跳到正文
11月16日週一
  1. HuggingFace Daily Papers(社區熱門論文)46

    WeVisForensics:用於全方位 AI 生成影片檢測的自我演進智能體

    WeVisForensics 提出自我演進的智能體框架,協調視覺及音訊取證檢查,以局部證據檢測 AI 生成影片,平均準確率達 95.2%。框架透過雙時間尺度強化學習優化調查智能體及取證檢查智能體,並整理出 ForenCue-30K。其準確率較最強的先前檢測器高 9.0%。

  2. HuggingFace Daily Papers(社區熱門論文)57

    研究提出 SilentGuard,以不變量感知的 Harness 強制執行保護 LLM Agent 免受靜默 API 故障影響

    研究提出 SilentGuard,將判斷由 LLM Agent 移至執行工具調用的 harness,透過不變量檢查攔截可能錯誤的 API 結果。在 7 個開源模型中,目標故障的錯誤答案率由 74.0% 降至 1.7%;在三個 frontier models 中則由 70.2% 降至 0.5%,且無故障任務表現未受損。

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

    DNeo:並行草稿模型需要更佳的目標特徵編碼

    DNeo 改良並行草稿模型的目標特徵編碼,以提升大型語言模型推理速度。其架構結合 Mixture-of-Features Attention(MoFA)、拒絕記憶、2-tap 因果卷積、僅前綴交叉注意力及非均勻目標層選擇。相較 SoTA(DFlash-2),DNeo 的生成速度快 1.3x,且不影響草稿模型規模或生成質素。

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

    嵌入向量與 grep:重新審視程式碼搜尋中的稠密檢索優勢

    這項研究提出 Repo-Premium,一個以真實程式碼庫為基礎的程式碼搜尋基準,用來重新檢視稠密檢索相對 BM25 的優勢。研究發現,評測設計偏向稠密檢索及查詢缺少程式碼中的稀有識別符號,是優勢的兩個來源;加入由 LLM 生成的識別符號後,BM25 在每個 Python 測試池均追平稠密檢索。

  5. HuggingFace Daily Papers(社區熱門論文)75

    研究顯示語言模型可改寫自身權重

    研究發現,27B 語言模型可透過自身推理,在不使用梯度或訓練的情況下改寫自身權重,並在預先固定的 490 道未見題目上提升 6.6 個百分點的準確率。模型只在自身測試支持改動時才提交修訂;首八次修訂中,其準確率持續上升。此外,模型僅憑文字數學題定位受損矩陣並以自身數值重寫,令副本在六個未見圖像基準上的準確率由 7% 升至 70%,相當於未受損模型的 83%。

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

    ALIVE:讓串流影片模型具備互動能力

    ALIVE 是一款互動式串流影片模型,支援主動監察、串流任務協調及尋求用戶反饋。研究團隊建構 ALIVE-SFT-288K 和 ALIVE-RL-3K 用於兩階段訓練,並推出 FSI-Bench 評估模型尋求反饋及完成後續任務的能力。ALIVE 在四個公開基準及 FSI-Bench 的整體評分均高於參與比較的模型。

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

    MS-HVED:異取向變分編碼的靈活多堆疊臨牀腦部 MRI 超分辨率——尼日利亞隊列專家評估

    MS-HVED 以靈活多堆疊超分辨率方法重建臨牀腦部 MRI,並在尼日利亞隊列的專家評估中獲得較佳影像品質評價。尼日利亞隊列中,專家在 210 次配對評估中有 187 次偏好 MS-HVED;盲測涵蓋 44 個病例及 7 名神經放射科專家。所有臨牀隊列中,使用所有可用輸入時,MS-HVED 的整體品質評分為 5.93,監督式基線為 4.49(p<.001)。

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

    MedJev:實現快速醫學影像理解的單次視覺語言決策模型

    MedJev 將醫學影像、問題及候選答案直接映射為決策,無需自回歸生成,在單次多模態前向傳遞中完成判斷。基於 Qwen3.5-4B 的 MedJev-4B,在四項醫學影像分類及視覺問答基準上,準確率絕對提升 7.93%,端到端速度提升 6.04 倍;與 20 個模型比較,在 4B–9B 通用及醫學 VLM 中取得最先進的效能及推理速度。

11月15日週日
  1. IT之家42

    OATs:讓日常物品變成需要照顧的虛擬寵物

    金大華開發的 OATs 微型 AI 智能體系統,透過電子墨水屏和傳感器,讓日常物品以虛擬角色表達狀態。主模組硬件成本約 20 美元,普通續航約 3 至 4 天,連接聲音傳感器後約 1 天。OATs 現階段仍是概念驗證技術,尚非成熟的消費產品。

  2. 新浪科技41

    OATs:讓日常物品化身需要照顧的虛擬寵物

    卡內基美隆大學研究人員開發 OATs,透過電子墨水屏和傳感器,讓日常物品配備會按物品狀態改變表情的虛擬角色。主模組硬件成本約為 20 美元,普通情況下續航約 3 至 4 天,連接聲音傳感器後約為 1 天。OATs 目前仍屬概念驗證技術,設計刻意限制互動能力,以免過度擬人化。

  3. 第一財經24

    研究顯示全球冰凍圈正加速退化

    一項最新國際研究顯示,全球冰凍圈正加速退化,部分變化具有不可逆性,可能對地球生態系統和人類社會帶來長期風險。研究指出,人類活動引起的氣候變化是主要驅動因素,黑碳排放、工業活動和基礎設施擴張亦會加劇局部退化。研究人員呼籲各國制定更積極的減排目標,並減少冰凍圈敏感地區的人為擾動。

  4. DEV Community51

    研究分析 AI 將 Ansible 角色轉成 Python 時的保障流失,並介紹 Reemote

    研究發現,AI 將 Ansible 角色改寫成一般 Python 程式時,常失去多主機同步執行、預演及變更回報等運維保障,主因是缺少對應的組態管理框架。實驗以開源 Python 套件 Reemote 作為轉換目標,Apache 和 DataDog 角色的轉換程式均在模擬主機測試中通過冪等性檢查。評估只涵蓋兩個角色各自預設路徑中的單一作業系統系列,驗證環境並非實際伺服器羣組。

  5. 新浪科技45

    科學家研發新型生髮梳,雄脱小鼠 28 天後毛髮覆蓋率接近 100%

    北京航空航天大學、香港城市大學等機構的研究人員研發生物電子梳 Detangle,結合電刺激與治療性分子遞送,研究雄脱小鼠的毛髮再生。接受電刺激及兩種分子聯合治療的小鼠,28 天後毛髮覆蓋率接近 100%,外用米諾地爾組約為 70%。Detangle 目前仍處於動物實驗階段,能否在人身上重現效果及其安全性仍待驗證。

  6. 新浪科技60

    獨立研究重新分析人類首張黑洞照片,驗證 M87 光環結構

    一項獨立研究重新分析事件視界望遠鏡對 M87 星系中心黑洞的觀測數據,結果顯示各數據集中的環狀結構一致,並與原始照片的光環直徑和整體朝向吻合。研究以「閉合不變量」整合三台望遠鏡的測量數據,並採用 GenDIReCT 機器學習成像;傳統統計成像方法也得出環狀結構。光環特徵對應質量約為太陽 65 億倍的黑洞,研究亦指出這項技術可能應用於醫學影像分析和地震成像。

  7. 新浪科技52

    GDC 調查:40% 遊戲業從業者工作中使用生成式 AI,55% 認為其對行業有負面影響

    GDC 發佈的調查涵蓋逾 2600 名遊戲業從業者,40% 表示工作中會使用生成式 AI,55% 認為它對遊戲行業有負面影響。AI 使用者中,73% 將其用於資料研究和集思廣益,62% 用於分析和內容總結,56% 用於編寫及檢查程式碼。QA 和社區支援部門中,認為生成式 AI 對行業有負面影響的受訪者比例達 76%。

  8. 新浪科技47

    OptiMer 以合併分佈向量優化大模型持續預訓練的數據配比

    日本信息通信研究機構(NICT)團隊提出 OptiMer,透過合併分佈向量搜尋持續預訓練的最優數據配比,並獲得 EMNLP 2026 傑出論文獎。實驗中,OptiMer 在配比優化階段加速 15~35 倍,平均得分為 70.37,高於傳統數據混合訓練的 63.71。團隊將方法應用於 Gemma-SEA-LION-v4-27B,日語得分由 66.34 提升至 74.40,同時保留東南亞語言任務表現。

  9. IT Square · AI44

    TestMu AI 報告:81% 軟件團隊曾合併未完全理解的 AI 程式碼

    TestMu AI《State of AI in Quality Engineering 2026》報告指出,81% 的軟件團隊曾合併未完全理解的 AI 生成程式碼或測試。隨着 AI 編寫的程式碼增加,44% 的團隊表示漏檢缺陷或生產環境事故有所上升。只有 41% 的團隊會在合併前自動檢查 AI 編寫的程式碼,97% 已在測試中使用 AI 或計劃採用 AI。

  10. DEV Community24

    機械人工程標準 HRS-012:貨運無人機

    HRS-012 為貨運無人機訂明分層且具故障隔離能力的電氣與電子架構,要求按安全關鍵程度劃分推進、航電、任務、貨載及輔助電源域,並設計冗餘供電、保護和故障隔離。標準亦要求航電與高頻寬任務運算保持邏輯獨立,並持續監測主要電力設備,以支援故障偵測、維護及飛行決策。

  11. Hacker News 熱門(buzzing.cc 中文翻譯)67

    以 Lean 形式化美國税法,檢出 138 項文本錯誤並提出三項税務新發現

    研究團隊以 Lean 形式化美國《國內税收法典》,檢查條文交叉引用並建立 2025 年聯邦個人所得税模型,以搜尋文本錯誤和税務漏洞。交叉引用檢查列出 257 項結果,其中 138 項為實際文本錯誤;2025 年模型亦以 IRS 公佈數據及三款報税工具比對,測試 5,000 個家庭。

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

    多個 Lovable 應用程式暴露護照資料及逾 200,000 條聊天訊息

    研究團隊分析 159,041 個 Lovable 專案,並在多個使用 Supabase 的應用程式中發現敏感資料可被未登入者存取。案例包括逾 200,000 條聊天訊息,以及超過 1,000 條含護照號碼等身份證明資料的紀錄。研究指出,30% 只適用於深入檢查的 24,664 個網站,不能視為已確認的資料洩漏率;樣本亦不代表所有 Lovable 應用程式。

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

    多分支 Transformer

    Multi-Branch Transformer(MBT)透過並行分支處理 Transformer 區塊,並結合共享 KV cache,提升語言模型品質及推理效率。實驗顯示,標準 Transformer 需要多用最多 1.26x 訓練計算量,才能達到最終模型的驗證損失;模型最多減少 34% KV cache 儲存,並在單張 H200 GPU 上提升最多 51.4% 解碼吞吐量。

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

    模擬器失配帶來的不合理信心:SPEED+ 模擬到真實基準上的方向性穩健性

    研究以在合成航天器影像上訓練的單目姿態估算器檢驗 SPEED+ 模擬到真實的遷移,發現模型在真實影像上的姿態誤差伴隨過度自信,且適應效果因光照域而異。合成資料上按 90% 校準的區域,在 sunlamp 僅涵蓋 9-15% 的旋轉誤差,在 lightbox 則涵蓋 21-38%;調整骨幹網絡最後階段,可將 63-83% 的額外合成增益帶到兩個真實域。

  15. HuggingFace Daily Papers(社區熱門論文)44

    PanDWM:全景 4D 駕駛世界模型

    PanDWM將六個攝影機視角拼接成360°全景帶,並以蒸餾因果學生模型和前饋式3D Gaussian解碼器生成一致的4D駕駛場景。於nuScenes的單一拼接視角評測中,其FID和FVD均低於多攝影機基線,速度為基線的8-46倍。相比50步教師模型,PanDWM維持FID,並將FVD降低22-25%。

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

    RAPO:長鏈多模態推理中的傳播感知視覺保留反思錨點

    RAPO 透過識別高熵推理位置作為稀疏反思錨點,並以 chain-masked KL 目標訓練策略在後續推理中保留視覺影響。在 Qwen3-VL-2B-Instruct 上,RAPO 將六項基準的平均 mean@8 accuracy 從 GRPO 的 40.79 提升至 43.01。標準推理時無須額外重新注入視覺資訊或選擇錨點。

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

    SALA:語義對齊的潛在動作如何實現具身基礎模型雙軸擴展

    SALA 利用人類與機械人影片的語言語義相似度對齊潛在動作,建立共享潛在動作空間,無需配對數據即可為具身基礎模型訓練提供監督。增加通用人類影片的預訓練數據,可持續降低下游任務的機械人動作預測誤差;增加特定任務的人類影片進行後訓練,則可大幅提升真實機械人任務成功率。

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

    開放權重大語言模型技術報告的新穎性檢視:消融研究、可重現性與透明度

    研究檢視 40 份開放權重大語言模型技術報告,評估其新穎性主張是否有消融研究支持,以及報告的可重現性與透明度。73 項架構或訓練新穎性主張中,19 項有受控對照;40 份報告中,4 份披露多於一次訓練,只有 1 份同時披露數據混合、token 數量及計算資源。研究提出 7 項技術報告撰寫規則,並指出不評判模型質素,未經測試的主張仍可能成立。

  19. HuggingFace Daily Papers(社區熱門論文)57

    SWE-CoWork:以組織情境基準評測編碼智能體

    SWE-CoWork 基準在模擬軟件組織中評測編碼智能體,涵蓋 101 項任務、101 個真實程式碼庫、11 種語言和 12 個應用領域。評測 11 個模型時,兩個領先模型雖通過約 63% 的失敗轉通過(F2P)測試,完整完成的任務卻少於 8%。向 Seed Evolving 和 GPT-6 Astra 預先提供完整需求,令 F2P 通過率提高約 16 個百分點,但完整任務成功率沒有改變。