跳到正文

#论文/研究

今日 1 条
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60

    首张全天紫外线地图问世:Claude Science 协助绘制约 1/3 区域

    Anthropic 于 10 月 8 日发布博文宣布 Claude Science 协助绘制首张完整全天紫外线地图,约三分之一区域由模型估算。地图整合 GALEX、NASA Swift、FIMS/SPEAR 等任务数据,缺失区由模型根据可见光红外射电关系补全并标注不确定度。此前因保护探测器规避明亮恒星区,有三分之一天空无紫外线实测。

  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7日周三
  1. Hugging Face Blog72

    Nemotron 3 微调后在 IOI 2026 与 IMO 2026 均达金牌水平

    Nemotron 3 经 SFT 与 RL 微调后在 IOI 2026 和 IMO 2026 均超过金牌阈值。IOI 2026 中 Nemotron-3-Ultra-CC 获 535.4/600,IMO 2026 系统得 30/42,模型、数据集与 NeMo-Skills 推理管线已在 Hugging Face 开放。

    推荐理由:原文给出了从 Nemotron 3 通过 SFT、RL 与推理循环微调至竞赛金牌水平的复用配方,读者可参照适配其他专业领域。

  2. IT之家77

    OpenAI 发布又一批 AI 数学研究成果,攻破数百个悬而未决难题

    OpenAI 公布一批包含722份手稿与372个结果家族的文件,展示未发布前沿模型解决数百个长期数学难题。文稿含模型推理摘要与算力估算,单成果耗算力约等同 ChatGPT Pro 连续思考三小时。

    推荐理由:OpenAI 公开未发布模型解决数百数学难题的手稿与算力估算,延续 AI 实验室进入数学领域引发的伦理讨论。

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。

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. 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。

  2. 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。

  3. 量子位66

    丘成桐新论文致谢了GPT和Claude

    丘成桐参与的最新论文致谢GPT 6 Astra和Claude Pro辅助探索证明,并证明28种七维球面均可配严格正截面曲率度量。该论文解决悬置70年的怪球弯曲问题,附SageMath验证代码。这是丘成桐自2023年称AI无影响后首次在论文中致谢AI。

  4. TechCrunch · AI68

    Google认为SpaceX Starship需发射1800次,太空数据中心才能起步

    Google发布同行评审白皮书称,SpaceX Starship需发射约1800次(未来10年每年180次)才能让轨道数据中心具备成本效益。Google轨道计算卫星原型今日搭载SpaceX火箭发射,将验证其TPU在太空运行,并以15分钟脉冲方式启动。该计划属Project Suncatcher,Google设想由81颗卫星近距编队并行处理,白皮书还测算芯片辐射误差率低可支持推理负载。

10月1日周四
9月30日周三

© 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