跳到正文
10月29日週四
  1. HuggingFace Daily Papers(社區熱門論文)35

    AGI 的規模化是否取決於 System-1 讓 System-2 執行甚麼?

    研究提出,將輕量級的 System-1 預測器與資源密集型的 System-2 推理系統共同設計,可先篩選候選互動,再由 System-2 執行值得付出成本的互動。理想篩選且執行成本相同時,執行計算量可降至接近原來的 1/ρ_u;預測錯誤、探索及分佈轉移會減少節省幅度。研究認為,有用互動的密度是衡量規模化效率的指標。

  2. HuggingFace Daily Papers(社區熱門論文)47

    視覺語言模型在哪些 3D 推理任務上失敗?

    BedBench 顯示,視覺語言模型難以準確計算 3D 物件各顏色的數量,並在回答中一致地運用這些計數。基準涵蓋 13 項任務;人類準確率為 93.3%,最佳模型為 7.2%。針對性微調令一個模型的準確率由 3.0% 升至 68.6%,但其答案仍與自身計數不一致;程式碼和數據集已公開。

  3. HuggingFace Daily Papers(社區熱門論文)43

    LLM 強化學習中訓練與推理不匹配的起源與演變

    這項研究追蹤 LLM 強化學習中訓練與推理不匹配的來源,並提出差異—滯後校正(DLC)以穩定訓練。研究將不匹配拆分為引擎數值差異和策略滯後,並在有效樣本量低於一半時重新同步取樣器。DLC 在 Qwen3-0.6B 和 Qwen3-1.7B 上,將與 on-policy 訓練的 KL 散度維持在兩次獨立 on-policy 訓練之間 KL 散度的兩倍以內。

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

    強化學習如何激勵大語言模型自主學習

    研究提出以 BookNavigator 配合強化學習和細粒度獎勵,訓練大語言模型從長篇教材中自主檢索、學習並應用知識,完成數學證明題。Intern-S2-Preview-35B 的整體證明準確率由 51.5% 升至 79.5%,並在 BrowseComp-Plus 和 CL-bench 上分別較基礎模型提升 1.7 和 2.3 個百分點。

  5. DEV Community60

    Jev 決策迅速,程式碼應信任哪些結果?

    TypeSafe AI 的 Jev 接收上下文和預設答案選項,輸出結構化判斷及概率;文章分析程式何時可據此採取行動。一項預印本在 37 個數據集、346,009 次請求中發現其分類及推理表現突出,但也有若干弱點;另一項研究的一個合取任務實驗中,54% 回應違反受測概率規則,這並非一般錯誤率。文章建議按實際工作負載測試、依應用情境設定閾值,並先在影子模式記錄結果,由應用程式獨立執行權限與政策檢查。

  6. DEV Community51

    變分推斷:為何 ELBO 以準確度換取可處理性

    變分推斷(VI)透過最大化證據下界(ELBO),把難以計算的後驗推斷轉為可微分、可擴展的最佳化,以速度和擴展能力換取精確度。mean-field 假設可能漏掉多峯及相關結構,令後驗不確定性偏低;重參數化技巧支援梯度訓練,而攤銷推斷會帶來額外差距。重視大規模快速近似時可選 VI;若需準確刻畫多峯後驗或可靠量化不確定性,則可考慮 MCMC。

  7. Apple:Newsroom76

    Apple 發佈配備 PROLED XDR Display 的全新 MacBook Pro

    Apple 發佈搭載 M5 Pro 或 M5 Max 的全新 14 吋及 16 吋 MacBook Pro,並首次為 Mac 加入觸控操作。新機配備採用串聯式 OLED 技術的 PROLED XDR 顯示屏,最高 HDR 和 SDR 亮度達 2000 nits,並加入 Dynamic Island。產品於 2026 年 10 月 28 日起接受預訂,並於 11 月 6 日起供貨。

    推薦理由:公告列出串聯式 OLED 顯示、Mac 首次加入觸控與 Dynamic Island,以及 M5 Pro、M5 Max 的定位,概括新機在顯示、互動和運算上的變化。

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

    Google 宣佈推出 Gemini 4 Carbon,主打網絡安全與長時程任務能力

    Google 宣佈推出 Gemini 4 Carbon,稱其為旗下最強模型,並強調其網絡安全及長時程任務能力。它在 SEC-bench Pro、ExploitGym 和 CWE-bench 分別取得 88.2%、54.8% 和 71.0%,對應漏洞發現、利用驗證及修補。Google 表示本週起會向部分網絡防禦人員開放,逐步擴至其他可信合作夥伴,並在完善防護措施後盡快向開發者、企業及消費者提供。

  9. Modal 官方工程博客62

    Modal 協助 Sakana AI 部署 Sakana Namazu,支援約 1T 參數模型 API 上線

    Modal 與 Sakana AI 合作,將約 1T 參數的 Sakana Namazu 部署至 Modal,支援其公開 API 上線。Modal 團隊以日語代表性資料調校 NVFP4,並以約 1M 個真實請求從頭訓練 DFlash2 草稿模型。在 1,000 個保留請求的測試中,平均接受長度由 3.51 升至 5.01,p99 延遲由 68s 降至 52s。

10月28日週三
  1. DEV Community64

    Superhuman Mail 如何在 100 毫秒互動預算內設計 AI 功能

    Superhuman 團隊將 100 毫秒界定為即時介面回應預算,而非完整生成時限,並預先載入收件人語氣和電郵對話串內容,讓即時請求只提交新的轉錄內容。團隊先用能力最強的模型驗證功能,待任務範圍和標籤穩定後,才轉用較小或微調模型;自動分類則可在確定 10 或 12 個有用標籤後,採用微調 BERT 分類器及較低成本的專用基建。系統只會起草電郵,不會代用戶寄出,發送仍由用戶確認。

  2. 新浪科技68

    摩爾線程2026年第三季度扭虧為盈,近12個月營收達40.1億元

    摩爾線程公佈2026年第三季度報告,單季營收15.5億元,錄得歸母淨利潤4926.0萬元,較公司原定2027年實現盈利的目標大幅提前。截至報告期末,公司近12個月營收達40.1億元,前三季度營收32.9億元;前三季度研發投入13.4億元,已超過2025全年。公司稱,基於MTT S5000的智算產品在模型訓練和推理方面獲高度認可,並與京東雲計劃建設十萬卡全功能GPU集羣。

  3. 新浪科技47

    NeurIPS 2026 Oral|NV-CoT 用連續座標重構視覺思維鏈,提升圖像定位與回答準確率

    南洋理工大學、中國科學技術大學、新加坡國立大學與微軟研究院的研究者提出 NV-CoT,以連續數值座標選取圖像區域,並獲 NeurIPS 2026 Oral(Top 0.4%)。在 Vis-CoT-363K 驗證集上,定位 IoU 由 47.3 升至 59.5;在 V* Bench、HR-Bench 4K 和 HR-Bench 8K 上,SFT 與 RL 路線均有提升。

  4. 新浪科技65

    中國 MaaS 市場規模一年增長近 9 倍,廠商加速湧入,未來競爭壁壘在哪裏?

    IDC《中國AI軟件市場半年度追蹤,26H1》顯示,2026H1中國MaaS市場規模達106.3億元人民幣,同比增長889.4%。MaaS佔中國公有雲PaaS市場的比重由2025年下半年的5.2%升至21.0%,Token消耗量達2,857.9萬億,同比增長約432.5%。報告指出,短期競爭取決於模型能力與推理效率,長期核心壁壘則是算力規模、成本、異構適配能力及供應鏈確定性。

  5. DoNews23

    菲爾茲獎得主鄧煜:AI 時代數學絕不會消失

    芝加哥大學教授、菲爾茲獎得主鄧煜指出,AI 不應取代人類自主思考,數學在 AI 時代也不會消失;過度依賴 AI 可能令人失去人之為人的核心特質。鄧煜於2026年7月23日在國際數學家大會上獲頒菲爾茲獎,原因是解決狹義希爾伯特第六問題。

  6. DoNews66

    摩爾線程2026年第三季度營收達15.5億元,同比增長1773.9%

    摩爾線程發布2026年第三季度報告,單季營收達15.5億元,同比增長1773.9%,並錄得歸母淨利潤4926.0萬元。前三季度營收32.9億元,同比增長319.1%;研發投入13.4億元,同比增長55.7%,已超2025全年。基於MTT S5000的智算產品在模型訓練及推理方面獲高度認可,公司與京東雲計劃建設十萬卡全功能GPU集羣。

  7. 小眾軟件54

    Strata 0.2.8 預設關閉低顯存路由加速,0.2.7.1 支援 NVIDIA DGX Spark

    Strata 0.2.8 預設關閉 12GB 及以下 RTX 顯示卡的路由加速;Strata 0.2.7.1 則加入 NVIDIA DGX Spark(Linux ARM64)支援。此前的優化令 RTX 3060 的程式碼生成速度提升約 37%,但只在長時間會話中重複出現文本時生效;10 項 Agent 任務的平均通過數,開啟優化時為 4.5 項,關閉時為 5.6 項。

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

    Zooming without Zooming v2:EvidenceConnect 如何提升可泛化的多模態感知

    EvidenceConnect 透過合成訓練數據,強化模型連結視覺證據的能力,改善空間感知及多模態推理。研究者以該框架生成數據訓練基礎 VLM,取得 Zooming without Zooming v2(ZwZ2),並在細粒度與空間感知等任務上取得提升。驗證方法包括要求獨立 VLM 對參考答案達成一致,以及以區域消融測試剔除不合格問題。

  9. 新浪科技77

    OpenAI 宣佈三項重大科學突破,科研界不滿成果發布方式

    OpenAI 宣佈在數學、電腦科學及物理學領域取得三項成果,並採用不同發布安排,科研界對成果公開方式提出批評。數學成果據稱證明掛谷猜想,電腦科學成果則宣稱證偽指數時間假説;物理學研究涉及量子色動力學及楊–米爾斯理論,但沒有解決質量間隙問題。受訪研究人員指出,核驗成果需要大量時間,並質疑由 OpenAI 選定專家及限制查閲範圍,主張公開材料供學界共同檢視。

    推薦理由:三項成果的公開程度並不一致,爭議落在專家遴選與證明材料的平等查閲,呈現 AI 科研如何兼顧核驗和開放的難題。

  10. DEV Community64

    API 模型與本地模型的真正取捨

    文章比較 API 模型與本地模型的成本,指出損益平衡取決於請求量及 GPU 利用率,而非固定的經驗法則。在 RTX 5070 Ti(16GB)的量化實驗中,Q4_K_M 的吞吐量達 fp16 的 2.22x,平均嵌入向量相似度為 0.9835,反映效能提升伴隨精度取捨。私隱及資料所在地要求可能先於成本決定部署方案;穩定高用量可考慮本地部署,不均或突發的工作負載則可混合使用 API 與本地模型。

  11. DEV Community53

    作者分享將 TabPFN 用於 Cashcast 收款工具的實測心得

    作者將 TabPFN 用於 Cashcast 收款工具,在按月回測的 1,075 次預測中取得 0.882 AUC,略低於邏輯回歸的 0.890。TabPFN 的分位數預測可按發票未付款時間估算條件逾期風險,其 80% 付款日期區間覆蓋率為 79.1%,高於梯度提升樹的 57.5%。作者亦指出,CPU 預設不允許使用超過 1,000 筆樣本,因此將資料限於最近 1,000 筆已付款發票。

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

    ThinkWorld:世界想像強化動態鏈推理

    ThinkWorld提出一種視覺-語言-動作(VLA)學習框架,以世界動力學為動作推理奠基,並透過世界想像的強化學習提升機械人泛化能力。框架以動態鏈(CoD)表示動作,利用未標註人類影片中的狀態轉移提供監督;模擬及真實機械人實驗顯示,該方法能促進人類經驗向機械人遷移,並泛化至未見任務和環境。