跳到正文
目前篩選:論文
11月13日週五
  1. HuggingFace Daily Papers(社區熱門論文)45

    AnisoFlow:為流模型學習各向異性預測目標

    AnisoFlow 為基於流的生成模型學習可調的各向異性預測目標,提升生成品質而不改動模型架構或取樣器。在 ImageNet 256times256 上,相較 JiT 基線,FID 由 1.90 降至 1.55。像素空間文字生成圖像中,AnisoFlow 改善圖像品質,並在低精度推理下大幅減少拼接縫隙偽影。

  2. HuggingFace Daily Papers(社區熱門論文)58

    Marimba:面向語音的 System One 模型

    Marimba 是一個面向語音的 System One 模型,用戶可對即時音訊輸入文字問題,並每 250 ms 收到文字答案。單一凍結的 Qwen3-ASR-0.6B 處理所有問題,可在手提電腦 CPU 上運行;説話者計數在 AMI 和 VoxConverse 上優於 pyannote 3.1,300 段 FLEURS 音訊的語言識別率為 100%。

  3. HuggingFace Daily Papers(社區熱門論文)47

    eDIAR:透過 e-means 實現免訓練的開放説話者串流分段,適用於長會議和大型檔案庫

    eDIAR 以 e-means 在所有説話者槽位用盡後再聚類嵌入向量,無需重新訓練即可解除串流説話者分段的固定人數上限。在長達一小時的會議中,它比 Streaming Sortformer 更準確,而且每次更新的成本不隨會議長度增加;e-means 亦以快數倍的速度達到 Lloyd's k-means 的聚類品質。

  4. OpenAI:失準報告與通報59

    OpenAI 以自動化紅隊測試訓練 GPT-6 Astra 和 Sol 抵禦高風險領域越獄

    OpenAI 透過自動化紅隊測試生成合成越獄提示詞,並以此進行強化學習,訓練 GPT-6 Astra 和 Sol 抵禦高風險領域的越獄攻擊。以強化處理後的提示詞訓練的模型,在固定的未見攻擊者越獄測試及適應性攻擊測試中,均較基線呈現更高穩健性。OpenAI 表示,GPT-6 Astra 處理有害請求更安全,同時較少拒絕正當請求。

  5. Apple Machine Learning Research46

    語言模型對齊的理論極限

    研究刻畫 KL 正則化語言模型對齊在固定 KL 預算下可達到的最高預期獎勵增益,推導出其由 Jeffreys divergence 而非過往分析採用的 √KL 所主導。理論分析指出,獎勵集成可減輕獎勵駭客問題;在安全和摘要任務中,Best-of-N 接近理論極限,而 PPO 和 GRPO 明顯未達最優。

  6. CNET48

    如何與 AI 協作完成創意工作,會左右成果與工作滿足感

    一項研究發現,與 AI 協作完成創意工作時,協作方式會影響作品質素、創意多樣性及工作滿足感。研究安排 285 名學生分組完成寫作任務,三種協作方式帶來相近的效率提升,但成果和參與者感受有明顯差異。Human Creativity 和 Copilot 組的作品優於 Human Confirmation 組;研究者指出,人類投入構思和大綱規劃,AI 協助執行,效果較好。

11月12日週四
  1. Unite.AI51

    UTS 研究人員開發可用意念控制機器的生物感測器

    悉尼科技大學(UTS)研究人員與澳洲陸軍及國防創新中心合作,開發出可讀取腦波並以意念控制機器的生物感測器。感測器由石墨烯與矽製成,置於頭皮後方偵測視覺皮層腦波;用戶注視頭戴式擴增實境鏡片上的白色閃爍方格,解碼器便會將訊號轉成指令。澳洲陸軍曾示範以這套介面控制 Ghost Robotics 四足機械人,準確率最高達 94%;研究人員稱,系統可在兩秒內提供至少九種指令。

  2. DEV Community50

    GPT-6 Astra 修改小型模型權重,展現 AI 除錯方向

    MIT 研究人員以 GPT-6 Astra 修改開源小模型 Qwen3.5-0.8B 的權重,使其 MATH-500 評分由 7.9% 升至 48.1%,約 0.016% 的參數有變。改動集中於兩個張量;研究尚未證明直接編輯比微調更便宜、可靠或可擴展。Nathan Barry 指,較簡單的線性規劃方法以約少八倍的權重改動,重現或超越大部分提升。

  3. DEV Community18

    主動藍隊防禦、應用密碼學與安全運作

    文章為 Acuity Health 提出企業級主動防禦與欺敵架構,結合密碼匙管理及分散於臨牀子網絡的誘餌資產。架構以 AES-256 保護靜態電子病歷、以 TLS 1.3 保護傳輸中資料,並採用零信任架構。未經授權接觸誘餌會觸發 Microsoft Sentinel 高優先級遙測,並透過 CrowdStrike Falcon 即時隔離端點。

  4. TNW78

    Google DeepMind 的 AI 智能體用 AlphaProof Code 形式化驗證 Signal 加密程式碼

    Google DeepMind 公佈 AlphaProof Code,利用 AI 智能體形式化驗證 libsignal 的部分程式碼,檢查 Signal 一對一聊天的多項安全性質。研究團隊在四週內產生約 6.5 million lines 的證明,研究人員沒有撰寫證明程式碼。驗證範圍限於研究人員自行構建的程式庫,未涵蓋 Signal 應用程式、羣組訊息或金鑰生成。

    推薦理由:這項工作展示 AI 智能體如何配合人工制定規格與 Lean 證明,並界定驗證範圍,呈現形式化驗證的實際流程與限制。

  5. DEV Community65

    LLM 評估標準為何會漂移:模型不變,評分工具仍可能改變

    這篇每週摘要整理 2026-11-05 至 2026-11-12 的 LLM 評估與可觀測性進展,指出評分者、LLM 裁判及污染測試等評估工具本身也會漂移。在人類盲測 Chatbot Arena 投票中,模型固定時「both bad」比例每月上升約 1.7–1.9 個百分點,模型間相對排名則保持穩定。文章指出,追蹤品質回歸時,團隊也需監察評估者本身的漂移,而非只檢查模型變化。

  6. 創業邦52

    研究顯示未來醫生 MedGPT 在複雜肺癌病例診療方案評分中以 88:12 領先 250 名三甲醫生

    未來醫生 MedGPT 在一項以 40 宗複雜肺癌病例進行的研究中,平均得分 85.29,高於 250 名三甲醫生無輔助時的 53.26。在與醫生無輔助提交的 750 份診療方案一對一比較中,MedGPT 有 660 次獲較高評分,結果為 88:12;底層模型直接回答時,得分下降近 24 分,移除多學科會診模組則下降 16 分。

  7. LlamaIndex:產品、工程與評測63

    LlamaIndex 推出 ParseBench-2 文件解析基準

    LlamaIndex 推出 ParseBench-2 文件解析基準,以按錯誤嚴重程度校準的確定性指標,令評分更貼近人工判斷。資料集由 2.1k 擴至 4.3k 個案例,涵蓋文字、表格、格式、圖表、版面及表單六個維度,並納入 330 多種錯誤類型。資料集、評測程式碼及評分準則已公開;在 41 組配置中,LlamaParse Agentic Plus 以 89.8 分排名第一。

  8. 新浪科技28

    工程·新視界|城市何以智能?

    吳志強院士團隊聯合多國科研機構,在《工程·城市(英文)》創刊號發表論文“The AI City: From Multi-Agent Intelligence to CityAI”,提出 CityAI 概念。城市智能被視為居民、規劃師等人類主體與人工智能體、政府機構、基礎設施及環境持續互動後,在城市尺度形成的關係性與湧現性能力。

  9. DEV Community46

    81 個 AI 智能體中的一名不良領袖:影響擴散了多遠?

    一項以 81 個 AI 智能體組成的社會進行的試驗發現,散播不信任的不良領袖會降低自己子女的合作程度,但影響沒有擴散至其他家族。六個配對世界中,子女的合作率平均低 16 個百分點,整個家族低 9.5 個百分點;影響主要出現在首個階段。研究屬初步試驗,不良領袖在六個世界中有五個提早失勢或破產,擴散深度和網絡差異仍未能定論。

  10. DEV Community36

    單目深度估計與物件偵測如何透過物件感知監督改善車輛深度估計

    研究者提出物件感知深度監督,讓物件框內的像素在深度損失中佔 5× 權重,並以不確定性加權平衡深度估計與物件偵測。在 KITTI 上,兩者結合令物件深度誤差降低 19.6%,整幅圖像的深度誤差亦由 0.134 降至 0.115。方法仍難以改善被遮擋物件;單一聯合網絡比兩個獨立網絡快 1.55–1.74×,模型大小由 115 MB 降至 58 MB。

  11. 新浪科技54

    港科大(廣州)與歐拉萬象提出 SLA,登上 RoboDojo-Real 真機榜首

    香港科技大學(廣州)與歐拉萬象聯合提出 SLA,在 RoboDojo-Real 公開真機評測中以 42.3 分和 33.9% 完整任務成功率排名第一。其成功率較 π0.5 高 21.1 個百分點,約為其 2.6 倍。SLA 延續 π0.5 的預訓練架構與權重,並把空間監督由後訓練擴展至持續預訓練,在下游適配時繼續保留。

  12. EJ Tech 信報科技 · AI42

    香港數碼及AI競爭力全球排名第11位

    IMD發布《2026年世界數碼及人工智能排名》,香港在70個經濟體中排全球第11位、亞洲第4位。排名涵蓋15個子因素及88項指標,香港在「技術框架」、「做法」及「教育與培訓」排名全球第一。沙嶺數據園區預計於2032年或之前全面投入運作,屆時算力相當於現時本港的36倍。

  13. Hacker News 熱門(buzzing.cc 中文翻譯)20

    93% 的油漆飛濺都是有效的 Perl 程式

    一項研究使用光學字符識別(OCR)分析油漆飛濺圖像,發現其中 93% 可解析為有效的 Perl 程式。研究分析了這些程式的特性,並列出 7 個無效範例;另提供 100 張用作主要數據集的油漆飛濺圖像。

  14. 阿里雲開發者社區 AI68

    生成式人工智能語境感知魚叉式網絡釣魚的形成機理與防禦

    得克薩斯大學阿靈頓分校的研究顯示,生成式模型可從公開社交帖文抽取個人線索,生成與收件人經歷相符的魚叉式釣魚電郵。三種預設安全護欄的攔截率為 0.0%、12.1% 和 19.2%;受試者對模型生成郵件的可疑度低於真實釣魚郵件,但研究未測點擊率或實際投遞效果。文章建議把防護前移至提示詞與投遞層,加入收件人語境一致性核驗,並指出實驗結果不能直接代表真實攔截率。

  15. DEV Community55

    SkillArena 比較 117 項 UI 技能,分析 1,770 個生成頁面

    作者以 SkillArena 在 Claude Opus 5.5 上比較 117 項 UI 技能,按 5 個固定任務設定各執行 3 次,共生成 1,770 個頁面。技能令頁面外觀差異遠大於文案差異;輸出 tokens 則隨任務設定而變,手機畫面及註冊表單多數增加,分析儀錶板多數減少。作者沒有為頁面評分;測試使用單一模型,並預先完整載入每項技能。