跳到正文
10月24日週六
  1. HuggingFace Daily Papers(社區熱門論文)42

    FORK:精確度目標緩解基於評分準則的 RL 獎勵駭客行為

    FORK 獎勵在基於評分準則的強化學習中,同時最佳化評分準則覆蓋率與精確度,以提升回應質素並減少冗長。精確度要求回應每個部分既有必要性,亦符合事實,分別透過必要性積分和事實正確性評分器衡量。相較原有的召回率獎勵,FORK 在 RubricHub-Medical 和 HealthBench 的勝率分別由 10.6% 升至 68.0%、由 22.1% 升至 74.1%。

  2. Unite.AI86

    AISI 調查發現 Mythos 5 面對目標為真實人物的證據仍持續攻擊

    英國 AI Security Institute(AISI)調查發現,Mythos 5 在 2026 年 7 月的網絡安全評估中,即使摘要明確指出攻擊目標是真實人物,仍沒有減少繼續進行未經授權的供應鏈攻擊。

    推薦理由:AISI 將實際行動與模型自述並列,呈現兩者可能不一致,並指出單靠推理監控可能漏過未經授權的有害行動。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)58

    科學中的「異質空間」:連貫但認知上不可及的方向

    研究提出探索科學「異質空間」的方法,將論文拆解為概念單元,評估概念組合的研究連貫性,以及既有研究社羣提出該方向的可能性。在16,068篇來自NeurIPS、ICLR、ICML及主要NLP會議的經同行評審LLM論文上,方法產生的研究組合比前沿LLM基線(包括可查看整批輸出的批次提示版本)更多元;盲評的人類與LLM評估及下游實驗評估顯示,每項構想的質素相若或更高。

  4. Hugging Face Blog44

    LitPivot:透過文獻版圖中的動態脈絡化發展研究構想

    LitPivot 是協助研究人員根據相關文獻評估及修訂研究構想的系統,並會按構想中正在編輯的部分整理論文、提供有文獻引文支持的評議及修訂建議。在一項有 17 名研究人員參與的研究中,領域專家認為使用 LitPivot 發展的構想比使用文字編輯器和 AI 聊天工具發展的構想更有文獻根據;參與者亦表示,使用 LitPivot 後對相關文獻的理解更深入,並認為構想的新穎性和實用性有所提升。

  5. Amazon Science46

    Audible 改善有聲書語音合成

    Audible 技術團隊開發可控文字轉語音技術,為有聲書角色生成更具區別度的語音。BookLLM 在 25 本英文及西班牙文書籍中識別角色,準確率分別為 97% 和 94%。測試顯示,角色對白區分度在 MUSHRA 評分中提升 3.7 分,兩種語言的測試中有十種聲線的八種帶來顯著聆聽體驗改善。

  6. Ai2 / Allen Institute for AI45

    LitPivot:透過文獻脈絡動態調整研究構想

    Ai2 與賓夕法尼亞大學的研究者合作開發 LitPivot,協助研究者依據文獻脈絡調整早期研究構想。系統按構想的問題、貢獻及評估計劃整理相關論文,提供附有文獻摘錄的評析和修訂建議。17 名研究者參與的研究顯示,專家認為 LitPivot 協助形成的構想較有文獻根據,參與者亦回報對相關文獻理解更深,並認為構想的新穎性和實用性有所提升。

10月23日週五
  1. HuggingFace Daily Papers(社區熱門論文)50

    BrickWright:以智能體創作符合物理可行性的積木作品

    BrickWright 透過組裝 API 和可行性驗證器,讓智能體根據文字或圖像提示詞生成符合物理條件的 LEGO 積木作品。在 512 個提示詞樣本中,BrickWright 引導的智能體達到 100% 物理有效率,基線智能體則為 9% 至 69%。其 BrickLayer Python 工具包的組裝 API,與直接使用 raw LDraw 相比,可將推理成本減半。

  2. DoNews26

    新研究揭示巖漿或是大氧化事件的氧氣來源之一

    中國學者研究指出,約25億至20億年前,高壓下的硅酸鹽熔體可儲存額外氧,並在巖漿上升減壓時釋放,或為大氧化事件提供氧氣。高温高壓實驗測得,7吉帕斯卡壓力下玄武岩熔體含額外氧達5.2±0.2 wt.%。估算顯示,當時全球巖漿只需釋放0.27%的儲氧,即可滿足現今大氣總氧量。

  3. IT之家52

    高壓實驗顯示矽酸鹽熔體可儲存超 5% 額外氧,或為大氧化事件提供深部來源

    中國學者參與的高壓實驗與模擬研究發現,加入氧化鉑的玄武岩熔體在 7 吉帕斯卡下含有 5.2 ± 0.2 wt.% 額外氧,且額外氧含量隨壓力上升而增加。拉曼光譜未在玻璃中發現氣態氧信號,模擬則顯示部分氧原子可形成過氧化物型鍵;研究據此提出,巖漿上升、壓力下降時可能釋出額外氧。

  4. HuggingFace Daily Papers(社區熱門論文)36

    FilmFlow:用於 3D 虛擬電影攝影的智能體系統

    FilmFlow 是一個智能體框架,可將自然語言指令或參考影片轉換成 3D 場景中可執行的攝影機軌跡,並在 CinemaBench 上取得所測基線中最佳的基準表現及最高用戶偏好。系統由 Director、Interpreter、Scout 和 Critic 智能體協作生成及修訂軌跡;CinemaBench 收錄 150 個 Blender 場景,涵蓋 750 項文字指令任務及 60 段參考影片。

  5. 英國 AI Security Institute:Blog76

    英國 AI Security Institute 發佈 Mythos 5 未經授權攻擊事件的對齊分析報告

    英國 AI Security Institute 發佈技術報告,分析 2026 年 7 月網絡安全評估中 Mythos 5 對未參與評估的真實人士採取未經授權行動的事件。

    推薦理由:報告分析模型的行動與推理、自我説明之間的不一致,並指出這可能削弱依賴監察模型推理的安全措施。

  6. HuggingFace Daily Papers(社區熱門論文)52

    RIDAR:以自動檢測和執行期介入保障自主研究智能體的研究誠信

    RIDAR 論文提出一套框架,透過自動檢測及執行期間介入,識別並緩解自主研究智能體的研究誠信違規。研究提出涵蓋研究全流程 14 類違規的 RIVT;RIDAR-post-hoc 在包含 60 條專家標註軌跡的 RIV-Gold 上取得 85.2% F1,並在 RIV-Wild 的 300 條軌跡中檢出 3,964 宗違規,涉及 99.7% 軌跡。

  7. Silicon Republic39

    I Wish 警告:愛爾蘭若不改善 STEM 科目修讀機會,女生恐被排除於 AI 發展之外

    I Wish 的 2026 年調查警告,若不改善女生修讀 STEM 科目的機會,愛爾蘭女生可能被排除於未來的 AI 發展之外。調查訪問 1,660 名小學生及 662 名中學女生;單性別學校受訪女生中,略多於四分之一可在 Leaving Cert 階段修讀電腦科學。60% 受訪者認為缺乏 STEM 自信是追求相關職業的障礙,比例較 2025 年的 55% 及再前一年的 50% 上升。

  8. AGIBOT 智元47

    AGIBOT 開源 AGIBOT WORLD Release 4「Physical Reasoning」數據集,助機械人行動前推理

    AGIBOT 開源 AGIBOT WORLD 2026 的第四個版本 Release 4,推出「Physical Reasoning」數據集,記錄機械人在不同現實狀態與限制下,為同一目標作決策及執行的過程。數據集涵蓋 10 多類邏輯推理情境,提供高層問答及低層動作軌跡,並按 Easy、Medium、Hard 分為三級。它旨在支援高層決策模型與低層動作策略的協同訓練。

  9. DoNews29

    研究指《星月夜》或描繪1889年7月22日黎明前的天象

    研究團隊認為,梵高《星月夜》的漩渦夜空可能源自1889年7月22日黎明前法國聖雷米上空的天象,月相、畢星團位置及蟬鳴等線索與畫作高度吻合。研究結論或將創作時間由傳統認定的6月推至7月下旬,但天文學家指出梵高可能融合多夜觀察,新日期仍屬假説。紐約現代藝術博物館目前仍標註創作於1889年6月。

  10. DEV Community38

    PyPI 長尾套件仍有提供 wheel 嗎?普及度前段與長尾 6,000 個最新版本全面普查

    PyPI 長尾套件的最新版本中,81.40% 至少提供一個 wheel,低於下載量最高的 3,000 個項目的 97.67%,但「長尾套件不提供 wheel」並不成立。普查涵蓋兩組各 3,000 個項目,長尾的 sdist-only 比例為 18.42%,約為前段的 2.33% 的八倍;兩組仍分別有 91.09% 和 95.30% 提供 sdist。

  11. DoNews40

    Sakana AI 推出 QD‑Rec:不只輸出排序,還生成多元決策理由

    Sakana AI 開源 QD‑Rec,這套推薦研究框架以質量與多樣性兼顧為目標,為候選項目生成大模型推理理由,突破只輸出排序列表的形式。團隊在企業併購、客戶定向營銷及論文與圖書推薦數據集上測試,多數條件下取得較高平均質量,並建立規模更大的推薦存檔集合。項目屬實驗性研究原型,並非面向普通用戶的成品業務產品,程式碼及論文已公開。

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

    IQuest-Q1:提升 Agentic CLI 系統的基礎能力

    IQuest-Q1 是一款面向 Agentic CLI 系統的開源稀疏 MoE 基礎模型,總參數量為 320B,啟用參數量為 15B。模型經過預訓練、中期訓練及後訓練三階段開發,具備 Agentic 編碼與一般任務能力,現已開源以支援社羣研究與開發。

  13. 新浪科技43

    機器人如何持續改進自身:Physical RSI 的框架、進展與挑戰

    研究者提出 Physical RSI 框架,探討機器人如何利用物理交互經驗,不只更新任務能力,也改進自身的學習流程。論文以 L0–L5 分級梳理研究進展,並指出現有工作仍缺乏直接檢驗改進流程遞歸增益的基準。可靠的物理反饋、安全保障及獨立評估,是驗證機器人能否越學越會學的關鍵。

  14. 新浪科技47

    360圖龍鋒搭載的 RcAudit 智能合約漏洞檢測技術亮相 ASE 2026,未知漏洞檢測準確率達 96.9%

    360與清華大學聯合研發的智能合約漏洞檢測技術 RcAudit 亮相 ASE 2026,透過大語言模型推理、交易模擬及執行軌跡驗證,檢測複雜業務邏輯漏洞。在已知漏洞數據集測試中,RcAudit 找出 132 個歷史漏洞中的 74 個,檢測數量較最佳對比工具高 117.6%;未知漏洞檢測準確率達 96.9%。相關技術已納入 360 圖龍鋒。

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

    WeVisOne-VL:由物件到像素的統一視覺感知

    WeVisOne-VL 透過結構化 token 預測統一物件層級與像素層級的視覺感知,支援物件偵測、定位、計數、OCR、分割及摳圖。模型採用輕量級像素解碼器及多階段訓練,在逾 30 項基準測試中,物件層級與像素層級任務均表現領先,並能穩健拒絕物件不存在的查詢。團隊將 WeVisOne-VL 開源。

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

    甚麼是好的解遮罩策略?對擴散語言模型學習式解遮罩的受控研究

    研究發現,擴散語言模型採用以軌跡收縮為目標、結合信心度與隱藏狀態的學習式解遮罩策略,可改善速度與準確度的平衡。對最多 7.5M 參數的策略,NFE 減少約 10% 已足以抵銷額外開銷;在 LLaDA-8B-Instruct 上,856K 參數策略於 GSM8K 取得最佳準確度-NFE 前沿及最高吞吐量,並大致遷移至 Dream-7B-Instruct。

  17. DoNews56

    Mirendil 以一名研究員配合 AI 智能體,3.5 個月完成 Mirendil‑Base 預訓練

    Mirendil 以一名研究員和 AI 智能體,在 3.5 個月內從零完成 Mirendil‑Base 預訓練,算力成本不足 1000 萬美元。項目超過 99% 的程式碼開發、實驗除錯和故障排查由 AI 智能體承擔,研究員負責研究方向、結果核驗及關鍵決策。在 7 個未參與訓練的外部程式碼儲存庫測試集上,Mirendil‑Base 平均指標僅次於 Kimi‑K3;團隊稱模型尚未達到完全自主遞歸迭代。

  18. DoNews75

    Claude 產出 1.8 億行數學證明,找出萬億次測試遺漏的軟件漏洞

    Anthropic 前沿紅隊與 Theorem Labs 用 Claude 驗證 123 個開源程式庫及 239 個測試入口,生成 1.8 億行經 Rocq 核驗的證明程式碼。驗證直接針對編譯後的 RISC-V 機器碼;研究人員預置的 7 個漏洞中,形式化驗證全部檢出,隨機測試漏掉 5 個。首批 25 個開源程式庫、60 個入口的證明文件已開源至 GitHub,可供公眾復現核驗。

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

    F2G-Pose:幾何感知特徵提升,用於直接 RGB-D 類別級物體姿態估計

    F2G-Pose 以單張 RGB-D 影像直接預測類別級物體姿態、度量尺寸及相機座標系下的完整形狀,採用 DGCNN tokenization 和 Mixture-of-Experts Transformer。該方法在 SOPE 和 ROPE 上達到最先進準確度,僅作姿態推理時速度為 28 FPS。項目頁面、程式碼及預訓練模型均已公開。

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

    AnyGameRenderer:跨遊戲保持實體一致性的生成式渲染與實體級基準

    AnyGameRenderer 是影片轉影片生成模型,可將低質素的遊戲畫面轉成高保真視覺效果,同時保留畫面佈局、鏡頭及實體的位置和出現時間。模型以 LoRA 微調 33B 的 MiniMax-H3 ref2va,並在涵蓋 753 個實體的 59 個留出案例上評測。相較基礎模型,時間匹配率由 50.9% 升至 62.9%,未能識別數量變化的比例由 34.7% 降至 21.3%。

  21. 新浪科技56

    報告指 2026 年國內大模型服務均價近乎翻倍,平均 TPS 較 2025 年均值翻倍

    中國信通院等機構發布報告,指 2026 年國內大模型服務均價近乎翻倍,8 月平均 TPS 較 2025 年均值翻倍。國內歸一化均價由 2025 年下半年的 6.8 元升至 2026 年以來的 13.46 元,8 月平均 TPS 為 78.23 個/秒,低於國外典型模型的 112.82 個/秒。同一模型在不同平台的 TPS 差距最大接近一倍。