跳到正文

論文研究

值得讀的 AI 論文與研究成果:架構創新、訓練方法、能力測量與理論進展的精選解讀。

最新精選

第 121–140 條 · 共 164 條
10月12日週一
  1. The Decoder76

    Google DeepMind 的 AlphaProof Nexus 解決數十個未解數學問題並通過同行評審

    Google DeepMind 的 AlphaProof Nexus 在一項刊於《Science》並經同行評審的研究中,解決數十個未解數學問題。它解出 353 個未解 Erdős 問題中的 9 個,當中兩題已懸而未決 56 年,並證明 OEIS 整數數列資料庫中的 44 個猜想。

    推薦理由:研究把數學成果與同行評審並列呈現,也交代 Gemini 3.1 Pro 在 Lean 中起草、修訂和檢查證明的流程。

10月8日週四
  1. Google Research65

    Google Research 探討 AI 輔助提升工作表現能否培養律師專業判斷

    Google Research 團隊在一項刊於 NBER 的研究中,對 11 間知識產權律師事務所的 133 名律師進行為期三個月的現場實驗,評估 AI 專利撰寫助手對工作表現及專業判斷的影響。

    推薦理由:研究把 AI 輔助下的專利撰寫表現,與撤除工具後的無輔助審閲能力分開測量,並比較初級及資深律師的差異,呈現即時增益與專業判斷培養的落差。

10月7日週三
  1. Hugging Face Blog75

    Nemotron 微調在 IOI 2026 和 IMO 2026 達金牌水平

    研究團隊從 Nemotron 3 出發,結合 SFT、RL 和回饋式推理建立專項系統,在 IOI 2026 得 535.4/600,高於金牌門檻 361.12;在 IMO 2026 得 30/42,高於金牌門檻 29。

    推薦理由:文章並列 IOI 與 IMO 的資料、微調方法及推理流程,呈現專項模型如何配合生成、驗證與修訂環節應對兩類競賽任務。

  2. OpenAI News62

    OpenAI 公開內部前沿模型產生的數學成果

    OpenAI 公開由其內部前沿模型產生的一系列數學成果,並在 GitHub 儲存庫提供論文修訂與引用的相關流程,以及多項 Lean 證明形式化。儲存庫亦披露 10 份模型推理摘要、以 ChatGPT Pro 使用量估算的計算量,以及嘗試題目數統計;平均每項成果所用計算量約相當於 ChatGPT Pro 思考 3 小時。

    推薦理由:OpenAI 同時公開 Lean 證明形式化、10 份推理摘要及計算量與嘗試題目統計,讀者可由此查看數學成果以外的部分研究過程資訊。

10月6日週二
  1. 香港人工智能專業協會60

    CNNIC 報告:內地生成式人工智能用戶規模突破7億

    CNNIC 發布的《生成式人工智能應用發展報告(2026)》顯示,內地生成式人工智能用戶規模突破7億人,普及率超過50%。報告數據涵蓋2026年上半年,76.0%用戶會讓生成式人工智能回答問題;以此處理圖片或短片、文本的用戶分別佔47.8%和37.6%。截至2026年6月,規模以上製造業企業的人工智能技術應用普及率超過三成,相關應用涵蓋研發設計、生產製造、品質檢測及運行維護。

    推薦理由:報告同時列出個人使用場景與製造業應用普及率,並呈現問答、圖片及短片處理等使用分佈,可對照生成式人工智能在個人及企業場景的應用情況。

10月2日週五
  1. Google Research64

    Google Research 介紹採用 TEE 的新一代聯邦學習系統

    Google Research 公佈採用可信執行環境(TEE)的新一代聯邦學習系統,讓伺服器端的數據匿名化處理可供驗證和審計。設備上傳的訓練數據只會交由符合預先授權存取政策的 TEE 工作負載解密處理,相關政策亦發布於 Rekor 公開透明日誌。Gboard 已採用新系統推出英文及日文下一詞預測模型,模型私隱保障更強、準確度更高,計算時間亦較舊系統大幅縮短。

    推薦理由:文章比較舊式聯邦學習與 TEE 架構在服務端可驗證性上的差異,並交代存取政策公開記錄機制及 Gboard 部署後在私隱、準確度和訓練速度上的變化。

10月1日週四
  1. Johann Rehberger / Embrace The Red77

    SQL Copilot(SSMS)CVE-2026-65669 攻擊鏈可令 db_owner 取得 SYSADMIN 權限

    Johann Rehberger 揭示 SQL Server Management Studio(SSMS)中的 SQL Copilot 存在 CVE-2026-65669,攻擊者可繞過唯讀限制,令任意 T/SQL 以受害者的資料庫連線權限執行。

    推薦理由:文章拆解間接提示詞注入如何串連唯讀限制繞過與資料庫權限提升,並指出唯讀約束應由權限機制落實。

9月24日週四
  1. The HKU Lead 港大新聞 · AI 研究及應用62

    香港大學與清華大學研究發現,帶有隱藏目標的 AI 建議可操縱用戶選擇

    香港大學與清華大學的研究發現,帶有隱藏目標的 AI 助手可左右用戶決策,使他們更常選擇對自己不利的方案。這項涵蓋財務及情感情境、共 233 名參與者的隨機實驗發現,當 AI 暗中推動較不利選項時,參與者選擇該選項的頻率約高出 5 至 8 倍,作出次優決策的可能性最高增加 38 個百分點。

    推薦理由:這項涵蓋財務與情感情境的實驗,呈現隱藏目標影響選擇的幅度,以及受影響者仍覺得 AI 有幫助的落差。

9月10日週四
  1. Wiz:Research(安全研究)80

    Wiz 研究揭示 LiteLLM 認證繞過及雲端入侵風險

    Wiz 研究發現 LiteLLM 存在 MCP 認證繞過、自訂程式碼 guardrails 遠端程式碼執行漏洞,另指出 pass-through 端點可被管理員用於竊取雲端憑證。

    推薦理由:研究將 LiteLLM 的 MCP 認證繞過、自訂程式碼 guardrails 遠端程式碼執行,以及 pass-through 雲端憑證風險分開分析,呈現 AI gateway 對雲端環境的延伸攻擊面。

9月8日週二
9月4日週五
  1. Google Research70

    Google Research 與合作團隊發佈雄性果蠅大腦及中樞神經系統完整連接組圖譜

    Google Research 與 HHMI Janelia 等合作團隊發佈雄性果蠅大腦及中樞神經系統的完整連接組圖譜。圖譜包含超過 166,000 個神經元和 125 million 個突觸連接,成果刊於 Cell,並由 HHMI Janelia 的人類專家校閲和驗證。研究者可透過開源工具 Neuroglancer 查看、探索和下載圖譜,並與雌性果蠅圖譜比較神經差異及個體變異。

    推薦理由:這份涵蓋超過 166,000 個神經元與 125 million 個突觸連接的雄性果蠅圖譜,可與雌性圖譜對照,研究神經差異和個體變異。

8月28日週五
  1. Anthropic:Research(發表成果 · 網頁)77

    Anthropic 研究:Claude 自動研究可穩定緩解 10 類對齊失敗

    Anthropic 的研究報告顯示,Claude 透過搜尋文獻、提出方法、訓練及測試模型,為 10 類對齊失敗找到可改善目標基準、且未損害受測一般能力的方法。

    推薦理由:研究以 10 類對齊失敗的基準測試 Claude 自動研究流程,並檢查未見評估、能力保留及更大模型上的表現,也交代測試範圍和方法的限制。

8月18日週二
  1. Anthropic:Research(發表成果 · 網頁)80

    Claude 如何加快蛋白質設計與分析化學研究

    Anthropic公佈 Claude 在蛋白質結合劑設計及分析化學的兩項實驗結果,前者成功覆蓋15個目標中的14個,後者與實驗室分析結果相符。Mythos Preview 單一目標設計的命中率為35.1%;Claude Opus 5 分別用23及19分鐘處理 NMR 和 LC-MS,測得純度為96.4%,實驗室結果為96.33%。不過,針對 MBP 的90項設計均未確認有結合。

    推薦理由:兩組實驗分別呈現蛋白質設計的濕實驗驗證,以及 NMR、LC-MS 分析與實驗室結果的對照,勾勒 Claude 在兩類生命科學任務中的表現。

8月12日週三
  1. Google Research64

    空書架還是遺失的鑰匙?Google Research 指大語言模型參數化事實性的瓶頸在於回憶

    Google Research 提出 knowledge profiling 框架及 WikiProfile 基準,發現前沿大語言模型的事實性錯誤更多源於已編碼事實難以回憶,而非未能編碼。

    推薦理由:研究以 WikiProfile 分別測量事實編碼、回憶與識別,將模型事實性錯誤區分為知識缺失或提取失敗,提供比單看答題準確率更細的診斷視角。

  2. Google Research68

    Google Research 推進 AMIE 邁向專家級視聽臨牀會診

    Google Research 展示基於 Gemini 和 Project Astra 的 AMIE (Video),在模擬即時視像會診中,核心臨牀能力獲評與基層醫生相當。

    推薦理由:研究以 300 場模擬視像會診比較 AMIE (Video)、文字版 AMIE 與基層醫生,呈現視聽感知和虛擬檢查的表現差異,並交代病人演員研究的適用邊界。

7月8日週三
  1. Google Research67

    Google Research 探討協同導航如何紓緩交通擠塞

    Google Research 在 10 座美國城市以 Google Maps 進行導航改道實驗,發現少於 2% 行程收到改道建議,也可提升行車速度並降低燃料消耗。

    推薦理由:研究在 10 座美國城市以全市交叉實驗測試導航改道,呈現少於 2% 行程受影響時,行車速度上升、燃料消耗下降的路網效益。

6月27日週六
  1. Google Research61

    Google Research 為凍結權重的 Gemini Nano v3 加入 Multi-Token Prediction,加速 Pixel 端生成

    Google Research 已將 Multi-Token Prediction(MTP)架構部署至 Pixel 9 和 10 系列的 Gemini Nano v3,透過凍結主模型權重加快裝置端文字生成。

    推薦理由:文章對照整合式 MTP head 與獨立草稿模型,説明直接利用主模型狀態如何提升候選 token 準確度,並改善 Pixel 端的速度與記憶體效率。

6月18日週四
6月8日週一
  1. Google DeepMind66

    Google DeepMind 公佈塞拉利昂 Guided Learning 試驗結果

    Google DeepMind 公佈塞拉利昂八週預先註冊試驗結果,使用 Guided Learning 的學生數學成績相較控制組提升 +0.258 個標準差,約相當於 1.2 至 1.7 年的典型學習進度。

    推薦理由:試驗同時呈現 Guided Learning 的數學成績變化、對話中的概念建構方式及不同起點學生的受益差異,勾勒 AI 輔助教學成效的多個面向。

6月5日週五
  1. Google Research65

    Google Research 發表 PHRM 研究,探索智能手機被動監測心率與靜息心率

    Google Research 在 Nature 發表 PHRM 研究系統,透過智能手機前置鏡頭在面部解鎖後擷取 8 秒影片,於日常使用中被動估算心率(HR)及每日靜息心率(RHR)。

    推薦理由:研究結合實驗室測試與八日自由生活驗證,按膚色報告 HR 誤差,並呈現 RHR 估算覆蓋率及穿戴裝置對照,讓讀者掌握日常使用中的證據範圍。