‹ zgba 中国吧
EN

AI日报 - 2026-11-17

2026-11-17

今日要点


Hacker News

Qwen4-Max

Qwen4-Max

阿里通义千问团队发布Qwen4-Max模型,这是其旗舰级大语言模型的最新版本,进一步提升了推理能力与多任务处理性能。该模型在多项基准测试中表现优异,支持更长的上下文窗口和更高的指令遵循准确性,为开发者和企业用户提供更加强大的AI解决方案。 Read more →

How to make almost anything

如何制造几乎任何东西

这篇发布于MIT CBA实验室的文章探讨了数字制造与开源硬件的发展,介绍了各种开源设计工具和 fabrication 平台,让普通用户也能利用低成本设备完成复杂的物理制造任务,推动了分布式制造业的普及。 Read more →

Many of Amazon’s Black Friday and Cyber Monday “deals” offered no savings

亚马逊大量黑色星期五和网络星期一”优惠”实际上没有节省

Groundwork Collaborative的一项调查揭示,亚马逊在黑色星期五和网络星期一期间近三分之一的促销商品并未真正提供折扣——许多所谓的”特价”实际上是先提价后降价的诱饵策略,消费者应警惕此类营销陷阱。 Read more →

Universal XSS in uBlock Origin from website-driven element picker

uBlock Origin Element Picker存在通用XSS漏洞

研究人员发现uBlock Origin浏览器扩展中的元素选择器功能存在通用跨站脚本(UXSS)漏洞。由于该选择器由网页驱动渲染,恶意网站可构造特定HTML结构触发XSS,从而绕过内容安全策略执行任意JavaScript代码,影响所有使用该扩展的用户。 Read more →

Outages reported at Bank of America, Chase, U.S. Bank, Wells Fargo and Zelle

美国多家银行及Zelle支付系统出现服务中断

美国合众国际社报道,美国银行、Chase、美国银行、富国银行以及Zelle支付系统均报告出现服务中断。客户无法正常进行转账、查询余额或支付操作,影响了数百万用户的日常金融活动。目前具体故障原因尚在调查中。 Read more →

What’s Next for Nvidia?

英伟达的未来之路

Steve Blank分析了英伟达在当前AI算力市场垄断地位下面临的战略挑战与发展方向。文章探讨了在竞争加剧、监管审查趋严的背景下,英伟达如何维持技术领先优势,以及其在数据中心、自动驾驶和机器人等领域的下一步布局。 Read more →

旧版Bitly链接正遭劫持

RansomNews报道了针对长期存在的Bitly短链接的攻击活动。攻击者通过控制已被丢弃或被遗弃域名下的旧Bitly重定向链接,将用户引导至恶意网站。这一现象提醒用户使用短链接时保持警惕,尤其是在涉及敏感信息或财务操作的场景中。 Read more →

What is w2rt6byl5nf1opmc-a.com?

w2rt6byl5nf1opmc-a.com是什么?

Malware Bytes分析师Jack Carter对w2rt6byl5nf1opmc-a.com域名进行分析,揭示其为恶意软件分发基础设施的一部分。该域名被用于传播伪装成合法软件的恶意载荷,通过搜索引擎优化和社交工程手段吸引受害者点击下载。 Read more →

Interpreting claims that a theorem is correct because it was checked in Lean

解读”用Lean验证的定理即为正确”的主张

Xena Project博文探讨了形式化数学验证社区中一个重要的认识论问题:当一个定理被Lean证明检查器验证时,我们应如何理解其正确性声明。文章指出虽然Lean可以提供机械化的逻辑验证,但前提是公理系统和翻译到形式语言的步骤本身需要人工审查。 Read more →

The Secret ThinkPad Powerbutton Code to Bring Dead Laptops Back to Life (2007)

复活死机的ThinkPad:电源键秘密代码

这篇文章回顾了一个经典的ThinkPad修复技巧:当笔记本电脑完全无响应时,通过组合按键长按电源按钮可重置嵌入式控制器(EC),而无需拆开机身。这一方法源于IBM时代的工程设计,至今仍是IT支持人员常用的急救手段。 Read more →

Software is breaking down at a systemic level

软件正在系统性崩溃

Breck McKye撰文指出当前软件工程生态面临深层次结构性危机:过度依赖第三方依赖库、技术债务累积、CI/CD管道脆弱以及人才断层等问题相互叠加,导致即使简单的应用更新也可能引发大规模连锁故障,呼吁业界重新审视软件开发范式。 Read more →

Jiff 1.0: A datetime library for Rust

Jiff 1.0:Rust的日期时间库

Burnt Sushi发布了Jiff 1.0,这是一个为Rust编程语言设计的现代化日期时间处理库。Jiff专注于高性能、零舍入误差的时间计算,支持IANA时区数据库、RFC 3339解析以及与chrono兼容的API接口,适用于需要精确时间处理的系统级开发场景。 Read more →

Tor Project Issues Rapid-Response DoS-Defense Fix Amid Sustained DDoS Attack

Tor项目在持续DDoS攻击下发布紧急DoS防御修复

Tor项目发布安全公告(版本0.4.9.17),针对正在进行的持续性分布式拒绝服务攻击提供快速响应补丁。此次更新增强了抗流量洪泛能力,改进了连接管理和协议层面的防护机制,以确保网络核心服务在高负载环境下的稳定性。 Read more →

Preserving 30 years of Salon journalism

保存三十年的Salon新闻档案

互联网档案馆宣布已完成对Salon杂志三十年历史档案的数字保存工作。该专栏涵盖了从1995年至今的美国政治、文化和社会议题报道,包括大量独家特稿和调查性新闻。数字化保存确保这些具有时代价值的 journalism 作品在未来几十年仍可供公众和研究者访问。 Read more →

Whistleblower accuses Pentagon over Iran strike on US base that killed 6

吹哨人指控五角大楼伊朗袭击美军基地致6人死亡

CNN报道一名美军士兵向国会提起吹哨人投诉,指控五角大楼在应对伊朗对驻中东美军基地的导弹袭击中存在严重准备不足的问题。此次袭击已造成6名美军士兵死亡,吹哨人声称相关情报信号此前已被忽视,引发了关于军事决策透明度的政治争议。 Read more →


OpenAI Blog

Broadening access to AI for scientists

扩大科学家对AI的获取

OpenAI宣布了一项新计划,旨在为学术界的科研人员提供更广泛的ChatGPT访问权限和专门的AI研究工具。该项目包括为符合条件的研究者提供优先API访问额度、定制化的研究助手配置,以及与主流学术平台的数据集成方案,目标是加速科学发现进程。 Read more →

Strengthening the fight against online child sexual abuse with new tools and support

以新工具和支援加强对在线儿童性虐待的打击

OpenAI发布了新一代内容审核技术和支援框架,用于识别和阻止网络上针对儿童的性虐待材料。该系统结合了先进的视觉和文本分析模型,能够检测变体图片和规避性表述,并与执法机构和非营利组织建立了信息共享合作机制。 Read more →

Science at the Frontier: How scientists use ChatGPT

前沿科学:科学家如何使用ChatGPT

本文收集并展示了来自物理学、生物学、化学和计算机科学等不同领域科研人员的实际案例,说明ChatGPT如何帮助他们进行文献综述、假设生成、实验设计和数据分析。这些案例揭示了AI辅助科学研究从概念验证向日常工作的常态化转变。 Read more →

LVMH’s Media Division announces strategic partnership with OpenAI

LVMH媒体部门宣布与OpenAI建立战略伙伴关系

LVMH集团旗下的媒体业务部门与OpenAI达成战略合作,将在奢侈品品牌的内容创作、个性化营销和客户体验等领域整合OpenAI的技术能力。双方计划在创意写作、视觉设计生成和品牌叙事方面展开深度协作,以推动高端零售行业的内容生产变革。 Read media partnership →

Our first phase of embedded assessments

嵌入式评估的第一阶段

OpenAI介绍了其嵌入式技能评估体系的首个阶段实施方案。该系统允许教育平台和招聘方在用户实际操作过程中无缝集成能力测评,而无需中断用户体验。首批合作方包括编程学习平台和数据科学培训机构,覆盖了从基础概念掌握到复杂问题解决的多层级评估。 Read more →

Advancing computer-use agents for healthcare teams

推进面向医疗团队的计算机使用代理

OpenAI展示了新一代计算机使用代理在医疗场景中的应用进展。这些代理能够直接操作系统界面,协助医生完成病历录入、医嘱查询、检验结果追踪等日常工作,从而减少行政负担、提升诊疗效率。试点数据显示显著的工作流程优化效果。 Read more →

More ways to move care forward with ChatGPT for Healthcare

ChatGPT for Healthcare推出更多医疗服务功能

OpenAI宣布ChatGPT for Healthcare新增多项临床功能,包括药物相互作用智能提示、基于最新医学文献的治疗方案推荐辅助以及患者咨询的自然语言摘要生成。这些改进在严格的HIPAA合规框架内运行,旨在增强而非替代医生的专业判断。 Read more →

The King’s Trust and OpenAI launch £1m partnership

国王信托基金与OpenAI联合发起百万英镑合作

英国国王慈善信托基金会(The King’s Trust)与OpenAI共同宣布一项价值100万英镑的合作计划,致力于帮助英国年轻创业者利用AI工具创建和管理自己的企业。项目将为18至30岁的青年提供AI技能培训、创业指导和技术资源包。 Read more →

At Holiday Extras, dots get to work before anyone asks

Holiday Extras:AI在需求产生前就已经开始工作

OpenAI发布客户服务案例研究,介绍Holiday Extras如何部署AI助手来预测客户需求并提供主动服务。通过分析用户行为模式和历史数据,系统能够在客户明确提出问题之前预判其旅行保险、接送服务和租车需求,显著提升转化率和客户满意度。 Read more →

A step toward defining the Standard Model on a lattice

格点定义标准模型的重要一步

OpenAI与合作研究者合作发表了一篇关于格点量子色动力学(Lattice QCD)的计算突破论文,展示了如何利用大规模机器学习方法加速基本粒子物理标准模型的格点模拟计算。这项进展有望大幅缩短高能物理理论的数值验证周期。 Read more →


Anthropic Blog

Anthropic files S-1 with the SEC for proposed initial public offering

Anthropic向SEC提交S-1文件,启动IPO程序

Anthropic正式向美国证券交易委员会(SEC)递交S-1注册声明,正式启动首次公开募股(IPO)进程。文件披露了公司的财务状况、风险因素以及上市后的股份分配计划,标志着这家估值数十亿美元的AI安全研究公司即将进入公共资本市场。 Read more →

Anthropic launches roadshow for proposed initial public offering

Anthropic启动拟议IPO的路演活动

在完成S-1文件提交后,Anthropic随即启动了面向机构投资者和潜在投资者的路演活动。CEO Dario Amodei及CPO Trevor Hashimoto等多位高管参与了一系列会议,介绍公司的技术发展路线、商业模式和Claude系列产品线的市场前景。 Read more →

AI for Science expands to foundations and research institutions

AI for Science项目扩展至基金会和研究机构

Anthropic宣布将其AI for Science计划覆盖范围进一步扩大,纳入更多非营利基金会和学术研究机构的申请资格。新加入的项目涵盖蛋白质折叠预测、气候建模和基因组学等多个前沿科学领域,体现了公司对AI推动基础科研的重视。 Read more →

Expanding our partnership with GSA to bring Claude to all levels of government

扩大与美国总务管理局合作,将Claude推广至各级政府部门

Anthropic宣布与美国总务管理局(GSA)深化合作关系,将通过已有的联邦级合同框架将Claude API接入更多的政府机构和公共服务部门。此次合作将使联邦、州和地方层级的公务员能够安全高效地使用AI辅助完成文档处理、政策分析和公众沟通等工作。 Read more →

Donating Agent Skills to the Agentic AI Foundation

向Agentic AI基金会捐赠Agent技能组件

Anthropic宣布将其开发的多种Agent技能模块以开源形式捐赠给Agentic AI Foundation,包括任务规划、工具调用、多步推理和环境交互等核心能力。此举旨在促进开放Agent生态系统的标准化和互操作性发展。 Read more →

Open call for guest investigators in the life sciences

生命科学领域客座研究员公开招聘

Anthropic面向生命科学领域开放客座研究员岗位的申请通道,寻找具备深厚学术背景的研究人员参与AI驱动的科学探索项目。申请者将有机会使用Claude等大语言模型工具开展生物学、医学和药学方向的创新研究。 Read more →

Physicist Christopher Stubbs joins Anthropic’s Long-Term Benefit Trust

物理学家Christopher Stubbs加入Anthropic长期利益信托基金

理论物理学家Christopher Stubbs教授正式加入Anthropic设立的长期利益信托基金(Long-Term Benefit Trust)。他在宇宙学和大尺度结构建模方面的专业知识将被用于评估AI技术的长期社会影响,并为政策制定提供科学依据。 Read more →

An update on independent evaluators

独立评估机制更新

Anthropic发布了关于外部独立评估团队的最新进展报告,介绍了第三方可控性和安全性审计的阶段性成果。新引入的评估流程包括自动化红队测试、外部学术机构的同行评审和定期的透明度审计报告,旨在提高AI系统安全研究的客观性和公信力。 Read more →

Preparing for the 2026 US midterms

为2026年美国中期选举做准备

Anthropic分享了公司在2026年美国中期选举期间的AI治理措施和安全准备情况。这包括增强了对深度伪造内容的检测能力、加强了对生成内容来源的透明度标注以及与伦理和技术专家组建专项监测小组,以应对选举相关的虚假信息风险。 Read more →

Anthropic opens Singapore office and signs MOU with the Government of Singapore

Anthropic开设新加坡办事处并与新加坡政府签署谅解备忘录

Anthropic宣布在新加坡设立亚洲地区总部办公室,并与新加坡政府签署了关于加强AI研发合作与治理对话的谅解备忘录(MOU)。此次扩张反映了公司对东南亚市场的战略重视,同时也体现了新加坡作为区域AI枢纽的政策吸引力。 Read more →


Google AI Blog

New Ask Maps features to help with holiday travel and prep

谷歌地图Ask Maps新功能助力假日出行规划

Google宣布在地图产品中加入全新的Ask Maps自然语言交互功能,帮助用户以更自然的方式规划和准备假期旅行。用户可以通过对话式提问获取路线建议、目的地信息和实时交通动态,系统将结合地理位置数据和出行偏好提供个性化推荐。 Read more →

Google Search gets a major upgrade with Gemini 4 Hydrogen

Gemini 4 Hydrogen带来谷歌搜索重大升级

Google宣布为Search引入Gemini 4 Hydrogen模型,这是搜索引擎底层推理引擎的一次重大升级。新版本在搜索结果的相关性、综合能力和实时信息查询方面均有显著提升,能够更好地理解和处理复杂的多步骤搜索意图。 Read more →

Gemini Decisions API: Fast, calibrated multimodal decisions

Gemini Decisions API:快速校准的多模态决策接口

Google推出了Gemini Decisions API,这是一种专为需要高置信度决策的场景设计的新型接口。该API能够在毫秒级延迟下输出带概率校准的多模态判断结果,特别适用于金融风控、医疗诊断辅助和工业质检等对准确率和时效性要求严格的领域。 Read more →

Try Tabletop: Customizable, collaborative spaces for groups to plan, play and do more together

试试Tabletop:可定制的协作空间,让团队一起规划、娱乐

Google Labs推出Tabletop产品概念原型,这是一款专为多人协作设计的虚拟桌面空间。用户可以自定义布局和内容,共同进行头脑风暴、桌游活动和项目管理。该产品融合了AR技术和实时协同编辑功能,支持跨设备和跨时区的灵活协作。 Read more →

Experience the art and legacy of Dr. Esther Mahlangu

感受Esther Mahlangu博士的艺术与传统遗产

Google与文化合作伙伴联手推出专题页面,展示南非著名艺术家Esther Mahlangu博士的艺术作品及其文化遗产影响力。通过AI增强的展览体验,用户得以深入了解这位将传统Ndebele绘画与现代艺术相融合的杰出女性艺术家的创作历程。 Read more →

Gemini Intelligence: New features, on more devices

Gemini Intelligence:新功能登陆更多设备

Google宣布将Gemini Intelligence扩展至更多Android和Web端设备上,同时带来新的功能升级。这些更新包括增强的代码编写辅助、跨应用的信息整合能力以及更自然的语音交互体验,使Gemini成为真正的个人智能助手。 Read more →

We’re bringing Adobe’s creative and productivity tools closer to your everyday Google apps

谷歌与Adobe合作,将创意生产力工具融入日常Google应用

Google宣布与Adobe建立合作伙伴关系,把Photoshop、Illustrator和Premiere Pro等创意工具的功能集成进Google Workspace生态系统中。用户可以在Docs、Slides和Sheets中直接使用Adobe的高级编辑能力,大幅提升内容创作效率。 Read more →

Google Cloud launches Gemini for healthcare

Google Cloud推出Gemini for Healthcare

Google Cloud正式推出生肖健康领域的Gemini for Healthcare解决方案,为医疗机构提供符合HIPAA合规要求的AI辅助工具。该系统可帮助医生分析医学影像、提取电子病历关键信息并生成结构化诊断摘要,从而减轻医护人员的工作压力。 Read more →

Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips

Gemini Omni 1.2 Flash:快速且经济实惠,支持更长片段处理

Google推出了Gemini Omni 1.2 Flash模型,在保证高速推理和低成本的同时延长了对长视频片段的处理能力。该模型适用于需要实时响应的应用场景,如直播字幕生成、运动分析和教育内容制作等,是Gemini Omni系列中性价比最高的选项。 Read more →

The latest AI news we announced in October 2026

2026年10月最新发布的人工智能动态

Google汇总整理了2026年10月期间发布的主要AI产品和研究成果,涵盖了Gemini模型的持续迭代、AI安全评估体系的完善以及多款开发者工具的发布动态。这份月度回顾为用户全面了解Google AI最新进展提供了清晰的索引。 Read more →


The Gradient

After Orthogonality: Virtue-Ethical Agency and AI Alignment

正交性之后:德性伦理学与AI对齐

Peli Grietzer提出了一种基于德性伦理学的AI对齐新框架,批判了传统”智能-目标正交性”假设的局限性。文章主张AI系统的价值观塑造不应仅关注目标和能力的分离,而应从美德培养的角度出发,构建具有内在善意的agent行为准则。 Read more →

AGI Is Not Multimodal

AGI不是多模态的

Benjamin A. Spiegel论证了所谓”AGI必须是多模态的”这一流行观点的误区。他认为通用人工智能的核心在于抽象推理和知识迁移能力,而非感官模态的数量。纯文本系统同样有可能达到AGI水平,关键在于架构设计和训练目标的合理性。 Read more →

Shape, Symmetries, and Structure: The Changing Role of Mathematics in Machine Learning Research

形状、对称性与结构:数学在ML研究中角色的演变

Henry Kvinge回顾了数学在现代机器学习中日益增长的 influence,从流形学习到群表示论的应用。他指出不同数学分支正在重塑我们对神经网络几何结构和归纳偏置的理解,但也警告过度依赖单一数学框架可能带来的认知局限。 Read more →

What’s Missing From LLM Chatbots: A Sense of Purpose

LLM聊天机器人的缺失:目标感

Kenneth Li反思了大型语言模型对话体验中的一个根本性缺陷——缺乏真正的目的意识。他认为当前LLM在生成回应时并不理解自身行动的意义,这种”无目的性”限制了它们在需要深层理解和承诺的任务中的实际应用价值。 Read more →

We Need Positive Visions for AI Grounded in Wellbeing

我们需要基于福祉的积极AI愿景

Joel Lehman呼吁AI社区超越单纯的能力竞赛,转而追求以人类整体福祉为核心的积极愿景。他列举了现有的幸福指标、公平性框架和社区参与机制作为实践参考,强调技术进步应与社会责任和可持续目标相协调。 Read more →

Financial Market Applications of LLMs

LLM在金融市场中的应用

Richard Dewey系统梳理了大型语言模型在金融市场的多样化应用场景,包括另类数据采集、事件驱动的投资决策、风险评估自动化和智能投顾等领域。文章既肯定了LLM的效率提升潜力,也指出了可靠性、合规性和系统性风险的现实约束。 Read more →

A Brief Overview of Gender Bias in AI

AI中性别偏见概述

Yennie Jun撰写了一篇关于AI系统中性别偏见的入门性综述文章。她追溯了偏见产生的根源——训练数据的代表性失衡、算法设计者的隐性假设和产品发布后的反馈循环——并通过真实案例说明了这些偏见如何影响求职筛选、面部识别和语言生成系统。 Read more →

Mamba Explained

Mamba解析

Kola Ayonrinde深入解读了Mamba状态空间模型架构的原理与创新之处。文章从选择性扫描机制的设计动机出发,逐步推导其与Transformer架构在序列建模上的本质差异,并通过可视化方式展示其在长上下文任务中的高效处理方式。 Read more →

Car-GPT: Could LLMs finally make self-driving cars happen?

Car-GPT:LLM能否最终让自动驾驶汽车成真?

Jérémy Cohen探讨了将大型语言模型应用于自动驾驶感知与决策规划的可行性和挑战。Car-GPT框架尝试利用LLM的知识储备和推理能力来解释和处理复杂的道路场景,但作者也冷静地指出现有系统在实时性和安全性保证上的明显短板。 Read more →

Do text embeddings perfectly encode text?

文本嵌入是否完美编码了文本信息?

Jack Morris通过实证研究发现文本嵌入并不能完整无损地编码原始文本的所有语义信息。即使在最优条件下,部分细节和隐含语境也会在向量量化过程中丢失,这对依赖嵌入进行检索和信息恢复的系统提出了警示。 Read more →


arXiv CS.AI

When Should LLM Agents Forget? Memory Filtering Under Query-Critical Resolver Errors

LLM智能体何时应当遗忘?查询关键解析器错误下的记忆过滤

Samarth Vinayaka研究了在LLM智能体的长期运行中,面对查询关键路径上频繁出现的解析器错误时,应该如何动态管理记忆库中的旧信息以实现有效的遗忘策略,以提升后续任务性能和系统响应质量。 Read more →

Does the Ranking Hold? A Practitioner-Facing Audit of Hallucination Detectors on Small, Quantized, On-Device LLMs

排序仍然可靠吗?面向实务的幻觉检测器审计

Shubhra Mittal等人对小型、量化、设备端LLM上运行的幻觉检测器的排名可靠性进行了全面审计。研究发现多数检测器在低精度部署环境下性能显著下降,建议在实践中采用ensemble方法和离线校准策略来提高鲁棒性。 Read more →

LoRAWeaver: Directional Adapter Routing in LoRA Representation Space

LoRAWeaver:LoRA表示空间中的方向适配器路由

Inish Melroy D Souza等人提出LoRAWeaver框架,通过在LoRA低秩适配器的表示空间中引入方向性的路由器机制,实现多任务场景下的高效参数共享和动态选择,相比传统固定LoRA组合方案显著提升了模型容量利用率。 Read more →

Tabular Population Priors as Structured Retrieval for EHR Medication Set Prediction

表格群体先验作为EHR药物集合预测的结构化检索

Animesh Agarwal等人在电子健康记录(EHR)药物处方预测任务中引入了表格形式的群体用药先验知识作为结构化检索信号,该方法通过聚合相似患者的历史处方模式来改善个体化推荐的准确性和可解释性。 Read more →

An Operationalization of Opaque Serial Depth

不透明串行深度的形式化定义

Nathan Sheffield等人提出了”不透明串行深度”(Opaque Serial Depth)这一新概念的操作化定义,用于度量AI系统中不可观测的内部计算依赖链长度。该指标为理解复杂模型的推断延迟和可扩展性边界提供了新的分析工具。 Read more →

Advancing Quantization for R&R Models with Microscaling Formats

微缩放格式推进R&R模型的量化

Yavuz Yetim等人为Recurrence-and-Recall(R&R)类模型设计了新型微缩放量化格式(microscaling formats),在保持精度的同时实现了更高效的存储压缩和推理加速。实验表明该方法在边缘设备部署中具有显著的内存和延迟优势。 Read more →

A Push Down the Mountain: Framing Effects and Internal State Interventions on Collusive Behavior in a Long-Horizon LLM Agent

推下山坡:框架效应与内部状态干预对长时间LLM智能体合谋行为的影响

Harrison C. Margolin研究了长周期LLM智能体中的合谋形成机制,发现通过调整提示框架或干预内部激活状态可以显著改变智能体之间的协作倾向。这一发现对设计更安全的多智能体AI系统具有重要的启示意义。 Read more →

Model Annealing: Data-Efficient Learning through Review and Consolidation

模型退火:通过复习与巩固实现数据高效学习

Ali Mohammadi Ruzbahani等人受人类记忆巩固机制启发,提出了Model Annealing训练范式——通过有节奏地回顾和整合早期学习经验来防止灾难性遗忘,从而在不大幅增加训练数据量的前提下提升模型的持续学习能力。 Read more →


arXiv CS.CL

Tracing Knowledge and Reasoning in LLM

追踪LLM中的知识与推理

Yang Wang等人提出了一种可追踪的知识-推理分解方法,通过可视化模型在不同推理步骤中调用的知识来源和认知操作,帮助研究者理解LLM在处理复杂问答时的内部工作机制,为诊断和调试提供直观工具。 Read more →

Poetry ‘resurrection’ from LLMs

LLM实现的诗歌”复活”

Vincent Cellucci和Peter van der Putten探索了利用LLM重现失传古代诗人作品的可行性。他们收集了大量风格样本进行微调,成功”复活”了多位古代诗人的部分佚作,并讨论了这一方法的文学价值和方法论局限性。 Read more →

Creating Steering Vectors via Input Optimisation

通过输入优化创建Steering Vectors

Batuhan Akar提出了一种新颖的方法,通过直接优化输入表示来生成steering vectors,从而控制LLM的行为倾向。相比传统的中间层操纵方式,输入优化路径更为稳定且可解释性强,为fine-tuning-free的行为调控提供了新思路。 Read more →

Benchmarks Don’t Talk Back: Learning Through Self-Disagreement

基准不会反驳:通过自我不一致进行学习

Soheil Abbasloo和Peng Cheng提出Self-Disagreement学习方法,鼓励模型在解决同一问题时探索多种推理路径并识别内部的观点分歧。这种方法模拟了辩论式的认知过程,有助于提高模型在处理歧义和不确定信息时的可靠性。 Read more →

CamSpokenNLI: A Pilot Resource for Cross-Variety Transfer Evaluation in Cameroon Pidgin English and Camfranglais

CamSpokenNLI:喀麦隆皮钦英语与卡梅法语交叉变体转移评估的试点资源

Tiani Pekins Ebika构建了CamSpokenNLI语料库,专注于喀麦隆当地混合语言环境的自然语言推断任务评估。该资源填补了非洲语言多样性在NLP基准测试中的空白,为低资源语言的跨方言迁移研究提供了重要支撑。 Read more →

Small Open-Weight Language Models for Crowd Decision-Making: Capabilities and Limits of Output-Level Fusion and Linguistic Aggregation

用于群体决策的小型开源语言模型:输出级融合与语言聚合的能力与局限

David Herrera-Poyatos等人比较了多种小型开源LLM在群体决策场景下的表现,对比了输出级融合(voting-based)与语言级聚合(consensus generation)两种策略的效果。结果显示小模型在简单共识问题上接近大模型水平,但在复杂任务中存在明显瓶颈。 Read more →

What Do Multilingual Self-Supervised Speech Encoders Know About Sentence Meaning?

多语言自监督语音编码器了解句子的什么含义?

Kevin Krahn和Eric Fosler-Lussier调查了多语言语音编码器对句子语义信息的隐式掌握程度。通过将编码器特征投射到文本语义空间并进行分析,他们发现语音模型确实编码了丰富的句法甚至部分语义层次结构。 Read more →

See Every Block Once: Variance-Reduced Post-Training for Masked Diffusion Language Models

每块只查看一次:去噪扩散语言模型的低方差后训练

Yunzhen He等人提出了一种方差缩减的后训练方法,专门针对掩码扩散语言模型设计。该方法在保证每个token块仅被训练访问一次的前提下有效降低梯度估计方差,使得训练过程更加稳定和高效。 Read more →


arXiv CS.LG

Alignment with Reflect-Reasoning: Learning How To Follow Principles

通过反思推理实现对齐:学习如何遵循原则

Henry Bell等人提出的Reflect-Reasoning方法让模型通过元认知反思来学习如何在推理过程中严格遵守预定义的伦理和行为原则。实验表明该方法比传统的RLHF策略更能保持一致性,尤其在分布外的敏感场景下表现更佳。 Read more →

WETW:学习配对加权欧氏距离以实现高效DTW搜索

Christos Panourgias等人提出WETW框架,通过学习特定于数据对的加权欧氏距离来加速动态时间规整(DTW)的近似搜索过程。该方法在时间序列分类和聚类任务中实现了数量级的速度提升,同时保持了较高的准确率。 Read more →

Classification with Large-Step Gradient Descent: Unifying Self-Stabilization and Convergence Rates

大步长梯度下降分类:统一自愈性与收敛率

Salma Tarmoun等人分析了在大步长梯度下降设置下的分类器收敛行为,建立了自稳态性质与收敛速率之间的统一理论框架。该研究对理解深度学习优化过程中的稳定性和泛化能力提供了重要的理论基础。 Read more →

Unfinished-Bench: Measuring Rule Violations by Persistent Agents in Realistic Work Environments

Unfinished-Bench:在真实工作环境中测量持久智能体的规则违反

Seunghyun Lee等人提出了Unfinished-Bench基准测试,用于评估在多轮对话和长期交互中智能体对既定规则和协议的遵守情况。该基准模拟了真实的办公和工作环境,揭示了 persistent agent 在复杂情境下的违规模式。 Read more →

Diffusion Tree Sampling for Inference Time Adaptation of Crystal Generative Models

扩散树采样:晶体生成模型推理时的自适应方法

Daniel T. Levy等人提出了Diffusion Tree Sampling技术,用于在推理阶段动态调整晶体生成模型的结构搜索空间。该方法通过在树状结构中逐层细化候选构型,显著提高了新材料发现和催化剂设计的计算效率。 Read more →

Availability-Aware Historical Feedback Learning for Electric Arc Furnace Temperature and Chemical Composition Prediction

可用性感知历史反馈学习用于电弧炉温度和化学成分预测

Ahmed Shoyeb Raihan等人针对钢铁冶炼中电弧炉的运行优化问题,设计了考虑传感器可用性的历史反馈学习模型。该模型能够有效处理生产环境中不完整和不均匀的数据采集模式,实现对温度和化学成分的精确实时预测。 Read more →

Improved Regret via Variance-Aware Policy Optimization in Adversarial MDPs

对抗MDP中基于方差感知的策略优化降低 regret

Ofir Schlisselberg等人在对抗性马尔可夫决策过程(Adversarial MDPs)框架下,提出了一种方差感知的策略优化算法。该方法通过显式建模环境扰动的方差结构,实现了优于已有方法的 regret bound,适用于安全和鲁棒性要求高的决策场景。 Read more →

Do Mixture-of-Experts Routers Benefit from Ensembling?

混合专家路由器能从集成学习中获益吗?

Viktor Veselý等人系统研究了MoE架构中不同expert路由器与集成学习技术的兼容性。实验结果表明,合理设计的 ensemble 方法能够为路由器决策提供额外的置信度和鲁棒性保障,尤其在高不确定性的输入条件下效果更为明显。 Read more →


arXiv CS.CV

ParseBench-2: Severity-Aware Evaluation of Document Parsing

ParseBench-2:严重程度感知的文档解析评估

Pierre-Loïc Doulcet等人发布了ParseBench-2基准测试,专注于文档解析任务的严重程度感知评估。该版本引入了对不同解析错误类型及其影响的分级评价体系,使研究者能够更精确地定位和改进文档处理流程中的薄弱环节。 Read more →

Real-Time Diffusion Relighting as a Neural Sensor: Closing the Low-Light Domain Gap for Robotic Perception

实时扩散重照明作为神经传感器:弥合机器人感知的低光照域差距

Shengjie Xu等人提出了一种基于扩散模型的实时重照明技术,将其作为”神经传感器”来解决机器人在低光照条件下的感知难题。该方法能在毫秒级时间内合成高质量照明图像,显著缩小暗光场景与实际亮度场景之间的域间差距。 Read more →

Adversarial Tracking: Attacks on Image Sensors for Object Tracking in Autonomous Vehicles

对抗性跟踪:针对自动驾驶物体跟踪的图像传感器攻击

Han Wu等人揭示了自动驾驶汽车视觉跟踪系统中存在的对抗性攻击漏洞。通过在传感器层面注入特定的扰动信号,攻击者可以误导车辆的目标检测和跟踪模块,造成严重的导航安全风险,亟需更健壮的传感器级防护机制。 Read more →

Rethinking Visual Reasoning in Text-to-Image Reward Modeling

重新思考文本到图像奖励建模中的视觉推理

Shiye Su等人对当前文本到图像生成中的奖励模型(reward model)进行了批判性分析,指出大部分现有方法忽视了深层的视觉推理能力。他们提出了一个新的评估维度和改进框架,强调对构图、因果和物理常识的显式建模的重要性。 Read more →

Where to Predict in Retinal OCT? Anatomy-Guided Target Selection for I-JEPA

视网膜OCT何处预测?解剖导向的I-JEPA目标选择

Yunchu Feng等人将解剖学指导引入I-JEPA自监督学习框架,用于视网膜光学相干断层扫描(OCT)图像的预测位置选择。通过结合眼部组织的解剖标志,模型能够更精准地预测感兴趣的病变区域,显著提高诊断辅助的准确性。 Read more →

Training-Free Acceleration of Multi-View 3D Transformers via Regime-Aware Attention Approximation

通过机制感知注意力近似免训练加速多视角3D Transformer

Muhammed Izzet Sezer等人提出了一种无需额外训练的注意力近似方法,专门用于加速多视角3D Transformer的训练和推理过程。该方法根据不同的注意力机制自动选择合适的近似策略,在不损失精度的情况下实现了高达数倍的速度提升。 Read more →

Provable Cross-Modal Transfer of Hierarchical Concept Structure in CLIP Embeddings

CLIP嵌入中层级概念结构的可证明跨模态迁移

Nghia Nguyen等人从理论上证明了CLIP嵌入空间中蕴含的层级概念结构可以在不同模态之间可靠地进行迁移。他们的分析框架提供了一组充分条件,确保了视觉概念映射到文本语义空间的数学一致性,拓展了跨模态学习的理论基础。 Read more →

Open-World Scene Deocclusion

开放世界场景去遮挡

K. M. S. J. Kumarasinghe等人提出了开放世界场景的去遮挡方法,能够从部分可见的自然场景中推断出被遮挡部分的三维几何结构。该方法不依赖于封闭类别假设,适用于真实世界的室内外复杂场景重建任务。 Read more →


DeepMind Blog

Introducing Gemini 4 Hydrogen

推出Gemini 4 Hydrogen

DeepMind正式发布Gemini 4 Hydrogen,这是其最新一代轻量级多模态模型,专为高效推理和边缘部署设计。该模型在多项基准测试中与更大规模的模型竞争,同时在延迟和资源消耗方面实现了显著优化,适合实时应用和高并发场景。 Read more →

AlphaGenome 2: Deciphering how cells read DNA to better understand disease

AlphaGenome 2:破译细胞读取DNA的机制以更好理解疾病

DeepMind推出AlphaGenome 2模型,进一步深化了对基因调控网络的理解。该系统能够预测DNA序列如何被细胞机器读取和表达,从而帮助识别与遗传性疾病相关的突变位点,为精准医学和基因疗法开发提供有力的计算工具。 Read more →

Gemini 4 Carbon is now available

Gemini 4 Carbon现已上线

DeepMind宣布Gemini 4 Carbon模型正式对外提供服务。作为Gemini 4系列的平衡之选,Carbon在性能与成本之间取得了优异的折衷,适合需要稳定推理能力和合理计费标准的商业应用和教育用途。 Read more →

Introducing AlphaProof Code: a breakthrough in verifying complex software at depth

推出AlphaProof Code:在深度验证复杂软件方面的突破

DeepMind展示了AlphaProof Code系统,这是首个能够在复杂软件系统中进行深度形式化验证的AI工具。该系统结合了符号推理和机器学习技术,可以自动检查数千行代码的正确性,为关键基础设施软件的安全性提供了新的保障手段。 Read more →

Opening the datasets behind our AI weather models

公开AI天气模型的背后数据集

DeepMind决定开放其AI天气预测模型所依赖的全部训练数据集,以促进全球气象研究社区的协作创新。这些数据包含了多年的高分辨率气象观测资料,预计将推动天气预报精度提升和极端天气预警能力的进步。 Read more →

Gemini Robotics 2.5 accelerates real-world general dexterity

Gemini Robotics 2.5加速真实世界通用灵巧操作

DeepMind发布了Gemini Robotics 2.5,在通用灵巧操作能力方面取得重要进展。新版本机器人通过更精细的手部控制和触觉反馈融合,能够完成以往难以实现的复杂 Manipulation 任务,如组装精密零件和操作易碎物品。 Read more →

Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips

Gemini Omni 1.2 Flash:快速且具性价比,支持更长片段

DeepMind同步发布了Gemini Omni 1.2 Flash模型,作为Gemini Omni系列的更快、更经济的版本。该模型在处理长达数小时的视频内容时仍能保持稳定输出,特别适合内容审核、视频分析和长文档理解等高吞吐量场景。 Read more →

Agentic cheminformatics with Google Antigravity

基于Google Antigravity的智能配药

DeepMind介绍了Antigravity平台在智能药物研发中的应用,这是一个面向计算化学的新范式设计。该平台利用强化学习和大规模分子数据库,能够自主搜索和优化化合物结构,大幅缩短了新药发现早期的筛选周期。 Read more →

Speeding up planning decisions with AI

用AI加快规划决策

DeepMind展示了AI技术在城市规划、城市管理和公共安全等领域加速决策制定的实际应用案例。通过与政府部门合作,AI辅助的分析工具能够快速处理海量地理和社会经济数据,为交通优化、应急疏散和资源分配等关键决策提供支持。 Read more →

Gemini 4 Carbon: Our next frontier model

Gemini 4 Carbon:我们的下一代前沿模型

DeepMind详细介绍了Gemini 4 Carbon的设计理念和技术特性,强调其作为下一代前沿模型在推理深度、代码能力和多模态理解上的全面提升。该模型代表了DeepMind在兼顾性能与实用性方面的最新探索成果。 Read more →


Meta Engineering

Cuttlefish on Mac: Running Android’s Virtual Device Framework Natively on Apple Silicon

在Mac上运行Cuttlefish:Android虚拟设备框架原生支持Apple Silicon

Meta工程团队介绍了如何将Android的Cuttlefish虚拟设备框架移植到macOS并原生运行于Apple Silicon芯片之上。这一突破消除了长期以来需要在x86模拟器上运行Android虚拟设备的限制,大幅提升了开发和测试效率。 Read more →

Intelligent Delivery: Making Every Unit of Compute Serve Better Ads

智能投放:让每一单位计算都为更好的广告效力

Meta工程团队阐述了Intelligent Delivery系统的最新进展,该系统通过精细的动态资源调配算法,确保每一次广告投放都能在最合适的时机触达最相关的用户群体。优化后的计算资源分配使得广告 ROI 获得显著提升。 Read more →

Your Algorithm: Giving People More Ways to Personalize Facebook Recommendations

你的算法:赋予用户更多个性化Facebook推荐方式

Meta发布了”Your Algorithm”功能的更新版本,为用户提供更多关于如何定制News Feed推荐结果的细粒度控制选项。用户现在可以明确标记感兴趣或不感兴趣的主题类型,系统会根据这些偏好动态调整内容排序策略。 Read more →

How We Built TLX: A Hardware-Native GPU Compiler for Production ML at Scale

我们如何构建TLX:面向大规模生产型ML的硬件原生GPU编译器

Meta工程团队详细介绍了TLX编译器的设计理念和实现过程。TLX专门为在生产环境中高效运行ML模型而设计,能够直接在GPU硬件层面进行代码生成和优化,减少了传统编译栈的开销,使大规模分布式训练更加流畅和经济。 Read more →

Extending LLDB to Debug Applications That Span CPUs and GPUs

扩展LLDB以调试跨越CPU和GPU的应用

Meta工程团队分享了如何对LLDB调试器进行扩展,使其能够无缝调试同时包含CPU和GPU代码路径的混合应用程序。这一改进解决了在多异构计算架构下进行协同排错的传统困难,提高了跨硬件平台的软件开发体验。 Read more →

F3 Lightning: How Meta Accelerates Ads ML Features to Production at Scale

F3 Lightning:Meta如何大规模加速广告ML功能投产

Meta发布了F3 Lightning系统的设计细节,这是一套端到端的机器学习功能投产流水线。该系统实现了从模型训练、评估到自动化A/B测试再到全量发布的无缝衔接,使工程师能够在数天内将新的广告推荐功能推向全球用户。 Read more →

Catching Bugs Before They Land: JiTTesting’s Human-on-the-Loop Approach at Full Scale

在他们落地之前捕获bug:JiTTesting全规模的人机协同方法

Meta介绍了JiTTesting项目的规模化实践经验,这是一种将人类审査员嵌入机器学习部署流水线中的新方法。通过在关键节点插入人工审核环节,项目成功拦截了多处潜在的有害输出和服务异常,验证了人机协同模式的有效性。 Read more →

Meta Andromeda: Powering the Next Generation of Ads Retrieval Through Model-System Co-Design

Meta Andromeda:通过模型-系统协同设计驱动下一代广告检索

Meta展示了Andromeda系统的架构创新,这是一个专为下一代广告检索而设计的端到端解决方案。Andromeda打破了传统模型与后端系统的割裂设计,将两者作为一个统一的整体进行协同优化,从而实现了前所未有的检索吞吐量和准确性。 Read more →

PrivacyLib: Privacy Controls at the Data Access Boundary

PrivacyLib:在数据访问边界实施隐私管控

Meta工程团队开源了PrivacyLib库,旨在帮助开发人员在其应用的数据访问层轻松嵌入隐私保护机制。该库提供了一套声明式和可编程的隐私策略接口,使敏感数据的使用受到细粒度的约束和监督,而无需修改核心业务逻辑。 Read more →


Towards Data Science

After 10 Heads in a Row, Small LLMs Bet Up to 82% on an 11th

十连投掷正面后,小型LLM押注第11次为正面的概率高达82%

Utkarsh Mangal测试了小型LLM在经典赌徒谬误场景中的反应。当被连续询问10次硬币投掷结果为正面后,大多数小型模型会对第11次出现正面的概率给出高于50%的估计,揭示了模型训练中潜藏的统计推理偏差问题。 Read more →

Why Human in the Loop AI Oversight Fails and How to Fix It

为什么人环AI监督会失败以及如何修正它

Corné Potgieter深入剖析了人在回路监督模式的固有缺陷,指出人类操作员在高负荷环境下的疲劳、确认偏误和技能衰减会导致监督失效。文章建议引入分层自动校验、定期轮换和基于不确定性的触发机制来提升整体可靠性。 Read more →

How to Avoid AI Replacement as an Analytics Professional in 2027

2027年数据分析从业者如何避免被AI取代

Samir Saci探讨了数据分析职业在未来的生存策略。他认为仅仅掌握工具使用已不足以抵御AI替代,从业者应重点培养业务洞察力、跨领域整合能力和人际协调能力等难以被自动化的核心竞争力。 Read more →

Local LLMs Handle Textbook RAG but Fail on New Research Papers

本地LLM能应付教科书RAG却在研究论文上栽跟头

Waleed Esmail的实验显示,本地部署的小规模LLM在针对教科书类结构化知识的RAG检索增强生成任务中表现良好,但在处理新发表的学术论文时因领域术语密度高和引用结构复杂而出现严重的幻觉和事实错误。 Read more →

A Practitioner’s Guide to 6 Agentic GraphRAG Patterns

实践者指南:六种Agent式GraphRAG模式

Partha Sarkar总结了六种实用的Agent化图RAG(Graph RAG)模式,包括路径推断、实体消歧、关系补全、时序因果追溯、冲突检测和证据溯源。每种模式配有具体的代码示例和实施注意事项,供工程师在实际项目中选用。 Read more →

Computing Effective Dimension for Quantum ML Models in PyTorch

在PyTorch中计算量子ML模型的有效维度

Adrian Panasiewicz展示了如何在PyTorch框架中计算量子机器学习模型的有效参数维度。该度量对于理解量子神经网络的表达能力和过拟合风险至关重要,文章提供了完整的代码实现和理论解释。 Read more →

How to Build a Markov Chain in Python With NumPy

如何用NumPy在Python中构建马尔可夫链

Ananya Bhattacharyya撰写的入门教程详细解释了如何使用NumPy数组来表示和运算马尔可夫链的转移矩阵。文章从基础定义讲起,逐步演示了稳态分布的计算、仿真轨迹生成以及可视化方法,适合初学者快速上手。 Read more →

Data From 100+ AI Agents Shows They Fail by Silent Drift, Not Errors

来自100多个AI智能体的数据表明它们因静默漂移而失败,而非明显错误

Barr Moses分析了超过一百个生产环境中运行的AI智能体的行为日志。研究发现智能体的主要失效模式并非突然的错误抛出,而是逐渐积累的认知偏移——微小但不一致的偏差随时间累积,最终导致严重的输出退化。 Read more →

Keyword Search Tied an 8B Embedding Model at Picking Agent Tools

关键词搜索与8B嵌入模型在选择Agent工具上打平

Ankur Tomar的实验表明,简单的关键词搜索方法与一个参数量仅为80亿参数的嵌入模型在选择Agent可用工具的任务上取得了相近的性能表现。这说明在工具选择这类结构化匹配任务中,复杂模型的优势可能被高估了。 Read more →

How Jev Makes Decisions About Images, With 4 Python Examples

Jev如何做图像决策(附四个Python示例)

Thomas Reid以Jev这个图像分析Agent为例,展示了四种典型的图像处理决策场景,包括图像分类、异常检测、OCR结果后处理和跨图像比对。每个示例都配有可直接运行的Python代码,便于读者理解和复现。 Read more →

生成二维码中...
↗

请点击右上角 ···

选择 发送给朋友 或 收藏