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 25 日 05:0004:54
- 10 月 25 日 04:0003:22
- 10 月 25 日 01:0000:24
- 10 月 24 日 23:0022:25
研究梳理 SNLI、MultiNLI 与 ChaosNLI 各类别标注一致性
↗ 查看原文 · dev.to一项由 AI agent 完成的研究按类别和体裁统计 SNLI、MultiNLI、ChaosNLI 的标注者一致性，找出…
- 10 月 24 日 22:0021:22
- 10 月 24 日 19:0018:12
- 18:04
- 10 月 24 日 17:0016:27
- 16:22
USC 论文关注 Agent RAG 中的马赛克式泄露
↗ 查看原文 · dev.toUSC 信息科学研究所发布 arXiv 论文（2610.30418），研究 Agent RAG 场景下可能出现的马赛克式…
- 10 月 24 日 15:0014:30
研究：RAG 系统存在版本泄漏，80% 回答引用过期版本
↗ 查看原文 · dev.to作者在九个年度 FAR 修订版上测试 RAG，普通混合检索有 80% 概率给出错误版本答案，加入版本处理后可在不损失召回…
- 10 月 24 日 12:0011:18
AI 辅助论文引用不存在的 TorrentFreak 文章
↗ 查看原文 · torrentfreak.com一篇关于 Z-Library 的同行评审论文引用了并不存在的 TorrentFreak 文章，其他多处来源也无法查证。作…
- 11:10
- 10 月 24 日 11:0010:01
用 Python 从零搭建“合成意识”生物大脑架构
↗ 查看原文 · dev.toDEV Community 上有人发文，讨论如何用纯 Python、不依赖商用大模型来模拟生物大脑的合成意识系统设计。目…
- 10 月 24 日 10:0009:45
- 10 月 24 日 06:0005:57
ANLI 与 ChaosNLI 基准标注一致性研究
↗ 查看原文 · dev.to有研究对 ANLI 和 ChaosNLI 两个 NLI 基准做可复现的标注统计，发现基准的“金标准”未必等于标注者多数意…
- 05:35
- 10 月 24 日 05:0005:00
- 04:37
长会话 AI 编程成本为何上升：二次方注意力机制解析
↗ 查看原文 · dev.to一篇技术文章解释，注意力机制的计算量随上下文长度呈二次方增长，每轮重发完整对话也会放大开销，并讨论 prompt cac…
- 10 月 24 日 02:0001:25
研究尝试从标注者投票重推 SNLI 与 MultiNLI 金标
↗ 查看原文 · dev.to有研究对 SNLI 和 MultiNLI 做两项可复现的统计，检验能否从原始标注者投票重新推导基准的金标答案，代码与数据…
- 10 月 23 日 23:0022:02
- 10 月 23 日 22:0021:11
评论文章称AI冲击高等教育，但体系本已失灵
↗ 查看原文 · theconversation.comThe Conversation刊发评论文章，认为AI正严重冲击高等教育，但问题根源在于体系本身早已失灵。文章还提到AI…
- 10 月 23 日 20:0019:31
微软医疗 AI 诊断准确率超全科医生两倍，论文登上 Science
↗ 查看原文 · gizmodo.com微软 MAI-DxO 系统在《新英格兰医学杂志》复杂病例测试中诊断准确率达 83.2%，全科医生为 36.1%，且开出的…
- 19:14
- 10 月 23 日 17:0016:15
Ai2 与宾大推出 LitPivot 文献辅助研究工具
↗ 查看原文 · huggingface.coAi2 联合宾夕法尼亚大学开发 LitPivot，围绕正在编辑的提案组织文献并给出带引文的批评与修改建议。17 名研究者…
- 10 月 23 日 16:0015:16
- 15:05
ThinkingBox 的 20/20 栏目有用但非可靠性保证
↗ 查看原文 · dev.to文章认为 ThinkingBox 的 20/20 栏目有参考价值，但 20 个绿色通过项样本太小，不能据此宣称系统可靠。
- 10 月 23 日 15:0014:31
单卡 vLLM 基准测试：一个参数致延迟 19 倍
↗ 查看原文 · dev.to开发者分享单 GPU 上 vLLM 的基准测试，发现某个参数在压力下会使首 token 延迟增至 19 倍，推理模型在温…
- 10 月 23 日 13:0012:40
- 10 月 23 日 10:0009:05
- 10 月 23 日 06:0005:29
- 10 月 23 日 04:0003:04
- 10 月 22 日 23:0022:54
Anthropic：LLM 可在汇编层大规模完成形式化验证
↗ 查看原文 · anthropic.comAnthropic 与 Theorem 合作，用 Claude 在 RISC-V 汇编层为 100 多个真实开源库证明安…
- 10 月 22 日 21:0020:41
强化学习系列文章回顾 Q-Learning 与离策略方法
↗ 查看原文 · dev.toDEV 社区发布强化学习系列第八篇，梳理 1988 至 1994 年间 Q-Learning 等无模型方法的突破与离策略…
- 10 月 22 日 19:0018:28
- 10 月 22 日 18:0017:36
研究：标注覆盖度如何影响 RAG 检索评分
↗ 查看原文 · arxiv.org一项针对乳腺病变文献的临床 RAG 研究提出证据感知的检索评测流程，发现扩充相关性标注后识别到的证据增多，但检索排序未变…
- 10 月 22 日 17:0016:28
- 16:26
DuoCook：受 Overcooked 启发的视觉规划基准
↗ 查看原文 · arxiv.org研究者用编码 Agent 在 Unreal Engine 中搭建 20 张地图的烹饪协作基准，由单个视觉语言模型同时控制…
- 10 月 22 日 16:0015:58
研究：LLM 健康摘要需兼顾临床对齐与可读性
↗ 查看原文 · arxiv.org研究用约束生成加 RAG 将生理记录转写为患者可读摘要，4500 份摘要显示显式约束能改善临床对齐，但会提高阅读难度和术…
- 15:55
- 10 月 22 日 15:0014:36
Muffin：面向异步智能体的共享内存缓冲协议
↗ 查看原文 · arxiv.org研究提出基于共享内存缓冲的异步智能体协作协议，由调度器按推理需求分配任务，中间发现异步共享而私有推理保留本地。在20项基…
- 14:31
- 10 月 22 日 14:0014:00
- 13:45
RIPPLE：面向长程编码智能体的恢复内化训练框架
↗ 查看原文 · arxiv.org研究针对智能体能提出批评却仍沿错误轨迹前进的问题，提出将过程级恢复指导内化为单一自恢复策略的训练框架。在四个仓库级基准上…
- 10 月 22 日 13:0013:00
- 13:00
- 10 月 22 日 12:0011:33
ProductWebBench：评估前端智能体的网站连续性
↗ 查看原文 · arxiv.org新基准在真实前端仓库上同时考察任务完成与网站连续性，含320个修改任务和80个长程构建任务。13个模型8737次运行中…
- 11:30
DEV 社区发布 Advanced LLM Engineering 技术长文
↗ 查看原文 · dev.toDEV Community 刊出一篇 Advanced LLM Engineering 深度文章，逐层拆解大语言模型的内…
- 11:27
- 10 月 22 日 11:0010:55
nnInteractive Agent：通用 AI 智能体可自动完成 3D 图像标注
↗ 查看原文 · arxiv.org研究显示，Claude Code 与 Codex 无需额外训练即可调用 nnInteractive 完成 3D 分割标注…
- 10:30
为何投机解码在大批量下拖慢混合 Mamba 模型
↗ 查看原文 · dev.to分析指出，Mamba 层每处理一个 token 都会覆盖固定状态，服务端需为每份草稿保存完整副本，大批量时这些副本抵消了…