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 9 日 04:0003:04
OpenAI 上线 722 篇数学论文，仅一篇经人工编辑
↗ 查看原文 · dev.toOpenAI 于 10 月 6 日发布 722 篇数学手稿，其中只有一篇在发布前经过人工修改，引发对内容审核环节的疑问。
- 11 月 9 日 03:0002:53
研究将论文转为基准，审计智能体空间转录组对齐能力
↗ 查看原文 · arxiv.org团队把科学论文转化为可审计基准，在121个空间转录组对齐任务上测试6个AI智能体，最佳智能体在80%任务上追平或超过16…
- 02:22
ARMOR：面向噪声鲁棒RAG推理的自适应课程元学习
↗ 查看原文 · arxiv.org论文将RAG鲁棒性拆为知识边界感知、检索验证和鲁棒推理三个子任务，提出ARMOR用自适应任务调度器按学习进度安排训练，在…
- 11 月 9 日 02:0001:31
- 11 月 9 日 01:0000:34
- 11 月 8 日 21:0020:08
论文：GPT-5.4 更易受 README 中注入指令影响
↗ 查看原文 · dev.to一篇新论文称，GPT-5.4 Agent 在 README 或 TODO 中遇到注入指令时，遵循概率比在代码或数据中高…
- 20:01
- 11 月 8 日 20:0019:52
研究：错误反馈的呈现方式影响Agent恢复
↗ 查看原文 · arxiv.org研究在13个3B至70B开源模型上比较错误反馈的投放方式，发现保留失败对话的新用户轮次可避免Llama模型的严重停止失败…
- 11 月 8 日 19:0018:59
InfraRSI：用递归自我改进优化训练基础设施
↗ 查看原文 · arxiv.org研究提出InfraRSI，将开放式指令转为经验证的训练优化，在四类单机与多机稠密及MoE负载上最高提速2.75倍，平均M…
- 18:49
PURL：让扩散语言模型选择性修正早期token
↗ 查看原文 · arxiv.org研究提出PURL框架，将并行生成与选择性token修正联合训练，在逻辑题、数学推理和代码生成上同等解码预算下准确率相对提…
- 11 月 8 日 18:0017:59
- 11 月 8 日 17:0016:05
RealEmbedBench：评测 LLM 在真实嵌入式软件任务上的表现
↗ 查看原文 · arxiv.orgarXiv 新论文提出 RealEmbedBench，含 5142 个样本，覆盖代码生成补全、状态机建模实现与跨系统代码…
- 11 月 8 日 16:0015:40
- 11 月 8 日 13:0012:50
AOP-Smart-Finder：用LLM从海量文献挖掘毒理机制
↗ 查看原文 · arxiv.org研究者提出人机混合框架AOP-Smart-Finder，结合LLM与RAG从文献中提取生物事件和事件关系。在DEHP案例…
- 12:39
冻结权重下智能体自我改进：失败轨迹价值有限
↗ 查看原文 · arxiv.org研究用固定权重的90亿参数模型测试智能体能否从失败记录中学习。基于错误生成的笔记比不含错误的笔记准确率提升4个百分点，但…
- 12:37
智能体归因云资源归属：加权召回率达92.1%
↗ 查看原文 · arxiv.org研究者提出从工作记录、代码历史等推断云资源归属的智能体架构，在50种AWS资源类型的100个资源上取得92.1%加权召回…
- 11 月 8 日 12:0011:19
ScrapeBench：多数AI智能体抓取网站合规率低于5%
↗ 查看原文 · arxiv.org新基准ScrapeBench测试AI智能体对网站服务条款和robots.txt的遵守情况。在1626个明确禁止抓取的网站…
- 11 月 8 日 11:0010:05
- 11 月 8 日 08:0007:12
A2HTrans：用智能体框架把 Android 应用迁移到 HarmonyOS
↗ 查看原文 · arxiv.org论文提出 A2HTrans，将 Android 应用拆成功能级迁移任务，按依赖排序并统一调度翻译、验证与修复。
- 11 月 8 日 06:0005:06
- 11 月 8 日 04:0003:31
实验显示提醒 LLM 小心并无效果，惩罚提示弃答率为 0%
↗ 查看原文 · dev.to有开发者在 Ollama 上用 Gemma 2、3、4 做了十组可复现实验，发现惩罚类提示的弃答率为 0%，说明让模型“…
- 11 月 8 日 02:0001:31
- 11 月 7 日 23:0022:28
- 22:27
Kaggle「Name That LLM」赛题冲进前五：破解诱饵陷阱与双SVC
↗ 查看原文 · dev.to有参赛者公开其冲榜方案：拆解公开SOTA notebook中的诱饵设计，加入DeBERTa-v3序列分类、重校准soft…
- 11 月 7 日 22:0021:25
- 11 月 7 日 19:0018:47
- 11 月 7 日 18:0017:31
- 17:19
新基准 MaxxBench 质疑 DeepSWE 分数真实性
↗ 查看原文 · maxxbench.unlap.ai研究者推出 MaxxBench，通过改动 89 个 DeepSWE 任务的指令或初始代码，考察编码智能体对任务变化的适应…
- 17:01
- 11 月 7 日 15:0014:51
- 11 月 7 日 13:0012:52
- 12:20
- 12:02
研究发现强模型一致给出不同 GSM8K 答案时答案键多有问题
↗ 查看原文 · dev.to一项由 AI 代理完成的研究指出，当多个强模型对 GSM8K 题目给出一致但与标准答案不同的结果时，通常是答案键本身出错…
- 11 月 7 日 09:0008:02
Anthropic 未发布模型证明 Aaronson-Ambainis 猜想
↗ 查看原文 · dev.to有开发者称，一个尚未发布的 Anthropic 模型解决了悬置 18 年的量子计算相关猜想，且证明经 Lean 形式化校…
- 11 月 7 日 07:0006:39
Anthropic 介绍 Agent Memory 的组成与 dreaming 机制
↗ 查看原文 · anthropic.comAnthropic 工程团队发文拆解 Agent Memory 的组成，并介绍借鉴睡眠期计算的 dreaming 机制…
- 11 月 7 日 06:0005:15
对评测工具自身打分器做对抗性评估：判分器会读 token
↗ 查看原文 · dev.to有开发者对一款评测工具包自带的打分器做对抗性测试，发现判分逻辑会受 token 层面因素影响，提示评测结果可能存在偏差。
- 11 月 7 日 04:0003:31
- 11 月 7 日 02:0001:26
- 01:01
开发者用纯 CSS 实现 GPT-2 推理
↗ 查看原文 · shubhampatil.dev有开发者仅用 CSS 和可变字体文件在网页中运行约 1.24 亿参数的 GPT-2，推理速度约 15 秒一个 token…
- 11 月 6 日 21:0020:27
METR 报告称 AI 正显著加速 AI 研究
↗ 查看原文 · planned-obsolescence.orgMETR 对 Anthropic 的深度调查显示，2025 年 10 月至 2026 年 10 月能力进展速度约为此前一…
- 20:10
- 11 月 6 日 19:0018:03
Memorilla：为冻结 LLM 提供潜在语义记忆
↗ 查看原文 · arxiv.org研究者提出 Memorilla 记忆系统，把整份文档集合编码为固定数量的查询相关记忆 token 注入冻结 LLM。
- 11 月 6 日 18:0017:42
- 17:25
为何 99% 的“已验证”AI 代码失效：40 倍空洞差距
↗ 查看原文 · dev.to文章讨论形式化 LLM 流水线中“已验证”AI 代码的失效问题，提出 40 倍空洞差距，指出部署自主编码 Agent 的…
- 11 月 6 日 17:0016:27
- 11 月 6 日 16:0015:26
- 11 月 6 日 15:0014:16
- 14:01
- 11 月 6 日 14:0014:00
Ai2 推出 ToyBlocks 机器人学习仿真框架
↗ 查看原文 · huggingface.coAi2 发布 FoundationWorlds 框架及首个环境 ToyBlocks，基于机械臂与积木的桌面仿真，可自动生…
- 13:44