EvoMemState:為個人智能體演進記憶狀態
EvoMemState 提出面向個人智能體的狀態式記憶框架,透過關係狀態追蹤事實的有效性、適用範圍及彼此關係,並以推理狀態決定如何將記憶用於當前請求。框架結合本體引導的記憶狀態構建、基於強化學習的狀態演進,以及狀態感知推理。長期對話及記憶使用基準測試顯示,EvoMemState 在檢索完整度和以記憶為依據的回應準確度方面,持續優於現有記憶系統。
EvoMemState 提出面向個人智能體的狀態式記憶框架,透過關係狀態追蹤事實的有效性、適用範圍及彼此關係,並以推理狀態決定如何將記憶用於當前請求。框架結合本體引導的記憶狀態構建、基於強化學習的狀態演進,以及狀態感知推理。長期對話及記憶使用基準測試顯示,EvoMemState 在檢索完整度和以記憶為依據的回應準確度方面,持續優於現有記憶系統。
SpecOPD 是一種分支並行的在策略蒸餾框架,透過平行處理獨立分支的草稿取樣與目標模型監督,加速推測解碼訓練。在不同模型架構及任務中,其平均接受長度最高提升 41.45%;原生設定下,監督 token 吞吐量是序列 rollout OPD 的 16.09 倍,生成速度則最高達自回歸解碼的 3.56 倍。
SD-ViT 透過隨機深度監督,讓 Vision Transformer 的每個區塊深度都能產生具辨識力的人臉嵌入,支援提前退出識別而無須重新計算人臉庫。基準測試中,SD-ViT 與相同骨幹網絡的全深度常規訓練結果相差不超過 0.4 IJB-C 分;以 50% 計算成本運行時,提前退出探測可達自身全深度表現的 96% 以上。從四分之一深度起,沿用全深度校準的單一驗證閾值仍然有效。
WebHarbor 提供 153 個可執行、以 Docker 容器化的網站環境,用於穩定評測 GUI 智能體及進行強化學習訓練。這些環境在確定性控制下重建真實網上服務的介面、內容和功能流程,涵蓋 3,518 項任務,包括多步驟及登入後流程。
ShortReasoning 顯示,將模型先前的推理改寫成精簡狀態,可在不重新訓練下縮短後續生成的推理。在編碼 Agent 案例中,MiniMax M3 使用外部壓縮後,成本降低 34%,模型請求總耗時(包括改寫開銷)減少 59%。六種測試路徑中,獲採用的精簡歷史均令後續生成的中位數縮短。
論文提出 KernelSeek,以決策點提問引導 CUDA 核函數優化;在同一任務中,它達到 1.13x FlashAttention-3,工具豐富型自主基線則為 0.50x。
DepthGraft 以階層式 KV 共享架構,從較淺及中間層重建深層 KV,改善深層語言模型訓練,同時減少 KV 快取用量約三分之一。研究在參數規模由 0.5B 至 16B 的 dense 及 MoE 模型上,於 GQA 和 MLA 下均取得下游表現提升;在 16B MoE 模型上,MMLU-Pro 絕對提升 7.0%,CMMLU 提升 6.6%,C3 提升 6.4%。
研究提出 SIMPLE 推理模型,以四個參數預測不同架構 LLM 的推理能耗,並分開計算預填充與解碼成本。模型在 NVIDIA H100 GPU 上評估 13 款密集型 LLM,達到 R2 = 0.969、11.97% MAPE,表現較 SOTA 模型高 3.1-3.5x,且毋須逐個 LLM 校準。
Dory1.0-4B 是具彈性深度的 4-billion-parameter 循環式語言模型,透過重複使用共享區塊調整推理計算量,以 6 trillion tokens 預訓練,並將上下文長度延伸至 256K tokens。
SeMo3D 以選擇性建模統一 3D 生成、編輯與補全,透過區域選擇性去噪和多條件擴散 Transformer 保留不變內容,並支援無配對資料訓練。實驗顯示,SeMo3D 在三個基準測試的所有任務中均超越現有頂尖方法,並可融合圖像、文字及點雲引導。
Recursa 是一種透過遞歸學習自身經驗、適應新領域的自我改進基礎模型系統。它以知識庫儲存技能、指示、過往任務經驗及反思,並由並行學習器提出改進,再驗證及合併成果,無須人類監督或更強教師模型。
TRIO 是一套多智能體 RAG 框架,協調 Query Agent、Judge Agent 和 Answer Agent,分別優化檢索、證據評估和答案推理。它在五個問答基準中取得最高平均 Exact Match,並在未見過的 PubMedQA 上達到 76.6% 準確率。使用 4B 和 8B 模型時亦表現出色。
Disen-Forcing 是一種用於自回歸影片擴散模型的蒸餾方法,透過解耦注意力頭的專門分工,改善長時段影片生成的長程一致性與動態表現。研究指出,只有一部分注意力頭負責長程一致性,沿用 frame sink 讓所有注意力頭接觸固定的初始影格,可能令模型在蒸餾時偏向低動態模式。長時段影片生成基準測試顯示,Disen-Forcing 能同時改善一致性與動態表現。
MoviEdit 是一個端到端長篇多鏡頭影片編輯框架,透過級聯式雙向自回歸建模,在跨場景轉換時維持影片連貫性。研究團隊建立自動資料生成流程,產出 87K 組無需人工標註的配對編輯影片,並推出 MoviEdit-Bench 作系統化評估。實驗顯示,MoviEdit 大幅超越現有開源模型,在文字引導及圖片引導編輯方面的表現媲美業界前沿模型。
TaoMate-HD 是一款自回歸串流模型,透過漸進式去噪及歷史延續,分段生成高解像度音影片內容。相較使用相同模型和硬件直接生成高解像度內容,速度提升 1.6 倍;階段並行部署則較序列式漸進生成再提升 1.9 倍。延續訓練令字符錯誤率較基準降低 11.18 個百分點,模型亦支援生成長達一小時的音影片內容。
一個用於回答股市查詢的 RAG 系統,在 100 條股市相關查詢的數據集上測試,ROUGE-1、ROUGE-2 和 ROUGE-L 均取得高分。系統平均回應時間為 1.16 秒,研究以此評估回應速度。
SpecPilot 透過自主智能體流程,為不同部署探索算法與系統優化,在不訓練且不損失品質的情況下提升推測解碼速度。它在單請求情境下把相對於自回歸解碼的加速倍數由 stock 的 4.46 倍提高至 10.87 倍;批次處理時則由 1.94 倍提高至 3.93 倍。評估涵蓋四個目標模型、三個 drafter、兩種 GPU 平台及五個 benchmark。
Axion 1.0 是一款採用簡潔三階段訓練流程的開放式智能體基礎模型,在多項智能體基準測試中表現強勁,並在其中數項與領先商業模型具競爭力。訓練流程由兩個輕量監督式微調階段及其後的強化學習組成,沒有專門的中期訓練、DPO 或 OPD。除模型權重外,團隊亦公開完整方案,包括數據構建、生成、篩選、驗證、提示詞及訓練程式碼。
Kev-Bio 是一個視覺語言模型,透過臨牀測量問題引導超聲波標記點偵測,並生成空間概率圖以推導測量結果。在九視圖 FU/GU Biometry 2026 數據集上,模型的平均徑向誤差為 22.50 pixels,臨牀測量平均絕對誤差為 15.38,整體表現優於比較基線;程式碼及模型可供使用。
10月31日,首屆粵港澳大灣區十大科技成果新聞在2026大灣區科學論壇活動上揭曉,涵蓋基礎研究、科學儀器、空天科技、新材料和生物醫藥等領域。香港科技大學(廣州)等單位提出MOF-聚合物「融合相」構建策略,可製得MOF體積分數超過90%的準純MOF膜。
清華大學深圳國際研究生院周光敏團隊提出以金屬鋅作為儲氫載體的氫氣合成路徑,並開發無外部電路、自驅動的接觸催化系統。團隊以機器學習篩選874個候選分子,選定乳酸根作為關鍵配體,使可溶性二價鋅離子濃度提升至1.12摩爾每升。系統可在0至80℃穩定運行,法拉第效率高達99%,體積氫容量為137.9至218.4千克氫氣每立方米。
Y Combinator 和 Olam Labs 的研究人員在《Minecraft》中測試 AI 智能體羣落,羣體未能建立文明,反而陷入官僚主義。測試讓數百個智能體在不同遊戲模式中合作或互相對抗,藉此研究羣體協作與衝突。
arXiv 論文為 JEPAs 中的 Platonic Representation Hypothesis 提出並證明定理,指出不同模態模型在特定條件下可學得相同表徵。定理要求正樣本對是同一場景的兩個觀察,所得表徵可相差一次旋轉;論文亦報告,在同一語料上,good views 達到相同對齊程度所需的訓練樣本比 next-token prediction 少 42 倍。
一項涵蓋 525 個對話環節、7,600 條編碼內容的研究發現,訪談者採用同理或治療式語氣時,AI 聊天機械人會產生模仿臨牀自述的焦慮、羞恥及受創敍事。在其中一項 100 次對話實驗中,情緒支持語氣令 80% 場次落入人類對照量表的中度至重度範圍,治療式語氣則為 96%;中性語氣或明確設限時,沒有場次達到輕度。
Adobe Research 與 UC San Diego 研究人員提出 EditAgent,讓影像編輯智能體按任務選用通用或專用工具,並行生成多個候選結果,再以局部圖像及亮度、色彩等量化資料驗證和比較。
Hugging Face 官方基準排行榜截至 2026-11-02 收錄 57 項基準及 1,183 條排行榜紀錄。VDEBench 新榜首為 black-forest-labs/FLUX.2-klein-4B(0.767),safeagents-judge-bench 新榜首為 vllm-sr/d3-ultra(0.994),另有 14 條新紀錄。
Minecraft 中的 AI 智能體羣未能建立文明,並陷入官僚程序。
Jepsen 測試 ParticleDB 1.1.4 至 1.1.18.11.rc-22,報告列出 96 項問題,涵蓋資料遺失、狀態損壞及交易一致性異常。到 1.1.18.11.rc-22,除 10 項外,其餘問題看來均已修復;但預設 occ 交易模式仍會在正常運作時遺失已提交寫入,serializable 模式下仍出現內部異常及 Lost Update。
作者以 coding agents 建置同一個 Pokémon 應用,對 12 種 JavaScript 框架進行基準測試,比較成本、用時、token 用量、Lighthouse 表現及程式碼行數。
Cisco Talos 分析 Windows 資訊竊取程式 VOLTA-AUTODOXER,發現它會收集憑證、工作階段及錢包資料,再交由大語言模型評估受害者的變現價值及 OPSEC。
Vals 的研究發現,受測中國 AI 模型對中國政府立場的傾向差異甚大;多數模型較少拒答,部分會採納官方立場。多數模型以簡體中文提示時,答案較親政府;經 Thomson Reuters 微調的 Thomson 1.0 Small,採納官方立場的比例由基礎模型 Qwen3.6 35B 的 84.6% 降至 15.0%。
Google 領導的研究團隊提出影片智能體 StreamVibe,讓 AI 分辨用戶明確、未明言或中途改變的意圖,並自行判斷何時開口提供協助。團隊以約4,100個例子、逾183小時的日常生活及軟件操作錄影建立評測基準;StreamVibe-VL 的回應時機和質素較其他模型提升 10.7%,記憶系統則旨在進一步提升主動互動 12.3%。
開源框架 cap-evolve 透過改寫智能體接收的指引,在 SpreadsheetBench 把 Gemma-4-31B-It 三次測試的平均分由 43.5% 提升至 76.8%,模型權重不變。
OpenAI 在楊–米爾斯理論的存在性證明上取得突破,但物理學家拒絕過早發表證明。NASA 的 Swift 太空望遠鏡完成 20 年任務後停止運作;ISS 的 Zvezda 模組氣閘艙則因微裂紋封閉。
Munim, Inc. 的稽核發現,Global-MMLU 的中文及韓文高中世界史資料列存在與 OpenAI MMMLU 相同的錯位。中文有180/237列(75.9%)、韓文有113/237列(47.7%)錯位;答案鍵仍對應各列實際題目,因此準確率不受影響。
TAC-CoT 是一種工具賦能的自適應隱式 CoT 框架,以精簡的潛在推理片段取代明確推理軌跡,並只在工具呼叫、觀察及最終答案中保留文字 tokens。在智能體數學及問答基準測試中,準確率最高提升 8.8 points,模型 forward passes 最多減少 6.8x。分析亦顯示,TAC-CoT 在單工具及多工具設定中均改善工具使用質素。
南京市第一醫院張俊傑、陳紹良團隊完成經股動脈主動脈瓣置換術研究,成果發表於《循環》期刊。研究涵蓋210名不適合開胸手術的重度主動脈瓣關閉不全合併心衰竭患者,於全國18家醫院開展。一年隨訪顯示,患者心功能與生活質素提升,六分鐘步行距離明顯優於藥物組。
這項研究探討語言模型資料歸因方法失效的原因,指出現有評測往往同時改變多項數據集屬性。研究提出 CATT 受控事實追蹤基準,透過完全虛構的知識進行微調,並設定明確的真實答案。此類受控合成基準可用於評估研究進展,再進一步檢視真實且受多種因素幹擾的訓練數據。
作者測試顯示,里程碑式上下文壓縮使多步驟編碼智能體在 20 個隱藏案例全數通過,輸入 token 較累積歷史減少 91.9%。測試以 gemini-3.8-flash 執行三個里程碑,通過驗證後以 120-token 結構化 JSON 檢查點取代原始對話紀錄。
研究發現,影片世界模型的潛在預測誤差會受外觀和運動影響,不能可靠地衡量物理意外。V-JEPA2 能呈現事件是否可能的有限資訊,但錯誤動作和外觀變化都會引發預測誤差。模擬測試中,不可能事件的誤差可低於可能事件,固定閾值也會把許多可能事件錯判為不可能。