共享盲点可能让错误通过自评估固化到后续训练。该方法代码已公开,延续了Sakana AI于6月成立递归自改进实验室的方向。

  2. Microsoft Research43

    Microsoft Research 发布 StudentSim:用于评估 AI 辅导系统的个性化学生模拟器

    Microsoft Research 推出 StudentSim 系统,利用去标识化公开数据训练个性化 AI 学生模拟器,以在真实测试前评估 AI 辅导效果。该系统通过 StudentSimEval 基准在数学、英语写作和棋类任务中表现优于现有基线,提供了有效的训练反馈信号。此举旨在解决人工学生研究成本高、周期长的问题,加速 AI 辅导系统的研发迭代。

10月12日周一
  1. The Decoder80

    Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并获同行评审

    Google DeepMind 的 AlphaProof Nexus 基于 Gemini 3.1 Pro 在 Lean 中起草并验证证明,解决数十个开放数学问题并通过 Science 同行评审。

    推荐理由:在AI数学证明陷入期刊提交争议的背景下,该研究经同行评审确认了基于Gemini 3.1 Pro的形式化证明路线,为同类工作提供可比照案例。

  2. Hacker News · AI 热帖72

    UC Berkeley等研究:使用AI工具仅10分钟便损害专注与坚持困难任务的能力

    UC Berkeley等学者论文指出,借助ChatGPT解题10分钟后撤除辅助,参与者后续准确率与坚持度明显下滑。研究含1222人随机对照实验,三组任务均显示AI依赖组在去工具后表现弱于无辅助组。该同行评审论文本周已于Conference on Language Modeling展示,早前草案于今年早些时候引发关注。

10月11日周日
  1. 量子位70

    何恺明团队发布多模态Harness框架VISTA

    何恺明团队在论文中提出视觉原生Harness框架VISTA,让现有多模态模型无需训练即可保存并回看原始画面参与推理。在ARC-AGI-3中,VISTA使Claude Opus 5.0完成全部25个公开游戏获满分100,GPT-5.6 Sol得分99,并在GameWorld等基准提升成功率。该框架包含视觉观测、无损视觉记忆与主动视觉检查组件,后续将验证具身任务。

10月10日周六
  1. IT之家81

    IT早报 1010:尊界 V800 制动踏板支架底座 11 月免费升级;懂车帝辟谣“开展公司内部整顿”;华为 nova 16 系列涨价;曝中汽中心发制动踏板总成材质问卷...

    IT之家 2026 年 10 月 10 日发布 IT 早报,汇总尊界 V800 制动踏板免费升级、字节 Seed 发现 DeepSeek-V4 长上下文性能漂移、开源 AI 图像编辑套件 ArtCraft 等 22 条科技资讯。内容覆盖汽车制动安全、手机价格调整、人形机器人租赁及英雄联盟总决赛等多元领域。

  2. Ars Technica · AI30

    研究显示 AI 编码智能体增加代码量但未提升软件产出

    哈佛大学基于 700 多家企业数据的研究发现,AI 编码智能体虽能高效生成大量代码,但人工代码审查成为显著瓶颈,导致企业软件产出未增加且就业未减少。编码阶段提升的效率被下游生产约束吸收,表现为审查流程延长、拉取请求需修订及评论增多。该研究分析了 2021 年至 2026 年 3 月间超过 3 亿个工作事件。

10月9日周五
  1. 量子位36

    字节 Seed 团队揭示 DeepSeek-V4 性能波动源于分块 KV Cache 压缩

    字节 Seed 团队发现 DeepSeek-V4 的检索准确率随输入位置每 4 个 Token 周期性变化,128K 长上下文测试中最大差距达 40.2 个百分点。研究证实该现象源于分块 KV Cache 压缩技术导致的“相位敏感性”,不同压缩步长对应不同波动周期。尽管后训练能缩小差距,但团队指出常规 Benchmark 难以检测此类位置偏差,需针对特定相位进行专项评估。

  2. 量子位7

    MirroS 发布 AgentGarten:代码与扩散模型构建实时智能体试炼场

    MirroS 团队发布 AgentGarten,通过代码定义物理规则与神经渲染器生成视觉反馈,以超过 30 fps 的吞吐让智能体在实时环境中交互。在捉迷藏实验中,智能体仅用 4 轮学会搭建掩体、10 轮掌握借坡道翻墙,远快于 OpenAI 2019 年需数千万局的强化学习。该系统通过“实验手册”沉淀经验,实现了物理世界的递归自我改进。

10月8日周四
  1. Google Research71

    Google Research 探讨更好的工作是否意味着更好的工作者,基于三个月专利律师AI实验

    Google Research 在11家知识产权律所的133名律师中开展三个月AI专利起草助手实验,发现AI提升短期起草质量但移除后初级律师专业判断未同步增强。实验将律师随机分组,AI组在10天和90天起草任务中分数提升0.34和0.38标准偏差,但90天无辅助红笔修改任务仅资深律师保持0.45标准偏差优势。该研究发表于NBER,提示设计AI工具需避免阻碍初级专业人士长期专长积累。

    推荐理由:实验通过三个月实地测试分离AI使用与无辅助表现,发现初级律师借助AI提升短期起草质量却未同步积累专业判断,提示企业培训需平衡效率与技能传承。

10月6日周二
  1. Google Research45

    Google 发布智能体隐私与安全上下文视角报告

    Google 联合 50 余位专家发布《智能体隐私与安全中的开放与新兴问题:上下文视角》报告,提出基于上下文完整性(CI)理论构建多层防御体系。该方案通过动态策略引擎在系统、模型及用户层面评估智能体行为的适当性,以解决自主智能体在处理个人数据时面临的隐私与安全挑战。

  2. Simon Willison34

    Qwen3.8 27B 纯文字加法能力基准测试

    本地部署的 Qwen3.8-27B 模型在禁用推理模式下,纯文字加法数值准确率仅为 23.57%,且随操作数位数增加性能从 97.04% 骤降至 6.44%。启用推理模式后,该模型在 169 个测试用例中正确回答 167 次。该实验旨在复现并对比 GPT-4o 此前在同类任务中的表现。

10月5日周一
10月4日周日
  1. Hugging Face Blog67

    微软 ThinkingBox 上线 Hugging Face,按后端状态与 20 次重复评测智能体

    微软与 Hugging Face 联合发布 ThinkingBox 与 ThinkingBox-Bench,已在 Hugging Face 上线并通过 OpenEnv 运行,按智能体留下的后端状态和副作用而非生成的回答评分,每个任务重复运行 20 次。

    推荐理由:原文用 507 个有状态业务流程各跑 20 次,区分单次成功率与跨次一致性,并给出按可靠性计算的成本,可迁移到团队自建智能体评测。

10月3日周六
10月2日周五
  1. Google Research52

    Google 发布基于 TEE 的下一代联邦学习系统,提供可验证隐私保证

    Google 宣布推出基于 TEE 的下一代联邦学习系统,借助可信执行环境实现端到端可验证数据匿名化。Gboard 已部署该系统训练英文和日语下一词预测模型并获得显著加速。系统将访问策略发布至公共透明日志并开源代码,外部可审计,是 2017 年联邦学习提出后的重要演进。

  2. 字节 Seed · 基础模型博客16

    字节 Seed 基础模型论文列表

    字节 Seed 基础模型博客公开了 242 篇研究论文,涵盖 LLM 持续改进、编码智能体指令遵循及 VLM 空间感知等方向。最新论文包括 2026.08.18 发布的 Chain-of-Experience for Continual LLM Improvement 和 2026.08.12 发布的 Harness-IF。该列表展示了团队在基础模型、多模态及科学计算领域的持续研究成果。

  3. Kimi 研究博客43

    Kimi 团队发布 WorldVQA 多模态视觉知识评测基准

    Kimi 团队发布 WorldVQA 基准,包含 3,500 个图像问答对以评估多模态大语言模型的原子视觉世界知识。实验显示前沿模型在长尾知识上准确率常低于 50%,且普遍存在过度自信现象,其中 Kimi-K2.5 在 ECE 和 Slope 指标上表现最佳。该数据集及评测脚本已开源,旨在推动多模态 AI 的事实可靠性。

10月1日周四

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有