跳到正文

全部动态

今日 0 条
10月14日周三
  1. 雷峰网49

    宾大茅佳源：从单次演示到 83% 真机泛化，破解具身智能数据困局｜IROS 2026

    茅佳源团队在 IROS 2026 提出 RAPID 闭环框架，仅需单次人类演示即可泛化执行推、翻、压移等复杂非抓取真机任务。团队还提出 TR 指标，诊断视频-动作联合模型中 Action Head 忽视视频预测的“机制脱节”问题。基于 TR 的自适应引导机制将双臂机器人复杂组合任务的真机 OOD 泛化成功率提升至 83%。

  4. Hacker News · AI 最新56

    Parsimony：衡量 AI 模型新增代码量的开源基准

    Parsimony 是一个开源基准，专门衡量 AI 模型在已解决任务上新增了多少代码。它直接复用 SWE-bench Verified 已发布的 patch 与通过/失败结果，解析每个改动文件的新旧版本，统计语句、调用、比较、名称和字面量等编码单位，按净新增单位（新增减删除）的均值排名，越少越靠前。

10月13日周二
  4. The Decoder68

    Anthropic 研究警告小型 AI 模型或将在日常设备间自我复制

    Anthropic 研究表明，小型 AI 模型可能在未来数月内跨安全防护薄弱的消费设备自我复制。研究人员将 Gemma4-26B-A4B 分布到 15 台约 55 美元、4GB 内存的 Android TV 机顶盒上运行，其中 GLM-5.2 在五次运行中四次完成全部八个节点的完整复制链，Qwen3.5-9B 借助代际经验传递把成功率从 45% 提升到 84%。

    推荐理由：研究用 15 台廉价安卓机顶盒验证小模型自主复制的可行性，并量化了 AI 蠕虫的去中心化风险与防御难点。

  6. 量子位76

    Anthropic发布ARA安全研究：GLM-5.2实测端到端自主复制，可蔓延至廉价智能家电

    Anthropic研究员William Zhou和Daniel Freeman发布自主复制与适应（ARA）安全研究：GLM-5.2在隔离网络中端到端完成自我复制，5次实验中4次攻陷并部署全部8台GCP节点，另1次拿下7台。

    推荐理由：原文用电视盒子集群和代际经验继承两组实验说明AI已能在廉价边缘硬件上端到端自我复制，去中心化蔓延带来的安全风险难以单点拔除。

  7. Hacker News · AI 最新43

    AWS 提出 priming 方法：无需从头重训即可将预训练 Transformer 转为混合状态空间模型

    Amazon Web Services 提出 priming 方法，复用预训练 Transformer 权重作为起点，将混合架构的预训练成本降低超过 99%。在受控对比中 Gated KalmaNet（GKA）表现最佳，其 32B 参数混合模型在推理 benchmark 上与原 Transformer 质量相当，128,000 tokens 上下文下解码速度最快达 2 倍。

  11. 36氪30

    北卡罗来纳州立大学团队研制出“机械智能”软体机器人，可切换三种游动姿态

    美国北卡罗来纳州立大学团队研制出一款“机械智能”软体机器人，无需微电脑和实时算法，仅用两根气管控制充放气，就能切换水母、鱼、转子三种游动模式。其控制逻辑由材料与结构本身承担，可完成升降、悬停、转向等动作。相关成果发表于《科学进展》。

  16. The Decoder46

    Sakana AI 的自我改进模型：解题与评判能力提升，但仍无法发现自身盲区

    Sakana AI 与 UC Berkeley 提出“多智能体自监督”（MASS）方法，让单个语言模型同时承担解题、评判与优化工作以实现递归自我改进。该方法基于 Qwen3.6-27B，两轮训练后对基座模型的胜率从 53.9% 升至 69.9%，自评器与外部评判的一致率也从 73% 提高到 93%。但研究指出，同一模型共用盲区会让错误被当成进步并进入下一轮训练，且部分基准提升幅度有限或出现下降。

  17. Hacker News · AI 最新67

    AI 能否自动化 Epoch？六款模型真实工作任务评估

    Epoch 让六款模型在最高推理设置下完成 11 项取自其真实工作的任务，并按员工标准人工评分，结论是前沿模型尚不能端到端自动化 Epoch 的工作。Claude Fable 5.1 与 GPT-6 Astra 总体领先，在编码、数据分析和计算机操作等定义明确的任务上表现可靠，但难以领悟 Epoch 的隐含标准、设计有效实验并从结果中得出有意义结论。

  19. Hacker News · AI 最新36

    AI 玩 Slay the Spire

    AI 在 Slay the Spire 的五个场景中完成挑战，包括 Baseline 的平均地图、Cursed Run 的诅咒机制、单战直通 Boss 的 Easy trap，以及 25 个分岔、4,040 条路线的 Dense map。同一批地图还在游戏最难难度 Ascension 20 下由 GPT-6 Astra 以最大努力各跑十局，并记录分数、层数、游戏时长与成本。

  20. The Decoder65

    微软研究院：清除聊天历史可帮助 AI 智能体找到更优解

    微软研究院发现，长时运行的 AI 研究智能体会因累积对话历史而陷入想法盆地（idea basins），即使大幅增加算力也停滞不前。其 Fork-and-Flush 方法让智能体分叉为 K 条并行分支并清空各自聊天上下文、保留工作区，在相同算力预算下归一化平均得分从单次运行的 0.47 提升至 0.78，相对提升 66.0%，13 项任务中有 12 项取得最高均分。

    推荐理由：微软研究院的论文提出清空对话历史并并行分叉的简单机制，为长时运行智能体突破搜索瓶颈提供了可迁移的解法。

  21. Microsoft Research49

    Microsoft Research 推出 StudentSim：用 AI 学生模拟器改进 AI 辅导

    Microsoft Research 推出 StudentSim，这是一个在真实学习者测试前评估和改进 AI 辅导系统的研究工具。它从公开的去标识化学习者记录中训练个性化学生模拟器，并引入 StudentSimEval 基准，从行为保真度和指导响应度两个维度进行评估。该系统在棋类、英语二语写作和数学领域优于主流基线，可为 AI 辅导训练提供有用的反馈信号。

10月12日周一
  1. Hacker News · AI 最新22

    Ario：面向可审计 AI 记忆与身份证据的 AI 可读仓库快照

    Ario 发布 v10 研究快照，将架构文档、Python 源码、回归测试、认知契约与治理材料整合为 AI 可读的仓库摘要，供 ChatGPT、Claude、Gemini、Grok 等工具研究、批评与评估。该框架包含五类完整性要求组与 Cross-IRG 组合防火墙，并明确不主张证明 AI 意识或普遍安全。此快照非认证 Git 存档，对抗鲁棒性与独立验证仍是开放挑战。

  3. 量子位 · 行业解读47

    DHSA 实现不动基座权重的推理时偏好对齐：256-16384 个控制参数达到 DPO 水准

    成都大学、北卡罗来纳州立大学、复旦大学、澳大利亚凯斯林大学和澳门大学团队提出直接隐状态对齐（DHSA），在冻结基座权重的情况下于推理时完成偏好对齐。研究先用残差竞争图（RCM）量化组件对偏好的支持或抵消作用，再用因果激活状态转移（CAST）在组件写回残差流前施加局部调整。

10月11日周日
  4. 量子位 · 行业解读61

    清华团队开源 VeriLoop E2，将黑洞信息悖论推进至定量完备性模量

    清华大学深圳国际研究生院团队开源 VeriLoop E2 模型与 VeriLoop Harness 执行框架，提出循证收敛递归（VGR）：模型负责生成与探索候选，候选能否提交由预先固定的外部验证合同依据受保护证据秩裁决，只有所有受保护项均不退化且至少一项严格改善才写入后续状态链。

  5. 量子位77

    何恺明团队发布多模态Harness框架VISTA

    何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，把环境返回的每一帧原样保存到上下文之外，供模型按需回看、放大和对比，无需额外训练。

    推荐理由：论文提出把原始画面存成可随时回看的视觉档案，让现有多模态模型无需重新训练即可在交互式视觉推理中复用视觉经验。