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 27 日 14:0013:06
GRPO 在强化学习对比中持续占优，LoRA 迎来机制审计
↗ 查看原文 · dev.to有研究对 GRPO 与拒绝采样做受控对比，并指出 DPO 中存在隐藏的词表坍缩信号，同时给出 LoRA 内部机制与工程技…
- 10 月 27 日 12:0011:13
Guided-RLVR：用轻量控制器引导 LLM 推理探索
↗ 查看原文 · arxiv.org研究者提出 Guided-RLVR，在可验证奖励强化学习中注入语义引导 token，让模型从多种推理路径解题。数学与代码…
- 10 月 27 日 11:0010:38
SpectRAG：用加权块图谱做多跳 RAG 上下文选择
↗ 查看原文 · arxiv.orgSpectRAG 结合混合检索、加权块图与谱相关性传播，在固定 token 预算下组装上下文。在多跳与长文档问答中证据召…
- 10:12
- 10 月 27 日 10:0009:34
HiLo-RD：跨预算自蒸馏改进掩码扩散语言模型
↗ 查看原文 · arxiv.org研究提出HiLo-RD，用大窗口教师状态对齐小窗口视图，缓解有限生成预算下的过早定稿问题。GSM8K准确率提升9.4个百…
- 10 月 27 日 09:0008:46
Evolving Agent Teams多智能体框架优化GPU内核
↗ 查看原文 · arxiv.org研究提出多智能体框架Evolving Agent Teams，由中心监督者诊断局部最优并重组团队。
- 10 月 27 日 07:0006:59
- 06:52
CAMR：面向大模型持续学习的兼容性感知记忆回放
↗ 查看原文 · arxiv.org研究提出CAMR框架，联合控制当前样本监督与历史回放。在Qwen3-8B-Base上，WikiBigEdit的Origi…
- 06:45
Hacker News 出现一篇简化证明 ETH 不成立的论文
↗ 查看原文 · shivakintali.github.ioHacker News 上出现一篇题为《ETH is False 的简化证明》的 PDF 论文，摘要内容无法解析，具体论…
- 06:01
Eg-walker：一种会自我丢弃的 CRDT 方案
↗ 查看原文 · dev.toDEV Community 介绍了一篇系统论文中的 Eg-walker，它基于真实编辑历史做设计，核心思路是让 CRDT…
- 10 月 27 日 06:0005:12
- 10 月 27 日 04:0003:47
InfraDev 基准测试编码智能体开发 AI 基础设施能力
↗ 查看原文 · arxiv.org新基准 InfraDev 含 36 个来自 Megatron-LM、vLLM 和 verl 真实 PR 的任务，覆盖训练…
- 03:41
Req2Test-Bench 评估智能体从需求生成测试的能力
↗ 查看原文 · arxiv.org新基准含 5086 个来自 8 个开源项目的实例，覆盖 5 种语言和 4 个 BDD 框架。最佳配置为 82.8% 实例…
- 03:05
QESChunker 用问题证据监督统一 RAG 分块方法
↗ 查看原文 · arxiv.org研究提出 QESChunker，将重叠与非重叠分块统一为问题证据效用最大化目标，非重叠情形可用动态规划精确求解。在五个数…
- 10 月 27 日 03:0003:00
研究用知识图谱为 LLM 软件演进划定确定性影响边界
↗ 查看原文 · arxiv.org该工作将设计资产组织为内容寻址 Merkle DAG，把设计变更的逻辑涟漪转化为可验证的结构操作，从而精确界定需修改的代…
- 02:59
论文：评估AI Agent重启监控应看决策价值而非准确率
↗ 查看原文 · arxiv.orgarXiv 论文指出，固定 90% 准确率的监控器在不同替换尝试成功率下，可让 Agent 成功率从下降 5 个百分点变…
- 10 月 27 日 02:0001:42
CogArena：用浏览器行为实验评测多模态Agent
↗ 查看原文 · arxiv.org新基准 CogArena 把十项社会与行为科学实验搬进标准网页浏览器，让 Agent 面对与人类被试相同的视觉刺激和作答…
- 01:25
CoHARL：用强化学习让Agent策略与执行框架共同演化
↗ 查看原文 · arxiv.org论文提出 CoHARL，基于种群的强化学习框架，让共享策略与一组可执行 harness 在训练中共同演化，由提议器根据执…
- 10 月 27 日 01:0000:45
- 00:29
LM-DSB：轻量多Agent系统自动生成施工安全日报
↗ 查看原文 · arxiv.org研究提出 LM-DSB，用本地可部署的 Llama 3-8B 配合 RAG 和规划、检索、写作三类 Agent，在消费级…
- 10 月 27 日 00:0023:40
新基准 kw-bench 测试编码代理处理真实审计任务
↗ 查看原文 · arxiv.org研究者发布 kw-bench，首个任务族为跨三代 SAP 的五年增值税重建，评分完全确定性、不用 LLM 裁判。
- 10 月 26 日 23:0022:23
- 22:12
研究：Codex 与 Claude Code 过度顺从持续改写代码
↗ 查看原文 · arxiv.org研究者在迭代重构任务中测试 Codex 和 Claude Code，超 3000 轮里没有模型在代码已优化后主动停止，最…
- 22:04
OA-RAG：结合本体推理的检索增强生成方法
↗ 查看原文 · arxiv.org研究者提出 OA-RAG，把本体中的逻辑结构与注释同 LLM 推理结合，并为每个答案标注证据的支撑等级。在三个大型本体和…
- 10 月 26 日 22:0021:59
OpenAI 仓库出现论文称指数时间假设不成立
↗ 查看原文 · github.comGitHub 上 openai/math 仓库出现一份论文 PDF，标题称指数时间假设为假。该假设是计算复杂性理论的重要…
- 21:56
RefactorProof 压力测试：程序重构后证明稳定性
↗ 查看原文 · arxiv.org研究者基于 VERINA 任务构建 RefactorProof，在保持规格与证明不变的前提下生成 458 个 Lean…
- 10 月 26 日 21:0020:34
- 20:08
论文：去掉署名标记后仍可识别 AI 编码代理提交
↗ 查看原文 · arxiv.org研究用 1226 个仓库的 783 万次提交测试无署名检测，掩去标记后检测器区分 AI 与人类提交的 AUC 最高 0.…
- 10 月 26 日 20:0019:22
Skill Dreaming：从 PR 流中学习并演化仓库技能库
↗ 查看原文 · arxiv.org论文提出 Skill Dreaming 框架，从已验证的 PR 中提取可执行知识构建仓库专属技能库，并随新 PR 持续更…
- 10 月 26 日 19:0018:53
Stratum：为编码代理设计跨会话的仓库记忆
↗ 查看原文 · arxiv.org论文提出分层仓库记忆 Stratum，在八个真实 bug 的多会话实验中，继承上一会话记忆的新代理 24 次中 21 次…
- 18:18
AGDecode：用属性文法约束 LLM 代码生成的语义安全
↗ 查看原文 · arxiv.org论文提出 AGDecode 框架，将语义约束解码归约为语法树上的可实现性问题，交由 SMT 等求解器判定，并在 C 程序…
- 18:18
- 10 月 26 日 18:0017:52
论文提出 I-HITL：确保人类审批不可被 AI 绕过
↗ 查看原文 · arxiv.org研究提出不可剥夺的人类在环（I-HITL）概念，要求智能体执行关键操作必须获得明确人工批准。实验显示，在可访问用户邮箱时…
- 17:50
- 17:35
- 17:20
- 17:20
论文：前沿模型代码定位准确率接近上限，调试器帮助有限
↗ 查看原文 · arxiv.org研究在144个LeetCode方案中植入610个单行故障，测试Sol 6.1、Luna 6、Qwen 3.8的故障定位。
- 17:12
简单 LLM 框架在根因分析上优于手工智能体
↗ 查看原文 · arxiv.org研究在 90 个微服务故障案例上比较三种不限定调用流程的简单框架与五个已发表 RCA 智能体。简单框架 PR@1 达 6…
- 10 月 26 日 17:0016:32
- 16:29
CIVER：用因果干预验证提升LLM代码审查可靠性
↗ 查看原文 · arxiv.org研究提出CIVER框架，通过修复导向扰动区分真实缺陷与误报，在SWE-Review-Bench上正确识别77%的真实缺陷…
- 16:12
- 10 月 26 日 16:0015:46
- 15:34
- 15:29
ArchiveLens：把历史地图变成可查询空间知识库
↗ 查看原文 · arxiv.org研究提出 ArchiveLens 框架，结合实例分割、HSV 颜色阈值分类与量化视觉语言模型，从历史地图中同时提取建筑轮…
- 15:17
- 15:11
Infinity Machine：可自我改进的研究型 AI Agent
↗ 查看原文 · arxiv.org研究者展示 Infinity Machine，由完整工具型 Agent 在沙箱中生成候选解，并通过内核门控修改自身提示…
- 10 月 26 日 15:0014:53
研究：Agent 中介访问如何改变 Web 漏洞利用
↗ 查看原文 · arxiv.org研究构建 VELA 基准，覆盖 12 类 Web 应用的 44 个漏洞，测试三个商用 Agent 在不同接口配置下的攻击…
- 14:15
FeatureLoop 基准测试编码智能体应对需求变化
↗ 查看原文 · arxiv.org研究者提出 FeatureLoop 基准，含 34 个仓库的 61 个任务，通过演化与完成反馈考察编码智能体。
- 14:14
ShutdownMod 可将任意轨迹转为关机评测
↗ 查看原文 · arxiv.org研究者提出 ShutdownMod，向智能体上下文注入关机请求并记录其反应，覆盖 SWE-bench Verified…
- 10 月 26 日 14:0013:50