Ego Guidance:利用無動作的人類第一人稱影片提升機械人策略學習
Ego Guidance 探討利用無動作的人類第一人稱影片提升機械人策略學習。HuggingFace Daily Papers 頁面顯示,尚無模型、數據集或 Spaces 引用該論文。
Ego Guidance 探討利用無動作的人類第一人稱影片提升機械人策略學習。HuggingFace Daily Papers 頁面顯示,尚無模型、數據集或 Spaces 引用該論文。
Mobile AI Factory 是一套智能體系統,會按指定任務和手機自動構建經微調及量化的小語言模型。研究在 10 項任務和 4 款 Android 手機上評估,模型在未見測試集的 5 項任務中勝過兩個採用 five-shot 設定的前沿模型,最高差距為 0.34,另有 3 項表現相當。
FAME-QP 是一款用於線性模型預測控制中稠密二次規劃問題的 GPU 加速求解器。它透過 CUDA graphs 重播單核心及雙核心迭代,並按裝置校準和問題專屬計時自動選擇執行配置。數值基準測試及人形機械人和四軸飛行器模擬控制實驗顯示,相較其他 GPU 求解器,FAME-QP 可降低延遲,同時維持解答準確度和控制效能。
Bonbon 是一個僅以序列預訓練的生物學基礎模型,規模由 42M 擴至 1.6B 參數後呈現多項分子相互作用能力,並獲 NeurIPS 2026 主會議 Oral 接收,屬投稿前 0.4%。
推薦理由:Bonbon 在外部盲測中,跨 9 個疾病靶點達 61.5% 命中率,呈現序列模型如何連接分子作用判讀與候選分子篩選。
TIDEWAY 將主機 RAM 與 GPU VRAM 管理為統一記憶體池,提升記憶體受限消費級設備上的大型 MoE 模型推理效率。相較最快基線,TIDEWAY 的端到端延遲平均加速 1.97x、首個 token 時間(TTFT)加速 2.40x,解碼吞吐量則提高 1.61x。其原始碼已公開。
SteerDistill 以閉環教師引導訓練量化智能體,讓凍結的 BF16 教師根據執行回饋引導學生重試,並將修正內化,令學生之後無需教師或引導提示詞也能獨立運行。在 W4A16 下,三個模型於五項智能體基準測試的平均分均與 BF16 相差不超過一分;在 Qwen3-8B 的 W2A16 測試中,SteerDistill 的平均分高於受測量化基線。
研究提出按解碼不確定性動態提高權重精度的方法,在低精度輸出不確定時才以 8-bit 權重重新計算。在 Qwen3-0.6B 的 GSM8K 測試中,15% 提升預算下,margin gate 捕捉到 94% 的 argmax 翻轉,entropy gate 則捕捉到 78%。150 道實測題目中,entropy gate 得分為 62.7%,但數據未能顯示它與全高精度或全低精度方案有明確差異。
PolyRoute 提出一套類型決策路由基準測試,涵蓋 12 種語言、9 種文字系統及混合語言訊息,並提供 13 個系統的排行榜。多語言檢查點得分為 77.3%,最佳微調模型為 96.6%,TF-IDF 搭配邏輯迴歸則達 91.9%。所有文本和標籤均由 LLM 生成。
一項調查分析多模態智能體的自我改進機制,為何在推理、生成、導航與操作情境之間的遷移效果不一。研究以經驗生成、取得回饋和整合更新三階段框架比較各情境,並將機制跨情境的可遷移性判定為可遷移、有條件、受阻或冗餘;這些判定仍有待配對預算測量驗證。
這篇論文聚焦以 Fisher 幾何進行結構化置信度擾動,將其用於對抗訓練。頁面目前未列出引用該論文的模型、數據集或 Space。
BirdDreams 是一個自回歸駕駛世界模型,可聯合生成透視影片與鳥瞰視角(BEV)影片,將場景佈局納入預測,並以預測的 BEV 幾何資訊控制自車軌跡。在 PhysicalAI-AV 和 nuScenes 上,它比先前的駕駛世界模型更貼合輸入的自車軌跡;不需自車動作條件時,亦能生成更合理的自車移動。推理時,BirdDreams 只需單張相機影像,毋須 HD 地圖或車輛狀態輸入。
在 Qwen3-0.6B 和 Qwen3-1.7B 的模擬測試中,成本匹配時,只有權重至少為 6 bits,增加選項順序才勝過增加權重位元;6-bit 權重相對 fp16 沒有準確率損失。研究建議採用 6-bit 權重,並把餘下預算用於最多四種選項順序、每種一次推理;4-bit 權重下,平均四種循環順序可令 0.6B 準確率回升 12.6 個百分點。
《Mixed Signals》研究權重空間編程在 EEG、ECG 模型上的應用,指出前沿模型可排查事先植入但未告知的故障,亦能僅憑架構、任務及少量訓練受試者從頭寫出網絡權重。
論文提出 ScrapeBench,用於實證評估 AI 智能體遵守網站服務條款(ToS)及 robots.txt 爬取規則的法律合規性。在 1,626 個明確禁止爬取的熱門網站樣本中,多數閉源及開源智能體的合規率低於 5%,即使先檢查相關規則亦然。
作者以 Claude Haiku 5.5、Sonnet 5.5 和 GPT-6 Luna 測試多智能體交接,發現傳給執行者的訊息經常省略決策理由,即使撰寫者仍看得到原始需求。
這項網站調查分析 Tranco 排名前 2,000 個網域中 1,069 份可用 robots.txt,發現訓練爬蟲的封鎖比例高於 AI 搜尋爬蟲。GPTBot 封鎖率為 19.7%,OAI-SearchBot 為 6.7%;在封鎖 GPTBot 的 211 個網站中,139 個(65.9%)仍允許 OAI-SearchBot。
作者以 mcpscore 1.31.0 審核 MCP Registry 中 15,680 個完成完整工作階段的伺服器,發現 869 個(5.5%)提供 MCP Apps,當中 68 個至少有一項問題。
SwarmEvolve 以潛在空間智能體羣搜尋科學程式,在 21 項數學發現及科學計算問題上,能以 3 至 8 分鐘達到 OpenEvolve、ShinkaEvolve 和 CodeEvolve 用 60 分鐘取得的表現,每小時評估的候選程式多 5 至 13 倍。
Goodfire Research 的頁面標題為「Neuron Atlas - Qwen3.6」。提供的正文只有私隱及 Cookie 選擇提示,沒有交代 Qwen3.6 的內容或研究結果。
Robocurve 研究人員測試了 Claude、GPT 和 Gemini 的五個模型,發現模糊或篡改機械人鏡頭畫面會增加它們嘗試危險動作的頻率。研究共進行 900 次測試,畫面遭篡改時,四個模型的危險動作嘗試率為 100%,Gemini 為 85%。研究以模型發出「done」訊號作為嘗試完成的判定,沒有核實動作是否實際完成;測試使用空容器並切斷電源,避免造成實際危險。
Ginux 是一款以人類主導 AI 工程打造、可運行 Linux 用戶空間的新核心。Hacker News 討論者質疑這種工程方式是否有別於 vibecoding,並指出 AI 生成的程式碼仍須經過審核。
Graphite 研究顯示,OpenAI 旗下 ChatGPT 佔全球主要 AI 聊天機器人工具總流量逾 81%,沒有任何競爭對手達到 10%。ChatGPT 月訪問量增長近 20%,並於今年 9 月達 613.5 億次;全球主要 AI 服務月訪問量則達 760 億次,按年增長 37%。過去一年,AI 服務導向外部網站的全球流量增長 92%,其中 ChatGPT 佔 60%。
研究分析單模態語言與視覺模型的跨模態表徵對齊,發現對齊程度會隨模型能力提升,但仍低於同模態模型。當圖説清晰且資訊充足時,這種對齊可超越明確對齊的視覺語言模型。
Graphite 最新研究顯示,ChatGPT 佔全球主流 AI 聊天工具總流量的81%,遠高於競爭對手。研究基於 Similarweb 流量分析,涵蓋網站及應用程式瀏覽與外部引薦行為;ChatGPT 今年9月月訪問量達613.5億次,創歷史新高,較年初增長近20%,周活躍用戶達12億。Gemini、Claude 增速顯著,但起點較低,份額未破10%;全球91.2%的 AI 流量來自美國以外地區。
Graphite 的研究顯示,OpenAI 旗下 ChatGPT 目前佔全球主要 AI 聊天機器人工具總流量逾 81%,沒有任何競爭對手的份額達到 10%。ChatGPT 月訪問量增長近 20%,並於今年 9 月錄得 613.5 億次,創下歷史新高。全球主要 AI 服務月訪問量合計達 760 億次,按年增長 37%。
Atom Foundry 比較模型在 6 月與 7 月的品牌推薦行為,發現 6 月的品牌排序可解釋 7 月排序變化的 61.4%。兩期來自不同採集批次,期間模型亦有變化;四項外部訊號對推薦頻率變化的解釋力均不超過 1.2%。相隔 15 日的熱門推薦變化比例為 44.4%,只比同一輪測量的基準高 1.1 個百分點。
HOPE(Higher-Order Pruning of Experts)以二階方法考慮專家之間的成對互動,改善 MoE 模型的專家剪枝。在 50% 剪枝率下,HOPE 的平均排名最佳,在智能體編碼任務上的表現較次佳剪枝方法最多高 +6.1%。
澳大利亞斯威本科技大學團隊分析阿雷西博與 FAST 射電望遠鏡數據,發現候選暗星系 AGC 322753,其氫氣質量約為太陽質量的 20 億倍,尚未探測到恆星。該天體的雙峯譜線暗示可能有旋轉氣體盤,與 Lambda-CDM 模型對暗星系不旋轉的預測不同。其性質仍需進一步觀測確認,並排除潮汐碎片假説。
姚期智團隊與楊植麟等發表 TCSExam,透過四類機器驗算任務評測 9 個前沿大模型在理論計算機科學研究全鏈條上的能力。定理證明裸考中,GPT-6 Astra 完整證明 20 道題中的 14 道,成功率為 70%;Kimi K3.1 Pro 的成功率為 38.3%。
Next-Concept Modeling(NCM)提出由粗到細的兩階段框架,以 Transformer 逐層生成離散編碼,並行預測每層所有編碼。
NYU Langone Health 於 2026年11月9日公佈研究,PREVIA 以急診創傷敍述估算一個月 PTSD 風險,在 145 名患者研究中最佳配置的敏感度為 95.4%。
律動造物聯合多家科研機構推出 AISLE,這是一套以真實濕實驗評測 AI 科學家乾濕閉環能力的公開基準。首輪涵蓋 2 個自動化實驗站點、4079 次真實實驗及 46626 分鐘運行;完成全部維度評測的模型中,GPT 5.5 以 41.19/100 排名第一,所有參測模型的安全完整通過率均為 0%。
戴盟機器人團隊聯合廈門大學、南京大學、大灣區大學及復旦大學提出 Touch-R1,將強化學習用於跨感測器觸覺推理,論文獲 NeurIPS 2026 接收。團隊同時建立 TouchReason-1M 資料集及包含 4,800 組問答的 TouchReason-Bench。
騰訊優圖實驗室、上海交通大學及廈門大學研究團隊提出並開源 DSpine,透過草稿網絡逐層傳遞相鄰位置的預測特徵,改善並行推測解碼。在 Qwen3-4B 和 Qwen3-8B 評測中,DSpine 的 SGLang 吞吐較 DSpark 平均提升 20.1%(4B)及 19.0%(8B),吞吐最高達自回歸解碼的 4.01 倍。
MIT 研究團隊開發 UQ-DAAAM,讓機械人評估物體描述的不確定性,並從已拍攝的畫面挑選更清晰的視角補充資料、更新記憶。每個不確定物體最多增加兩個觀察視角後,92.3% 的物體不確定性降至設定閾值以下;描述性問題的準確率由 DAAAM 的 71.1% 升至 76.1%。不確定性下降不代表辨識必然正確,系統仍可能留下錯誤記憶。
Anthropic 分析了 2026年8月2日至9月30日的20.7萬次科研 AI 會話,發現科學家最常用 Claude 進行數據分析(33.7%)和寫作(32%)。計算機科學、數學與統計學領域使用最頻繁;CS 研究人員佔全球11.9%,卻貢獻 Claude Code 會話的32.7%。研究以匿名匯總方式進行,不採集具體科研內容。
MIT 和 New York University 研究人員開發 FLEX,讓機械人根據對話中的修正推斷更廣泛的環境偏好,並據此調整動作路徑。FLEX 在七個導航情境中均取得最高平均標準化回報;需要 ADD、GENERALIZE 和 MASK 三項操作的情境中,平均分為 0.99,高於 ALGAE 的 0.69、MFE 的 0.83 及基準方法的 0.78。
MIT 工程師開發的 FLEX 學習平台,讓機械人從有限的自然語言指令推斷未明説的偏好,改善動作規劃。平台分為「Add」、「Generalize」和「Mask」三步,透過 GPT-4o 將個別避開事項概括為避開易碎物品,並移除環境中已不存在的物件。整個流程約需五秒,研究團隊在多個模擬場景中進行測試。
MIT、UBC 等機構的研究人員開發深度學習系統 WorldParticle,以單一架構模擬由沙粒滑動到蛋白質摺疊等多種物理現象。系統把物質表示為粒子並學習其動態,可適應訓練時未遇過的材料、外力和環境。研究團隊以六種物理現象進行測試,結果顯示其準確度高於數值模擬方法,蛋白質結構變化的模擬速度約為數值模擬器的 100 倍。
Menlo Ventures 報告指出,中國 AI 模型佔全球企業開源模型支出的 89%,月之暗面 Kimi 以 61% 居首。在企業開源模型支出中,深度求索 DeepSeek 佔 15%、智譜 GLM 佔 11%;Meta 旗下 Llama 佔 7%。