跳到正文
11月16日周一
  1. arXiv · ML25

    Morph 提出基于非平衡最优传输的灵活尺寸分子生成方法

    针对现有扩散模型固定原子数量导致无法准确捕捉分子性质与大小联合分布的问题,研究提出名为 Morph 的灵活尺寸生成模型。 该模型基于几何图结构,通过非平衡最优传输动态调整分子大小,在保持性能的同时显著增强了属性导向采样灵活性。 研究展示了 Morph 在分布外生成任务中超越了先前固定尺寸模型在特定区域表现不佳的局限。

  2. arXiv · ML23

    基于无监督领域适应的手写文本识别管线

    论文提出一种无监督领域适应管线,用于解决字符分类与手写文本识别中目标域标注数据匮乏的问题。 管线通过源域预训练、无监督目标域适应及源域风格化微调三步,弥合领域分布差距,且不增加推理开销。 在Safran-MNIST-DLS数据集上取得76.17% Macro F1分数的新SOTA,并在READ 2018数据集上获得具有竞争力的结果。

  3. arXiv · ML42

    NeoResearch:文献与经验引导的自主时间序列模型发现框架

    NeoResearch 提出一种由 LLM 驱动的自主研究框架,利用专家启发的双循环工作流发现轻量级领域特定预测模型。 该框架自动挖掘网络科学文献提取建模机制,并通过层级经验记忆将文献发现与实验结果关联,支持跨任务复用。 在十个数据集上的实验表明,该框架具有竞争性性能,验证了双循环、文献提取及记忆复用机制的有效性。

  4. arXiv · AI38

    AscendGYM:面向昇腾 NPU 真实负载的成本感知内核优化基准

    昇腾NPU团队推出AscendGYM基准测试,其初始套件包含48个内核,覆盖三个难度级别,所有测试用例的数据类型和张量形状均源自真实训练与推理任务。 AscendGYM支持模型评估和模型-框架评估两种模式,并提出了结合加速倍数与token成本的新指标STS(Speedup-Token Score),用于衡量可接受预算下的实际内核优化能力。

  5. OpenClaw Releases23

    OpenClaw 2026.11.4 版本发布

    OpenClaw v2026.11.4 发布,包含 220 次 commits 与 125 个 pull requests,由 90 位贡献者参与。 提供 Release notes 与 Changelog 两种格式,Changelog 为纯 Markdown,专为 AI agents 和工具设计。

11月14日周六
  1. Hugging Face Blog36

    使用 SimReady 资产在 Isaac Sim 中构建机器人抓放模拟

    Hugging Face 发布教程,指导利用 UR17G 机械臂、Robotiq 2F-140 夹爪和饮料罐构建抓放模拟。 SimReady Central 提供带验证属性的 OpenUSD 资产,示例采用 GPT-6 Sol 生成控制代码,需安装 Isaac Sim 6.2。 该流程通过 Profile 验证确保资产物理属性正确,支持开发者复用经过基准校验的机器人组件。

11月13日周五
  1. arXiv · AI38

    ZONOS3-Mini 技术报告:8.86 亿参数实现实时零样本语音克隆

    ZONOS3-Mini 是一款超紧凑型实时零样本语音克隆 TTS 模型,可在笔记本电脑或手机上运行。 模型采用 886M 参数的潜在 MoE 骨干网络(每 token 激活 100M)及 15 Hz 帧率的 ZAC-1 音频编解码器,支持 44.1 kHz 音频。 在 ZTTS2-Eval 基准上,其 55 个语言集的宏平均 WER 为 6.71%,模型权重与代码已开源。

  2. arXiv · AI23

    小语言模型引导生成Linux内核语义补丁的研究

    研究利用Qwen2.5-Coder 7B等小语言模型生成Coccinelle语义补丁,平均解决35.3个内核迁移转换任务,远超直接提示时的1.0个。模型输出的规则在测试集上精确度最高(0.74),优于Spinfer(0.55)和前沿LLM智能体(0.70),并通过编译批评者剔除无效规则。 研究基于预注册测试集评估7个API迁移,涉及122个留出驱动转换,所有代码、提示词及结果已开源发布。

  3. arXiv · AI33

    Iris-Z:单一生成模型在几何任务上超越专用模型

    Iris-Z 是一个通用图像生成器,结合外观与几何生成,单一骨干网络同时处理深度估计、生成和渲染任务。在足够规模下,它超越了现有深度基准的专用模型 SOTA,同时保留原始生成能力。 该模型无需专用层,统一处理单目几何任务,打破了专用架构长期主导该领域的局面。 作者发布两个模型供社区使用,验证了“苦涩教训”在视觉智能领域的适用性。

  4. arXiv · AI26

    WGAN-GP 与 Pix2Pix 在光子计数 X 射线成像探测器间隙插值中的应用研究

    该研究将 WGAN-GP 和条件 Pix2Pix 生成模型用于填补 X 射线探测器物理间隙,并实现了仅限间隙像素修改及约束均值与强度分布的掩码策略。在 nanoCT 投影数据上,两种模型在感知相似度(LPIPS)和直方图距离上表现最优,其中 Pix2Pix 训练耗时比 WGAN-GP 少约五倍。最终 Pix2Pix 模型源码及权重已开源,但在断层重建中相比线性插值提升有限。

  5. arXiv · NLP43

    LLM 长期记忆中的时态扁平化现象

    研究指出,LLM 代理的长期记忆常将进行时用户事实扁平化为一般现在时,导致“时态扁平化”现象。在名为 LAPSE 的基准测试中,三个生成模型在 381 对样本中的 210 对里保留了时态差异,且 11 个测试模型均显示此单向丢失现象,该结果同样存在于 mem0、Graphiti 和 Letta 系统中。

  6. arXiv · AI36

    AVA: Agentic Variant Adjudication 用于癌症诊断测序的自动化、可审计读级审查

    AVA 是一个智能体框架,自动化读级测序数据审查,区分真实突变与测序伪影,无需在现有数据上训练。 在 SEQC2 DNA-seq 基准和患者 RNA-seq 数据上,Claude Sonnet 5、GLM 5.3 Flash 和 Gemma 4 31b 等模型在低 VAF 边界变体子集中优于最佳 VAF/深度阈值。 该框架适合受隐私约束的临床部署,支持本地运行开源权重模型并保持专家在环。

  7. arXiv · AI35

    Ballad:基于 Bandit 的 LLM 路由实现自动化启发式发现

    研究团队提出 Ballad 框架,该算法在 5 个 NP-hard 组合优化问题中,实现了与最佳单一 LLM 相当或更优的效果。 Ballad 采用在线 Bandit 策略和 DAG 信用传播机制,动态调度 4 个不同成本的 LLM,最高可降低 65.6% 的 API 费用。 该成果表明 LLM 能力与成本并非线性正相关,为启发式发现提供了低成本高效的替代方案。

  8. arXiv · AI26

    AnalogLayoutWorld 开放基准测试发布

    开源基准测试 AnalogLayoutWorld 发布,包含 40 个专家审查任务,用于评估智能体在模拟电路布局设计中的端到端生成能力。 该基准测试结合独立物理验证和布局质量指标,在 13 种模型-框架配置中,91.1% 的尝试生成了 GDS 布局,但仅 23.0% 通过验收标准。

  9. arXiv · AI31

    Primer: 支持教师主导的教育模拟创建的开源 AI 框架

    Primer 是一个开源且 LLM 无关的 AI 辅助系统,帮助教育者创建自适应教育模拟。系统采用多智能体架构以执行教师的教学意图,并支持本地及开源模型运行。作者通过发布 Primer 源码、提示词及 GitHub 仓库,为教育者主导的 AI 创作、多智能体教育工作流及基于模拟的教学法研究与开发提供了基础。

  10. arXiv · NLP33

    Skepthical 基准:基于真实论文的 AI 同行评审审计

    研究者发布 Skepthical 多智能体评审基准,在 15 篇天体物理与机器学习 arXiv 论文中注入 357 个可定位错误,用于衡量 12 个评审系统的检测率与误报率。该基准涵盖通用问题、数学、数值及引用四类错误,并通过检索、计算机代数与代码执行进行验证。结果表明,模型选择对检测率影响最大,强制引用检索使 Skepthical 在天体物理引用错误检测上取得最高成绩。

  11. arXiv · NLP58

    Lara Mini Base 发布:语言多样性作为资源而非权衡

    研究团队发布 Lara Mini Base,这是基于 6T tokens 和 44 种语言训练的开源多模态 MoE 模型,总参数量 7.2B 且激活参数 0.6B。该模型在标准英语、多语言、数学及代码基准测试中,以少于主流模型 4 至 6 倍的训练数据量取得最高平均分。其 128k 上下文支持及单 GPU 无量化 1.8 倍推理速度优势,证明了 MoE 架构有效缓解了多语言训练中的容量竞争问题。

  12. arXiv · AI25

    SignRot: LLM 量化中基于海量异常值感知符号调整旋转的方法

    SignRot 通过识别异常通道构建符号调整向量,将双峰分布折叠为单模态分布,配合非对称量化解决量化瓶颈。 该方法仅需单次校准前向传播,在推理时仅增加逐元素符号翻转,无需额外矩阵乘法。应用于 QuaRot 时,LLaMA3-70B 模型 WikiText2 困惑度达 5.88,平均零样本推理准确率为 72.73。