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 31 日 07:00
06:43
AI 模型推翻 25 年前的指数时间假设猜想
一个 AI 模型推翻了指数时间假设（ETH）。相关解读梳理了 P、NP 与 ETH 的基本概念，并指出该结果既不破坏现有…
↗ 查看原文 · dev.to
10 月 31 日 05:00
04:36
研究：MedMCQA上选最长答案准确率高于随机
一项由AI代理完成的研究发现，在医学选择题数据集MedMCQA上，“选最长答案”的策略优于随机猜测，含EXCEPT的题目…
↗ 查看原文 · dev.to
10 月 31 日 03:00
02:06
双层优化：元学习为何是优化套优化
文章解释双层优化的结构，指出元学习本质上是嵌套的优化问题：外层选任务或超参，内层完成具体训练，而非单层最小化损失。
↗ 查看原文 · dev.to
10 月 30 日 21:00
20:15
科普：扩散模型如何通过逆转噪声学习数据分布
一篇技术文章讲解扩散模型的基本原理，说明模型如何通过逐步逆转加噪过程来学习数据分布。
↗ 查看原文 · dev.to
10 月 30 日 20:00
19:52
MIT 学者综述导航波流体力学与量子类比
MIT 应用数学教授 John W. M. Bush 梳理导航波流体力学研究，介绍振动液滴系统呈现的类量子行为及其实验与…
↗ 查看原文 · thales.mit.edu
10 月 30 日 18:00
17:53
MMLU-Pro「选最长答案」捷径在 29 种语言中均存在
有研究指出，MMLU-Pro 基准中「选最长答案」即可得分的捷径，在翻译成 MMLU-ProX 全部 29 种语言后依然…
↗ 查看原文 · dev.to
10 月 30 日 16:00
15:56
开发者复盘：Transformer 自注意力为何难守“禁止”规则
DEV Community 一篇开发者复盘讨论 Transformer 自注意力机制对“DO NOT”类禁止指令效果不佳…
↗ 查看原文 · dev.to
15:15
45 个模型中 10 个在 MMLU-Pro 上输给选最长答案
一项在 656 道 MMLU-Pro 题目上的测试显示，45 个模型中有 10 个的得分低于直接选最长答案的简单策略。
↗ 查看原文 · dev.to
10 月 30 日 13:00
12:56
研究：模型也会被 MMLU-Pro 最长答案线索带偏
一项研究指出模型同样会利用 MMLU-Pro 中“最长答案”这一线索，其中三个得分低于该基线。
↗ 查看原文 · dev.to
10 月 30 日 11:00
10:33
从鸟类记忆谈 CLAUDE.md 与智能体记忆
文章借用松鸦、星鸦等动物的分散记忆机制，讨论每天从零开始的 AI 智能体该如何设计记忆。
↗ 查看原文 · dev.to
10 月 30 日 08:00
07:47
解析 LoRA：冻结大部分权重为何仍能微调大模型
文章解释低秩适配（LoRA）的原理，说明冻结大部分权重、只训练少量低秩参数，仍可完成大模型微调。
↗ 查看原文 · dev.to
07:24
选最长答案在 MMLU-Pro 部分题目上得 67%
一项由 AI 代理完成的研究发现，在 MMLU-Pro 的 STEM 网站类生物与心理题目上，仅选择最长答案的策略得分达…
↗ 查看原文 · dev.to
10 月 30 日 06:00
05:33
置信度门控让图像分类器更可信
在 Fashion-MNIST 上准确率 93.7% 的 CNN，通过把不确定预测转交人工，对 80% 的图像实现 99…
↗ 查看原文 · dev.to
05:30
开发者用Keras CNN识别埃及象形文字，59类准确率96.9%
一位开发者训练Keras卷积网络，按Gardiner编码识别拍摄的埃及象形文字，训练数据为乌纳斯金字塔文中的3674个字…
↗ 查看原文 · dev.to
05:26
状态空间模型为何能在长序列上比肩注意力机制
一篇技术文章讨论状态空间模型，解释线性递归结构为何在长序列任务上可与注意力机制竞争。
↗ 查看原文 · dev.to
10 月 30 日 04:00
03:05
AI Agent 群体与单体对比：搭建公平协作基准
文章提出为多 Agent 协作建立公平的评测基准，并提到四个 AI Agent 组队击败 Minecraft 末影龙的实…
↗ 查看原文 · dev.to
10 月 30 日 02:00
01:58
RAG 评估：端到端准确率掩盖真实失败
文章指出检索增强生成系统仅看端到端准确率会掩盖真实故障，主张拆解检索与生成环节分别评估。
↗ 查看原文 · dev.to
01:33
MMLU-Pro修复一个答案捷径却放大另一个
一项由AI代理完成的研究称，MMLU-Pro修复了一个答案捷径，却使另一个捷径的影响翻倍，新题目是原因所在。
↗ 查看原文 · dev.to
10 月 30 日 00:00
23:49
选最长答案策略在 MMLU 国际法得 52.7%，公关题低于随机
研究显示仅选最长答案在 MMLU 国际法上得 52.7%，在公共关系题目上则低于随机水平。
↗ 查看原文 · dev.to
23:25
Show HN：有人把整数神经网络编译进 DOOM 地图
GitHub 项目 doomformer 将整数神经网络编译成 ZDoom 地图，用巫毒娃娃执行算术、光照和平面高度存储…
↗ 查看原文 · github.com
10 月 29 日 21:00
20:32
开发者提出用合成伤疤架构约束AI编码行为
一篇技术文章认为AI编码挫败感多来自配额与提示遵循的循环，并提出把运行中的冲突编译为合成伤疤与六支柱评审机制。
↗ 查看原文 · dev.to
10 月 29 日 20:00
19:44
MMLU 的“答案是 D”属该基准特有现象
有研究指出“答案是 D”这类选项偏差是 MMLU 特有的问题，ARC、CommonsenseQA 和 HellaSwag…
↗ 查看原文 · dev.to
19:25
论文：用 Claude 辅助抗体设计开发食物过敏 IgE 干扰物
Hacker News 上出现一篇 PDF 论文，主题是借助 Claude 辅助抗体设计，开发针对食物过敏的 IgE 干…
↗ 查看原文 · divergencelabs.com
10 月 29 日 19:00
18:31
开发者提出成对读取的数据建模思路
一位开发者在 DEV Community 讨论用成对读取替代单次查询的建模方式，涉及断言、无递归借用规则等设计。
↗ 查看原文 · dev.to
10 月 29 日 18:00
17:47
多智能体协作实现固态量子自旋自主实验
研究团队构建由大模型智能体组成的自主实验室，智能体互相审查工作并可中止或调整研究方向。在金刚石量子自旋实验中，它们发现信…
↗ 查看原文 · arxiv.org
17:47
线性探针可提前预警智能体泄密倾向
研究显示，在智能体输出前读取其激活值，可预测它是否即将向同伴泄露密钥。在Qwen3-32B上，误报率5%时能捕获82%的…
↗ 查看原文 · arxiv.org
17:42
Gym-Anything用编码智能体生成机器人仿真环境
该框架让编码智能体自动创建机器人仿真，并据此构建含25个仿真和200个RL环境的RoboWorld。前沿模型在所有测试任…
↗ 查看原文 · arxiv.org
17:01
Glance让生成模型兼任检索重排序
Glance在生成器上加入轻量决策适配器和指针头，从共享预填充中为候选段落打分，单个9B骨干即可完成生成与重排序。
↗ 查看原文 · arxiv.org
10 月 29 日 17:00
16:40
新方法用自身错误状态训练多跳检索嵌入模型
研究发现链式嵌入检索器在测试时约半数状态含错误段落，会降低后续检索效果。作者提出on-policy状态训练，让编码器在自…
↗ 查看原文 · arxiv.org
10 月 29 日 16:00
15:29
Lean 创作者 Leo de Moura 谈 AI 与形式化验证
Lean 创建者 Leo de Moura 在播客访谈中讨论 AI 生成代码为何需要形式化验证，以及机器可检验证明如何让…
↗ 查看原文 · thedataexchange.media
15:22
论文提出 CodeSpecWeave：用相互依赖的规格提升长周期编码能力
研究者提出 CodeSpecWeave 框架，合成含耦合约束与可执行测试的编码任务，构建 4670 个训练任务和 100…
↗ 查看原文 · arxiv.org
15:08
MIT 教授称 AI 正在削弱人的思考能力
MIT 行为科学教授 Eric So 在新书《The Collision》中称，使用 AI 会快速削弱人的基础思考能力…
↗ 查看原文 · bostonglobe.com
10 月 29 日 15:00
14:29
文章解析上下文学习：前向传播无需更新权重
一篇开发者文章解释上下文学习机制：在提示中给出少量示例，训练好的语言模型往往无需更新任何权重即可解决新任务。
↗ 查看原文 · dev.to
14:22
Keplearn：用 Rust 从数据中秒级提取方程
开源项目 Keplearn 用 Rust 实现确定性符号回归，从 CSV/TSV 数据中还原闭式方程，输出 JSON，单…
↗ 查看原文 · github.com
10 月 29 日 14:00
14:00
学习率是容易在生产环境出问题的超参数
一篇 ML 系列文章指出，学习率是导致生产环境训练不稳定的关键超参数，并围绕它讨论从代码到权重的实践问题。
↗ 查看原文 · dev.to
13:52
RAG 检索块越多不代表 LLM 回答越好
文章解释 LLM 如何处理检索到的 RAG 文本块，指出上下文过多会损害回答质量，并建议用混合检索、重排序和 token…
↗ 查看原文 · dev.to
13:50
如何评估 RAG：从检索指标到生产决策
文章讨论 RAG 评估方法，指出系统可能检索到相关文档、生成流畅回答并附上引用，却仍然存在问题，需把检索指标与生产决策挂…
↗ 查看原文 · dev.to
13:50
论文提出 Agentic Process Evidence：为 AI 智能体流程做可审计存证
研究者提出 APE，对 AI 智能体在软件开发中的会话与产出做签名、防篡改的机器可读存证，以支持策略即代码管控和按需人工…
↗ 查看原文 · arxiv.org
13:23
多智能体记忆为何去掉智能体归属标记
一篇 DEV 社区文章讨论多智能体框架中共享记忆的常见做法，并说明团队为何移除记忆条目上的智能体归属信息。
↗ 查看原文 · dev.to
10 月 29 日 13:00
12:07
你的 benchmark 分数是协商结果，不是测量值
文章认为本周评测新闻反复暴露同一问题：聚合分数与 judge 流水线掩盖的信息多于其展示的内容，benchmark 数字…
↗ 查看原文 · dev.to
10 月 29 日 12:00
11:46
STORY2DIFF：把真实用户故事与代码改动配对的数据集
研究者发布STORY2DIFF，包含7785条英文用户故事，均关联2017年1月至2026年7月的已合并Pull Req…
↗ 查看原文 · arxiv.org
11:05
归一化流为何能实现精确似然
文章解释归一化流借助可逆变换，让生成模型同时具备易采样和可精确计算似然的能力，而不必在两者间取舍。
↗ 查看原文 · dev.to
10 月 29 日 11:00
10:08
IEEE Spectrum 记者用 AI 伪造论文并复盘过程
IEEE Spectrum 刊文记录作者用 AI 生成一篇科学论文的经过，并复盘了其中的问题与结果。
↗ 查看原文 · spectrum.ieee.org
10 月 29 日 10:00
09:46
MoLRSI：可递归自我改进的分子发现AI agent
论文提出MoLRSI，结合工作流与模型架构优化及跨任务记忆来递归改进搜索策略。在抗生素筛选中实验命中率15.9%，高于此…
↗ 查看原文 · arxiv.org
09:28
EpidemIA：用自然语言调用流行病学模型的多智能体系统
论文实现免训练多智能体系统EpidemIA，临床人员可用自然语言完成统计分析与流行病学预测，本地开源权重模型作支撑以避免…
↗ 查看原文 · arxiv.org
09:21
用强化学习激励大模型自主学习长文本教材
论文提出基于强化学习的自学习方法，配合BookNavigator界面让模型在教材中检索并应用知识解题，使Intern-S…
↗ 查看原文 · arxiv.org
10 月 29 日 09:00
08:48
arXiv 论文：让 AI 自主提出研究问题并完成论文
研究让 AI 自行提出研究问题，系统给编码 agent 配备选题与同行评审两项技能，由另一模型家族复算审稿。五次连续运行…
↗ 查看原文 · arxiv.org
10 月 29 日 08:00
07:07
SkillCompiler：把 agent 技能编译成程序降低执行不确定性
论文提出 SkillCompiler，将 agent 技能拆成细粒度操作，把定义明确的部分编译为可验证程序，仅保留依赖上…
↗ 查看原文 · arxiv.org
10 月 29 日 07:00
06:51
AI突破5道20多年量子公开问题
有研究借助AI突破5道悬置20多年的量子公开问题，报道称参与者包括MIT一位三学位研究者。
↗ 查看原文 · qbitai.com
06:40
论文提出 Soei：多智能体编码的可观测性方案
研究基于 45 个真实编码智能体会话，估计 23.4% 的代码编辑环节在最后一次修改后没有独立检查。作者提出 Soei…
↗ 查看原文 · arxiv.org

加载更早的快讯

AI 快讯

AI 模型推翻 25 年前的指数时间假设猜想

研究：MedMCQA上选最长答案准确率高于随机

双层优化：元学习为何是优化套优化

科普：扩散模型如何通过逆转噪声学习数据分布

MIT 学者综述导航波流体力学与量子类比

MMLU-Pro「选最长答案」捷径在 29 种语言中均存在

开发者复盘：Transformer 自注意力为何难守“禁止”规则

45 个模型中 10 个在 MMLU-Pro 上输给选最长答案

研究：模型也会被 MMLU-Pro 最长答案线索带偏

从鸟类记忆谈 CLAUDE.md 与智能体记忆

解析 LoRA：冻结大部分权重为何仍能微调大模型

选最长答案在 MMLU-Pro 部分题目上得 67%

置信度门控让图像分类器更可信

开发者用Keras CNN识别埃及象形文字，59类准确率96.9%

状态空间模型为何能在长序列上比肩注意力机制

AI Agent 群体与单体对比：搭建公平协作基准

RAG 评估：端到端准确率掩盖真实失败

MMLU-Pro修复一个答案捷径却放大另一个

选最长答案策略在 MMLU 国际法得 52.7%，公关题低于随机

Show HN：有人把整数神经网络编译进 DOOM 地图

开发者提出用合成伤疤架构约束AI编码行为

MMLU 的“答案是 D”属该基准特有现象

论文：用 Claude 辅助抗体设计开发食物过敏 IgE 干扰物

开发者提出成对读取的数据建模思路

多智能体协作实现固态量子自旋自主实验

线性探针可提前预警智能体泄密倾向

Gym-Anything用编码智能体生成机器人仿真环境

Glance让生成模型兼任检索重排序

新方法用自身错误状态训练多跳检索嵌入模型

Lean 创作者 Leo de Moura 谈 AI 与形式化验证

论文提出 CodeSpecWeave：用相互依赖的规格提升长周期编码能力

MIT 教授称 AI 正在削弱人的思考能力

文章解析上下文学习：前向传播无需更新权重

Keplearn：用 Rust 从数据中秒级提取方程

学习率是容易在生产环境出问题的超参数

RAG 检索块越多不代表 LLM 回答越好

如何评估 RAG：从检索指标到生产决策

论文提出 Agentic Process Evidence：为 AI 智能体流程做可审计存证

多智能体记忆为何去掉智能体归属标记

你的 benchmark 分数是协商结果，不是测量值

STORY2DIFF：把真实用户故事与代码改动配对的数据集

归一化流为何能实现精确似然

IEEE Spectrum 记者用 AI 伪造论文并复盘过程

MoLRSI：可递归自我改进的分子发现AI agent

EpidemIA：用自然语言调用流行病学模型的多智能体系统

用强化学习激励大模型自主学习长文本教材

arXiv 论文：让 AI 自主提出研究问题并完成论文

SkillCompiler：把 agent 技能编译成程序降低执行不确定性

AI突破5道20多年量子公开问题

论文提出 Soei：多智能体编码的可观测性方案