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 18 日 09:0008:45
- 08:44
研究发现LLM智能体在噪声下错配探索与确认预算
↗ 查看原文 · arxiv.org研究构建模拟实验基准Wellocate，测试五个语言模型智能体，发现它们或过度重复验证、或过早信任单次读数，最终选择劣于…
- 08:40
CIPBench：哪些代码变更需要重新嵌入
↗ 查看原文 · arxiv.org研究在10个开源仓库上分析代码变更对检索的影响，提出CIPBench基准，发现变更历史排序信号有效，但真正省成本的是跳过…
- 08:15
RetailBridge：面向企业零售工作流的智能体RAG基准
↗ 查看原文 · arxiv.org研究发布基于角色模拟的零售基准RetailBridge及框架RetailRAG，评测十个模型后发现跨多源串联证据是主要瓶…
- 10 月 18 日 08:0007:26
实测 Tesla T4 上 fp16 相比 fp32 的 GPU 能耗节省
↗ 查看原文 · dev.to有开发者在 Tesla T4 上实测 fp16 相对 fp32 的 GPU 能耗节省，规格表只给 TDP 和峰值算力，未…
- 07:11
研究：同岗位 Agent Skill 同时加载会互相覆盖
↗ 查看原文 · arxiv.orgarXiv 论文提出 SkillClash，用 16 对同岗位技能测试 7 个模型，发现同时加载两个技能时，模型只遵循其…
- 10 月 18 日 07:0006:18
- 10 月 18 日 05:0005:00
研究：LLM Agent 充当 Modelica 物理模型供应方
↗ 查看原文 · arxiv.orgarXiv 论文让 LLM 编程 Agent 根据交接说明构建 Modelica 模型，覆盖四个仿真系统和一个真实开关磁…
- 04:24
- 10 月 18 日 00:0023:24
RuneScape Bench：面向 Agent 的 MMO 测试基准（视频）
↗ 查看原文 · youtube.comHacker News 上出现一段视频，介绍名为 RuneScape Bench 的基准，用 MMO 游戏环境来评测 A…
- 10 月 17 日 22:0021:07
- 10 月 17 日 19:0018:31
- 10 月 17 日 18:0017:56
Anthropic 与哈佛研究用 Claude 优化量子电路设计
↗ 查看原文 · dev.toAnthropic 与哈佛大学的合作研究显示，AI 可用于量子电路设计的优化，相关成果由开发者社区文章介绍。
- 10 月 17 日 15:0014:33
- 10 月 17 日 14:0013:17
量化训练解析：QAT、1-bit BitNet 与 1.58-bit 权重
↗ 查看原文 · dev.to文章介绍量化感知训练，解释 BitNet 为何保留一份隐藏的高精度权重，以及 1.58 bit 这一数值的来源。
- 10 月 17 日 13:0012:06
- 10 月 16 日 20:0019:01
文章：从零推导 transformer 结构
↗ 查看原文 · alexwang.aiAlex Wang 发布长文，尝试仅凭记忆从头推导 transformer 的数学结构，在 Hacker News 上引…
- 10 月 16 日 18:0018:00
Anthropic：Claude 独立设计出更高效量子电路
↗ 查看原文 · anthropic.comAnthropic 给 Claude 八份量子电路的自然语言规格及自动评分器，Claude 基本独立完成设计，部分方案优…
- 17:08
研究称美国 90% 工时对应任务缺乏 AI 基准覆盖
↗ 查看原文 · mercor.comMercor Research 发布美国经济基准地图，统计 923 个职业中仅 208 个有至少 5 条基准提示覆盖。
- 10 月 16 日 15:0014:35
rStation：面向 AI agent 的共享研究社区上线
↗ 查看原文 · rstation.aiDualverse AI 推出 rStation，让独立 AI agent 讨论研究问题并发表经评审的论文，人类可旁观。
- 14:16
如何让 System 1 大模型具备 System 2 能力
↗ 查看原文 · onlinelibrary.wiley.comHacker News 上出现讨论：如何让快思考型（System 1）大模型展现出慢思考（System 2）的推理能力。
- 10 月 16 日 13:0012:45
- 12:08
- 10 月 16 日 12:0011:04
用 GitHub 历史验证 LLM 的 PR 影响分析
↗ 查看原文 · dev.to有开发者把 pull request 交给 LLM，让它预测哪些地方会出问题，再用 GitHub 历史记录作为答案对照…
- 10 月 16 日 11:0010:31
- 10:15
- 10 月 16 日 10:0009:54
综述：日本年轻人性经验与性活动持续减少
↗ 查看原文 · sciencefocus.com一项发表于《Journal of Sex Research》的综述梳理 1974 至 2024 年日本性趋势调查，估计约…
- 09:32
- 09:23
MoE 中的 C=1.25 是容差而非常数：token 丢弃背后的负载尾部规律
↗ 查看原文 · dev.to有开发者指出，容量因子与目标丢弃率本质是同一信息的两种形式，而业界常用的 C=1.25 只命名了其中一种。文章给出精确的…
- 10 月 16 日 08:0007:15
多轮 AI Agent 的上下文陷阱：线性缓冲为何失效
↗ 查看原文 · dev.to多轮 AI Agent 会静默累积 JSON 返回，把上下文窗口撑到 8 万 token 以上。文章分析线性缓冲为何失效…
- 10 月 16 日 07:0007:00
用编码 agent 与批评模型核查 51 个司法辖区法律数据
↗ 查看原文 · dev.to开发者分享用编码 agent、浏览器 agent、批评模型和决策分类器交叉核查美国 51 个司法辖区法律数据的做法，称每…
- 06:59
文章讲 LLM 评估：如何捕捉回归与使用 LLM-as-a-judge
↗ 查看原文 · dev.to一篇 DEV 社区文章介绍如何从真实失败案例构建评估集、优先用代码校验、LLM-as-a-judge 的已知偏差与校准方…
- 06:29
- 10 月 16 日 06:0005:32
- 05:23
AI 模型能从数据学习，那能从其他模型学到什么？
↗ 查看原文 · dev.to有开发者以 LiveReview（一款关注影响范围的 AI 代码审查工具）为背景，提出模型间相互学习这一话题，探讨 AI…
- 10 月 16 日 01:0001:00
- 10 月 16 日 00:0023:38
- 10 月 15 日 20:0019:58
- 19:22
- 19:20
研究发现水中微塑料并非惰性，会自行生成有害化学物
↗ 查看原文 · arstechnica.com哥伦比亚大学团队在《Nature》发表研究，显示微塑料可能并不像预期那样化学惰性，其与水接触的微滴界面会产生活性氧等有害…
- 10 月 15 日 19:0018:54
- 10 月 15 日 18:0017:56
3DCodeVerse：把 3D 世界当作代码来生成
↗ 查看原文 · arxiv.org研究者发布 3DCodeVerse，包含 200 万条可执行 3D 代码数据集与多智能体生成框架，可在无人工反馈下自动校…
- 17:52
- 17:51
四个 Gemini 4 Argon 智能体自主通关 Minecraft
↗ 查看原文 · arxiv.org研究团队让四个 Gemini 4 Argon 智能体在沙盒生存世界中协作击败末影龙，全程自行规划、编写并调试程序，共写…
- 17:45
- 17:43
- 17:18
- 17:15
- 10 月 15 日 17:0016:55
- 16:39