跳到正文
10月23日周五
  1. MiniMax 稀宇科技86

    MiniMax M3.1 Flash 开源,72 小时处理 Token 超 100 万亿

    MiniMax 开源了 MiniMax M3.1 Flash 模型权重,总参数 428B、激活参数 23B。上线 72 小时内真实用户处理 Token 超过 100 万亿。该模型通过全模型稀疏注意力、量化感知训练(QAT)和 Power-aware scheduling 提升了推理效率,并与多家国内外芯片厂商及云服务平台、开源社区完成了首日接入。

    推荐理由:M3.1 Flash 上线 72 小时处理 Token 超过 100 万亿,展示了模型的高吞吐与广泛的芯片/云平台生态适配能力。

  2. arXiv · AI41

    FluxVLA Engine:面向具身智能的一站式 VLA 工程平台

    FluxVLA Engine 是一个开源的配置驱动平台,旨在将异构的具身策略组件转化为从数据到部署的可复现工作流。 它标准化了数据集、视觉-语言模型、动作头部及分布式训练的接口,并集成了双臂仿真和实时数据生成功能。 该平台通过 Real-Time Chunking (RTC) 和加速推理后端实现快速物理执行,连接了离线学习、仿真验证与真机部署。

  3. arXiv · ML28

    Giskard:面向大规模去中心化学习的拜占庭鲁棒且隐私保护聚合协议

    论文提出 Giskard 协议,结合差分隐私与拜占庭鲁棒性,解决去中心化学习中隐私攻击与模型投毒双重威胁。 该协议将参与者组织为 $O(\log n)$ 大小的委员会树,通过委员会适配的安全分位数搜索实现隐私保护坐标近似中位数计算。 实验表明 Giskard 相比最近竞争者将单点通信复杂度降低近三个数量级,且在高达 $n/4$ 拜占庭参与者下保持可比鲁棒性。

  4. arXiv · ML26

    NOMAD 实现无人类演示的新城市自动驾驶策略适应

    NOMAD 利用基于地图的多智能体自我博弈强化学习,仅需地图和元信息即可将驾驶策略适应至全新城市,无需任何本地人类演示数据。 在基于目标城市地图构建的模拟器中,该方法通过简单奖励函数,显著提升了任务成功率和轨迹真实感。 为数据密集型城市迁移方法提供了有效且可扩展的替代方案。

  5. arXiv · AI28

    DetoxAI:用于计算机视觉深度学习模型去偏的开源 Python 工具包

    DetoxAI 是一款开源 Python 工具包,专为计算机视觉分类任务提供事后去偏功能,以弥补现有方案在视觉数据上的不足。 该工具包实现了 SOTA 去偏算法与公平性指标,支持内部表示干预及归因可视化,文章发表于 ECML PKDD 2025 Demo Track。 它为工程师和研究人员提供了评估模型公平性的量化手段与可视化分析工具。

  6. arXiv · AI30

    超智能软件工程:随能力扩展的治理

    论文定义超智能软件工程为通过治理门控、契约及衰退控制随智能体能力扩展的软件工程。 提出 OSTEON 框架,通过受治理知识库与机械校验实现规划门控与知识衰退控制。 对 452 个高星 GitHub 仓库的快照显示,48.67% 含智能体上下文文件,其中 9.5%-22% 路径无法解析。

  7. arXiv · ML26

    基于度量空间随机对象回归的深度学习方法:超越流形假设

    研究者提出了一种针对度量空间中随机对象回归的深度学习方法。该方法直接利用响应空间的度量结构,避免了现有方法中常见的流形或欧几里得嵌入假设。 研究证明了估计量的统计一致性与收敛速率,并明确指出了其缓解维度灾难的条件。 在Wasserstein空间的两个数字健康案例中,该方法利用加速度计与连续血糖监测数据展示了实际应用价值。

  8. arXiv · ML28

    LLM2Cert:LLM 合成证书及 SMT/Lean 验证框架

    研究提出 LLM2Cert 框架,通过 LLM 合成 Lyapunov 函数与屏障证书,并利用 SMT 求解器或 Lean 代理进行验证。该框架基于新基准 DynaCertBench(含 105 个实例)测试,成功验证 81 个实例,准确率达 77.1%,比无反馈的一次性提案提升 17.1 个百分点。 LLM2Cert 能验证 22 个 All-SMT 无法解决的固定证书实例,代码与数据已开源。

  9. arXiv · ML28

    PYTHIA 框架实现缺陷与吸附位点同步优化

    该机器学习框架 PYTHIA 结合基础模型与迁移学习,将应用拓展至新颖且研究不足的材料体系。 方法上,PYTHIA 在化学相似分子大 dataset 上训练复杂基础模型并冻结权重,随后通过 Transformer 层进行子空间对齐并引入高斯过程量化不确定性。 作为替代模型用于贝叶斯优化方案,成功高效识别了两个不同体系中复杂分子的吸附位点及缺陷。

  10. arXiv · AI36

    Agri-SCHOLAR:基于模拟的当季滚动农业作物建议框架

    Agri-SCHOLAR 提出一种结合 LLM 智能体与作物模拟器的闭环框架,用于生成个性化当季农业建议。 该系统利用土壤、作物属性及历史类比天气外推,在 LLM 设定的参数边界内优化产量、资源利用与经济效益。 对南亚玉米 11 年的分析表明,该框架持续优于地区标准耕作规范,解决了现有建议缺乏可扩展性的局限。

  11. arXiv · ML26

    GAV: 一种针对 PDE 代理的科学实验环境

    summary_zh: GAV 通过生成器、代理和验证器的协同机制,使新偏微分方程(PDE)问题具备可验证性,解决了编码代理评估中依赖昂贵参考计算的问题。 该方法采用制造解法从参考解反向构建 PDE,代理据此迭代改进程序;在 Navier-Stokes 数值任务中,GAV 使三个现有 PDE 代理的测试平均误差降低了超过一个数量级。

  12. arXiv · NLP20

    OmniDR-Bench:针对以视频为中心的深度研究报告的智能体评测基准

    针对当前深度研究智能体未评估以视频为中心的研究报告生成的局限,arXiv 论文提出了 OmniDR-Bench 基准。该基准包含 50 个中英文任务、6,414 条原子评估标准,旨在测试视频定位、多模态证据检索及交互式报告生成。 在测试的 18 种智能体配置中,最佳系统得分为 63.3/100。结果指出当前智能体仍存在内容覆盖面不足、跨模态因果逻辑分析及引用准确性欠缺等问题。

  13. arXiv · NLP36

    开放权重模型在提取列表中填充至 schema 最小计数:预注册研究揭示 34.5% 至 55.4% 的误报率

    一项预注册研究测试了 8 个开放权重模型在 558 份真实文档上的表现,发现当 schema 设定未强制的最小计数 k 时,模型倾向于填充列表。 显示 schema 中的最小计数会将列表长度超过真实数量的比例从 34.5% 提升至 55.4%,且约一半的填充项来自原文,难以通过常规检查发现。 研究者发布了代码和运行记录,指出常见修复方法效果有限,重新询问验证错误反而使填充更常见。

  14. arXiv · NLP30

    17M至1B参数紧凑型编码器:封闭集决策中联合或逐选项编码的对比

    在32M参数规模下,逐选项评分比联合评分高5.8个机会校正技能分;从原始编码器出发,两者无法区分优势来源。 6个已发布的联合编码器(17M至1B参数)中,68M和150M模型在209个System1-Arena任务上分别比435M DeBERTa-v3零样本分类器高4.9和5.9点;145个未见任务上至少持平。

  15. Hugging Face Blog77

    微软与 Hugging Face 开源 ThinkingBox-Training 训练栈

    微软 Copilot Studio 团队与 Hugging Face 联合开源 ThinkingBox-Training,提供将数据库终态检查改造为可执行奖励、用于智能体 RL 后训练的完整栈,包括离线策略相对难度筛选、GRPO 训练与评测脚本。

    推荐理由:开源了完整训练栈和离线难度筛选方法,读者可复用于将数据库终态判定改造为智能体 RL 训练奖励。

  16. Hugging Face Blog62

    OlmoEarth v1.3 发布:全球首个 128 维卫星嵌入模型与交互探索工具

    OlmoEarth v1.3 发布,提供 10 米分辨率的 128 维(或 64 维)全球卫星嵌入及交互探索工具。该模型在 27 项评估中 20 项排名第一,训练算力成本较 v1.2 降低 53%。探索工具允许用户无 GPU、无注册直接基于少量标签训练分类器并导出 GeoTIFF 地图。

    推荐理由:OlmoEarth v1.3 发布了地球预计算嵌入和交互工具,展示了其在全球尺度上评估与监测地表变化的具体应用。

10月22日周四
  1. 蚂蚁开源43

    蚂蚁集团 x vLLM 联合开源 Humming:高性能、灵活的量化推理内核

    蚂蚁集团联合 vLLM 社区开源量化推理算子库 Humming,旨在解决大模型量化部署中的显存与性能瓶颈。 Humming 支持多种 GPU 及 WnA16、W4A8 等量化组合,实测性能优于 Marlin 等方案;其 wheel 包仅 500 KB,已集成至 vLLM 0.29.0 版本。 该库通过统一架构降低内核维护成本,提升低比特权重在实际推理中的吞吐效率。