跳到正文
11月18日週三
  1. 新浪科技49

    讓大語言模型學會向教師提問:UIUC 等提出 Ask to Distill,推動知識蒸餾由「回答問題」轉向「優化問題」

    UIUC、香港科技大學及德克薩斯農工大學等機構的研究者提出 A2D,透過強化學習優化問題生成器,為在策略蒸餾合成更有學習價值的問題。A2D 根據教師與學生的預測分佈評估問題,不需外部訓練問題或正確答案。實驗中,合成問題令學生回答長度減少約 20%,累計學習信號增加約 28%。

  2. 新浪科技47

    研究揭示幼年動物社交玩耍背後的多巴胺密碼

    北京腦科學與類腦研究所研究團隊揭示,幼年動物社交玩耍時,多巴胺信號會因應不同社交行為呈現不同反應,並參與塑造社交策略。孤獨症動物模型中,玩耍相關的多巴胺強化信號減弱甚至反轉;閉環實驗顯示,精準配對神經信號與玩耍行為可改善社交模式。研究屬動物模型基礎機制研究,不能直接用於臨牀。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)43

    《Phrack》第73期發布

    Phrack 發布第73期,收錄23篇主文及《Line Noise》8篇額外文章。內容涵蓋漏洞利用、逆向工程、機器學習、硬件及相關歷史文化,並探討機器學習後門和對 AI 系統的信任。

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

    不要重新採樣:長時程 RL 專家的離線策略整合

    MRPD 透過重播專家的訓練紀錄,將多個長時程 RL 專家整合為一個模型,毋須重新採樣、呼叫環境或獎勵模型。在推理、搜尋和 SQL 三個智能體領域,MRPD 的學生模型表現最佳,勝過同一批專家訓練的 MOPD,整合成本約為訓練專家所需計算量的七分之一。研究亦指出,訓練紀錄的先後次序比數量或獎勵更重要。

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

    編碼智能體原位訓練光學神經網絡

    研究提出 optics as code,讓編碼智能體僅憑測量數據原位訓練光學神經網絡,並以可解讀的光學元件重新參數化網絡。該方法在分類和圖像編碼上優於無梯度方法,並以較低成本達到接近透過校準模型進行反向傳播的效果。

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

    Accord:利用單部相機與 IMU 進行通用線上公制定位與稠密建圖

    Accord 提出一套利用單部相機與 IMU 即時建立稠密公制地圖的方法,結合視覺慣性里程計、深度基礎模型及因子圖融合子地圖。在五種公開相機-IMU 配置及一個新 Phone-rig/GoPro 數據集上,Accord 在每個平台的 5 cm 平均 F-score 均排名第一或第二。Accord 與 Phone-rig 數據集均以開源形式提供。

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

    TabBioMed:大型生物醫學表格學習基準

    TabBioMed 建立涵蓋 94 個經整理公開數據集的生物醫學表格學習基準,統一分類、回歸及多目標任務的評估,並比較 23 個模型。基礎模型整體預測表現最佳,但在推理時間或訓練成本受限時,樹模型和經調校的多層感知器仍具競爭力,且往往表現較佳。研究同時公開數據集及切分、預處理程式碼、基線模型和結果。

  8. HuggingFace Daily Papers(社區熱門論文)60

    語言模型的一般智能可彌補特定訓練資料缺失

    研究發現,語言模型的一般智能可彌補特定訓練資料缺失,資料過濾會延遲相關技能形成,而非永久排除能力。研究以棋類、分子字串、括號語言及網頁文本等任務隱去特定技能資料,並發現小模型表現可用來預測大模型技能延遲時間。另有 7-billion-parameter 模型在接觸被隱去的程式語言資料後恢復相關能力;模型智能越高,恢復技能所需資料越少。

  9. HuggingFace Daily Papers(社區熱門論文)51

    WM^MLLM 將多模態大型語言模型轉化為世界模型

    論文提出 WM^MLLM,利用多模態大型語言模型(MLLMs)維護外部全景狀態及修訂歷史,從單張圖像生成可持續編輯、可精確重訪的世界。模型把每項請求轉為全景狀態操作,選擇局部編輯區域並檢查候選結果;同一修訂版本的重訪可重現原視角,通過檢查的局部編輯不改動區域外像素。

  10. HuggingFace Daily Papers(社區熱門論文)53

    Squoosh Bench 評估 UX-1 在 318 項歷史網站 A/B 測試中的表現

    Squoosh Bench 評估 UX-1 對歷史網站 A/B 測試結果的預測,在 318 項測試中正確判定 267 項,準確率為 84.0%。UX-1 以人類瀏覽數據微調,每個測試組模擬 1,000 名購物者;Qwen3 Next 80B 正確判定 196/318 項,準確率為 61.6%。UX-1 在 126 項測試中預測變體勝出,其中 118 項實際勝出、4 項落敗,另有 4 項結果不明確。

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

    WAM-Policy:以在策略蒸餾實現四足行走操作的世界動作模型

    WAM-Policy透過兩階段流程,將世界動作模型轉化為可依語言指令執行四足行走操作的策略。在包含10項模擬任務的QLM-Bench上,遷移策略得分77.0%,OPSD學生模型得分76.7%,取樣速度快14倍;加入任務專屬RL及M-OPD後,得分升至85.0%。研究亦將OPSD學生模型部署於實體Unitree Go2 Air。

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

    虛假的成功,無聲的失敗:審核模擬操作基準測試的成功檢查器

    SimAudit 透過大語言模型審核模擬操作基準測試的成功檢查器,找出檢查器與任務指示可能不一致的狀態,並在模擬環境中重現及核實。常用基準測試均出現檢查器錯誤,例如 RoboTwin 2.0 會同時誤判成功與失敗,因此公佈的成功率未必能準確反映執行情況。

  13. DEV Community40

    四篇新 AI 論文推進推理、TTS 與解碼效率

    1 月 31 日發表的四篇 AI 論文分別提出 RAPO 視覺保留方法、VoxMel 無 tokenizer 的 TTS 框架、LoopFill 推測解碼算法,以及 DominoBench 物理推理基準。RAPO 在貪婪解碼下的平均評分由 GRPO 的 27.87 提升至 31.41;VoxMel 的 0.6B 配置在 LibriSpeech 上達到 WER 1.98、SIM 0.721。

  14. Goodfire Research57

    Goodfire Research 發現語言模型中的神經元羣落

    Goodfire Research 以梯度歸因及社羣檢測,從語言模型中找出反覆協作的小型神經元羣落,並在留出提示詞上檢驗其必要性與充分性。研究以 Llama-3.1-8B 和來自 FineWeb-Edu、English Wikipedia、FineMath 的 10M prompts 執行算法,並在 Qwen 3.6 35B-A3B 上複現。

11月17日週二
  1. Unite.AI59

    AI 智能體追求績效時會違反哪些金融規則

    EconSafeBench 對 8 個模型進行模擬金融測試,發現投資回報目標提高至無法合法達成時,平均違規率升至 87.5%。這項基準共含 828 項測試;在逐步加壓的最後階段,違規率仍為 84%。所有模型都拒絕直接要求超出投資限額,但在追求指定回報目標時,兩個模型超限的案例比例分別達 92% 和 94%。

  2. Semafor62

    美國大型數據中心年度碳排放量接近丹麥

    《Nature Sustainability》刊載的哈佛研究估算,美國最大型數據中心每年合計碳排放量為 25.7 million metric tons,接近丹麥的排放量。研究估算 403 個數據中心使用美國近 2% 的電力,愛荷華州、俄亥俄州和弗吉尼亞州約佔估算排放的一半。由於未納入無法充分核實的數據中心及依靠現場發電的設施,研究認為總量可能被低估。

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

    LynnReal-Hand:以手部控制實現世界互動

    LynnReal-Hand 是一款手部控制影片世界模型,結合精細互動建模與串流生成,讓用戶以手部動作探索及操控物件。模型在 HandBench 上取得 FVD 181.67 及 MANO Dice 93.02,三步因果模型的 MANO Dice 為 92.49;單張 H200 以 540p 串流可達 18.03 FPS,延遲為 741ms。研究團隊計劃公開數據集、模型權重及完整訓練與推理程式碼。

  4. TNW64

    哈佛研究指美國 403 個最大型數據中心的二氧化碳排放約等同丹麥全年排放

    哈佛主導研究估算,美國 403 個最大型數據中心一年排放約 25.7 million metric tons 二氧化碳,約等同丹麥年度排放量。研究涵蓋 2024 年 5 月至 2025 年 4 月,中央情境估計用電約 82 太瓦時,約 54% 電力來自化石燃料;所有情境的用電量為 68 至 99 太瓦時,排放量為 21 至 31 million metric tons。

  5. HuggingFace Daily Papers(社區熱門論文)31

    用強化學習探索 SMEFT 算符空間的方法

    一種採用輕量級 actor-critic 架構的強化學習方法,探索標準模型有效場論(SMEFT)算符空間,以發掘多樣且高質素的理論假設,改善全局擬合。智能體共有約 40K 個可訓練參數,並在涵蓋 132 項可觀測量的環境中測試,其中 24 項測量與標準模型預測相差超過 1.5σ。結果顯示,學習所得的策略能有效構建多算符理論,並大幅改善全局擬合。

  6. Silicon Republic42

    AI 提升生產力會否令員工工作量不斷增加?

    LSE 的 Inclusion Initiative 與 Protiviti 調查發現,AI 帶來的時間節省可能轉化為更多工作責任。近半受訪者擔心因工作上未有充分使用 AI 而受負面評價,另有 20% 擔心因使用 AI 受批評;近四分之三現時在工作中使用 AI,高於 2024 年的 29%。報告亦指出,AI 使用與受訪者感知的工作表現之間沒有一致關聯。