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。
- 11 月 3 日 04:0003:16
- 11 月 3 日 03:0002:20
- 02:16
- 11 月 3 日 02:0001:05
- 11 月 2 日 23:0022:45
研究称顶级模型指出的MMLU-Pro答案错误多不成立
↗ 查看原文 · dev.to一项由AI Agent完成的研究显示，当多个顶级模型一致认为MMLU-Pro答案有误时，专家确认真正出错的案例不足五分之…
- 22:26
LLM 直接读写神经网络权重并非超人能力
↗ 查看原文 · seangoedecke.com有文章分析称，前沿 LLM 直接查看和修改网络权重看似超人，但人类研究者也能完成，相关任务依赖带标签的输入通道等条件。
- 11 月 2 日 22:0021:38
Dory1.0-4B：循环式nGPT模型开源，支持弹性深度
↗ 查看原文 · arxiv.org研究团队发布40亿参数循环式语言模型Dory1.0-4B，同一权重可按推理预算调整循环次数。在12项基准上，两次以上循环…
- 21:36
- 11 月 2 日 20:0019:52
ProofPaths：用AI代理评估学生推理过程
↗ 查看原文 · arxiv.orgProofPaths将评分量表打分与一对一追问结合，多个评分代理交叉评审，面试代理要求学生解释解题步骤并据此追问。系统保…
- 19:04
提示注入测试：文档攻击降至 0，聊天攻击几乎未变
↗ 查看原文 · dev.to一项提示注入基准测试显示，同一模型同一防护下，7 类文档攻击全部被拦截，聊天类攻击的拦截效果几乎没有改善。作者还修复了自…
- 11 月 2 日 19:0018:58
神经符号框架用精确覆盖求解 Zebra 逻辑谜题
↗ 查看原文 · arxiv.org研究者提出神经符号框架，让 LLM 把自然语言 Zebra 谜题解析为结构化工具调用并构建精确覆盖实例，再由符号求解器计…
- 18:57
WebHarbor 发布 153 个可执行网站环境
↗ 查看原文 · arxiv.org研究团队推出 WebHarbor，包含 153 个 Docker 化网站环境，复现真实网页的界面与功能流程，并附带 35…
- 18:54
Terence Tao 博客刊文讨论 AI 时代的无我数学
↗ 查看原文 · terrytao.wordpress.comTerence Tao 博客发布客座文章，讨论 AI 发展下数学家应重新思考工作的目的与价值，以及数学是被发明还是被发现…
- 18:51
Strategist：用元 agent 自动演化推理策略
↗ 查看原文 · arxiv.org研究者提出元 agent Strategist，把推理策略写成可复用的可执行蓝图并存入库，针对新任务检索、生成、测试和修…
- 18:40
Four Bridges 多智能体游戏测量模型欺骗倾向
↗ 查看原文 · arxiv.org研究者推出多智能体信息不对称游戏 Four Bridges，评估八个前沿模型作为知情 agent 的表现。欺骗行为出现在…
- 18:30
论文：预训练投毒可在 Agent 中植入后门
↗ 查看原文 · arxiv.org研究者从零预训练 Qwen3 0.6B 至 4B 并后训练为 CLI Agent，仅污染 0.1% 预训练语料即可植入远…
- 18:27
VeriHarm-Bench：衡量编码智能体的有害成功
↗ 查看原文 · arxiv.org研究者提出 VeriHarm 框架，构建可程序化验证的基准，衡量编码智能体在完成正常任务时造成的意外伤害。前沿智能体任务…
- 18:21
MIT 团队称 GPT-6 Astra 可原生读写神经网络权重
↗ 查看原文 · rikiyat.github.ioMIT CSAIL 团队发现前沿 LLM 能原生读写神经网络权重，Astra 仅编辑 Qwen3.5-0.8B 约 0.…
- 18:13
- 11 月 2 日 18:0018:00
Grid Agents：电力系统研究与并网评估智能体框架
↗ 查看原文 · arxiv.org研究团队推出 Grid Agents，结合电网知识本体与专业工程智能体，用于法规核查和电网研究。其知识本体在多个检索榜单…
- 17:51
KernelSeek：用提问驱动 GPU 内核优化
↗ 查看原文 · arxiv.org研究者提出提问驱动的 KernelSeek，在关键决策点向智能体提问以指明优化方向。同一任务上其达到 1.13 倍 Fl…
- 17:36
- 11 月 2 日 17:0016:37
DeliverBench：评测AI代理交付多阶段真实项目的能力
↗ 查看原文 · arxiv.org新基准DeliverBench用11个由13位领域专家还原的真实项目、150个子任务，考察代理从需求到交付的全流程。最佳…
- 11 月 2 日 16:0015:17
LeCun 新论文挑战 Scaling Law：1.09 亿参数模型胜过 720 亿
↗ 查看原文 · infoq.cn66 岁的 Yann LeCun 发布新论文，提出模型越大不一定越懂世界，实验中 1.09 亿参数模型表现优于 720…
- 11 月 2 日 15:0014:48
论文：规范驱动开发能否让编码代理实现公平性设计
↗ 查看原文 · arxiv.org研究用9个公平性规范要素测试三个编码代理在四个机器学习应用上的表现。代理能捕获97.22%的规范要求，但产出的模型并未显…
- 14:43
- 14:24
用LLM定位关键改动修复失效的源码-测试同步
↗ 查看原文 · arxiv.org研究构建500个真实Java项目案例的基准，总结出有效修复所需的上下文组合与推理步骤，应用于Codex后难题修复成功率提…
- 14:16
- 14:03
论文提出以知识为中心的 AI：跨 agent 与代际积累显式知识
↗ 查看原文 · arxiv.orgarXiv 论文主张下一代 AI 应围绕独立于单个 agent 的显式知识层构建，让知识可复用、可审计并跨代延续，并指出…
- 14:03
PaddleMaterials：材料科学端到端深度学习工具包
↗ 查看原文 · arxiv.org研究者发布开源框架 PaddleMaterials，统一属性预测、结构生成、机器学习势函数等六类材料学习任务的数据处理与…
- 11 月 2 日 14:0013:54
KAPPO：用提示自适应正则控制 LLM 后训练锐化
↗ 查看原文 · arxiv.org研究者推导出 KL 正则化 pass@k 与 max@k 目标的闭式最优策略，并提出 KAPPO，可将现有 @1 强化学…
- 13:11
论文提出 Avatar Intelligence 持久个人智能体范式
↗ 查看原文 · arxiv.org一篇论文提出 Avatar Intelligence，主张以持久个人智能体代用户跨任务、跨时间做决策，并提出 Agent…
- 11 月 2 日 13:0012:52
论文提出 Networked AI 分层架构
↗ 查看原文 · arxiv.org一篇论文提出 Networked AI，由异构且持续演进的智能体组成，分智能体层、交互层与调控层，称其资源需求可接近线性…
- 12:41
- 12:05
- 11 月 2 日 11:0010:19
Wenyao：结合领域适配与 RAG 的盐碱地治理规划系统
↗ 查看原文 · arxiv.org研究构建含 4860 个规划实例的 SA-Bench，基于 QwQ-32B 做低秩微调并结合案例检索，在 936 道选择…
- 11 月 2 日 10:0009:51
TLAPS-Bench：用AI智能体为TLA+系统规格做机器验证证明
↗ 查看原文 · arxiv.org研究者发布TLAPS-Bench基准与执行框架，让AI智能体在TLA+证明系统中迭代构建机器验证证明，覆盖缓存一致性、拜…
- 09:17
TRIO：用三个智能体协同优化RAG检索增强生成
↗ 查看原文 · arxiv.org论文提出TRIO方法，为查询扩展、检索充分性判断和答案生成分别设置智能体，并按各自目标迭代优化，以缓解检索不足和幻觉问题…
- 09:01
- 11 月 2 日 09:0008:56
GenDB-V：让AI生成并形式化验证数据库引擎
↗ 查看原文 · arxiv.org论文提出GenDB-V，由AI智能体按硬件与负载合成数据库引擎，并用形式化证明保证SQL语义正确。在TPC-H与SEC-…
- 08:21
强化学习简史：1992–1999 年游戏中的超人表现
↗ 查看原文 · dev.to文章回顾 1992 至 1999 年间强化学习在游戏中取得超人表现的历史，提到双陆棋高手沿用约 30 年的固定开局方式曾…
- 11 月 2 日 08:0007:23
- 11 月 2 日 07:0007:00
研究发现变量名语义可让LLM做数据高效数值预测
↗ 查看原文 · arxiv.org论文显示，当变量名与其描述的值语义匹配时，五个未经任务训练的LLM在九个领域20个数据集上可追平或超过七个监督学习模型…
- 06:59
新基准 Collaborative Intelligence 衡量 AI 智能体协作能力
↗ 查看原文 · arxiv.org研究者提出 Collaborative Intelligence Benchmark，用 240 个可验证任务评估 AI…
- 06:21
45 个已发布模型在 MMLU 继承错误上倾向专家
↗ 查看原文 · dev.to一项由 AI agent 完成的研究称，45 个已发布模型在 MMLU-Pro 继承自 MMLU 的错误题目上，判断均与…
- 06:12
- 11 月 2 日 06:0005:50
CR-Bench-v2 发布：评测 AI 代码审查代理的实用价值
↗ 查看原文 · arxiv.org研究者提出以缺陷为中心的代码审查评测框架 CR-Bench，含 584 个实例。测试显示最强系统仅检出约三分之一已知缺陷…
- 05:38
- 05:07
FORGE：面向装配故障的可执行返工代码生成
↗ 查看原文 · arxiv.org研究者提出 FORGE-Bench，含 26 种互锁装配的 4000 个任务，并给出将故障恢复推理映射为可执行动作的 F…
- 11 月 2 日 05:0004:24
少样本示例教的是格式而非事实：如何挑选、平衡与排序
↗ 查看原文 · dev.to一篇 AI 实践文章指出，提示词中的少样本示例主要教会模型输出格式，而不是提供事实知识，并讨论示例的挑选、平衡和排列方式…