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 26 日 14:0013:21
PolicyMediator：面向一人公司的跨区域政策中介框架
↗ 查看原文 · arxiv.org研究提出PolicyMediator，由中介智能体向一人公司解释政策、向政府反馈诉求，在中国六区域模拟中综合政府目标较基…
- 13:10
- 10 月 26 日 13:0012:40
研究呼吁智能体软件工程实验固定 harness 版本
↗ 查看原文 · arxiv.org研究者标注 2025 至 2026 年 146 篇论文中的 325 个实验，发现仅 15 个报告了所用 harness…
- 12:40
- 12:30
RepoTrace 提升多轮代码智能体的需求追踪能力
↗ 查看原文 · arxiv.org研究者分析 EvoCode-Bench 中 2656 条智能体轨迹，发现需求焦点错位是常见失败模式，提出 RepoTra…
- 12:03
大规模对比：智能体参与的 PR 与人工 PR 测试差异
↗ 查看原文 · arxiv.org研究分析 391 个 Java 仓库中 2025 年 1 月至 2026 年 4 月合并的 114134 个 PR，发现…
- 10 月 26 日 12:0011:24
面向立法档案的跨语言 RAG 框架应对 OCR 噪声
↗ 查看原文 · arxiv.org研究提出结合版面分割、多文字 OCR 与智能体式 RAG 的端到端框架，用于处理印度历史议会档案的扫描退化与版面碎片问题…
- 10 月 26 日 11:0010:44
- 10:11
CalibraRL 用置信度校准强化学习缓解 RAG 幻觉
↗ 查看原文 · arxiv.org研究提出将回答置信度与查询级作答证据纳入奖励设计的强化学习框架，对过度自信错误施加惩罚。在三个问答数据集上，其平均期望校…
- 10:10
Co-Design Bench：多模态协作编程评测基准
↗ 查看原文 · arxiv.org研究者发布 Co-Design Bench，含 273 个来自真实用户会话的任务，用于评测编程 agent 将多模态需求…
- 10 月 26 日 10:0009:35
- 10 月 26 日 09:0008:38
- 10 月 26 日 08:0007:37
Rivet 提出仓库级编码智能体上下文控制方法
↗ 查看原文 · arxiv.org论文提出 Rivet 框架，在固定上下文预算下按任务相关性、依赖关系和配置约束筛选仓库证据，避免上下文看似相关却缺失关键…
- 07:30
- 07:10
- 07:06
- 10 月 26 日 07:0007:00
研究探讨 AI 智能体时代 Pull Request 的替代方案
↗ 查看原文 · arxiv.org作者梳理 2025 年 10 月至 2026 年 10 月间 31 个机构或个人的 50 份文献，发现多数回应仍保留 P…
- 06:12
如何审视“硬件等效”声明：NPU 与 GPU 预训练对比清单
↗ 查看原文 · dev.to开发者提出五项检查，用于评估“与 GPU 同等质量”的声明，并以 Rebellions ATOM-Max NPU 与 B…
- 10 月 26 日 06:0005:53
纯推理 NPU 能否预训练 LLM：325M 模型对比 B200
↗ 查看原文 · dev.toVKORE-325M 在 Rebellions ATOM-Max NPU 上从零预训练，未见文本得分 0.7993，同模…
- 05:37
- 05:30
UniGFM-RAG：统一图基础模型与LLM的端到端检索推理
↗ 查看原文 · arxiv.org研究者提出UniGFM-RAG，将图基础模型检索器与LLM生成器紧耦合，通过可微图桥把检索分数转为图前缀注入生成，并用语…
- 05:02
- 10 月 26 日 05:0005:00
- 04:23
MONOLOGUE：单文档投毒可劫持RAG逻辑
↗ 查看原文 · arxiv.org研究者提出MONOLOGUE，不直接反驳事实，而是以记录更正叙事把虚假内容包装成最新更新，在三个基准和四种生成模型上取得…
- 10 月 26 日 04:0004:00
系统评测：System-1决策模型能否替代RAG重排器
↗ 查看原文 · arxiv.org评测显示决策模型在限制候选文本长度后可做有竞争力的重排，但调优后的专用重排器仍更快、显存占用更低，替换需综合权衡质量、延…
- 03:07
- 10 月 26 日 03:0002:49
- 02:45
SceneAgent把3D/4D捕捉转为可交互仿真环境
↗ 查看原文 · arxiv.orgSceneAgent用代理流程完成物体重建、物理建模与纠错，在GraspClutter6D场景F1最高达60.75%，远…
- 02:19
- 02:04
SearchHorizonBench评测代理何时值得再搜索
↗ 查看原文 · arxiv.org新基准包含3168个问题、45632次执行，用于评估代理对搜索增益的预测；历史校准可降低16.2%的Brier误差。
- 10 月 26 日 02:0001:19
- 01:18
- 10 月 26 日 01:0000:39
ANLI验证器文件解读：对抗基准上29803条人工投票的四种读法
↗ 查看原文 · dev.toMunim, Inc. 发布MV2开放研究笔记，围绕ANLI对抗基准验证器文件中的29803条人工投票，给出四种解读方式…
- 00:09
SlowLab 基准测试：AI 智能体能否胜任一年期不可逆实验
↗ 查看原文 · arxiv.org研究者提出 SlowLab 基准，让智能体在四个模拟温室中运行一年种植实验，最终方案由未公开天气数据评估。
- 10 月 26 日 00:0000:00
OpenAI 公布 Kakeya 猜想等数学问题模型结果
↗ 查看原文 · openai.comOpenAI 公布模型在 Kakeya 猜想、指数时间假设和量子色动力学上的结果，并说明研究人员如何验证和在此基础上继续…
- 10 月 25 日 23:0022:20
研究分析 34.9 万个 IaC PR：AI 编码智能体与人类有何不同
↗ 查看原文 · arxiv.org研究统计 GitHub 上 349,156 个基础设施即代码 PR，发现智能体提交的 PR 约为人类的四倍，更常改动核心…
- 10 月 25 日 22:0022:00
评测套件存在抖动：LLM 变更应基于配对检验把关
↗ 查看原文 · dev.to有开发者指出评测均值从 0.81 升到 0.83 就放行 PR 并不可靠，建议用配对、有统计功效的测试来判断模型或提示词…
- 10 月 25 日 20:0019:40
- 10 月 25 日 17:0016:51
- 16:38
Python 三种人脸识别方案对比：PCA、LBPH 与 DeepFace
↗ 查看原文 · dev.to一篇实践文章在小数据集上实现并比较 Eigenfaces（PCA）、LBPH 和 DeepFace 三种人脸识别方法，包…
- 16:35
在 Ollama 上对比零样本、少样本与 QLoRA 的工单分类
↗ 查看原文 · dev.to一篇博文以客服工单分类为场景，在 Ollama 上基准测试零样本、少样本与 QLoRA 微调三种方案的效果差异。
- 10 月 25 日 16:0015:55
文章称 softmax 存在 5.5 临界点，会静默清零最佳梯度
↗ 查看原文 · dev.to一篇 DEV 文章指出，softmax 在某个约 5.5 的数值区间会让模型的最佳梯度被静默置零，影响训练效果。文章未给…
- 15:12
在 8GB RTX 3050 上用自身截断答案微调 Gemma 4
↗ 查看原文 · dev.to作者用 64 token 上限采样 Gemma 4 E2B 自身答案做微调，在 1319 道 GSM8K 题上把每个正确…
- 10 月 25 日 15:0014:31
研究：无日期 RAG 常答错年份，固定年份又会失效
↗ 查看原文 · dev.to一项覆盖九个年度 FAR 修订版的冻结基准测试显示，不带日期的 RAG 有 80% 概率从错误年份作答；固定年份可修正该…
- 14:03
- 14:02
- 10 月 25 日 12:0011:37
- 10 月 25 日 09:0008:26
- 10 月 25 日 06:0006:00
Box regression head 提升视觉定位速度与精度
↗ 查看原文 · dev.to有方案提出用 box regression head 替代逐 token 解码框坐标，以减少视觉定位流程中的算力浪费，提…
- 05:43