跳到正文
11月18日周三
  1. AWS Machine Learning Blog52

    Amazon Bedrock AgentCore 推出 WhatsApp 渠道 AI 智能体开源工具包 SMART

    AWS 发布面向 WhatsApp 渠道的开源工具包 SMART,帮助开发者基于 Amazon Bedrock AgentCore 构建生产级 AI 智能体。该工具包提供 Python SDK 与 Terraform 架构,处理消息解析、多模态媒体处理、持久化记忆和模板合规等底层任务,开发者仅需编写智能体核心逻辑与业务规则即可通过单条命令部署。

  2. AWS Machine Learning Blog45

    AWS re:Invent 2026 期间发布 AWS Quick 完整指南

    AWS Quick 作为专为工作打造的 AI 工作区,依托 AWS 企业安全构建,支持仪表盘、智能体及自动化流程在团队内共享。 该工具连接日常数据应用,支持租户级数据隔离、基于角色的访问控制及审计框架。Allianz 等客户将在 2026 年 11 月 30 日至 12 月 4 日的活动中演示部署经验。

  3. Microsoft Research20

    Microsoft Research 探讨 AI 塑造健康未来

    Microsoft Research 专家在《The Shape of Things to Come》播客中探讨 AI 对医学未来的影响。 对话聚焦 AI 辅助诊断、医学影像、虚拟细胞及生物基础模型在科学发现中的作用。 他们分析了研究转化为临床应用的挑战,强调高质量生物数据与真实世界验证的必要性。

  4. NVIDIA Blog76

    Ian Buck在SC26发布Nemotron for Science、Rubin HPC GPU及量子计算合作

    NVIDIA高管Ian Buck在SC26大会上宣布推出Nemotron for Science、Rubin HPC GPU和Vera CPU平台,并公布了与IBM及费米国家加速器实验室在量子计算领域的合作。

    推荐理由:在SC26大会上,NVIDIA展示了面向科学研究的AI智能体工具与Rubin HPC GPU,读者可据此了解前沿计算与模拟领域的最新能力。

11月17日周二
  1. 美团技术团队50

    美团《Agent评测白皮书》:商家AI助手评测与优化闭环实践

    美团技术团队发布商家AI助手评测实践,针对KA巡检任务构建41个评测场景,设计确定性Grader与LLM Rubric协同判定。 评测器通过校准集及DAG规则修正假阴性,定位配置混杂、路由不唯一等根因。 优化使Agent能力上限与效率提升,瓶颈由“不会做”转为“不能稳定做对”。

  2. arXiv · ML23

    Deep Adaptive Bayesian Screening: 一种面向离散设计空间的自适应因子筛选方法

    Deep Adaptive Bayesian Screening (DABS) 是一种在紧预算下进行离散空间自适应因子筛选的方法,其性能匹配或超越最强非自适应贝叶斯基线。 该方法离线训练策略网络以摊销贝叶斯最优实验设计,并通过尖钉和板先验处理稀疏性与交互作用,最终发表于 2026 年 11 月的 TMLR 期刊。

  3. arXiv · ML21

    提出 Q-Learner 算法以优化比率型处理效应估计

    研究者提出 Q-Learner 算法,将二元结果下的比率型条件平均处理效应(CATE)估计简化为两个倾向性分类任务。 在合成与真实随机数据基准测试中,仅对 Q-Learner 的 log-loss 进行标准超参数调优,即可比 S-Learner 更可靠地获取效应排名、水平及分布。 该特性使其特别适用于工业界实践,当倾向性已知时,仅需基于转化者训练单个分类器即可加速开发流程。

  4. arXiv · ML25

    VoxSafeBench 提出首个联合评估语音语言模型社会对齐的基准

    VoxSafeBench 发布,联合评估语音语言模型(SLM)在安全、公平和隐私三个维度的社会对齐。 该基准采用两层设计,Tier 1 评估内容中心风险,Tier 2 评估音频条件风险,包含22个双语任务。 研究发现,前沿 SLM 能检测声学线索但常无法据此适当行动,揭示了普遍的语音接地差距,代码和数据已公开。

  5. arXiv · ML26

    LatentUM:潜空间统一模型释放交错跨模态推理潜力

    论文提出 LatentUM 模型,在共享语义潜空间表示所有模态,消除像素空间中介,实现灵活的交错跨模态推理与生成。 该模型在 Visual Spatial Planning benchmark 上取得 SOTA 性能,并通过自反思提升视觉生成、预测未来视觉状态,展示了世界建模能力。 代码和模型已在官方链接公开,该工作入选 NeurIPS 2026 Oral。

  6. arXiv · ML30

    因果推断中的广义贝叶斯框架

    该论文提出了一个用于因果推断的广义贝叶斯框架,直接对因果效应施加先验分布。通过利用基于识别的损失函数更新先验,该框架使现有的基于损失的因果估计器具备完整的不确定性量化能力。 在Neyman正交损失下,该广义后验分布收敛至其 oracle 对应物,并对第一阶段辅助估计误差保持鲁棒性。 这是首个为因果机器学习构建灵活广义贝叶斯后验的框架,该论文已被 NeurIPS 2026 接收。

  7. arXiv · ML20

    离散时间算法与其分辨率 ODE 的稳定性联系:Min-Max 优化应用

    研究建立离散时间算法与 O(s^r)-分辨率 ODE 间的稳定性联系,证明当单步误差相对均衡距离和 Lyapunov 衰减较小时,指数稳定性可转移。 该结果适用于 TT-GDA、广义外梯度及正则化阻尼牛顿等算法,显示小步长下非 TT-GDA 的鞍点具有局部指数稳定性。 框架为退化鞍点提供渐近稳定性及收敛速率,并确立可检查的相容性条件。

  8. arXiv · ML20

    语音欺骗检测中说话人身份影响的评估

    SInMT框架通过多任务学习和梯度反转层建模或移除说话人身份,在语音欺骗检测中将平均EER降低17%,针对A11等攻击最高降低48%。 该模型在四个数据集上评估,证明独立于说话人身份的嵌入假设有待验证。 方法验证了说话人信息对欺骗检测系统的影响。

  9. arXiv · ML25

    NestRL:面向人类-AI协作中相互适应的嵌套训练机制

    NestRL 提出了一种嵌套训练机制,将人类-AI 协作建模为交互式部分可观测马尔可夫决策过程,通过在每一层级与下一层级的适应性智能体共同训练,避免了标准多智能体训练中不透明协作策略的产生。 该方法在 Overcooked 环境中进行验证,相较于现有基准,NestRL 在应对未知适应性智能体和真实人类队友时均展现出更高的任务表现及更强的交互适应性。

  10. arXiv · ML23

    量子强化学习保障堆叠智能超表面无线网络安全

    研究提出混合量子近端策略优化(Q-PPO)框架,用于堆叠智能超表面(SIM)辅助的安全通信。该框架通过嵌入参数化量子电路的演员网络,联合优化发射功率分配与SIM相位偏移,以最大化平均保密速率。 仿真表明,在不完全窃听信道状态信息下,Q-PPO方案比深度强化学习基线高出约15%的保密速率,且收敛速度快30%。该框架被确立为SIM启用安全无线网络中强大的优化范式。

  11. arXiv · ML20

    Craquelure 裂纹检测:变分生成方法在画作保护中的应用

    提出一种变分生成方法,用于在数字化画作中自动检测裂纹(craquelure),以评估退化并指导修复。 方法将图像分解为无裂纹画作和裂纹组件,结合深度生成先验与 Mumford-Shah 型变分泛函,通过联合优化获得像素级裂纹定位图。 该方法解决了裂纹与笔触等艺术特征视觉相似导致的检测难点,支持非侵入性艺术作品分析与保护。

  12. arXiv · ML30

    Better Call Graphs:用于恶意软件分类的新函数调用图数据集

    研究团队发布 Better Call Graphs(BCG),这是一个从近期 Android 应用中提取的大规模且唯一的函数调用图数据集。 BCG 包含正常和恶意样本,涵盖不同家族类型,并附带图级特征,旨在解决现有数据集过时且存在重复重打包导致过拟合的问题。 该数据集已在 IEEE BigData 2026 会议接受并公开可用,为基于图的恶意软件分类方法提供了可靠的评估基础。

  13. arXiv · ML20

    基于物理信息神经网络在平流-扩散方程中联合估计源与参数的加权自适应方法

    提出基于物理信息神经网络(PINNs)神经切核(NTK)的加权自适应方法,解决平流-扩散方程在稀疏测量下的源与参数联合反演问题。 该方法将底层偏微分方程作为约束耦合未知量,提升有限测量信息的利用效率,并推导了已知速度与扩散系数下源函数近似误差的理论界限。 数值实验验证了该方法在二维和三维场景中对测量噪声的鲁棒性,证实了PINNs在此类逆问题中的有效性能。

  14. arXiv · ML20

    CB-LNL:利用带噪标签学习实例分割

    提出结合前景与背景证据指导局部监督的CB-LNL方法,旨在应对噪声标签下的实例分割挑战。 该方法基于COCO和LVIS标注审计,并引入覆盖人类标注及SAM2弱提示掩码的基准测试。 实验显示,相较于直接教师掩码替换,CB-LNL在程序化轮廓噪声训练上性能更优且有害编辑更少。

  15. arXiv · AI26

    GameReplica 评测基准发布:考察视觉语言智能体黑盒复刻网页游戏能力

    研究者发布 GameReplica 基准,用于评估视觉语言智能体在黑盒条件下复刻网页游戏的能力,该基准包含 125 个实例,覆盖 25 款游戏。 基准要求在容器隔离下通过动作-截图接口交互,并从规则一致性、实现一致性及视觉保真度三个维度进行评分。 实验表明,Claude Opus 4.8 取得 71.6% 的最高综合分,而模型在视觉保真度上得分普遍高于规则一致性。