跳到正文
11月17日週二
  1. 阿里雲開發者社區 AI39

    阿里雲首創 PVPO 技術入選 ACL 2026

    阿里雲研發的 PVPO 技術入選 ACL 2026,旨在提升智能體後訓練的穩定性與樣本效率。Qwen2.5-7B-Instruct 經 PVPO 訓練後,在四個多步檢索基準的平均準確率達 62.5%,高於 GPT-4.1 的 46.2% 及 Gemini-2.5-pro 的 60.2%。訓練成本僅為 GRPO 的 40%,訓練數據平均減少 50%,速度提升 1.7–2.5 倍。

  2. 阿里雲開發者社區 AI43

    阿里雲 HiExp 框架:8B 小模型在醫療場景超越千億級旗艦模型

    阿里雲團隊提出 HiExp 層級化經驗框架,將智能體搜尋的成功與失敗軌跡整理為可檢索的策略經驗,改善強化學習訓練。在與阿斯利康共建的醫療檢索問答場景中,經 HiExp 訓練的 8B 小模型綜合效果超越千億級旗艦模型,提升約 37%。框架已在阿里雲 AgenticRAG 產品體系中持續打磨。

  3. HuggingFace Daily Papers(社區熱門論文)39

    InclusionMed:評測 AI 在共融醫療領域的表現

    InclusionMed 推出共融醫療 AI 評測計劃,以 Atlas 整理醫療基準測試,並按醫療角色和 AI 能力分類,呈現基準涵蓋的醫療需求及不足之處。Index 匯總 Atlas 所收錄基準的模型結果,初始版本按五項基準分數等權計算各模型的 Index 分數,並按醫療角色和 AI 能力列出分數。

  4. 新浪科技30

    Akeneo AI 智能體白皮書:部署多個智能體如何形成營運模式

    Akeneo《Agentic PIM Playbook》白皮書指出,零售商和品牌商部署更多 AI 智能體時,須解決產品資料、治理及營運模式問題,否則可能形成彼此割裂的技術。白皮書列出產品生命週期中的十種潛在智能體,以及支撐它們運作的五項基礎。智能體應共享受治理的產品記錄、規則與工作流程,並保留可追溯的變更紀錄。

  5. DoNews57

    美國403座超大規模數據中心年排放量相當於丹麥全國

    哈佛大學研究人員在《自然·可持續發展》發表研究指出,美國403座超大規模數據中心在2024年5月至2025年4月排放二氧化碳2570萬噸,相當於丹麥全國全年排放量。排放量是2018年同類研究的三倍;弗吉尼亞、俄勒岡、俄亥俄和愛荷華四州的數據中心用電佔比超過一半,而且多數依賴天然氣發電。

  6. IT之家61

    哈佛研究:美國 403 座超大規模數據中心年排放量相當於丹麥全國

    哈佛大學研究指出,美國 403 座超大規模數據中心在 2024 年 5 月至 2025 年 4 月排放 2570 萬噸二氧化碳,相當於丹麥一年的排放總量。排放量增至 2018 年上一次同行評審研究結果的三倍。弗吉尼亞州、俄勒岡州、俄亥俄州和艾奧瓦州佔研究所涉數據中心用電總量一半以上;大多數數據中心使用天然氣發電提供的電力。

  7. Analytics India Magazine51

    約翰霍普金斯大學研究發現,與女性相關的提示語言會改變 AI 職場寫作風格

    約翰霍普金斯大學研究發現,帶有較常與女性相關語言特徵的提示詞,會令 AI 生成的職場文字精緻度較低、可讀性較高、正式程度較低。研究測試 Meta Llama 3.1 3B Instruct、Mistral 7B Instruct、Gemma 2 27B 和 GPT-4,差異在電郵及求職申請中最明顯,在辭職信中較弱;提示中的姓名幾乎沒有影響。

  8. DEV Community38

    SWE-CoWork 基準測試在模擬組織中評估編碼智能體協作能力

    研究人員推出 SWE-CoWork,透過模擬組織中的協作任務,評估編碼智能體處理真實開發工作的能力。基準涵蓋 101 個真實程式碼庫、11 種語言及 12 個領域;智能體須向 26 名模擬同事和記錄查找需求,並協作及核實工作。模擬同事是否足夠真實,仍是評估結果能否反映真實組織表現的不確定因素。

  9. UNWIRE.PRO · 人工智能47

    香港金融機構採用或計劃採用 GenAI 的比例達 90%,可解釋性與安全成擴大應用障礙

    香港貨幣及金融研究中心報告指出,香港金融機構已採用或計劃採用 GenAI 的比例達 90%,高於 2025 年報告的 75%。代理式 AI 方面,13% 已採用、56% 計劃採用;86% 受訪機構已採用或計劃在監管合規方面應用 GenAI。可解釋性及安全顧慮仍是進一步應用 GenAI 及代理式 AI 的障礙。

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

    Calpha:邁向通用語言模型中的原生生物分子智能

    Calpha以Qwen3.5-9B讀取加入ESM2殘基特徵的蛋白質序列,並可透過預訓練的SimpleFold結構頭,從模型自身的殘基狀態輸出單鏈蛋白質結構。該結構頭在FoldBench-334、CASP16 domains及CAMEO-style PDB set的平均TM-score分別為0.808、0.635及0.900。

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

    MovieRoll:長時程影片生成的系統化框架

    MovieRoll 提出由基礎模型到蒸餾模型的框架,結合串流微調、長時程生成蒸餾與長上下文推理。HieraKV 最多減少 78% 快取記憶體用量,同時提升生成質素。在 HeliosBench 上,MovieRoll-Base 訓練影片長度最高為 15s,生成至 30s 時仍具競爭力;MovieRoll-Distilled 在最長 60s 的單事件及多事件評測中,總分均高於其他受比較方法。

  12. HuggingFace Daily Papers(社區熱門論文)48

    潛在回饋是計算與數據放大器

    潛在回饋將每個 token 的頂層狀態送入下一個 token 的輸入;除獨有數據相對模型規模不足的情況外,它能提升計算與數據效率。獨有數據固定時,潛在回饋可用較少計算達到 Transformer 的損失;最多可節省 48% 計算量及 47% 獨有數據。研究以 60M 至 271M 參數模型擬合的 scaling law,預測 778M 模型的損失誤差在 0.3% 以內。

  13. 香港金管局 · AI 金融及治理42

    香港金融學院及HKIMR發布香港金融服務業 AI 採用、治理與合規研究報告

    香港金融學院旗下研究機構HKIMR發布報告,更新香港金融服務業生成式 AI(GenA.I.)概況,並探討智能體 AI 的發展及監管合規應用。GenA.I. 現時或計劃採用率達90%,高於2025年的75%;13%的金融機構已採用智能體 AI,56%計劃採用。報告亦指出,可解釋性及安全疑慮仍是採用挑戰。

  14. DoNews30

    中國科學家揭開「絲綢星雲」身世:古老超新星衝擊波遺跡

    中國科學家利用郭守敬望遠鏡(LAMOST)數據,確認雙子座的闇弱星雲「絲綢星雲」是約6.8萬年前超新星爆發留下的衝擊波遺跡。星雲距地球520光年,跨度達91光年;研究團隊分析2000餘條光譜,證實其發光源於衝擊波加熱氣體,而非普通星光激發。成果已發表於《天文學雜誌》。

  15. DEV Community71

    METR 調查智能體如何辨識對齊評測,Claude Opus 5.5 的 AUC 達 1.00

    METR 在 55 項評測中使用調查智能體,發現 Claude Opus 5.5 區分對齊評測與能力評測的 AUC 達 1.00。這些智能體透過探索測試環境,判斷評測目的;研究將線索分為環境層與任務層。METR 建議以調查智能體反覆測試並修訂評測,移除可辨識線索;研究只測量模型在被詢問時的判斷,未證明這會改變模型執行任務時的行為。

  16. Berkeley RDI:Blog65

    CyberArena:以即時雙向攻防評測 AI 智能體

    CyberArena 是一個網絡安全基準,讓兩個 AI 智能體同時攻擊對手服務並修補自己的服務,並由競技場驗證結果。研究涵蓋 12 個前沿智能體、40 項挑戰及 466 場對局;GPT-5.6 Sol 的預期得分最高,為 79%,其次是 Claude Opus 5 的 74% 和 GLM-5.3 的 69%。

  17. Cohere Labs:官方研究博客44

    為何稀疏 MoE 模型上的投機解碼比預期更有效

    研究評估了 10 個稀疏 MoE 模型,涵蓋 30B--1T 參數及 8--512 個專家,發現近期細粒度模型在低批次大小下的投機解碼加速效果更高,打破過往預測。驗證成本還受草稿 token 間的路由重疊及 GPU 執行特性影響;研究提出的 IPF 框架預測獨立啟用專家數量時,誤差低於 4%。

  18. Microsoft Research71

    TokenEconomizer:從經驗學習,提升 AI 編碼智能體效率

    TokenEconomizer 是 UC Berkeley、Microsoft Research 和 Microsoft Security 開發的開源插件,透過程式碼庫過往工作階段學習,降低 AI 編碼智能體後續任務的成本。

    推薦理由:研究在 277 項修復程式錯誤任務中評估跨工作階段學習,呈現智能體利用程式碼庫經驗降低成本、同時維持大致穩定任務成功率的做法。

  19. The Verge · AI66

    研究估算美國403座超大規模數據中心年耗電量高於約148個國家各自的年度用電量

    研究估算,美國403座超大規模數據中心在2024年5月至2025年4月共耗電約82 terawatt-hours,約佔全美用電量的1.8 percent。這些設施的用電產生25.7 million metric tons的CO2排放,估計約54 percent的電力來自天然氣和煤炭。每 kilowatt-hour 的碳排放方面,煤炭依賴較高的懷俄明州約為水力發電豐富的俄勒岡州7 times。

  20. The Decoder49

    Anthropic:智能體記憶的關鍵在於懂得忘記,而非儲存多少

    Anthropic研究Claude跨工作階段的智能體記憶,發現選擇性記錄比詳盡存檔更有效,事後核對舊紀錄亦可修正錯誤。Dreaming會在閒置期間比對過往對話紀錄與備忘,修正錯誤並整理知識庫;法律測試中,Claude使用維基得分87%,單用搜尋為73%。記憶仍有額外運算成本和延遲,筆記亦需要定期維護。

  21. The Guardian Technology61

    聯合國支持研究稱 AI 模型在氣候科學方面「脆弱且容易出錯」

    聯合國教科文組織與倫敦大學學院測試 15 款熱門 AI 模型,發現模型改答錯誤內容時,十次有八次是在用戶稍作反駁後轉向。模型回答單一氣候政策問題大多準確,但分析兩項政策如何配合時,準確度跌至不高於隨機猜測。英語答題準確率為 88%,斯瓦希里語最低,為 78%;印地語、孟加拉語和烏爾都語的回答準確度亦較低。

  22. HuggingFace Daily Papers(社區熱門論文)50

    QDA:以 AI 智能體進行閉環大語言模型量化設計

    QDA以編碼智能體為不同模型及精度自主設計訓練後量化方案,無需人工介入。其方案在四個推理模型上,於 W4A16、W4A8、W3A16 分別平均領先最強公開方案 0.9、1.4、2.2 分,且可在現有 kernels 上執行而沒有推理開銷。對 320B 參數的 GLM-5.3-Flash 採用 NVFP4 時,6.5 小時、$69 的搜尋可恢復 FP8 模型 98.3% 的準確度。

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

    BiCAT:雙臂協調動作 Token 化

    BiCAT 提出一種雙臂動作 Token 化方法,讓兩隻手臂共享動作表示,並透過對稱跨臂注意力和聯合解碼器,根據另一隻手臂的動作預測各自的 tokens。在十項 RoboTwin 2.0 模擬任務及三種機械臂的六項真實任務中,BiCAT 的成功率在比較的 Token 化方法中最高;模擬平均成功率較八種基線中最強者高 17.6 個百分點,每個動作區塊只需 40.5 ms。

  24. HuggingFace Daily Papers(社區熱門論文)50

    NexSight:面向細粒度智能體長影片理解的可驗證任務

    NexSight 建立可驗證任務,以評估及訓練智能體的長影片理解能力。其 SightLine 包含從 108 段長影片整理的 310 項可追溯證據任務;最強模型在 SightLine 的得分為 54.52%,獲提供標註證據時則為 79.35%。使用不足 6K 個例子,Sight-35B 的互動準確率由 21.29% 升至 42.26%。

  25. HuggingFace Daily Papers(社區熱門論文)38

    RICoT:用於頁面串流分段的循環交錯鏈式推理

    研究提出 RICoT,將頁面串流分段視為整段串流上的序列處理,並在滑動視窗間保留已讀內容摘要。在 FinancePSS-205 上,RICoT 對三款開放權重大語言模型的效果媲美或優於配對式及視窗提示;在 TABME 測試子集上,搭配 GLM-5 達到 document F1 0.847、boundary F1 0.915。

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

    眼不見,仍在心中:ReMo 為 Omni-LLMs 壓縮視覺 token

    ReMo 是一種免訓練方法,透過跨模態對齊和精簡文字描述壓縮視覺 token,降低 Omni-LLMs 推理時的輸入 token 成本。在兩種規模的 Qwen2.5-Omni 上,它減少 54% 輸入 token,準確度仍與完整 token 模型相若,在五項音訊視覺基準的平均準確度分別達其 101.2% 和 101.4%。

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

    Decoding Without a Decoder:Diffusion Transformers 如何直接預測像素

    Decoding Without a Decoder(DWD)在微調後的 diffusion transformer 加入最終步預測頭,讓模型直接輸出像素,移除潛在擴散模型的解碼器,降低推理成本並維持或提升像素品質。在 Wan 影片生成中,DWD 將扭曲誤差降低 23%;在 ImageNet 上,FID 由 1.55 降至 1.43,成為像素 flow 模型中的新 SOTA。