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 5 日 02:0001:45
- 01:08
- 11 月 5 日 01:0000:02
- 11 月 5 日 00:0023:54
- 23:45
实测：学习率 warmup 对错误学习率反而更有效
↗ 查看原文 · dev.to有开发者实测学习率 warmup 的效果，发现它对原本合适的学习率几乎没帮助，却明显救了设错的学习率。作者认为这一做法被…
- 23:43
研究提出衡量 AI 代理 token 浪费的框架
↗ 查看原文 · arxiv.orgarXiv 论文提出统一框架识别代理轨迹中的冗余片段，在线剪枝实验移除 41% 至 46% 的推理内容后任务表现基本保持…
- 23:18
SPILLWAY：用确定性检查防御工具型Agent提示注入
↗ 查看原文 · arxiv.org研究提出SPILLWAY，从工具返回的类型化字段判断动作目标，并确定性清除指令类文本，无需每步额外调用模型。在三个基座模…
- 11 月 4 日 23:0022:34
SEVerus：面向Rust验证的上下文感知游戏化基准
↗ 查看原文 · arxiv.org研究者推出SEVerus，把Verus验证任务拆成逐级撤除证明上下文的关卡，共生成819个任务、10095个关卡。实验显…
- 11 月 4 日 22:0021:49
Multi-step SWE：考察编码Agent长程连续开发能力
↗ 查看原文 · arxiv.org新基准Multi-step SWE包含69个任务，每个任务由5到15个依赖前序代码的步骤组成。九个前沿模型中最强者的解决…
- 11 月 4 日 21:0020:07
- 11 月 4 日 20:0019:08
论文比较达尔文、拉马克与Agent主导的AI演化
↗ 查看原文 · arxiv.org研究建立理论框架，比较三种演化机制在环境变化后的适应速度，指出学习有效时适应逐步加快。但若评估目标设定有误，更多搜索会更…
- 11 月 4 日 19:0018:56
FrontierPhysics：评估智能体端到端物理研究能力
↗ 查看原文 · arxiv.org研究者推出 FrontierPhysics 基准，含 42 位物理学家基于自身研究设计的 56 项任务，覆盖九个物理领域…
- 18:34
AI Agent在Lean证明形式化中系统性偏离人类偏好
↗ 查看原文 · arxiv.org研究用“模拟协作”方法分析Lean中九组人类协作记录，发现AI Agent更倾向处理显式标记的缺口，回避密集证明核心与复…
- 18:20
GH-AWTrace：GitHub 智能体工作流执行日志数据集
↗ 查看原文 · arxiv.org研究者发布 GH-AWTrace，关联 5051 个仓库的 25014 个 GitHub 智能体工作流与 411 万条运…
- 18:14
CompressionBench：编码智能体能否自主压缩 LLM
↗ 查看原文 · arxiv.org研究者提出 CompressionBench，让编码智能体在存储与时间限制下自主压缩模型并编写推理代码。36 份提交中…
- 11 月 4 日 18:0017:59
ServerBench：评估编码智能体设计 LLM 服务系统
↗ 查看原文 · arxiv.org研究者推出 ServerBench，考察编码智能体设计完整 LLM 服务系统的能力，以每美元延迟合格 token 价值为…
- 17:44
新工具链支持用 Vitis HLS 开发 AWS 云端 FPGA
↗ 查看原文 · arxiv.org研究者发布工具链，打通 Vitis HLS 到 HDK 再到 AFI 的流程，可在 AWS EC2 F2 FPGA 上用…
- 11 月 4 日 17:0016:56
LeCun 等论文：1.09 亿胜过 720 亿，各模型看到同一世界
↗ 查看原文 · dev.toRandall Balestriero 与 Yann LeCun 于 10 月 29 日发表论文，提出相关定理，称不同模…
- 16:42
- 16:26
- 16:11
多语言LLM关系推理诊断集Rel-Bloom发布
↗ 查看原文 · arxiv.org研究者构建450题多语言诊断集，测试43个模型发现从Apply到Analyze准确率普遍骤降，Gemini在Evalua…
- 11 月 4 日 16:0015:40
同一模型从 30 分到 95 分，差距在 Harness
↗ 查看原文 · infoq.cn文章指出同一模型在不同 Harness 下表现从 30 分提升到 95 分，说明工程封装对模型效果的影响超过模型本身。
- 15:36
FlexFloor 提升 MoE 模型强化学习后训练效率
↗ 查看原文 · arxiv.org研究提出 FlexFloor 系统，在同步生成响应时提前释放已完成任务的 worker，同时保留仍在进行的响应所需的专家…
- 11 月 4 日 15:0014:40
- 14:26
- 14:16
- 14:11
- 11 月 4 日 14:0013:36
Trace2Eval：用真实交互轨迹动态构建编码智能体评测
↗ 查看原文 · arxiv.org研究者提出 Trace2Eval，可从真实用户交互轨迹重建任务与运行环境，并迭代校准人工评分标准来评测编码智能体。在 1…
- 13:32
研究揭示离线 RAG 签名知识包的文本与向量完整性缺口
↗ 查看原文 · arxiv.org研究发现，签名只能证明知识包发布者，无法保证向量与文本一致；攻击者控制向量即可劫持检索结果。在树莓派 5 本地模型上，正…
- 13:20
- 11 月 4 日 12:0011:45
- 11:34
- 11 月 4 日 11:0010:58
EvoCodeAgent用架构与代码协同演化生成项目级代码
↗ 查看原文 · arxiv.org该框架维护随生成过程更新的架构状态，并用工具验证证据和可复用修复经验指导后续生成。在GPT-5设置下，两个项目级基准的单…
- 10:33
MIT CSAIL 用 GPT-6 Astra 编辑 Qwen 权重，MATH-500 从 7.9% 升至 48.1%
↗ 查看原文 · dev.toMIT CSAIL 提出权重空间编程方法，GPT-6 Astra 在无梯度的情况下编辑了 Qwen3.5-0.8B 约…
- 10:29
CASE-Bench揭示仓库上下文对LLM代码安全的影响
↗ 查看原文 · arxiv.org研究基于51个真实项目中的145个CVE任务构建基准，发现面向功能的上下文最多提升功能通过率8.2个百分点，但安全通过率…
- 10:12
CLEAR提出面向长周期ML研究工程的结构化规范
↗ 查看原文 · arxiv.org该工作关注LLM代理自动化ML研究工程时，需从描述、公式、伪代码等混合材料中推断计算结构并持续修复失败，强调全程保持一致…
- 10:05
- 11 月 4 日 10:0009:51
RcRL：用评分标准课程提升开放式任务强化学习
↗ 查看原文 · arxiv.org研究者提出 Rubric Curriculum RL，结合成对偏好与评分标准课程，无需新数据或更强教师模型。在创意写作上…
- 09:30
- 11 月 4 日 09:0008:30
AI 智能体自动形式化反问题理论，推出 Lean 库 AutoIP
↗ 查看原文 · arxiv.org研究者用 AI 智能体将经典线性正则化理论及其依赖的泛函分析自动形式化为 Lean 库 AutoIP，机器可校验证明。作…
- 11 月 4 日 08:0007:42
- 07:26
- 11 月 4 日 07:0006:56
Reglos：可递归自我改进的个人记忆代理
↗ 查看原文 · arxiv.org论文提出免训练的个人记忆代理 Reglos，用第二个模型家族的评审者筛查编码代理提出的补丁以防刷榜，并在 Persona…
- 11 月 4 日 04:0003:20
- 11 月 4 日 02:0001:32
论文：Office 文档解析差异可误导大模型
↗ 查看原文 · arxiv.org研究测量了 LLM 应用常用文档提取器与 Office 显示结果的差异，构造五种攻击，ChatGPT、Claude、Ge…
- 01:10
- 11 月 4 日 00:0023:59
PAYWORTHY：LLM 能否预判 AI 智能体完成自由职业任务
↗ 查看原文 · arxiv.org研究构建含 1494 条真实自由职业任务的 PAYWORTHY，测试 18 个模型预测智能体能否完成任务。告知智能体能力…
- 23:49
用双时态知识图谱为 AI Agent 降低 74% 上下文膨胀
↗ 查看原文 · dev.to有开发者介绍用双时态知识图谱替代标准向量 RAG，在 Python 中为 AI Agent 减少 74% 的上下文膨胀…
- 23:27
PersonaCodeBench：评测编码智能体的个性化交互能力
↗ 查看原文 · arxiv.org新基准将用户角色、技术水平和约束转化为可验证要求，在多轮编码会话中逐步披露，并分别校验代码正确性与个性化满足度。
- 23:27