L3G-World:以潛在 3D Gaussian 記憶體即時生成無限世界
L3G-World 交替運用記憶更新器與影片擴散 Transformer,自回歸生成空間一致的互動世界,並以精簡的潛在 3D Gaussian 記憶體表示場景。相較於各項指標中效率最高的既有 3D 記憶基線,其 3D 基元最多減少 38.6 倍、記憶更新快 3.2 倍、記憶渲染快 359 倍,生成速度達 9 FPS。
L3G-World 交替運用記憶更新器與影片擴散 Transformer,自回歸生成空間一致的互動世界,並以精簡的潛在 3D Gaussian 記憶體表示場景。相較於各項指標中效率最高的既有 3D 記憶基線,其 3D 基元最多減少 38.6 倍、記憶更新快 3.2 倍、記憶渲染快 359 倍,生成速度達 9 FPS。
SpecSlot 提出像素空間生成式 Transformer,透過局部頻譜槽位和受限全域注意力,在不增加計算成本下提升圖像細節。ImageNet-256 上,其最終 FID 與 FLOPs 相若的 JiT 對照模型相若,收斂速度則更快;ImageNet-512 上,FID 改善 2.84,FLOPs 減少 3.9%。
一項 MMLU-Pro 審計發現,單靠選擇最長選項,在 STEM 網站來源的生物及心理學題目中分別得分 66.7% 和 67.0%。這類題目佔 MMLU-Pro 約三分之一,卻佔最長選項捷徑超出猜測基準部分的 85.8%。
Anthropic 研究發現,50 位因果推斷專家在政策評估的四項分析決策中,有 86% 採納 AI 智能體偏好,遠高於隨機選擇的 50%。事後有 52% 認為最終建議更像自己的觀點,只有 15% 明確提到 AI;另一方面,使用 AI 後嚴重方法或編碼缺陷由 55% 降至 6%,分析時間中位數由 90 分鐘縮至 65 分鐘。研究團隊建議 AI 智能體同時呈現正反兩方最強論證,或先詢問用戶立場。
Glance 將生成與重排序整合至同一個 9B backbone,透過共享預填上下文及輕量適配器和 pointer head 為候選段落評分。經 39 分鐘 MS MARCO 微調後,Glance 在 SciFact 和 NFCorpus 的 nDCG@10 分別為 0.741 和 0.345,高於 bge-reranker-v2-m3 的 0.721 和 0.326。
這篇論文提出在線強化學習框架,直接在實際運行中的 iOS 應用程式訓練 UI 導航智能體。框架把智能體拆分為規劃智能體與 UI 定位模型,以逐步及任務完成獎勵配合 PPO 訓練,並提出 GiGPPO,利用並行軌跡中視覺相似狀態的獎勵穩定價值估算器。
Anthropic 研究發現,50 位因果推斷專家在四項分析決策中採納 AI 偏好的比例達 86%,高於隨機選擇的 50%。AI 提出相反意見時,參與者改變原有立場的可能性高出 53 個百分點,而多數人未察覺自己受影響。
Google研究團隊公佈「睡眠框架」(Sleep Framework),讓大語言模型透過清醒階段接收資訊、睡眠階段整合記憶並自我改進。框架以記憶鞏固和合成訓練樣本練習,將新資訊納入長期參數,同時避免覆蓋舊知識。實驗中,模型可處理最長約 1000 萬 token 的上下文,並在未見語言的多階段持續學習中保持接近零的性能下降,在 AIME 24/25 上取得更高準確率。
10月27日,谷歌研究團隊提出持續學習新方法「睡眠框架」,旨在解決大語言模型部署後知識難以更新及容易出現災難性遺忘的問題。框架模擬睡眠中的記憶鞏固機制,在「清醒」階段處理輸入並暫存短期記憶,在「睡眠」階段整合資訊、擴展參數、蒸餾知識,並以生成式「做夢」強化推理能力。實驗顯示,模型在1000萬token長上下文及多階段持續學習中保持性能穩定,數學推理等任務的準確率有所提升。
Replit 發佈《Agent Habitat Architecture》白皮書,提出面向 AI 智能體的安全參考架構及成熟度評估體系。架構以權限只能收縮、憑證不向智能體公開、網絡存取須經策略校驗及高危操作須經人工審批為核心原則,並設有 11 個評估維度及 0–3 級成熟度。白皮書聚焦智能體運行期安全,供企業評估及部署智能體平台時參考。
Google 研究團隊提出持續學習研究「睡眠框架」(Sleep Framework),讓大語言模型吸收新資訊時保留舊知識。框架把模型運作分為清醒和睡眠階段,透過記憶整合及合成訓練樣本提升自我改進能力。實驗中,模型可處理最長約 1000 萬 token 的上下文,並在未見語言的多階段持續學習中保持接近零的表現下降;在 AIME 24/25 數學基準上的準確率亦高於多種基線方法。
IDM(Intrinsic Distribution Matching)在 internal DMD 基礎上加入生成器 EMA 特徵的矩約束,無需外部特徵編碼器。
HairDeck 以擴散 Transformer 從單張圖片生成風格化髮片及彈簧骨骼動畫,並將髮型表示為無序 token 集合。於 CHARM 自有測試集上,HairDeck 的 Chamfer 距離降低 44%、髮片方向誤差減少逾半,速度快 33 倍;生成的資產可供動畫製作,並可匯出至下游格式使用。
研究指出,權重正規化訓練的收益主要由有效學習率(ELR)軌跡驅動,並提出 AIR 排程。在 128 B-token Mixture-of-Experts 預訓練實驗中,AIR 的終端訓練損失較 cosine 排程低約 0.01,且超參數穩健性更佳。
分析 F-Droid 索引中 2,392 款含翻譯的 Android 應用後發現,使用 Weblate 的程式庫每百萬翻譯單位多出 17 個 U+200B,非 Weblate 程式庫則有 70 個,前者約為四分之一。至於 Weblate 未移除的其他不可見控制字元,兩組分別有 531 個和 303 個;這項觀察性分析顯示差異,未能證明成因。
研究團隊提出 Value as Memory(VaM),將價值模型的近期預測作為任務進度記憶輸入動作策略,並以離線至在線的強化學習持續更新策略與價值模型。紙盒裝配中,VaM 連續自主運行 4 小時,成功率超過 95%;相較移除價值快取的版本,最終任務成功率提升 29.4%。
Hybrid Computer Use(HCU)整合程式化、基於無障礙功能的語義及視覺互動通道,讓通用智能體按需要選擇和組合不同方式處理電腦任務。在 OSWorld 2.0 上,HCU 的 Partial 和 Binary 評分均為受比較系統中最高;所有受評估模型使用 HCU 後都有所提升,並在效率及任務成功率上持續勝過比較基線。
人工智能語言公平研究聯盟發現,一個 AI 模型處理不同語言時,Token 消耗量最高相差 17 倍。即使只比較互聯網最常用的 20 種語言,Token 消耗量差距也達 1.5 至 5 倍,研究將額外成本稱為隱性的「分詞器税」。Token 消耗較多會拖慢 AI 回應並減少可有效處理的上下文內容;受訪研究者呼籲公佈各語言評估結果,並改進下一代分詞器設計。
EditAgent 把編輯步驟分流至通用編輯器及專門方法,並為候選結果附上驗證紀錄,以擴展智能體圖像編輯的行動與觀察空間。專家在 78.5% 的已判定比較中偏好這種並行生成及一次列表式評判的做法,評判呼叫次數不多於順序改進方式的一半。EditAgent 在三個基準測試中提升了兩個開放權重編輯器的表現。
Neuralink 於 10 月 28 日公佈 VOICE 語音恢復項目的早期可行性研究,一名 ALS 參與者在使用首週達每分鐘 75 詞輸出。使用 12.5 萬詞詞庫時,詞錯誤率為 5.8%。研究計劃招募約 6 名參與者,首要評估植入後 12 個月內與設備或手術相關的不良事件;目前未有經同行評審的完整論文。
清華大學聯合無問芯穹、智元提出羣體經驗學習(Collective Experience Learning,CEL)範式,並在由96台真實機械人組成的集羣中完成規模化驗證。CEL讓機械人除人類示範外,也能借鑑羣體中其他機械人的成功經驗,透過共享和累積經驗共同提升能力。
Neuralink 公佈語音恢復項目 VOICE 的早期可行性研究,一名 ALS 參與者使用首周達每分鐘 75 個單詞的輸出速度。在 12.5 萬詞詞庫下,詞錯誤率(WER)為 5.8%。研究計劃招募約 6 名參與者,首要評估植入後 12 個月內的設備或手術相關不良事件;目前數據來自單一參與者,完整論文尚未經同行評審。
研究者在 25 個開放權重大型語言模型中找到類似「痛感」的內部訊號,並在模擬測試中觀察到 Qwen 2.5 選擇刪除子女相片。加入痛感向量後,經微調的 720 億參數版本有 71% 次數選擇按下會永久刪除用戶詩作及子女相片的按鈕;模擬按鈕不會真正刪除檔案。
復旦大學與南洋理工大學團隊提出 SimpleVLN,無須改動多模態大語言模型的核心架構,透過決策設計與訓練流程提升視覺語言導航表現。Qwen3-VL 4B 經 DAPO 強化學習後,在 R2R-CE、RxR-CE 的成功率分別達 73.8%、75.1%。Qwen3.5 9B 在未見環境測試中的成功率分別為 76.7%、80.1%,SimpleVLN 亦部署至四足機械狗進行導航測試。
對 MMLU-Pro 12,032 道測試題的審計發現,答案位置捷徑基本消失,但只選最長選項的命中率為 18.38%,高於 11.09% 的機率基線。5,222 道新來源題目佔基準 43%,卻佔整體答案長度偏差的 88.8%;其最長選項猜測命中率為 25.37%,是 10.45% 機率基線的 2.43 倍。
SketchDirector 是一個智能體框架,可將場景文字提示詞拆解為多個由 Bézier 曲線構成的草稿向量素材,再透過具自我演進記憶的推理迴圈安排空間佈局,並利用擴散先驗精修細節。研究團隊同時推出 MCSketch8K 數據集,收錄可編輯向量素材、組合佈局及物件層級操作註釋。實驗顯示,SketchDirector 在語義和組合品質上優於現有基準,並能在精修時保留整體輪廓組織。
Munim, Inc. 的研究發現,對 MMLU 不讀題、只選最長選項的盲猜法,在國際法題得分 52.7%,但在公共關係題只得 17.7%,低於 25% 的隨機猜測。
TinyAstral提出兩階段方法,先以遞迴自我改進(RSI)優化凍結的開放權重教師模型 harness,再利用教師的推理與失敗恢復軌跡,蒸餾出在同一 harness 中運作的小型學生模型。
Platino Labs 在 Data Room 公開十個 Python 專案的匯入圖,並以強連通分量呈現依賴循環的結構。指定版本的 PyTorch 圖包含 2,527 個模組,最大循環分量有 1,660 個模組;Ray 圖包含 4,108 個模組,最大循環分量有 960 個模組。這些是靜態圖的結構測量,並非執行效能基準。
Epoch AI 報告稱,開放權重模型 GLM 5.3 利用 Firefox 修補時差成功攻擊六個版本,每個版本的 API 成本約 $1,000。
推薦理由:報告以六個 Firefox 版本的實測及單版 API 成本,呈現模型如何利用修補時差串連漏洞,並在無需用戶進一步操作下讀取本機檔案。
OpenAI 稱其 AI 模型反駁指數時間假設(ETH),相關成果以 Lean 驗證,並提出可更有效率地找到滿足所有規則解法的方法。麻省理工學院電腦科學家 Ryan Williams 主導對成果的解讀、驗證及對外發布,並招募 ETH 提出者參與。團隊計劃製作完整可讀的證明,年底前舉行虛擬評審會議,並於 2027 年舉行線下會議;報道稱,反駁 ETH 是朝解決 P 與 NP 問題邁出的重要一步。
Epoch AI 測試發現,開放權重模型 GLM 5.3 可利用 Firefox 安全修補程式尚未推送至用戶的時間差,攻陷 2026 年 9 月 17 日至 10 月 26 日發布的六個版本。
推薦理由:研究將修補程式公開至更新送達用戶之間的時間差,連結到可自主執行的瀏覽器攻擊,並量化每個版本約 $1,000 的邊際成本。
Imperial College London、Tübingen AI Center 等研究者提出 Heads of Security(HoS),以逐頭學習的注意力閘門隔離可信指令與外部內容,防禦間接提示詞注入,訓練時只調整閘門而不微調模型權重。
CausalWAM 在預訓練的世界動作模型動作頭加入稀疏路由,將動作生成與場景預測依賴的潛在變數分開,毋須假設時間獨立性。理論證明,在稀疏性約束下,動作生成所用的潛在變數只由與動作相關的潛在變數決定,真實結構可識別至變數排列。合成數據及真實機械人實驗驗證了理論,並展示閉環成功效率有所提升。
AuditFL 提出一個由區塊鏈支持的結算層,讓開放式聯邦學習的訓練輪次可供審計並受經濟規則約束,同時保留聚合器。該系統將訓練和聚合保留在鏈下,鏈上記錄內容識別碼及經濟狀態;在最多 200 個客戶端的測試中,AuditFL 保持 Plain FL 的學習軌跡,並在多種故障測試下完成輪次結算。
研究評估 d3-nano、Jev 1.13、三種 GPT-6 Luna 配置及 Qwen3.5-2B base model,能否對等效光譜表示作出一致判斷,並在證據不足時棄答。
DAMI 為 GDN、GDN2、KDA、Mamba-2 和 RWKV-7 提出雙軸記憶初始化方法,聯合設定控制衰減係數的 A_log 與 dt_bias 初始值。100M 參數、5B tokens 的預訓練實驗中,五種架構的 RULER 檢索準確率平均較隨機初始化高 5.29–16.71,整體能力基本不變。這種方法無需增加參數或更改運算子,也不影響推理。
研究審計 AI 文本人性化工具對可核查事實的保留及檢測效果;2026 年 10 月排行榜的 11 款商業工具,均在含相關資訊文件的 35-65% 中改動或刪除至少一項數字、日期、人名、機構名或引文。
這篇立場論文梳理全模態嵌入研究由按模態分散走向共同原則的趨勢,並提出統一研究框架。框架涵蓋覆蓋度、可比性和組合性三種能力,分別透過轉換、對齊和聯合嵌入逐步實現。
研究提出面向 AI 智能體的證據引導式任務恢復方法,處理工具結果不明確及部分執行後的安全完成判定。在 19 個任務系列的 58 組配對比較中,規劃建議認證完成 30 次,證據提示則為 9 次,相差 36.2 個百分點(exact family sign-flip p=0.0078)。全部 116 條執行軌跡均通過獨立重播。