跳到正文
目前篩選:論文
11月20日週五
  1. Unite.AI52

    Google Quantum AI 在 105 個量子位元上展示測量情境性

    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。

  2. LlamaIndex:產品、工程與評測53

    ParseBench-2 如何建立文件解析評測基準

    ParseBench-2 將文件解析評測分為六個維度,並透過嚴重程度政策設定不同錯誤對分數的影響。六個測試套件涵蓋330種錯誤及良性變化,基準包含4,317個頁面案例。Metric Lab 允許用戶調整維度權重、錯誤嚴重度及錯誤分類;作者指出,符合預設政策不代表評分與所有用戶的判斷一致,也不能證明可泛化至未見文件。

11月19日週四
  1. CMU:Machine Learning Blog64

    具備能力的自主智能體如何實現可證明安全:第二部分

    Aran Nayebi 在文章第二部分探討如何為具能力的自主智能體建立可證明的安全保障,並讓人類控制優先於任務完成。其 AAAI ’26 研究將可糾正性拆分為五項效用,按明確次序令安全要求優先於任務獎勵,並將保障延伸至多步決策及繼承相同安全設定的後繼智能體。ROGUE 以 82 項虛擬 Linux 任務測試智能體,結果顯示其在一般電腦操作情境下可能違反關機、人類控制或受限資源要求。

  2. MIT News63

    MIT研究揭示數據中心用電污染對遠方空氣質素的影響

    MIT研究團隊估算,數據中心用電需求帶來的額外空氣污染在2023年導致美國約650宗過早死亡,其中513宗與PM2.5有關、137宗與煙霧有關。人均過早死亡率估算最高的州份包括愛荷華州、內華達州、南達科他州和堪薩斯州,主要用電需求則集中在弗吉尼亞州和德克薩斯州;研究將差異連繫至電網互聯、發電機組排放和大氣條件。

  3. 霞光社38

    2026華輿獎中國典範智能座艙評選結果公佈:「8系」「9系」車型同場競爭

    J.D. Power| 君迪聯同同濟大學人車關係實驗室(HVR Lab)和蜂火智能實驗室(XAI Lab)公佈2026華輿獎中國典範智能座艙評選結果,共10款車型和1家供應鏈企業上榜。50款參評車型中,智能座艙平均得分為753分,部分車型超過800分;座艙體驗推薦者同時推薦整車的比例為83%,座艙體驗貶損者則為26%。

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

    StrideWorld:互動影片世界模型的場景剛性與動作一致性基準評測

    StrideWorld 基準以運動前固定的參照,評測互動影片世界模型的場景剛性與動作一致性;結果顯示,多數模型會令場景變形,只有按估算場景深度縮放指令的兩個模型,能令大部分組合路線接近預測位置。研究測試了 140 個起始視角生成的影片,場景偏移最高達同一路徑剛性渲染的 7.3 倍。以少量渲染片段微調兩個模型,可消除大部分路線中途停滯。

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

    WaveView:新視角就在雜訊之中

    WaveView 將扭曲後的來源影像注入預訓練生成器初始雜訊的相位,以生成新視角,並保留原有架構、只增加極少額外開銷。在 DL3DV 基準的所有重疊區間均勝過基線;最困難區間中,模型在共視區域的 PSNR 比 MetaView 高 0.84 dB,速度快 2.1 倍。以相同雜訊微調 AnyView,令其在 AnyViewBench 的零樣本 PSNR 從 11.58 提升至 12.35 dB。

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

    AVTR:以視覺想像實現自適應多模態推理

    AVTR 結合生成式視覺反思與文字推理,並按輸入內容學習選擇推理方式,以適應不同的感知與推理需求。在 16 項基準測試中,AVTR 較 Qwen3.5 基線平均提升 4.5 分,同時將推理延遲降低 33%。擴展至較小規模的骨幹模型時,AVTR 亦勝過受評估的 2B 規模基線。

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

    CurvDelta:用於選擇性學習與遺忘的低曲率增量建模

    CurvDelta 和 CurvLoRA 將大語言模型更新限制在低曲率保留空間,以提升一般能力保留度,同時維持目標適應效果。兩者以數學推理、程式碼生成及知識遺忘任務作評估;在 TOFU 和 MUSE 上,方法在目標遺忘與知識保留之間取得較佳平衡,保留表現接近從頭重新訓練的參考結果。

  8. DEV Community32

    論文資料庫日期的「假精確」問題

    Europe PMC 和 PubMed API 的 7 條紀錄顯示,日期精確到日不代表該日已獲證實;期刊資料可能只標示月份。作者以 24 項虛構證據測試 6 個模型,每項重複 3 次;加入日期窗口規則及佔位日期提示後,答案與作者答案鍵的匹配率由 17% 升至 48% 和 96%。這是小型測試,答案鍵包含作者的假設;作者建議保留每個日期的來源精度。

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

    PReMind:個人記憶如何結合視覺危險資訊

    PReMind 提出兩階段強化學習框架,訓練個人化視覺語言助理結合視覺危險證據與用戶記憶,作出合適回應。PReMind-Bench 評估記憶提取、視覺根據、拒答及危險應對,並測試各項能力的聯合表現。4B 版本在相互依存測試集的聯合成功率由基礎模型的 12.9% 提升至 28.6%。

  10. HuggingFace Daily Papers(社區熱門論文)40

    WorldRuler:可配置規則下的互動世界建模

    WorldRuler提出基於規則圖的生成式世界模型,可在儲存及載入時保留用戶定義的規則與世界狀態,並準確呈現規則對指定物件及屬性造成的視覺變化。研究以 GTA-V 和 Habitat 建立 RuleVerse 數據集,並透過動態物件綁定、屬性狀態替換及反事實重建訓練,提升規則執行與影片生成的一致性。

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

    PIPETTE:提升 LLM 智能體抵禦間接提示詞注入攻擊的紫隊測試框架

    PIPETTE 是一套提示詞注入紫隊測試框架,透過字典學習和在策略對抗訓練,將紅隊測試發現的攻擊轉化為對 LLM 智能體的防禦提升。它在 AgentDojo 和 ASB 評測中,令防禦模型在靜態攻擊下的攻擊成功率接近零,並能抵禦強適應性攻擊,同時維持接近未設防基線的正常任務效用。

  12. HuggingFace Daily Papers(社區熱門論文)32

    UltraTex:對齊物理知識以生成高保真 PBR 紋理

    UltraTex 提出級聯多視角框架,結合物理知識與視覺語言模型特徵,從單張參考圖像為 3D 網格生成符合物理特性的 PBR 紋理貼圖。框架先聯合預測反照率與世界空間着色法線,再根據生成的反照率、參考圖像及材質語義先驗預測金屬度與粗糙度貼圖。實驗顯示,UltraTex 在視覺保真度、材質準確度及物理合理性方面勝過現有開源和商業方法。

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

    Movie2Game-Bench:超越可玩性的電影改編遊戲全面評估

    Movie2Game-Bench(M2G-bench)提出一套評估電影改編遊戲的基準,結合一般評估、電影特定評估及三個 GUI 模型玩家的測試,衡量可玩性以外的改編品質。基準涵蓋22部電影及658項來源特定參考項目,並以相同電影評估14個模型;所有模型在可玩序列的內容呈現平均為37.9/100,低於標誌性元素的54.8。

  14. DEV Community46

    LLM 回饋提升影片的物理一致性

    LLM 迭代分析生成影片並要求修正,可提升影片的物理合理性,無須重新訓練影片生成器。PhysLoop 在 PhysLoop-Gen benchmark 的任務成功率為 85%,高於 Seedance 2.5 的 73%;修復有缺陷影片的成功率則為 86.00%,高於獨立基線的 19.33%。其視覺真實感評分為 3.72,低於 Seedance 2.5 的 4.29。

  15. DEV Community32

    Airfoil Self-Noise:一個模型看過測試條件的其他頻率資料,另一個沒有

    一項 Airfoil Self-Noise 實驗比較兩個各用 843 行資料訓練的模型池:納入測試條件其他頻率資料的 B,平均測試 MAE 為 2.323152 dB,低於未納入的 A(2.644575 dB)。603 組配對比較中,B 有 237 組絕對誤差較大;由於替換資料亦改變資料覆蓋範圍及正規化結果,實驗不能證明改善是由看過測試條件造成。

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

    Chiron:測量和預測人類行為的基礎模型

    研究提出 Chiron,一個由大型語言模型微調而成的基礎模型,用於測量和預測人類行為,並使模擬人口回應分佈與人類統計數據對齊。訓練及評估資料涵蓋 36 個行為領域、78 項社會科學實驗、288,307 筆個人紀錄、1,411,750 項原子行為決策,以及涵蓋 109 個心理構唸的 99,953 項心理測量評估。

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

    DrawScore:以工程圖評估生成的 CAD 模型

    DrawScore 透過工程圖投影評估自動生成的 CAD 模型,利用飽和懲罰衡量投影曲線上的誤差,令局部錯誤的權重僅按線性幅度衰減。相較於體積或表面指標,它能揭示 IoU 評為近乎完美的輸出中的錯誤,並可用作強化學習獎勵;從工程圖生成 CAD 時,亦可在沒有 3D ground truth 或額外獎勵模型的情況下作為測試時驗證器。

  18. HuggingFace Daily Papers(社區熱門論文)49

    RoughCut-Bench:大型視覺語言模型自動影片粗剪基準測試

    RoughCut-Bench 為大型視覺語言模型自動影片粗剪建立基準,並提出引導模型生成結構化剪輯計劃的智能體工作流程。基準涵蓋 101 個視覺案例(831 段原始影片、1,476 個精彩片段標註)及 84 個語音案例;評測顯示,現有模型仍難以產生符合專家剪輯計劃的結果。

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

    循環語言模型的延遲進入策略

    研究提出循環語言模型的延遲進入策略,讓新 token 跳過初始 passes,直接進入最後 K 個 passes,利用深層上下文 cache 加快推理。在 Ouro-2.6B(T = 4)上,Wake 於 tau = 0 達到 5.2x greedy-exact 加速;在 Huginn-3.5B 上,T = 64 時達到 8.4x。

  20. 新浪科技57

    NeuroAxis 無電池神經接口以血糖供電,在大鼠模型中逆轉糖尿病

    新加坡國立大學與南京郵電大學團隊於11月19日在 Nature 發表 NeuroAxis 研究,裝置以葡萄糖供電,並按血糖水平觸發迷走神經刺激。在一型及二型糖尿病大鼠模型中,裝置改善血糖及相關代謝指標;三個月植入測試未見主要器官明顯炎症或壞死。文章指出,臨牀應用前仍需調整裝置尺寸與輸出功率,並確認材料的長期穩定性。

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

    Jeveration:System One 模型現可生成圖像

    Jeveration 將凍結的視覺語言模型改作生成模型,讓 System One 模型以單次前向傳播生成連貫圖像,並支援圖像轉圖像及密集預測。模型生成 512x512 圖像需時 78 ms,速度最高比現有統一模型快 122x。實驗顯示,其圖像質素及密集預測效能具競爭力。

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

    CriticNPU 以機理評估器提升 NPU 設計空間探索的樣本效率

    CriticNPU 是一套面向 LLM 推理的 NPU 設計空間探索框架,利用線上校準的機理評估器篩選候選配置並分析運算瓶頸。在 6 個 LLM 工作負載及每個模型 16 個部署配置的測試中,其延遲表現於 74% 的 prefill 設定及 87.5% 的 decode 設定達到最佳或並列最佳。與具競爭力的 DSE 基線相比,CriticNPU 使用的模擬器呼叫約減半。

  23. IT Square · AI53

    港大研發 PULSAR II 單螺旋槳自主無人機,以機身自旋實現全方向感知

    香港大學研究團隊研發 PULSAR II 單螺旋槳自主無人機,利用機身自旋配合垂直安裝的激光雷達掃描周圍環境,實現全方向感知。實地測試中,無人機在樹林及地下停車場自主建圖、避障,速度超過每秒6米,毋須依賴 GPS、外部動作捕捉設備或地面電腦。整機重約1.12公斤,實測懸停時間達15分50秒,並在碰撞測試中維持受控飛行。