跳到正文
10月31日周六
  1. 商汤科技SenseTime70

    商汤开源 SenseNova Loop-9B-Preview:探索以计算深度释放模型潜力

    商汤开源日日新 SenseNova Loop-9B-Preview 模型,采用 Looped Transformer 架构引入循环计算,通过参数共享模块扩展有效计算深度,在 9B 参数规模下性能媲美 27B 级模型。

    推荐理由:商汤开源了基于 Looped Transformer 架构的 9B 模型,通过循环计算扩展有效深度,为社区提供了替代单纯扩大参数规模的模型架构实践参考。

  2. AWS Machine Learning Blog53

    管理 Amazon Bedrock 成本的端到端指南:FinOps 与平台团队操作手册

    本文面向 FinOps 与平台工程团队,提供了一套管理 Amazon Bedrock 生成式 AI 成本的端到端五阶段操作手册。五阶段包括通过 IAM 标签和 CUR 2.0 归属每一笔花费、通过模型调用日志与请求元数据观测每一个请求、按组织风险承受度实施预算约束、通过智能路由与 Prompt 缓存优化平台默认设置,以及定期运行记分卡复盘。

  3. AWS Machine Learning Blog55

    Amazon Bedrock AgentCore 运行时中实时预览编码代理构建的 Web 应用

    本文演示了如何使用 Amazon Bedrock AgentCore 运行时中的 Session Endpoints,在你的浏览器中实时预览编码代理构建的 Vite 网站。通过本地端点,你可以直接观察代理保存文件时网站的变化,无需重新部署。示例展示了代理如何将深色主题变更实时推送到前端,以及如何通过 Session Endpoints 访问会话内的第二个端口。

10月30日周五
  1. Google DeepMind30

    Google DeepMind 推出 PlanAssist 加速规划决策

    Google DeepMind 开发的 AI 工具 PlanAssist 将规划官员处理住宅申请的平均耗时缩短 58%,现扩展至 12 个地方规划机构。 该工具基于 Gemini 构建,可自动校验文档、核查政策合规性并起草报告,70% 的生成报告无需编辑即可获批。 此举旨在缓解规划积压,支持英国政府 2029 年建设 150 万套新住宅的目标。

  2. Qoder43

    高德地图通过 Qoder CLI 在钉钉群部署三个 Agent 机器人实现工作流嵌入实践

    高德地图将 Qoder CLI 接入钉钉群,构建需求、报警、代码审查三个 Agent 机器人,消除人工转述背景与搬运结果的环节。 技术架构基于 cc-connect 与 MCP 协议,五周内业务机器人完成 271 次 CodeReview,其中 25% 结论为需修复或阻断的 P0/P1 问题。 该实践验证了 Agent 嵌入即时通讯工具以获取上下文的有效性,成为团队日常研发流程的固定环节。

  3. 月之暗面 Kimi65

    Kimi 官方教程:如何结合外部工具制作 3D 作品

    Kimi 官方教程说明如何基于 Kimi K3.1 Pro 与 3D 制作工具制作网页、建筑、小游戏和预告片。教程区分参数化建模和网格化建模,并介绍 kimi.com 的 3D Make、Kimi Work、Kimi Code 和 Kimi API 四类入口,以及 Blender、Unreal Engine、Unity、Godot、Tripo、Meshy 等工具。

    推荐理由:文章将官方宣发的 3D 演示拆解为可复用步骤,并指出不同入口与外部工具在复杂场景制作中的分工。

  4. 面壁智能33

    面壁智能 AI Box 随深蓝 L06 量产落地,端侧算力解模型迭代错配

    面壁智能联合梧桐科技与英特尔打造的 AI Box 已随长安深蓝 L06 量产交付,作为选装模块解决座舱算力供给与模型快速迭代错配难题。 该模块化端侧算力节点搭载英特尔 Core Ultra 平台及面壁 4B VLM 模型,支持 OTA 升级,实现本地隐私处理与主动服务。 从发布到量产仅用三个月,AI Box 将车机带入全时感知、主动服务的智能 4.0 时代。

  5. arXiv · ML20

    SkillHone:基于持久决策历史的智能体技能持续进化框架

    SkillHone 是一种基于持久决策历史的智能体技能持续进化框架,通过记录诊断、修订、证据和结果的结构化历史,实现跨会话技能优化。在深度研究基准测试中,GAIA 得分领先商业智能体 15.8 分,WebWalkerQA-EN 领先 3.2 分,内部场景平均准确率提升 18.8 点。该成果已被 EMNLP 2026 工业赛道接收。

  6. arXiv · ML26

    RFWalk:一种自监督的RF-only里程计框架

    RFWalk提出了一种自监督、仅依赖RF的里程计框架,用于在黑暗、烟雾和迷雾中实现机器人自身运动估计。 该框架将距离-方位帧间的密集对应建模为时空图上的随机游走,并通过时间周期一致性从无标签序列中学习,同时引入多普勒一致性损失来约束物理上不合理的运动。在动态场景中,RFWalk将绝对轨迹误差降低了58%,且在静态场景中与监督基线模型具有竞争力。

  7. arXiv · ML24

    城市交通不确定性下基于 QMIX 与独立 Q 学习的协同电动车充电分配比较研究

    研究将电动车充电分配建模为 Dec-POMDP,验证了 QMIX 相比 IQL 基线在协同调度中的性能优势。 在 6 站 SUMO 模拟网络中,QMIX 的每次决策平均奖励达 +0.776(IQL 为 +0.578),接受率从 72.4% 提升至 94.0%。 消融实验表明,性能增益主要源于 CTDE 架构,而协作奖励塑形和经验共享未显示明显益处。

  8. arXiv · ML28

    阶段性强化学习中 Minimax 最优遗憾界

    在阶段性表型 MDP 中,新算法首次实现了无额外对数因子的 Minimax 最优期望遗憾界 √(H³SAK)。 该方法基于 UCBVI 变体,采用 MOSS 风格探索奖励,通过占用加权方式控制欠乐观误差传播。 作为推论,该分析还支持了首个在部分场景下匹配最优下界的 PAC 最优策略识别算法。

  9. arXiv · ML30

    TICL³:一种内建可解释性的表格数据预测方法

    论文提出 TICL³,通过结合表格基础模型引导的共享线性模型与局部残差线性模型,实现了可内建可解释的表格预测。 在 386 项基准测试中,TICL³ 在 266 项中优于 CatBoost,支持度 F1 比 MAPLE 提升 4.7 个百分点。 该方法使模型在做出预测的同时直接解释特征贡献,适用于生物标志物识别等场景。

  10. arXiv · ML26

    马尔可夫数据下流式联邦学习的泛化间隙研究

    论文利用信息论与率失真技术,推导了客户端数据遵循马尔可夫过程时,聚合模型的期望泛化间隙上界。 在交叉熵损失下,研究将界限特化于线性下一词预测(LNTP)和自注意力下一词预测(SANTP),量化了客户端数量、通信轮次及混合时间对泛化的影响。 研究揭示了通信-泛化权衡,指出频繁聚合虽利于优化但可能削弱泛化保证,并表明在固定数据预算下分布式流式学习可能优于集中式。

  11. arXiv · ML31

    GNN 对抗攻击与防御的分离原则:SepAttack 方法

    研究提出针对 GNN 特征攻击的 SepAttack 方法,基于归一化邻接算子谱特性推导最优特征扰动。 该攻击将扰动分解为图依赖分量(与节点度相关)和权重依赖分量(为组合权重的顶奇异向量),无需梯度计算。 SepAttack 在目标场景中较 Nettack 和 IG-Attack 基准实现最高约 70 倍加速,并在连续特征图跨架构迁移中表现优异。

  12. arXiv · AI40

    Rebuild Dossier:面向智能体应用重建的机械化强制规范及模型层级失败分析

    开源工具 Rebuild Dossier 在编码前锁定应用接口,并通过自动化检查强制“一次一测试”构建流程。 对比显示合规智能体在保留测试中失败,而违规者全部通过;在大应用上该工具甚至未运行自动化检查。 该工具采用 MIT 协议,支持在自有应用中端到端复现。

  13. arXiv · AI31

    个性化技能对编码智能体有效吗:基于开发者交互轨迹的实证研究

    研究者提出结合规则引导与LLM精化的框架,从交互中蒸馏开发者专属技能。 实验发现任务级技能整体更有效,仅当偏好高频出现且任务高度相关时,个性化技能才更具优势。 研究指出可广泛迁移的程序性知识比个人偏好信号更稳健,有效个性化需挖掘丰富的用户信号。

  14. arXiv · AI33

    开发者如何编辑AI生成代码?LLM 如何推断其编辑意图?基于 53.6K 开发者编辑数据的洞察

    研究引入包含 53.6K 条真实 IDE 代码编辑的 DECODE 数据集,分析开发者修改 AI 生成代码的行为。 数据显示开发者投入极少修改 effort 且快速放弃代码,Frontier 模型在推断编辑意图时易过度修改或撤回人工编辑,微调 LLM 虽能提升相似度但无法完全弥补与 Frontier 模型的差距。 这些发现旨在通过研究真实代码编辑数据,促进更高效的开发者与 AI 交互。

  15. arXiv · AI28

    QGF:测试时梯度引导的强化学习流策略

    论文提出 Q-Guided Flow (QGF) 强化学习算法,通过测试时策略优化替代不稳定训练,在单任务和目标条件离线强化学习基准上超越现有测试时方法。 该算法利用预训练的流策略和价值函数,在测试时用价值梯度引导生成高价值动作,避免了演员-批评家训练的不稳定性且运行成本更低。 QGF 展现出随模型规模扩展的良好特性,为使用高维动作空间的机器人控制提供了实用且高效的强化学习替代方案。

  16. arXiv · AI35

    利用强化学习控制原子四量子的本征非线性自旋动力学以实现磁场测量

    在161Dy f=21/2流形中,利用强化学习识别统一控制策略,将非线性的非线性塞曼效应(NLZ)转化为持续的计量资源。 该策略稳定实现了超过4dB的固定轴自旋压缩,包含状态制备开销的单原子磁场灵敏度达到13.9pT/√Hz,比标准量子极限高出约3dB。 该学习基控制为将多级原子传感器中不可避免的本征非线性动力学转化为计量优势提供了实验可行的路径。

  17. arXiv · AI28

    JoBS 提出联合优化 LLM 训练数据与模型配置的方法

    JoBS 引入一种基于贝叶斯优化的方法,通过构建缩放定律预测器协同优化 LLM 微调的数据和模型配置。该方法无需每次迭代都进行完整训练,在相同预算下可探索更多配置组合。实验显示,JoBS 在多项下游任务中优于独立优化方法及多保真度 BO 基线。

  18. arXiv · AI26

    长时域语言代理中的重尾内存痕迹

    长时域语言代理在重复检索时呈现重尾内存分布特征。研究发现,不同检索策略导致内存集中度显著差异,随机游走符合对数正态分布,语义LLM策略符合截断幂律分布。提出的CTMC控制器在LongMemEval基准上将提示词tokens减少24.48%,同时保持整体准确率。

  19. arXiv · AI30

    VoiceLongMemEval 基准揭示 AI 助手在长对话中遗忘语音特征问题

    研究人员发布 VoiceLongMemEval 基准,指出当前评测忽视非语言线索,导致 AI 助手存在广泛的情感认知差距。提供语音元数据可使模型准确率提升 0.09 至 0.38,原生音频模型性能优于纯文本盲测。 该基准包含情感标签等元数据,每项测试均通过对抗性关卡,确保强语言模型仅靠文本无法作答。代码和数据集将在论文被录用后公开。

  20. arXiv · AI35

    ATLAS: 美团小团工具使用智能体的双视野诊断评估框架

    美团小团采用双视野诊断评估框架 ATLAS,提升工具使用智能体表现,在 14 天 A/B 测试中答案阅读率提升 2.84%,付费订单量提升 6.13%,并实现全量上线。 框架通过回合内轨迹信号识别执行失败,跨回合用户信号诊断意图漂移。 LLM 裁判与业务日志动态校准,部分模型被蒸馏为紧凑诊断模型以提升诊断保真度。

  21. arXiv · AI30

    INFRAMIND:基础设施感知的多智能体编排

    论文提出 INFRAMIND,一种根据服务负载动态调整多智能体推理工作流的层次化策略。 在 500 道 MATH 题且截止时间为 10-300 秒的场景中,INFRAMIND 将按时正确率从 20.4% 提升至 33.8%;使用 15 个模型时,该比例从 11.6% 升至 54.8%。 结果证实了将推理决策适应整个工作流的服务容量的重要性。

  22. arXiv · AI44

    MAVIC 提升协作多智能体强化学习中的指令遵循鲁棒性

    协作多智能体强化学习(MARL)在适应外部自然语言指令时,因 Bellman 更新耦合不同指令下的价值估计,导致指令中断宏动作时产生不一致价值。该论文提出宏动作价值校正(MAVIC)方法,通过在指令边界处修正 Bellman 备份目标,而非简单的奖励塑形,实现随机指令切换下统一策略内的一致性价值估计。