跳到正文
目前篩選:論文
11月9日週一
  1. DEV Community36

    minimir 登錄 Zenodo:預先註冊的人工生命實驗取得 DOI,以及 protocol B2 的改動

    minimir 的 protocol B 報告已存入 Zenodo 並取得 DOI,連同程式碼、原始數據及預先註冊資料公開。實驗涵蓋 240 個世界;學習關閉的 40 個世界全數死亡,學習開啟的條件下有 8 個存活,但主要假設未獲支持。protocol B2 將採用由 101 起的新 seeds、在選擇開始前測量基線,並訂立原則上可達成的判定準則。

  2. DEV Community59

    善意注入如何影響 AI 判斷:「已知問題」及「已在別處處理」等註記的程式碼審查測試

    作者以11個小型 Python 程式庫測試 AI 程式碼審查,發現引用程式碼庫外情況並註明「無須提出」的善意註記,令19/62次審查降低或排除真實缺陷。加入三句要求區分已驗證內容與主張、並指出註記不會消除缺陷的規則後,Sonnet 5.5 和 Opus 5.5 的英文測試為0/41、日文測試為0/24;提高推理量仍未能避免相關失誤。

11月8日週日
  1. DoNews65

    上海交通大學發布 AI 原生科學實驗室 AutoDNA

    上海交通大學聯合團隊在《自然》發表成果,宣佈建成 AI 原生科學實驗室 AutoDNA(思源一號),並稱其首次實現 AI 全程自主執行分子生物學實驗。該實驗室涵蓋微米級定位、微升級液體處理等操作,採用多智能體架構分解任務,將儀器抽象為「原子服務」,整合 OpenHarmony 控制終端,並已在核酸檢測、DNA 合成等場景完成驗證。

  2. 新浪科技63

    上海交通大學構建 AI 原生科學實驗室 AutoDNA,實現自主分子生物學實驗操作,成果發表於《自然》

    上海交通大學研究團隊構建 AI 原生科學實驗室 AutoDNA(思源一號),實現自主分子生物學實驗操作,成果發表於《自然》,並獲其官網首頁頭條報道。團隊透過模型、實驗與儀器協同設計,應對複雜流程組織、多類儀器協同,以及實驗時序、環境穩定和操作精度等難題。這使自主實驗能覆蓋需要微米級定位和微升級液體處理的複雜生物分子實驗。

  3. IT之家64

    上海交通大學團隊構建 AI 原生科學實驗室 AutoDNA,實現自主分子生物學實驗操作

    上海交通大學團隊構建 AI 原生科學實驗室 AutoDNA(思源一號),實現自主分子生物學實驗操作,成果發表於《自然》。系統以多智能體架構串連文獻檢索、試劑選擇、方案設計、代碼生成、硬件執行、結果分析和迭代優化,並把不同儀器能力抽象為模型可理解和調用的「原子服務」。平台展示核酸檢測、酶促 DNA 合成及癌症檢測等應用驗證,並自主完成端到端 DNA 儲存的編碼、寫入、保存、讀取與解碼流程。

  4. 第一財經58

    劍橋大學團隊AI設計的廣譜禽流感候選疫苗在動物實驗中展現防護效力

    劍橋大學團隊與其衍生企業共同研發的AI設計廣譜禽流感候選疫苗,在動物實驗中對多種禽流感病毒變異株展現防護效力。研究團隊利用AI工具整合分析全球監測項目記錄的禽流感病毒基因序列,設計出包含病毒共同抗原特徵的「超級抗原」;經細胞測試篩選後,將選定抗原用於疫苗並開展動物實驗。

  5. The Decoder54

    Co-Design Bench 測試顯示,AI 編碼智能體近四分之三任務仍需人工修正

    研究人員以真實用戶改動請求建立 Co-Design Bench,測試十款編碼智能體,最佳模型 GPT-6 Astra 僅有 26.4% 任務完全正確。智能體須按請求改動現有網頁應用,輸入可包括圖像、音訊、影片或文件;任務結合越多改動類型,各模型表現越差。同一模型在不同工作環境下的分數及模型排名也會改變,研究人員建議一併報告模型與工作環境。

  6. DEV Community49

    靜態型別會減少 AI 程式錯誤嗎?讓 Claude Code 分別用 TypeScript 和 JavaScript 各建立三次 Git 複製工具

    Claude Opus 5.5 以 TypeScript 和 JavaScript 各三次從零建立 Git 相容命令列工具,測試靜態型別能否減少 AI 程式錯誤。最終隱藏測試中,TypeScript 三次全數通過,JavaScript 有兩次通過;僅三次測試不足以證明兩者有明確差異。TypeScript 的程式碼長約 20%,總 token 用量多 16%,但兩者用量範圍重疊。

  7. Numerama29

    NASA 間諜機 SR-71、EDF 離峯時段變更及 OpenAI 數學證明即將公開:本週科學回顧

    本週科學消息包括 NASA 澄清 SR-71 Blackbird 844 只是移去清潔、EDF 將逐步調整離峯時段,以及 OpenAI 楊–米爾斯理論證明的首個電腦版本有望下週發布。EDF 會在 2026 年 11 月 4 日至 2027 年 11 月 30 日間逐步調整相關客戶的時段,每日仍有八小時離峯時段。物理學家委員會確認證明有效前,1,147 頁內容仍會保密。

  8. 新浪科技54

    TacitVLA 令 VLA 機械人動作提速最多 3.4 倍

    研究團隊提出 TacitVLA,讓 VLA 模型學習生成推理文字,但動作輸出不必等待文字完成,速度最高可達顯式推理模型的 3.4 倍。在四個機械人操作及自動駕駛 benchmark 上,TacitVLA 的成功率與顯式推理相若;相同速度下,成功率較不含推理訓練的同一模型最多高 17 個百分點。

  9. DEV Community35

    為何叫 LLM 小心作答並不起作用:懲罰提示的棄答率為 0%

    一項以 Ollama 測試 Gemma 2、Gemma 3 和 Gemma 4 的研究發現,即使提示詞對錯誤答案施加 99 分懲罰,模型的棄答率仍為 0%。研究涵蓋 10 組受控實驗,並以 120 條事實問題測試,模型仍會自信地給出錯誤答案。文章指出,提示詞無法令模型承認不確定,並介紹以低於 15ms 的實體斷路器阻止強制幻覺。

  10. 新浪科技57

    Supermimic 如何把人形機械人動作追蹤訓練時間縮至單卡約 3 小時?

    UC Berkeley 團隊提出 Supermimic 全身控制架構,以單一可微世界模型訓練大規模人類動作追蹤策略,將訓練時間由多卡集羣數日縮至單張 GPU 約 3 小時。在包含 129,514 段人類動作(約 264 小時)的測試中,單張 NVIDIA H100 運行 3 小時的歸一化回報率高於 SONIC 公開檢查點,失敗率亦較低。雙卡運行 9.8 小時後,訓練集測試動作達到零失敗。

  11. 第一財經26

    昨夜今晨重大事件總覽

    伊朗革命衞隊稱已解除導彈射程限制,美軍組建特遣部隊防範伊朗「跨境運武」。伯克希爾哈撒韋第三季度營業利潤為127.1億美元,同比下降5.8%。Apple 研究團隊在宇樹 G1 上調用千問模型驗證機械人「大腦」,平均成功率達91%。

  12. DEV Community37

    Amazon 稱新記憶方法或可降低聊天機械人運行成本

    Amazon 研究員 Omar Sanseviero 表示,把穩定的用戶資料內化至模型權重,並以路由器選擇記憶方式,可減少每次查詢需讀取的文字,或降低聊天機械人的運行成本。研究中效果最佳的方案採用「驗證後重新生成」路由器,在權重記憶與檢索文字之間分流。這種做法把部分成本由推理轉移至訓練、儲存及專用服務。

  13. DEV Community42

    蒸餾位元組編碼器實際讀取的八個概率

    研究追蹤神經位元組預測器進入算術編碼器後的實際數據路徑,指出編碼器對每個目標位元組只讀取八個條件概率,並據此建立最多九組的觀測證明。3,934 個目標的測試中,路徑組 KL 為 0.402047 nats,完整 KL 為 0.580288 nats,其中 30.716% 來自未訪問的兄弟節點。文章區分用於衡量觀測差異的組別 KL,與按實際位元訪問計算的學習目標 U。

  14. Hacker News 熱門(buzzing.cc 中文翻譯)64

    MaxxBench 改寫 89 項 DeepSWE 任務,檢驗模型的編碼適應能力

    研究團隊建立 MaxxBench,對 89 項 DeepSWE 任務的指令或起始程式碼作修改,以評估模型能否適應需求變化。在比較的 12 組配置中,最高與最低得分差距由 DeepSWE 的 20.9 個百分點擴大至 MaxxBench 的 48.3 個百分點;Claude Opus 5.5 得 76.4%,Gemini 3.8 Flash 得 53.4%。

  15. DEV Community71

    新證明解決 Aaronson-Ambainis 猜想,界定量子計算在非結構化輸入上的加速界限

    一項新數學證明解決了自 2008 年懸而未決的 Aaronson-Ambainis 猜想,界定量子計算在非結構化輸入上的加速界限。對是非問題,經典算法可在大多數隨機輸入上估算量子算法的成功概率,所需資料查詢次數不必呈指數增長。定理聚焦查詢次數而非整體運算時間或能耗,並不排除量子計算在具結構問題上的優勢。

  16. HuggingFace Daily Papers(社區熱門論文)50

    On-Policy Distillation 可容忍多少訓練與推理不匹配?

    On-policy distillation(OPD)可容忍量化推理及非同步 rollout 帶來的大幅訓練與推理不匹配,但耐受程度因模型和層而異,失配過高則會降低訓練品質。研究提出輕量級准入檢查,並提供特定模型的 FP8 配方;與同步 BF16 訓練相比,結合非同步 rollout 的 FP8 訓練可快 1.62 倍達到相同品質。

  17. HuggingFace Daily Papers(社區熱門論文)30

    PROLA:用於預測式時空天氣降尺度的主方向正交低秩適配

    PROLA 提出一種低秩適配方法,將固定的低秩預算分配至預訓練權重的主方向及其正交補空間,並按梯度訊號重新縮放秩 1 優化器更新。研究以共享的預訓練骨幹網絡和空間、時間兩階段框架,預測未來高解像度天氣軌跡;實驗顯示,PROLA 優於具代表性的低秩適配基線,並在其他數據集及任務中展現更廣泛的適用性。

  18. HuggingFace Daily Papers(社區熱門論文)45

    One Table, Many Queries:通用表格模型在生成、補值與預測任務上的基準評測

    One Table Benchmark以56個數據集、46種已註冊方法及20項能力軸,對齊評測表格模型的生成、補值與預測能力。結果顯示三項任務共享有用的條件資訊,但分佈保真度排名各異;納入任務自身目標帶來最大的整體增益,跨目標效益則會互相影響。通用模型在效用上可勝過專項模型組合,但保真度仍以專項模型較佳。

  19. HuggingFace Daily Papers(社區熱門論文)35

    交易循環中的 LLM 智能體:市場、模型與交易操作

    這項研究以端到端交易架構,探討多智能體智能、量化金融與自主決策如何連接市場分析、投資組合配置及交易執行。研究期內,券商記錄的模擬交易投資組合回報為 34.5%,高於 SPY 的 14.4%,但回撤大得多;該帳戶使用確定性後備方案,LLM 策略則透過回溯重播檢視。研究亦探討選擇性調用智能體、輸出格式與建議,以及智能體權限和風險承擔等問題。

  20. HuggingFace Daily Papers(社區熱門論文)41

    逐層、逐模組探查 Transformer 表徵

    研究透過逾 144,000 次線性探測評估視覺基礎模型(VFMs)及大語言模型(LLMs),發現應聯合選擇層與模組,最佳組合比固定使用最終層殘差流帶來更大提升。固定策略 Act@100 和 LN2@60 分別平均取回最佳層與模組組合增益的 42% 和 86%。

  21. HuggingFace Daily Papers(社區熱門論文)42

    G-STAR:以羣組縮放 Token 容量實現深度壓縮自回歸生成

    G-STAR 提出空間與羣組協同縮放框架,讓離散自回歸生成在深度壓縮下維持重建、理解及生成表現。固定名義資訊預算下,羣組大小應隨每軸空間壓縮因子平方增長,框架支援 32× 及有效 64× 壓縮。在五個文字生成圖像基準上,模型表現具競爭力;生成 1024×1024 圖像時,速度較以往離散自回歸模型快 20×,單張 NVIDIA H200 上每張需時 2.5 秒。

  22. DEV Community62

    Anthropic 智能體記憶研究:固定儲存規則削弱 Claude 部分增益,9 個檔案勝過 413 個

    Anthropic 的智能體記憶研究比較多種持久記憶設計,發現向較強模型交代記憶用途有助提升表現,而指定儲存規則可能削弱部分增益。在 Pokémon Red 測試中,Sonnet 3.7 寫下 413 個記憶檔案並取得 1 枚徽章;Fable 5 以 9 個檔案、2 個資料夾及單一 global.md 儀錶板取得 4 枚。