跳到正文
目前篩選:論文
11月5日週四
  1. The Decoder67

    GPT-6 Astra 透過直接操作權重分析並改寫其他 AI 模型

    研究人員提出「Weight-Space Programming」,讓 GPT-6 Astra 直接分析和修改其他 AI 模型的權重,毋須按常規流程重新訓練。在 Qwen3.5-0.8B 上,Astra 只改動 0.016% 權重,MATH-500 準確率由 7.9% 升至 48.1%,指令遵循能力由 21% 升至 62%。不過,仍有三分之一回應達到文字長度上限,低於修改前的 93%。

11月4日週三
  1. DevClass43

    Pokémon 基準測試揭示最適合 AI 的 JavaScript 框架

    Nolan Lawson以Claude Code Agent在12種JavaScript框架上建立Pokémon網頁應用,比較建置成本、可維護性及終端用戶效能。五次沙盒測試中,Hono配合htmx的每個應用成本中位數最低,為$2.67;Astro為$2.76,Nuxt為$2.82,三者差異在誤差範圍內。整體而言,Agent在伺服器端框架上通常更有效率,也較善用重視慣例、API穩定及簡潔度的框架。

  2. 第一財經35

    《2026 AI+高端製造產業應用圖譜》全文發布:以「上海方案」破解 AI 落地製造深水區難題

    上海現代服務業聯合會等8家機構聯合編製《2026 AI+高端製造產業應用圖譜》,並於10月31日全文發布,梳理上海 AI+製造產業鏈、落地優先級及發展建議。圖譜將智能質量檢測列為場景落地優先級首位,並指出工業智能體落地的核心壁壘在於工藝理解與高質量現場生產數據。

  3. HuggingFace Daily Papers(社區熱門論文)39

    LowRAM:以低秩鍵與攤銷值實現可組合的測試時 KV cache 壓縮

    LowRAM 提出一種測試時 KV cache 壓縮方法,以低秩分解壓縮鍵,並用小型逐頭網絡根據鍵預測值。該方法將值快取壓縮 4×,效能接近無損;在 262K 上下文及 4× KV 壓縮下,選擇性重建令峯值解碼吞吐量最高提升 5×。結合量化與淘汰後,壓縮率達 26.9×,並保留基準效能的 94.5%。

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

    LongBanana:長上下文多參考圖像合成的專家驗證基準

    LongBanana 是一個針對長上下文多參考圖像合成、由專家設計及驗證的基準,包含 90 項任務及共 4,670 個專家指定的原子評估項目。每項任務約有 32 張參考圖像和 20 項約束,並以圖像中的實體與關係圖評估內容保真度、關係綁定及整體約束滿足度。研究亦提出 LongBanana-Gen;實驗顯示,精簡的智能體框架優於直接生成,而 RPR 工作流程的成效視乎框架而異,程式碼及數據已公開。

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

    EvoWorld:邁向生成影片模型的視野外世界演化

    EvoWorld 提出「視野外因果演化」問題及腦部—渲染器協作框架,讓生成影片模型推理事件對世界狀態的後續影響。框架以視覺語言模型作為世界大腦,追蹤世界狀態並推理合理轉變,再由逐片段自回歸影片渲染器呈現。研究亦推出 EvoWorld-Data 和 EvoWorld-Bench;實驗顯示,EvoWorld 在保持視覺質素與一致性的同時,提升了事件條件下的因果演化表現。

  6. HuggingFace Daily Papers(社區熱門論文)56

    Kierston 與 KierstonBench:模擬賓夕法尼亞州阿倫敦,並評估語言模型在刑事調查與監控任務中的表現

    Kierston 與 KierstonBench 建立城市規模模擬環境及評測基準,16 個語言模型中只有少數前沿模型能完成大部分調查任務。Kierston 模擬約 125,000 名阿倫敦居民的日常活動,並生成電訊、金融、行政及車牌紀錄,模型須透過受限紀錄介面跨來源連結線索。多數模型提出紀錄不支持的身份判定;少數表現較好的模型仍會受常見欺騙影響,沒有模型取代調查人員。

  7. 新浪科技62

    Anthropic 發佈 FlashProve 研究原型,AI 中轉站的天要塌了?

    Anthropic 發佈開源研究原型 FlashProve,嘗試以密碼學證明讓用戶核驗模型推理輸出是否來自指定權重,而毋須取得模型權重或重新執行模型。以公開 4-bit 權重的 Llama 4 Maverick 測試時,單張 H100 的證明生成吞吐量約為 110 tokens/秒,每個 1,024-token 請求的證明約 19 MB;24 線程 CPU 驗證約需 17 秒。

  8. IT Square · AI39

    畢馬威中國 × GS1 Hong Kong 研究:香港 AI 信任度升至 48%,銀髮族僅 38%;內地品牌加速追近

    畢馬威中國與 GS1 Hong Kong 發表研究,香港消費者對 AI 的信任度升至 48%,但 55 歲以上銀髮消費者僅 38% 表示信任。信任 AI 的香港受訪者中,只有 10% 願意分享個人資料;其他大灣區城市的比例為 32%。內地品牌在香港主要憑性價比獲選,香港品牌則以安全性及可靠性見長。

  9. HuggingFace Daily Papers(社區熱門論文)46

    LoCo:以局部偏好學習壓縮推理

    LoCo透過局部偏好學習,教導推理模型何時繼續推理、何時停止,從而縮短輸出並維持或提升數學及程式任務的準確度。在五項數學及三項程式生成基準測試中,LoCo分別將完成長度縮短41.7%–45.4%及23.4%–36.3%,並在所有程式基準測試中取得最佳AUC。

  10. HuggingFace Daily Papers(社區熱門論文)53

    研究指頻繁壓縮上下文可維持任務準確度,長上下文模型或非必要

    這項研究發現,前沿語言模型透過頻繁壓縮上下文,以短上下文完成多種長時程及長輸入任務時,任務準確度幾乎沒有下降。在前沿開放權重模型上,較後生成的 token 成本差距最高可達 7x。研究亦指出,長時程軟件工程任務即使每個上下文最多隻採取一個行動,模型表現亦不會崩潰,並提出語義狀態空間模型(SSSMs)的概念。

  11. HuggingFace Daily Papers(社區熱門論文)52

    簽署後仍可操控:衡量並縮小離線 RAG 的文字與向量完整性差距

    該研究衡量離線 RAG 簽署知識包的文字與向量完整性差距,並比較向量重算、壓縮索引審核及量化碼驗證方法。理想化浮點噪聲級容差仍令最多 5.5% 查詢暴露;在包含 57,638 份文件的 FAISS 乘積量化索引中,通過審核的篡改向量可令攻擊者文件在 25% 目標中排首位。改為驗證量化碼並加入校準保護區及規範化後,三個平台的樣本中所有誠實向量均獲接受。

  12. 新浪科技61

    Anthropic 開發 FlashProve 開源系統,以密碼學驗證 AI 輸出來源

    Anthropic 正在開發開源系統 FlashProve,透過密碼學證明驗證 AI 輸出是否來自指定模型,並已公開技術規範及各組件的可運行程式碼。模型指紋可與特定輸出匹配,驗證來源時不會洩露模型權重,用戶亦可在本地裝置完成驗證。相關研究仍在進行,Anthropic 尚未計劃在自家或其他 AI 實驗室部署 FlashProve。

  13. IT之家59

    Anthropic 正開發 FlashProve 開源系統,以密碼學證明 AI 輸出來自哪個模型

    Anthropic 正在開發開源系統 FlashProve,透過密碼學證明驗證特定 AI 輸出是否來自指定模型。AI 實驗室可為已發布的模型提供不洩露權重的指紋,使用者可在本地裝置完成驗證;相關技術規範及可執行程式碼已按開源授權在 GitHub 公開。研究仍在進行,Anthropic 目前沒有計劃在自家或其他 AI 實驗室部署 FlashProve。

  14. HuggingFace Daily Papers(社區熱門論文)39

    VidUEU-Agent:面向多模態理解、編輯與統一任務的數據整理智能體

    VidUEU-Agent 是一個數據整理框架,可從原始影片自動構建用於多模態理解、圖像編輯及統一理解與生成任務的指令數據。團隊以 8,268 段影片構建 VidUEU-100K,包含近 20,000 條密集中繼資料標註及 100,000 個指令樣本。框架透過四輪訓練及評測結果調整數據分佈,每輪以 30K 個樣本從同一初始檢查點微調 BAGEL,三個反饋基準的整體表現均有提升。

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

    DreamX:影片擴散模型是通用潛在動作學習器

    DreamX 利用預訓練影片擴散模型學習精簡且不受外觀影響的潛在動作,以支援跨具身遷移和高效策略學習。模型將每個影片畫格壓縮 300 倍,由 1,200 個 token 減至 4 個,並在 LARY-Bench 的潛在動作模型中達到最先進表現。該潛在空間支援不同具身與環境之間的任意影片遷移及零樣本動作遷移。

  16. 新浪科技45

    Transformer 架構還能怎樣改?嚴駿馳團隊提出兩條思路 | CNCC 2026

    上海交通大學嚴駿馳團隊提出 JTok 和 xHC,探索在現有 Transformer 架構上擴展模型容量。JTok-M 在同一算力預算下令損失降低約 2.2%,達到同等損失所需訓練算力約為底座的 65%;18B MoE 模型的平均分則由 mHC 的 44.8 升至 xHC 的 48.8。研究仍須權衡推理延遲與訪存開銷。

  17. HuggingFace Daily Papers(社區熱門論文)51

    RoboTryOn:透過虛擬試穿從人類影片合成靈巧機械人示範

    RoboTryOn 將人類示範影片轉換成指定機械人的影片,用合成資料訓練控制策略,毋須這些任務的真實機械人示範。它以自回歸方式轉換選定關鍵影格,並以人類手部骨架動作引導影片生成,再用加入深度特徵的逆向動力學模型從合成影片推斷動作標籤。多種人形機械人上的實驗顯示,新任務平均成功率由2%升至60%;訓練表現可媲美只用遙操作示範的策略,而數據收集成本約為三分之一。

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

    DeepMem 如何透過記憶壓縮序列以提升推理效率

    DeepMem 提出因果多尺度 byte-level 架構,利用可逆子帶轉換、無損載體及快速權重記憶壓縮序列,並以注意力超解碼恢復 byte 級表示。相比匹配的 byte-level Transformer,DeepMem 在 FineWeb-Edu 和 PG19 的語言建模表現更佳,亦在受測 FLORES 語言中取得最高宏平均表現。

  19. DEV Community40

    DraMaze 以情節母題記憶提升長篇故事連貫性

    DraMaze 透過多智能體流程及具未來感知能力的敍事記憶,提升長篇微短劇劇本的連貫性與多樣性。在最多 60 k words 的 60 集劇本中,因果模式重複減少 32.1%,Logic 得分達 82.5,較最佳基線高 8.5 分。移除未來感知敍事記憶後,Logic 得分降至 74.5,3-gram 重複率則由 9.22% 升至 12.2%。