跳到正文
目前篩選:論文
11月21日週六
  1. MIT Technology Review · AI61

    METR 更新 AI 任務時間跨度圖,納入開放式判斷任務

    METR 更新 AI 任務時間跨度圖,加入預計耗時更長及較開放的評測任務;報告顯示,模型在需要判斷的任務上仍不及編碼。沒有模型設計出足以供 METR 研究使用的 AI 評測,但部分最新模型在這項任務上已達「略高於門檻」水平,一年前所有模型均屬「明顯低於門檻」。這類任務數量有限且難以評分,報告未能清晰判斷相關能力會否及如何持續進步。

  2. DEV Community60

    METR 時間跨度圖顯示 AI 編碼能力增長快於判斷能力

    METR 發佈的最新時間跨度圖顯示,自 2021 年起,AI 在軟件工程基準上可自主完成的任務時長約每七個月翻一倍;判斷類任務的時間跨度則較短,改善也較慢。該圖只追蹤有明確正確答案的任務,不能直接用編碼任務的增長趨勢推斷判斷類工作的進展。文中建議採用任務專屬基準評估模型,並在需要細緻判斷的工作中保留人工參與。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)68

    語言模型可以重寫自身權重

    研究提出 self-rewriting,讓 27B 語言模型以自身推理改寫權重,無需梯度或訓練。模型在未見問題上的準確率提高 6.6 個百分點,並在連續八次測試修改中保持提升。研究亦報告,模型可修復受損副本,使其在未見圖像任務上的準確率恢復至原模型的 80% 以上。

  4. DEV Community43

    22 個 Python 專案近半模組依賴循環,常用指標反而令問題最嚴重者看似較好

    對 22 個 Python 專案的匯入圖分析發現,48.3% 的模組雖不在循環內,仍依賴循環中的模組;只統計循環數量無法反映這種暴露程度。分析涵蓋 33 688 個模組,其中 28.1% 位於循環內。循環數量排名與暴露程度排名的 Spearman 相關係數僅為 +0.041,單一指標可能掩蓋問題。

  5. 新浪科技65

    Anthropic 數學家稱 Claude 協助證明黎曼猜想,Lean 工程尚待獨立核驗

    Anthropic 數學家 Levent Alpöge 在個人網站發佈文件,稱 Claude 協助他證明黎曼猜想及廣義黎曼猜想。文件是一份 4 頁 PDF,另提供 14 個 Lean 壓縮分卷;Alpöge 稱形式化工作已完成,且論證不依賴額外猜想。報道未編譯或審計這些分卷,獨立核驗需確認形式化命題與猜想一致,並檢查整個證明依賴鏈。

  6. 新浪科技49

    大模型為何出現「巨大激活」?清華、北大研究從反向傳播找到新線索

    清華大學、北京大學研究團隊發現,注意力匯聚會令少數 Token 集中承接反向訓練信號,形成「梯度匯聚」,而巨大激活可經 RMSNorm 衰減局部梯度。在 0.3B 模型中,採用 V-scale 後梯度匯聚比值中位數由約 40.3 降至 5.6,注意力匯聚仍然明顯;研究成果獲 NeurIPS 2026 接收。

  7. DEV Community39

    每個 AI 儲存庫連結旁都應附上 DOI:消失的儲存庫比停止維護的少

    一項追蹤 733 個 GitHub 或 Hugging Face AI 專案的分析發現,23 個專案變得無法使用,67 個則因 90 天沒有提交而被列為停止維護,後者近三倍於前者。無法使用的專案中有 5 個後來恢復;分析建議分開記錄連結失效與停止維護,並在引用的儲存庫網址旁附上 DOI 或封存連結。

  8. IT之家60

    約翰斯·霍普金斯大學研究:美國最早或於2027年面臨電網設備短缺

    約翰斯·霍普金斯大學一項研究指出,美國最早可能在2027年面臨電網設備短缺,影響新建電廠和數據中心並網。若電力需求持續高漲,未來四年變壓器供應缺口將接近15%,其他關鍵電網設備缺口達30%。研究預計美國到2030年用電量將增長21%,數據中心約佔預期設備缺口的三分之二。

11月20日週五
  1. 新浪科技61

    約翰斯·霍普金斯大學研究指美國最早或於2027年面臨電網設備短缺

    約翰斯·霍普金斯大學一項研究估計,美國最早可能於2027年面臨電網設備短缺,影響新建電廠和數據中心接入電網。研究預計未來四年銅、鋼、鎳、鋁和錳恐將全面短缺;若電力需求持續高企,變壓器及其他關鍵設備的供應缺口將分別接近15%和30%。研究人員提出安裝低成本感測器監測變壓器負載、回收退役設備材料,以及推動變壓器設計標準化等緩解措施。

  2. HuggingFace Daily Papers(社區熱門論文)36

    指令條件式程序影片的即時錯誤偵測

    研究在第一人稱影片中進行即時、指令條件式錯誤偵測,模型根據已觀察影片、任務指令及先前預測,定位已完成的動作嘗試並判斷執行情況。聯合模型的二元錯誤偵測 F1@0.5 為 84.1%,高於模組化流程的 80.7%;在 slip 類錯誤上的分數為 56.4%,高於 37.5%。

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

    Direct3D-V3:原生體素域中的無潛變量擴散 Transformer

    Direct3D-V3 提出一種無潛變量的擴散 Transformer 框架,捨棄 VAE,直接在原生體素域建模 SDF 體素網格。框架以鄰近體素的隱式流形正則化抑制非封閉表面,並預測條件圖像的相機參數;生成網格具有更豐富的局部細節,亦可用於生成式重建。

  4. DEV Community51

    Megabit Trajectories 公開 66 段經實際執行驗證的編碼智能體軌跡數據集

    Sumama-Jameel 公開 Megabit Trajectories,收錄 66 段經實際執行及驗證的編碼智能體軌跡,合計超過一百萬個模型 token。與四個較大型數據集比較時,SWE-Gym 在作者自訂的每萬 token 錯誤恢復配對數指標上以 10.72 比 6.48 領先,SWE-smith 的最長重試鏈則為 64 比 4;作者亦公開自己在規模等項目落後。

  5. DoNews38

    中國發現距今39.5億年古老岩石,為亞洲已知最古老

    中國地質科學院地質研究所萬渝生團隊在河北冀東發現距今39.5億年的奧長花崗質片麻岩,刷新中國最古老岩石紀錄,並成為亞洲已知最古老岩石。鋯石鈾—鉛定年法確認其年齡;它也是全球第二古老的岩石,僅次於加拿大距今40億年的Acasta片麻岩。岩石化學特徵顯示,距今39.5億年前地球已存在俯衝構造活動,地幔虧損或始於43億年前。

  6. DEV Community35

    AI 輔助提交是否更常被撤銷?663 組配對研究的誠實答案是「無法判斷」

    一項觀察性研究比較 663 組 AI 輔助提交與人工作業提交,未能判斷 AI 輔助提交是否更常被撤銷或後續修復。30 日內,AI 輔助組有 1 次撤銷,對照組有 2 次;信賴區間很寬,研究樣本不足以得出明確結論。研究者指出,修復判定方法雜訊較大,可靠解答需要約 10 倍的配對數及經驗證的修復追蹤方法。

  7. HuggingFace Daily Papers(社區熱門論文)37

    訓練視覺模型以支援 LLM 驅動的權重空間程式設計

    研究團隊建立 LLM 驅動視覺模型權重空間程式設計基準,並發現專為編輯準備模型可大幅提升編輯成功率。研究以 5 個 LLM 在 4 個數據集上進行超過 2,600 次編輯;Edit-Ready Training(ERT)在 GPT-6 Astra 和 Claude Opus 5.5 的所有評測基線中取得最高平均分。團隊將公開測試框架、任務、編輯軌跡及評分。

  8. HuggingFace Daily Papers(社區熱門論文)37

    一再出現的批評:LLM 時代同行評審的逐項主張同質化

    研究發現,同行評審中的批評重疊度上升,而被 MELD 標記為 LLM 生成的評審彼此更相似,顯示單篇論文評審意見的多樣性下降。在 ICLR,同一評審階段的重疊度由 2026 年的 12.0% 升至 2027 年的 21.3%;第三份評審新增問題則由 6.12 個減至 5.46 個。

  9. Hacker News 熱門(buzzing.cc 中文翻譯)72

    Frostbite:AI 發現、設計並驗證的新型 CPU 架構

    Frostbite 是一款採用全新指令集、由 AI 系統自主設計並驗證的通用 CPU。與同製程的現代雙發射、順序執行超純量 CPU 核心相比,25 項工作負載的每瓦效能幾何平均為 4.59x;在 15 項未參與調校的保留測試上為 3.83x。

  10. 新浪科技42

    《2026年國有資本創新發展研究報告》正式發布

    《2026年國有資本創新發展研究報告》正式發布,聚焦由國資機構管理或由國資出資主導的私募股權投資基金。截至2026年第三季度末,狹義國資基金累計設立16,205只,規模達16.80萬億元;直投仍是主要投資方式,半導體居首,人工智能升至第二。

  11. HuggingFace Daily Papers(社區熱門論文)43

    探究視覺語言模型的「意識」:選擇性存取與全域工作空間

    研究團隊提出多模態概念透鏡 MC-Lens,分析視覺語言模型如何讀取概念、選擇性存取資訊,並將其用於後續計算與推理。實驗顯示,可靠的選擇性存取比概念可讀性較晚形成;不同模型家族和規模的模型則呈現共同的概念可讀性、依查詢而變的選擇性,以及跨任務介入效應。

  12. HuggingFace Daily Papers(社區熱門論文)38

    O²LaF 如何利用影片 Diffusion Transformer 進行自監督潛在動作學習

    O²LaF 將共享的預訓練影片模型重新用於自監督潛在動作學習,從無標註影片中學習逆向與正向動態。它在導航和機械人操作任務中,於少樣本動作探測取得最先進表現,並提升跨視覺情境及具身形式的零樣本動作遷移能力。研究亦將框架擴展至 V-JEPA2 等預測表徵先驗,取得具競爭力的表現。

  13. 阿里雲開發者社區 AI20

    三角形生長體系(TGS v1.0)全域通用認知方法論白皮書

    Asura_阿修羅提出三角形生長體系(TGS v1.0),以「三角制衡」為核心,作為跨領域結構化認知方法論。白皮書列出四大公理、七層架構及涵蓋金融、商業、教育、AI等領域的落地工具。截至2026年9月,TGS v1.0 已完成司法區塊鏈確權、接入百度 AI 生態,其公理與工具可供 AI Agent 直接調用。