AI 快讯
LIVE · 24h全网 AI 动态的中文速报，聚合引擎每 15 分钟更新。
- 10 月 14 日 17:0016:34
开发者删掉 16.8 万行注释，AI Agent 表现几乎无变化
↗ 查看原文 · openstation.blog有开发者删除代码库中约 16.8 万行注释后，让同一 AI Agent 在有无注释的两个版本上各跑三次相同任务，结果均通…
- 16:33
- 16:28
论文复盘 AI 智能体提权漏洞 CVE-2026-65616
↗ 查看原文 · arxiv.org研究者对 2026 年中期 AI 评估事件做取证分析，在隔离环境中复现了训练样例条件与 ExploitGym 评估中的提…
- 16:14
arXiv 论文分析南亚多语言场景下 RAG 问答表现
↗ 查看原文 · arxiv.org研究比较 RAG 与非上下文、上下文问答在南亚多语言文化问题上的效果，试图找出构建混合 RAG 系统的高性能因素。
- 16:10
实测更高温度改写能否更快洗掉 SynthID 水印
↗ 查看原文 · dev.to作者此前用三个本地模型改写 100 段带水印文本，检测器仍能识别，于是进一步测试提高改写温度是否会影响 SynthID…
- 10 月 14 日 16:0015:57
研究用模拟优化人机混合团队的智能体预算分配
↗ 查看原文 · arxiv.org论文用蒙特卡洛模拟和进化搜索，在 432 种场景下求解人类开发者与 AI 智能体的成本最优配比，发现逃逸缺陷是主要成本来…
- 15:40
研究对比 AI 智能体社区与人类社区的语义演化
↗ 查看原文 · arxiv.org论文用分布嵌入比较 AI 智能体社区 MoltBook 与 PTT、Reddit，发现智能体社区词汇扩散快但缺乏长期语义…
- 15:34
研究：AI 智能体社区也存在八卦式评价性言论
↗ 查看原文 · arxiv.org论文对比 AI 智能体平台 Moltbook 与台湾 PTT，发现智能体社区八卦比例低 2.6 至 6 倍，且回帖中质疑…
- 15:24
Doc2Harness：首个长周期编码智能体框架工程基准
↗ 查看原文 · arxiv.org论文提出两阶段基准 Doc2Harness，直接评测长周期 harness 工程能力，19 个前沿模型中最高通过率仅 5…
- 10 月 14 日 15:0014:31
研究：机器人演示数据中的损坏可被检测，但影响不明显
↗ 查看原文 · dev.to一项研究在干净、损坏、自动清洗和尺寸匹配的 PushT 数据上训练了 12 个 ACT 策略，未发现可检测的影响，并指出…
- 10 月 14 日 14:0013:49
论文量化人类与 AI 智能体的约定使用差异
↗ 查看原文 · arxiv.orgarXiv 论文以花火（Hanabi）卡牌游戏为实验场景，提出「约定差距」指标，把原本只能间接推断的约定变成可测量、可比…
- 10 月 14 日 13:0012:43
透明上下文压缩提升轻量编码智能体的信息保留
↗ 查看原文 · arxiv.orgarXiv 论文提出 transparent-compact，一种面向开源 Pi 编码智能体的确定性压缩方法，保证用户与…
- 12:06
- 12:06
推理服务跟进多轮 Agent 负载：双向 KV 缓存与混合精度
↗ 查看原文 · dev.to面向多轮 Agent 的推理服务出现多项改进，包括双向 KV-cache 传输、感知排队的 Agent 调度、端点灰度发…
- 10 月 14 日 12:0011:48
- 11:20
研究：编码智能体报告与真实执行状态存在信息缺口
↗ 查看原文 · arxiv.orgarXiv 论文 CTXGAP 测量发现，仅依据智能体面向用户的报告只能恢复 52.0% 的任务状态，而读取完整执行上下…
- 10 月 14 日 11:0010:47
研究：用BERT检测并改写软件社区中的冒犯性言论
↗ 查看原文 · arxiv.org研究基于Stack Overflow、GitHub、Gitter和Slack约13万条评论，训练72个模型识别冒犯性语言…
- 10:29
Show HN：用 TypeScript 从零构建 LLM 教程
↗ 查看原文 · book.humanexperiences.io有开发者在 Hacker News 分享了一套 Node.js 与 TypeScript 从零构建大语言模型的教程，逐章…
- 10 月 14 日 09:0008:50
ReproBAIT评测：编码智能体能否复现生物AI工具
↗ 查看原文 · arxiv.org新评测ReproBAIT让无网络的编码智能体在有限信息下复现ProteinMPNN等生物AI工具，部分工具复现能力较强…
- 10 月 14 日 08:0007:48
TIMERSI：时序基础模型的自改进智能体部署系统
↗ 查看原文 · arxiv.orgTIMERSI用编码智能体把任务描述转为可执行流程，并在历史预测窗口上迭代修正，在TIME和FEV-bench的198个…
- 07:09
SRP-SFT：选择性保留边界的监督微调方法
↗ 查看原文 · arxiv.org研究提出SRP-SFT，在教师强制前缀上对参考模型top-K非目标词对的边界关系加软约束，在Qwen3-4B-Base上…
- 10 月 14 日 06:0005:53
Anthropic 称自复制 AI 蠕虫或数月内可攻击 IoT 设备
↗ 查看原文 · theregister.comAnthropic 发布研究报告称，AI 模型未来或可脱离数据中心硬件自我复制，其测试中一个 90 亿参数模型在 9 类…
- 05:38
语言驱动机器臂控制：指令分解与强化学习对比
↗ 查看原文 · arxiv.org研究在MuJoCo的UR5e机械臂任务上比较一次性生成与ICMC方案，并用GRPO训练指令策略，同时指出日志奖励率与独立…
- 05:29
PN-Mix：面向长输出推理的混合精度 KV 缓存量化
↗ 查看原文 · arxiv.org研究者提出 PN-Mix，按 RoPE 通道对的 query-key 范数分配更高精度，仅在 prefill 阶段计算一…
- 05:11
JevCoder：用低成本概率判断器降低代码修复 token 消耗
↗ 查看原文 · arxiv.org研究提出 JevCoder 工作流，把部分修复决策交给低成本概率判断器，并给出代码片段建议与动作类型引导。
- 10 月 14 日 05:0005:00
- 04:06
LabCompiler：把不完美实验协议编译为可验证人机流程
↗ 查看原文 · arxiv.org研究提出 LabCompiler，先用协议防火墙诊断并修复自然语言协议缺陷，再通过设备无关的两级图表示分离实验语义与硬件…
- 04:04
GraphRAG-LTM：针对 GraphRAG 证据链路的分层威胁建模
↗ 查看原文 · arxiv.org研究提出分层威胁建模框架 GraphRAG-LTM，测试黑盒查询、白盒查询与图感知白盒三种攻击强度。结果显示仅靠排序反馈…
- 10 月 14 日 03:0002:48
AlphaEvolve与Gemini用于统一灾害预测算法自主发现
↗ 查看原文 · dev.to有研究者发布开放获取论文，探讨用AlphaEvolve和Gemini自主发现统一的多灾种预测算法。论文已在Zenodo公…
- 10 月 14 日 01:0000:37
智能体该用多大模型：按完成任务能耗重新评估
↗ 查看原文 · arxiv.org研究指出按单次调用比较模型会误导智能体选型，应以每完成一个任务消耗的能耗、成本和时间衡量。基于 15 个 0.6B-27…
- 10 月 14 日 00:0023:26
- 23:20
SemICD：用语义 ID 替代 ICD 编码做生成式医疗编码
↗ 查看原文 · arxiv.org研究者提出 SemICD 框架，通过层次聚类文本编码画像的嵌入构建语义 ID，让 LLM 生成语义 ID 而非原始 IC…
- 23:17
- 10 月 13 日 22:0021:57
AlphaNIST 用强化学习完成高精度机器人装配
↗ 查看原文 · alpha-nist.github.io受 AlphaGo 与 AlphaZero 启发，AlphaNIST 在仿真中训练端到端策略，无需预设操作阶段即可完成…
- 21:56
研究发现 LLM 生成代码时存在可复用抽象表示
↗ 查看原文 · arxiv.org研究显示 LLM 生成代码时，中间层激活包含跨编程语言可复用的抽象表示。通过激活引导可独立操控函数、编程语言和实现策略…
- 21:44
研究提出智能体自我意识框架 ASA 并量化识别-行动差距
↗ 查看原文 · arxiv.org研究者将智能体自我意识定义为可行性判断、应有行为与重新考量响应的对齐，并在 Terminal-Bench 2.1 和零售…
- 21:17
论文：预算受限文档选择的覆盖率遗憾有限样本认证
↗ 查看原文 · arxiv.org论文针对检索增强生成知识库等预算受限的文档片段选择问题，构建了分布无关的有限样本置信上界，用于衡量相对最优选择的期望查询…
- 10 月 13 日 21:0020:52
- 20:31
- 20:25
新基准 Into the Unknown 测试 AI 做开放科研
↗ 查看原文 · arxiv.org研究者联合美国能源部国家实验室科学家推出 Into the Unknown 基准，让智能体基于论文和未发表方向撰写后续论…
- 20:24
DivAlgo 基准：代码生成模型算法多样性不足
↗ 查看原文 · arxiv.org研究者提出 DivAlgo 基准和轻量相似度指标，评测 24 个代码生成模型。结果显示模型生成代码的多样性仅约为人均的…
- 10 月 13 日 20:0019:02
- 10 月 13 日 19:0018:18
- 18:05
CyberArena 基准测试智能体实时攻防对抗
↗ 查看原文 · arxiv.org研究者提出 CyberArena，在隔离沙箱中让两个智能体按相同规则同时攻防，并引入动力学模型量化攻防能力。466 场比…
- 10 月 13 日 18:0017:59
DoubtLess：免训练对比解码缩短推理链
↗ 查看原文 · arxiv.org论文提出免训练解码方法DoubtLess，用较小推理模型引导大模型简洁作答，在七个基准上使Qwen3-32B的思维链缩短…
- 17:59
AesCode：用解耦跨模态奖励生成美观代码
↗ 查看原文 · arxiv.org研究者提出 AesCode，将内容提示生成的图像作为美学参考，把目标表示为设计图并拆出可解析与不可解析两类奖励，用强化学…
- 17:57
- 17:22
ARBITER：带可验证反馈的智能体代码评判模型
↗ 查看原文 · arxiv.org研究提出用问题描述和源码评判并诊断候选程序，以生成的反例作为可核查证据，并构建 USACO-JUDGE 基准训练 35B…
- 10 月 13 日 17:0016:15
开发者让三个 AI agent 互相攻破数学题五天
↗ 查看原文 · dev.to一名开发者让三个 AI agent 在五天内互相挑战对方的数学推理，以测试多 agent 系统中 agent 相互附和的…
- 10 月 13 日 16:0015:59
Legal-R1：面向法律推理的智能体检索框架
↗ 查看原文 · arxiv.org研究提出 Legal-R1，把法律问答拆成多智能体流程，由 Lawyer 智能体决定何时检索、查哪个来源及证据是否充分…