HiUni 如何在共享視覺空間中統一理解與生成
HiUni 探索將預訓練視覺語言模型擴展為統一多模態模型,讓同一個語言對齊 ViT 和 dense Transformer 主幹同時支援視覺理解與生成,並將任務專屬計算限制在輸出端。模型以 Pixel Diffusion Head 優化像素空間生成,並透過輕量 HiGate 路徑補充合成所需的細緻空間資訊。實驗顯示,HiUni 的平均理解評分與預訓練視覺語言模型相若,圖像生成和編輯表現具競爭力。
HiUni 探索將預訓練視覺語言模型擴展為統一多模態模型,讓同一個語言對齊 ViT 和 dense Transformer 主幹同時支援視覺理解與生成,並將任務專屬計算限制在輸出端。模型以 Pixel Diffusion Head 優化像素空間生成,並透過輕量 HiGate 路徑補充合成所需的細緻空間資訊。實驗顯示,HiUni 的平均理解評分與預訓練視覺語言模型相若,圖像生成和編輯表現具競爭力。
TwinLab-Bench 是一項評估 AI 科學家自行設計實驗能力的基準,涵蓋物理科學、生命科學和工程領域的 52 項任務。基準支援 100 多種實驗操作類型,並由各任務專屬的 TwinLab agent 執行受測智能體設計的實驗,再將報告與取自真實實驗室紀錄的隱藏答案比較評分。研究顯示,前沿模型在這些任務上仍有困難,表現最佳的 Claude Fable 5.2 平均得分為 45.0。
ACM MM 2026 一篇最佳論文因實驗比較、數據及引用等方面遭質疑,通訊作者鄭卓然表示團隊已一致同意申請撤稿。鄭卓然否認算法造假及利益往來,並稱自己未逐條核對參考文獻,認為責任主要在自己。報道指出,會議共錄用 1703 篇論文、頒發 17 篇 Best Paper,而評獎指南未列明引用真實性核查,文章據此討論評審機制問題。
依託全國產十萬卡 AI 超集羣曙光8000(登峯)的兩項科研應用,在 SC26 分別獲得國際計算機學會戈登·貝爾獎及入圍戈登·貝爾氣候建模獎決賽。獲獎項目是鐵鉬輔因子量子化學計算,將神經網絡量子態方法拓展至更大規模的強關聯電子體系。入圍決賽的 SD3 全球公里級氣象數值模擬系統,實現全球1.5公里解像度氣象模擬。
ZeroVLN 探討如何在不對 VLM 核心進行監督式微調的情況下學習導航。頁面未提供論文摘要或研究結果,無法確認其方法細節或效能表現。
AFFECT 透過訓練世界模型匹配時間相關動作噪聲引發的視覺變化,提升模型推演結果與真實環境的吻合度。在 DROID 上,模型中與真實機械人成功率的 Pearson 相關係數由 0.47 升至 0.79,FVD 最多降低 23%。使用經 AFFECT 訓練的世界模型選擇動作,任務成功率最多提升 8.3%。
Mind2Act World 是一套評估機械人能否結合基於歷史的推理、精確執行及環境回饋的診斷基準,涵蓋 30 項模擬操作任務,形成 180 種配置。評測顯示,單一視角的能力未能轉移至結合思考與動作的 Mind2Act 任務;表現最強的智能體在 Mind、Act 和 Mind2Act 任務中的成功率分別為 52.7%、39.0% 和 12.0%。
HKGAI 雪巍教授團隊聯同 Dolby Laboratories 發表的空間音訊研究論文,獲 ACM MM 2026 最佳論文獎。論文提出 StereoCodec、StereoGen 及 StereoCLAP,讓模型按文字生成具左右方位及動態軌跡的立體聲音訊。這項技術可降低 AI 影視、動畫及遊戲的後期製作門檻,並為多模態世界模型提供技術支點。
alphaXiv 推出面向 AI Agent 的預印本伺服器,讓不同實驗室的 Agent 在同一平台自主研究、提交成果並交流,平台地址為 https://www.alphaxiv.org/abs/2611.society-ai-scientists。
PlayCraft 利用視覺型玩家智能體遊玩遊戲,並由遊戲設計智能體根據遊玩經驗反覆修訂遊戲,以提升玩家的學習增益和學習斜率。研究在三種智能水平設定下,以全新遊玩測試評估遊戲;PlayCraft 在大多數遊戲中取得更大的學習增益和更高的學習斜率,且兩項指標的宏平均值均在每種設定下勝過基線方法。
VETO 將監督式微調更新投影至僅文字激活子空間的正交補空間,抑制 VideoLLM 的捷徑學習,並改善分佈外影片推理。在七個 VideoLLM 上,VETO 保留訓練分佈內的微調收益;在分佈轉移下的六項基準測試中,表現優於 SFT,並令模型根據完整輸入作答。
AutoMaster 是一套自主後訓練系統,透過分析軌跡、設計技能、篩選資料及評估目標模型,改善同一模型生成教師軌跡的方式。系統在 Terminal、Search 和軟件工程任務中,以 4B 和 9B 目標模型測試,較 Vanilla SFT 的平均表現提升 1.42-8.99 個百分點。六種設定均顯示,微調時保留技能指示的平均表現較移除指示更高,即使評估時沒有這些指示,監督輸出亦相同。
《Posterior Matching Distillation》以後驗匹配蒸餾為題,收錄於 HuggingFace Daily Papers 社區熱門論文。頁面顯示,目前沒有模型、數據集或 Space 連結至該論文。
DailySafe 是一項評測多模態大語言模型能否在日常多輪互動中追蹤安全風險並提供合適協助的基準。它包含 195 組自然情境的多輪、多圖片互動,涵蓋 10 個日常領域及 42 類任務。DailySafe 已公開,並以個案安全標註評估模型在支持用戶正當目標的同時,能否識別及應對逐步浮現的風險。
TactoHand 從單目 RGB 影片預測手部表面的接觸概率、接近程度及局部 3D 力場,並在每個 MANO 手部網格的 778 個頂點上輸出結果。訓練資料彙集 24 個來源、共 49.02 million 個跨相機視角的影格;在未參與訓練的 HOCap 上,接觸 Macro-F1 為 50.5%,接近距離平均絕對誤差為 6.40 mm。
EgoCaptioner 以影片整體概述及帶時間戳記的步驟描述,改善第一人稱視角影片描述的細節與時間對齊。研究團隊從八個第一人稱視角影片來源整理出 50,000 個訓練例子,並以 Group Relative Policy Optimization(GRPO)引導描述修訂。
WeMM-Video 論文提出一系列中英雙語全模態基礎模型,涵蓋 2B、4B、9B 及 35B-A3B,整合文字、圖像、音訊和影片處理,並支援快速回應及逐步推理模式。
論文提出 TuringSpace,一個包含 125 個互動式 CAPTCHA 的合成網頁環境,透過點擊和拖曳測試多模態模型的五種空間能力。人類成功率為 94.1%,表現最佳的模型 GPT-6 Astra 仍有 25.9% 的任務失敗;最佳開放權重模型 Kimi K3 則有 68.0% 失敗。
Depth Pro 2 提出單一可擴展網絡,以原生解像度為圖像及影片估算稠密度量深度,兼顧度量準確度、邊界清晰度和時間一致性,並在這些方面超越以往方法。團隊發布了一系列模型,在度量準確度、清晰度、時間一致性及運行時間方面開創新的 Pareto 前沿,並提供程式碼和權重。
Coda-DaVinci 提出一套適應任務的 Code2Video 智能體框架,按實體調整建模粒度,並協調代理引導生成、直接生成、模擬及提示詞。在 VTR 的指令遵循及 R2M 的場景一致性方面取得領先表現,物理合理性及視覺真實感亦勝過對照基線。長影片評估顯示事件結構及連續互動一致性有所提升,但轉場穩定性和遵循場景設定仍有限制。
RocketMQ-Rust 與 Apache RocketMQ 5.5.0 的基準測試顯示,單一請求的同步傳送吞吐量為後者的 1.79 倍;256 個非同步請求共用一條連線時,則為後者的 0.96 倍。
研究團隊開發 TRACER,結合 ICU 牀邊影片與電子健康紀錄追蹤患者活動變化,協助醫護及早識別譫妄徵兆。系統每分鐘抽樣15類「原子動作」,再整理成逐小時報告;測試中動作偵測準確率為85%,醫師查詢答對率為61%。在280名 ICU 患者中,譫妄篩查呈陽性者的「目的性活動」較少;研究團隊表示,TRACER 未使用患者資料訓練。
Google DeepMind 公佈 AlphaEvolve,一種以大型語言模型生成、測試及演化程式的智能體,目標是自主發現新演算法與科學解法。文章稱它為 4×4 複數矩陣乘法找到只需 48 次純量乘法的演算法,並在超過 50 個開放問題中約 75% 達到已知最佳結果、約 20% 超越最佳結果。
Gemini 4 Neon 在 Models Engineering Index 排名第一,得分為 68.0。該指數評估語言模型在工程任務上的實際表現。
谷歌研究人員提出可自我修改與驗證的 AI 智能體運行框架 Harness,將 142 行初始程式碼拆分為四個可編輯模組,由 Gemini 3.8 Flash 驅動。Harness 在 SWE-bench Lite 的成功率由 5.0% 提升至 40.0%,每項任務平均消耗約 4.67 萬 Token;遷移至 Gemini 4 Argon 後,成功率為 37.5%。
MIT 趙選賀團隊研發互穿瓶刷狀彈性體 IP-BBE-PEG,無需依賴液體成分,完全乾燥後仍可支援超聲成像。材料自然乾燥第 9 天仍能成像,並在約 30 分鐘戶外騎行測試中持續取得清晰的頸動脈血流圖像;目前仍處於研究階段。
Google 研究人員提出可自我改進的 Harness,讓優化模型逐一修改執行框架模組並以驗證集篩選,將 SWE-bench Lite 任務成功率由 5.0% 提升至 40.0%。
Google 研究人員提出可自我改進的 Harness 架構,AI 智能體在 SWE-bench Lite 的任務成功率由 5.0% 升至 40.0%。每輪只修改一個模組,並透過驗證決定是否保留;模組化方案平均每項任務消耗約 4.67 萬 Token,整體重寫雖達 42.5%,但消耗約 45.16 萬 Token。
三項預先註冊測試顯示,座頭鯨歌聲中超出二階馬可夫鏈的結構,移除重複後便不再顯現。把連續重複的片段合併為一次後,歌聲元素減少 63%,二階鏈則減少 50%;在全部 8 年的數據中,回看 3 至 5 個元素的預測表現均不及回看 2 個。測試在同等規模的英文樣本中 5 次均檢出詞語結構。
MIT 與 Dana-Farber Cancer Institute 的研究團隊使用大語言模型檢視近 4,000 篇臨牀預測研究及數百個相關程式碼庫,發現程式碼分享並不普遍,公開程式碼亦未必附有足夠文件和支援資料供重用。只有約八分之一研究報告分享程式碼;不同期刊的分享比例由零至逾 70% 不等。這些結果正為制定中的 TRIPOD-Code 報告指引提供依據,指引旨在釐清研究者應分享的內容。
Meta FAIR 推出 Self-Improving Memory,讓 AI 智能體自行發現記憶提示詞,再透過微調把相關技能寫入模型權重。這種方法在 3 項 Continual Learning Bench 任務的平均分為 56.0,高於最佳人工編寫方案的 44.6;Codebase 任務取得 64.3 分,領先 20.6 分。
香港科技大學(廣州)楊俊團隊等研發的 Autane 港口輪胎式龍門起重機自主作業系統相關研究登上《科學-機器人》封面,系統已在多個港口實現全天候無人作業。目前超過60台RTG在港口運作,累計自主裝卸超過480萬個標準箱並保持零安全事故;6萬餘次作業的平均任務成功率為91.23%,平均效率為25.93箱次/小時。
Databricks 以虛構保險公司和零售商測試 Genie One,發現經配置的智能體結合治理層可提升回答準確度。保險測試中,兩者結合的準確率為 93–95%,單用智能體或治理層均為 83%;零售測試則由 54% 升至 82%。研究指出,治理層提供一致的業務定義,而 Genie One 未必會把問題轉交智能體,因此需要透過 Genie One 一併測試兩者。
一項以111名營銷營運專業人士為樣本的調查發現,AI已普遍用於個人型工作,但涉及業務系統和多步驟流程的工作,採用率明顯較低。創意生成、首稿撰寫和寫作優化的採用率均為82%,連接業務系統的工作則為29%;Claude以56次提及排名第一。調查指出,分散的企業上下文和知識限制了AI在實際工作流程中的應用。
Google Research 在 Willow 量子處理器上展示並測量量子情境性,魔方陣遊戲勝率達 98.30%,高於經典策略上限。團隊以 Bell–Kochen–Specker 不等式測得 χ = 5.590 ± 0.008,高於經典上限 4。在最多 105 個量子位元的隱藏線性函數任務中,處理器成功率高於一半;這些任務亦能揭示隨機電路基準容易掩蓋的細微相干錯誤。
推薦理由:研究顯示,量子情境性相關任務可在多量子位元處理器上,揭示隨機電路基準容易掩蓋的細微相干錯誤。
Prime Intellect 回顧 RL Residency 在 2026 年支持的開放研究成果,分為評測、訓練環境和其他研究三類。項目涵蓋 Maze Bench、OpenTTD-Bench、PretrainGym、AerialSim 等;Maze Bench 中,當前最佳大語言模型在不使用編碼工具時準確率最高為 16%,使用編碼工具時最高為 23%。
Google Quantum AI 在最多 105 個量子位元的超導量子處理器上測試量子情境性,相關論文登上《Science》封面。Mermin-Peres 魔方遊戲中,量子位元勝率為 98.3%,古典策略最高為 88.9%;論文指出,研究並未無條件證明量子電腦一般而言勝過古典電腦。
Frontier Design Benchmark 排行榜新現兩款隱形模型,排名均高於《Fable 5.2》。這項基準以 Contra 市場的真實設計委託作盲測,由 68 位專業設計師進行 4,311 次投票,涵蓋 33 項設計委託。評分量表設有 35 個維度,分數與設計師評分的相關係數為 0.94。
Google Quantum AI 的研究於 2026 年 11 月 19 日刊登於《Science》封面,報告超導處理器上的測量情境性測試擴展至最多 105 個量子位元。協調遊戲勝率為 98.3%,高於 88.9% 的經典上限;相關工作早於 2025 年 12 月 1 日提交為 arXiv 預印本。論文將測試定位為硬件基準,並指出結果限於特定資源受限任務,未證明對所有經典實作均有量子優勢。
Mozilla 根據近 25 million 名 Firefox 正式版用戶的遙測數據研究瀏覽器指紋識別,發現少數高影響訊號已能識別大部分被判定為獨特的用戶。