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 29 日 06:0005:59
ExLabel 用自进化智能体评估 SWE 数据集质量
↗ 查看原文 · arxiv.org研究提出基于 LLM 的自进化助手 ExLabel，评估 SWE 类数据集的任务清晰度与测试覆盖，并构建跨八种语言的 S…
- 10 月 29 日 03:0002:50
论文提出金融 AI 三引擎架构，称幻觉率降至 1% 以下
↗ 查看原文 · arxiv.org研究介绍一种金融 AI 生产架构，结合金融知识图谱、确定性优化引擎与多智能体 LLM 层。基于 15 次部署约 11 个…
- 10 月 29 日 02:0001:45
- 01:13
- 10 月 29 日 01:0000:50
- 00:19
日度做空量能否预测空头持仓：66 万窗口上的实验
↗ 查看原文 · dev.to作者用三秩公式、ridge 回归和一个小型 transformer，在 660,246 个窗口上检验日度做空量能否预测半…
- 00:02
用 pHash、CLIP 和 FiftyOne 检测图片的编辑副本
↗ 查看原文 · dev.to一篇教程介绍在 FiftyOne 中结合感知哈希与 CLIP 嵌入，找出数据集中经过镜像、裁剪或滤镜处理的重复图片。
- 10 月 29 日 00:0023:48
对比真实与合成 LeRobot 数据集：5 组数据及 sim-to-real 证据
↗ 查看原文 · dev.to文章比较用于 VLA 训练的 LeRobot v3.0 操作数据集，含 2 组真实遥操作数据和 3 组合成数据，并列出字…
- 23:47
5 个人形与双臂 LeRobot 数据集的状态和动作空间对比
↗ 查看原文 · dev.to文章对比 5 个用于 VLA 训练的人形与双臂 LeRobot 数据集，给出各自的状态与动作维度、许可证，并为每个数据集…
- 23:40
11 个 LeRobot v3.0 数据集汇总，覆盖 Franka 机械臂到人形机器人
↗ 查看原文 · dev.to文章整理 11 个用于 VLA 训练的 LeRobot v3.0 数据集，从 Franka 机械臂到人形机器人，并列出各…
- 23:23
Ted Sanders 谈 LLM 性能与模型规模的关系
↗ 查看原文 · simonwillison.netTed Sanders 指出 LLM 性能是多维的，但大部分差异可由模型规模解释：更大的模型更可靠、每 token 成本…
- 10 月 28 日 23:0022:30
智能体 AI 为稀疏视角 CT 选择采样角度
↗ 查看原文 · arxiv.org研究用智能体 AI 为稀疏视角 CT 挑选投影角度，以直接预测颅内动脉瘤血流动力学。结果显示任务最优采样与重建最优采样存…
- 10 月 28 日 22:0021:17
TreasuryQA Bench 测试智能体读扫描财报
↗ 查看原文 · arxiv.org新基准包含 70 道题，覆盖 1435 份扫描版美国财政部文件，要求智能体通过 MCP 搜索并用 OCR 读取后给出精确…
- 21:11
- 10 月 28 日 21:0020:16
- 20:05
- 20:04
研究提出CARI攻击：编码代理运行时反馈可被注入恶意指令
↗ 查看原文 · arxiv.org论文提出跨边界对抗运行时注入（CARI），攻击者在同伴控制的开发组件反馈中嵌入指令，诱导受害编码代理执行越权操作。
- 10 月 28 日 20:0019:45
- 19:31
- 10 月 28 日 19:0018:57
研究：AI代理论文中的数字错误多为张冠李戴
↗ 查看原文 · arxiv.org研究者重新分析AI研究代理基准的540份判定，人工标注256条数字声明，发现约五分之四的失实声明对应代理文件中来自错误实…
- 18:39
- 10 月 28 日 16:0015:21
- 10 月 28 日 13:0012:24
Google Research提出睡眠框架助LLM持续学习
↗ 查看原文 · research.googleGoogle Research 提出在持续学习中引入睡眠阶段，让模型在交互与离线记忆巩固之间交替，减少灾难性遗忘，并可保…
- 10 月 28 日 12:0011:42
- 11:06
- 10 月 28 日 10:0009:33
研究：编码代理记忆文件可被利用生成不安全代码
↗ 查看原文 · arxiv.org论文把CLAUDE.md等项目记忆文件视为攻击面，针对12类CWE构造恶意文件并在36项任务上测试Claude Code…
- 10 月 28 日 09:0008:10
研究：LLM 写模拟版图生成器代码优于直接画版图
↗ 查看原文 · arxiv.org在 SKY130 的 gLayout 上实验发现，直接让模型绘制版图耗时和 token 成本高，而基于生成器框架修改代码…
- 10 月 28 日 08:0007:03
TCC-RAG：用时间因果链引导 RAG 做时序知识图谱问答
↗ 查看原文 · arxiv.org研究者提出 TCC-RAG，将时序知识图谱重构为多视图因果线索图，构建查询相关的时间因果链并过滤证据，在两个 TKGQA…
- 10 月 28 日 07:0006:39
新基准 Investor's Last Exam 评估 AI 股票研究能力
↗ 查看原文 · arxiv.org由买方投资者主导的 ILE 基准包含 343 万份带时间戳的文档版本，GPT-6 Astra 与 Claude Opus…
- 06:32
MUSE：为科学编程 Agent 提供多级记忆与运行时注入
↗ 查看原文 · arxiv.orgMUSE 从历史轨迹构建全局、方法级和实现级记忆，执行中按需检索并由 LLM 门控决定是否注入建议，在数值求解、内核优化…
- 06:26
- 10 月 28 日 06:0005:41
- 05:36
- 05:24
- 10 月 28 日 04:0003:50
论文研究编码智能体更听代码先例还是任务指令
↗ 查看原文 · arxiv.orgarXiv 论文通过 5625 次实验发现，编码智能体在默认实现与仓库既有写法冲突时，绝大多数会跟随仓库先例；书面优先级…
- 03:09
论文提出 Skeleton Coding，用程序骨架约束智能体
↗ 查看原文 · arxiv.orgarXiv 论文提出 Skeleton Coding，让开发者同时给出高层代码结构与行为规格；在四个模型三个基准上，最佳…
- 10 月 28 日 03:0002:23
DecompGym 基准测试 LLM 智能体设计分解算法
↗ 查看原文 · arxiv.orgarXiv 论文发布 DecompGym，含 9 个问题族共 81 个实例，评测 12 个模型编写 Benders 分解…
- 10 月 28 日 00:0023:36
- 10 月 27 日 21:0020:56
同一模型同一框架跑10次，Agent 基准分差可达6分
↗ 查看原文 · dev.to一项2026年研究分析6万条 SWE-bench 轨迹，发现单次运行的 Agent 得分波动在2.2到6.0分之间，提示…
- 10 月 27 日 18:0017:15
TeamGym：评测 AI 智能体团队决策的新环境
↗ 查看原文 · arxiv.org研究者推出 TeamGym，用法律、金融、医疗等真实语料构建团队决策任务，并控制关键信息在成员间的分布。测试 8 个模型…
- 17:13
Gym-Anything-RT：评测视觉语言智能体实时交互能力
↗ 查看原文 · arxiv.org研究者构建 100 个实时小游戏，评测视觉语言智能体在环境持续变化下的表现。GPT-6 Astra 实时通过率仅 9.0…
- 10 月 27 日 17:0016:29
有限单群分类在 Lean 中完成形式化
↗ 查看原文 · cfsg.axiommath.ai研究团队用 Lean 对有限单群分类的第一代证明完成形式化，每一步逻辑均由 Lean 内核检查，过程中还发现已发表论证中…
- 16:12
Ai2 发布研究：LLM 能否判断研究想法的新颖性
↗ 查看原文 · huggingface.coAi2 发布研究 Old Ideas, Novel Problems，考察大模型评估科研想法新颖性的可靠性，并公开基准…
- 10 月 27 日 16:0015:59
M4Bench：评测临床 EHR 衍生变量编码智能体
↗ 查看原文 · arxiv.org研究者基于 MIMIC-IV 和 eICU 推出 28 项临床衍生变量任务，测试 AI 编码智能体能否复现定义。加入经临…
- 15:45
FeatureArc：评测编码智能体处理演进功能的能力
↗ 查看原文 · arxiv.org研究者推出 FeatureArc，用仓库历史构建多阶段功能演进任务，评测 10 个编码智能体。整体成功率从首阶段 62.…
- 10 月 27 日 15:0014:47
论文提出CAIA方法，让AI代理对齐团队意图
↗ 查看原文 · arxiv.org论文指出AI代理进入为人类设计的软件流程后，常因猜测未写明的意图而偏离团队预期。作者提出CAIA方法，用知识库描述产品…
- 14:38
- 14:09
BenchMeUp用LLM代理自动构建软件工程基准
↗ 查看原文 · arxiv.org论文提出BenchMeUp，可从自然语言规格自动生成软件工程基准，在四类任务上构建198个实例，平均每个耗时36分钟、花…
- 10 月 27 日 14:0013:52
- 13:33
Spine将子任务树编译为结构化上下文，提升长任务表现
↗ 查看原文 · arxiv.org论文提出Spine接口与运行时，把子任务嵌套关系组织成持久树并按需编译进模型上下文。集成到Codex后，SWE-Mile…