基于混合图神经网络的股骨应力预测:有限元分析的替代模型
该研究提出混合 GNN 框架用于股骨应力预测,解决 FEA 高算力成本及传统 ML 缺失网格拓扑结构的问题。 模型采用 GCN-SAGE-Residual 架构,在 14 个模型对比中性能最优,R^2 达到 0.8022,平均绝对误差为 2.879 MPa。 代码已在 GitHub 公开,为骨科分析提供高效替代方案。
该研究提出混合 GNN 框架用于股骨应力预测,解决 FEA 高算力成本及传统 ML 缺失网格拓扑结构的问题。 模型采用 GCN-SAGE-Residual 架构,在 14 个模型对比中性能最优,R^2 达到 0.8022,平均绝对误差为 2.879 MPa。 代码已在 GitHub 公开,为骨科分析提供高效替代方案。
该研究对大语言模型强化学习运维(RLOps)进行系统性综述,旨在解决训练扩展中暴露的分布式执行、反馈计算及学习动态故障问题。研究将现有方法归纳为训练设置、经验收集、奖励计算、策略优化和模型评估五个阶段,并深入分析各阶段的操作关注点与管理技术。文章指出了训练过程可观测性、跨阶段协调及通用化 RLOps 等开放挑战,相关资源已托管于 GitHub 仓库。
SplitZip 是一种针对 LLM 分离式推理中 KV 缓存传输瓶颈设计的 GPU 友好型无损压缩器,可在不修改模型执行逻辑的前提下实现位级保真传输。 其利用 KV 激活值中浮点数指数的冗余性,采用校准过的 Top-16 指数码本结合固定长度编码与稀疏逃逸流机制。在 BF16 张量上实现 613.3 GB/s 压缩吞吐,端到端传输速度提升最高 1.32 倍。
发布包含 4,131 个 GitHub PR 的数据集 PrivacyPR,提供 1,169 个高置信度隐私修复及 250 条人工验证样本。 在 Small 子集上,编码智能体在通用提示下仅检测出 42%-51% 缺陷,而在明确隐私审查指令下检测率达 88%-91%。 结果表明缺陷检测依赖审查意图,且伴随 11%-15% 的误报,数据与代码已公开。
研究发布开源数据集 GHAgentCI,包含 15K+ 工作流历史和 205K+ 智能体证据记录,用于检测 GitHub Actions 中的编码智能体集成。 开源提取器 cai-miner 通过可扩展目录识别证据,人工验证显示 96.1% 的专用 action 匹配率及 98.8% 的 GitHub Agentic Workflow 匹配率。
研究者发布 GingivitisSeg 公开基准,包含 961 张口腔图像及像素级标注。 基准测试对比 7 种语义分割模型,UPerNet 搭配 ResNet50 取得 76.49% mIoU 和 54.91% 牙龈炎 IoU。 该基准数据集及源代码已公开,支持计算机辅助牙周评估。
研究人员提出 Metal Sandbox 基础设施,通过跨节点命令级调度优化 Apple Silicon 上 GPU 编码智能体的执行效率。 在 4 台 Mac mini M4 节点上,集中需求下命令吞吐量提升 1.68 至 2.05 倍;动态调度使平均工具等待时间降低 18.8%。 该项目已与 Harbor 集成,并在 GitHub 开源。
Agent skills 是一种以版本化目录和 SKILL.md 为核心的可复用指令集,允许在不同 Agent 间共享重复任务逻辑。文章通过 Proof Agent 和 Data Forge 示例,展示了如何将项目配置与技能逻辑分离、协调多技能工作流以及集成人类检查点。
推荐理由:提供构建可跨 Agent 复用技能的结构化指南,涵盖上下文分离、多技能协调及 CI 验证等关键实践。
AWS 发布下一代 Amazon Bedrock AgentCore runtime,用于在安全隔离环境中运行和扩展 AI Agent。新 runtime 的会话启动速度最高提升 15 倍、算力可扩展 4 倍,最高支持 8 vCPU 和 32 GB 内存,并在空闲时将 Agent 缩容至零,最高可将单会话内存消耗降低 68%。
推荐理由:新版 AgentCore runtime 给出了 4x 算力、低于 2s 启动和 68% 效率提升等量化指标,读者可据此评估大规模 Agent 生产的算力与成本。
结合 Spring AI 与 Amazon Bedrock AgentCore 为 Java 团队提供构建自主 AI 智能体的完整方案,涵盖规划、工具调用及记忆功能。 该方案要求使用 JDK 21、Spring Boot 4.1 及 spring-ai-agentcore 2.0,通过单智能体旅行助手与多智能体文档处理示例展示生产级部署模式。
summary_zh: Spaghetti Architect 生成器将程序转换为五种语言的混乱代码,通过移除注释使四款测试模型的得分降低,且对最弱模型的影响约为最强模型的十倍。
研究团队发布 VEX-Bench,基准涵盖 7 个前沿 LLM、7 种生成方法及 60 个真实主题,共生成 5,880 篇虚假文章。 VEX 分数整合诱发率与核实复杂度,发现 LLM 能以低 3 倍至 169 倍的成本生成高 VEX 虚假信息。 这导致稀缺的核实资源被系统性错配,代码已在 GitHub 公开。
Hugging Face 提出 HOPE 方法,通过计算专家间高阶交互实现 MoE 模型的精准剪枝。 作为二阶方法,HOPE 在 50% 剪枝率下表现最优,相比次优方法在 agentic coding 任务上提升最高达 6.1%。 该方法无需训练且兼容量化,能有效解决传统一阶剪枝忽视专家协同集群导致的性能衰减问题。
GitHub Copilot 推出 Plan、Build、Verify、Observe 四阶段智能体工程工作流,旨在通过自动化流程提升开发全链路效率。 该指南结合 GitHub Agentic Workflows、云沙箱执行及 Copilot Fusion 模型调度功能,通过持续会话与跨设备协作解决多任务并行难题。
研究测试了 6 种 AI 工具在文献综述四个阶段的表现,指出 LLM 能辅助发现与解读文献,但无法替代专家判断。 基准基于西班牙羽流天气模式的 102 篇文献库,5 种工具共识别 57 篇,引入机构权限后 Codex 识别数升至 82 篇。 3 种工具在综合研究中存在误导性声明或共识夸大,需依赖专家进行证据评估与综合。
SlackBench 发布了针对真实协作工作流的 AI 智能体评估基准,包含 140 个需联合推理通信与代码状态的查询任务。该基准基于隐私保护的学术项目重演,涵盖多源检索、不可回答问题的拒绝回答及长对话情境推理。测试显示 33 个前沿模型中最佳系统得分约 80%,大多数智能体低于 66%。
DS@GT ARC 团队为 CLEF 2026 CheckThat! Lab Task 3 开发了四阶段事实核查文章生成流水线,利用 Llama-3.1-8B-Instruct 模型并基于原始判决条件生成文章。 该流水线包含证据清洗、源文档检索与聚类、文章生成及内联引用恢复步骤,在 9 个参赛队伍中排名第 3,平均得分为 0.428,显著高于基线的 0.272。
新框架 SAGE 利用语义和语用层面的主观性语言特征,结合轻量级分类器,在 APRDB 基准上实现了 0.9566 的 AUROC。 该方法将 SAGE 输出与 Sem-Detect 结合,使其在 1% FPR 下的 TPR 从 0.874 提升至 0.985,超越当前 SOTA。
论文提出一种后处理修复模块,利用 VLA 预测的短视域动作检测障碍物并生成导航路径,通过软引导项改善 CBF-QP 安全性过滤。 该方法将路径引导加入 CBF-QP 目标函数,保持安全约束严格有效,从而修正被局部截断的任务轨迹。 在 SafeLIBERO 基准测试中,该方法在碰撞规避、任务成功率及安全成功率方面均优于 AEGIS。
现有互信息估计基准多局限于低维简化分布,难以评估复杂真实数据下的性能。研究提出基于 Copula 理论的基准框架,涵盖合成流变换与真实图像依赖结构,评估非参数、变分及生成式估计器。 结果显示不存在通用最优估计器,不同类别在特定场景下表现各异。通过识别基本估计壁垒并提出新测试,该基准更有效地揭示了现有方法的局限。
开源视频创作工具 Hypit 首发上线 RunningHub 的 Runow 工作台,支持免配置一键调用。用户上传参考视频和替换素材后,Hypit 会解析原片的镜头节奏、画面风格及文字声音,提供三种兼顾还原与改编的复刻方案。创作者可通过同步对比功能进行定向修改,直接应用于电商广告、影视二创或自媒体内容制作,无需本地安装或对接模型接口。
QA Studio 引入应用实体、健康指标视图及基于团队的五级角色管理,支持组织级扩展。 应用作为测试容器继承所有权,自动记录 CloudWatch 自定义指标。 健康分数(0–100)通过扣减 Flaky Test 惩罚计算,并提供 7 天/30 天趋势及 Flaky 测试排名。
研究团队提出 LLM 代码坏味道分类法,构建静态分析工具 SpecDetect4LLM,并在 692 个开源项目中完成大规模实证评估。 评估结果显示,LLM 代码坏味道影响了 73.5% 的分析系统,检测精确率为 91.3%,召回率为 71.8%。
Timestral 是一组包含 5M、28M、123M 和 209M 参数四个规模的时间序列基础模型,专用于概率预测。在 GIFT-Eval、TIME 和 fev-bench 基准测试中,Timestral-209M 和 Timestral-123M 包揽了所有指标的前两名。
对 13 种语言热门 GitHub 仓库的普查显示,部分仓库使用 AGENTS.md 或 CLAUDE.md 引导编码智能体,且两者共存时前者常指向后者。 指令集包含代码规则与工作流,但大量指令缺乏解释;三分之一指令集带有 AI 生成签名,且约五分之四在创建后被编辑。 研究发布了标注数据、分类体系及文件版本指针,为理解智能体指令实践提供实证基础。
针对 LLM Agent 在万级工具库中选择工具的性能瓶颈,通过强化学习训练 Qwen3-8B 小模型可替代 Claude 和 GPT 等商业模型完成检索与分解。该模型在 ToolBench 上表现优于 402B 的 Llama-4-Maverick,并展现出对新工具库和不同检索器的跨域泛化能力。
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。
GitHub 官方博客访谈三位拥有十余年经验的 Java 冠军开发者,分享他们使用 GitHub Copilot 提升生产力的具体案例与最佳实践。
DeepSeek 官方宣布全面开源内部推理框架 DeepInfer 及生产级 Token 编解码组件 deepseek-recipe,旨在通过分享部署经验帮助开发者优化大规模推理的吞吐与延迟。
推荐理由:开源框架支持多种解码能力并兼容主流硬件平台,开发者可直接复用其部署经验以降低大规模推理成本。
该框架通过动态层路由减少 VLA 模型推理开销,在 Bench2Drive 基准上降低 53.5% 计算量且驾驶能力无显著退化。 采用场景感知 token 与预算条件路由机制,按实时场景动态调整激活参数比例。 已发表于 NeurIPS 2026,代码在 GitHub 开源。
GitHub Copilot 允许用户直接在 VS Code 中打开并继续其 App 端会话,无需重建上下文。 点击“Open in VS Code”即可加载包含任务、计划和对话记录的完整会话,项目通过关联的 worktree 隔离运行。 开发者可在编辑器中手动修改代码、运行本地测试,并继续向 Copilot 提问或推送更新至 Pull Request。
Open Notebook 在 GitHub 获得 4 万 Star,定位为开源、多模型且注重隐私的 NotebookLM 替代方案,支持全文与向量搜索、引用溯源及播客生成。
推荐理由:Open Notebook 将多模型配置交给用户,并通过默认接入硅基流动,让知识库的部署、模型选择和隐私控制都可以按需组合。
开发者 TabbyYu 基于阿里云百炼 qwen-vl-plus 推出微信小程序“拉香了”,用户拍摄照片即可生成 32 种 DBTI 便便人格与卡通形象。 该小程序通过 Zod 校验与 System Prompt 严格禁止医疗诊断,确保数据隐私且同一记录人格一致。 项目旨在降低健康观察门槛,让普通人更愿意持续记录排便状态,相关案例已收录于阿里云百炼开源计划。
面壁智能联合 OpenBMB 社区正式发布并开源端侧多模态模型 MiniCPM-V 4.7,包含 35B-A3B 和 1B 两个版本。其中 35B-A3B 是全球首个可在端侧无损流畅运行的开源 MoE 多模态模型,在约 3GB 内存的 iPhone 17 Pro Max 上实现每秒 13+ token 的生成速度。
推荐理由:原文披露了 35B 参数 MoE 模型在 3GB 内存端侧运行的具体性能数据与 LES 调度技术细节。
研究团队提出 GPU Goldmines 框架,实现 WebGPU 内核在边缘 LLM 推理中的自动调优。 该框架针对 LLM 核心模块构建了矩阵乘法、矩阵向量乘法和 Flash Attention 内核。
PhysCodeGym 发布 156 项任务,涵盖刚体、液体、可变形及风驱动运动,用于评估编码智能体的物理可验证 4D 重建能力。 智能体通过编写运行 Blender 程序并利用模拟反馈进行迭代,结合规则化度量与评分标准制判断六个指标。 实验揭示推理努力设置下产物质量与完成度的权衡,反事实测试暴露出通过常规检查的重建中潜在的接触与支撑失效问题。
基于2019至2025年瑞士官方投票手册,构建了包含53项联邦议题的Swiss4Arg多语种平行数据集。该资源覆盖德语、法语、意大利语和罗曼什语四种国家语言,由每种语言的三名母语者标注,并提供了GPT-5.4与SwissBERT的基线结果。 该数据集为多语种论辩挖掘与低资源场景下的跨语言可比性研究提供了新基准,标注与代码已公开发布。
通过定制指令、Agent 技能、自定义 Agent 和 MCP 服务器,可优化 Copilot 处理项目的能力。 其中定制指令位于 .github/copilot-instructions.md 文件,Agent 技能封装重复流程,MCP 服务器则连接外部工具如 Playwright。 社区资源 Awesome Copilot 提供现成的配置模板,帮助开发者快速适配现有工作流。
研究提出 RobustBench-TC 基准,包含 22 种扰动类型,揭示工具使用智能体在真实部署中面临的 Sim-to-Real 差距。21 个模型测试显示,奖励与状态转换扰动分别导致准确率下降约 40% 和 30%,而观测扰动影响不足 5%。
推出立场特定提示优化框架 MoPrO-SD,将提示分解为功能语义模块并基于 LLM 反馈进行顺序精化,同时引入疫苗立场检测新基准 VaccineStance。 在四个数据集和五个开源 LLM 上验证,MoPrO-SD 在多场景下优于人工撰写的 Base 提示;在 SemEval-2016 上,基于类别的条件反馈对五个基座模型中的四个获得了更高的平均 Macro-F1。