跳到正文
11月10日周二
  1. 美团技术团队80

    美团正式开源 1.6 万亿参数 LongCat-2.5:多模态模型在国产算力上实现高效推理

    美团正式以 MIT 协议开源 LongCat-2.5,该原生多模态模型总参数 1.6 万亿、每个 token 激活约 480 亿参数并支持一百万上下文,面向长程智能体任务在代码开发、Visual Coding 与专业办公场景中端到端交付能力明显提升。

    推荐理由:原文详细披露了1.6万亿参数多模态模型在国产算力下的W4A4量化策略与训练细节,展示了在显存受限场景下落地万亿模型的具体工程路径。

  2. Hacker News AI36

    Anarlog 开源替代 Granola 的本地优先 AI 会议纪要工具

    Anarlog 是一款开源的 Granola 替代方案,通过捕获设备音频在本地生成会议纪要,数据存储在 SQLite 中。 支持 macOS 端侧转录,摘要功能可使用 Claude Sonnet、Ollama 等本地或云端模型。项目采用 MIT 协议,企业组件源码可见。 团队表示正构建新应用 char,Anarlog 继续作为维护中的本地优先工具存在。

11月9日周一
  1. IT之家83

    美团龙猫开源 LongCat-2.5 模型:总参数 1.6 万亿,支持百万上下文

    美团龙猫开源面向长程智能体任务的原生多模态模型 LongCat-2.5,总参数 1.6 万亿,每个 token 激活约 480 亿参数,支持一百万上下文,并采用 MIT 协议开放商用推理部署与二次训练。

    同一新闻,精选展示《美团正式开源 1.6 万亿参数 LongCat-2.5:多模态模型在国产算力上实现高效推理》

  2. Hugging Face Blog38

    HOPE:面向 MoE 语言模型的高阶专家剪枝方法

    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。

  3. arXiv · AI25

    SCDBench:基于 LLM 的智能合约反编译器评测基准

    SCDBench 发布,包含 600 个真实 Solidity 合约及语义检查点,用于评估 LLM 智能合约反编译性能。 该基准对 Claude Opus 4.7、GPT-5.3-Codex 和 GLM-5 进行零样本评估,最佳模型仅能完美反编译 42/600 个合约,引入编译修复可显著降低成本。 SCDBench 为区块链安全和透明度领域提供了严谨且可复现的反编译器评估基础。

  4. arXiv · AI24

    有限状态方法的快速通用自动微分:基于“morphism-trick”的高效反向传播算法

    提出名为“morphism-trick”的新方法,用于将自定义的向量-雅可比积集成到自动微分软件中。 该方法实现了动态规划算法高效的、与半环无关的反向传播,并针对有限状态方法引入了计算和微分有限状态自动机所有路径权重的⊕-和的算法。 用户无需大量修改代码,该开源库即可比当前最先进的自动微分系统快几个数量级地计算有限状态自动机权重函数的梯度。

  5. arXiv · ML33

    SegMate: 基于非对称注意力的轻量级多器官分割架构

    研究提出高效 2.5D 框架 SegMate,在三个数据集中将计算量降低 2.5 倍、显存占用降低 2.1 倍,Dice 分数普遍提升约 1%。 该框架在 TotalSegmentator 数据集上以 295 MB 显存实现 93.51% Dice 分数,并在其他数据集上展现出强泛化能力。 SegMate 支持单 GPU 每小时处理 10,000 个体积,代码已开源。

  6. arXiv · AI33

    LLM 层程序:通过皮层区域视角分析 PoLar 的动态层路由

    研究复现并扩展了 PoLar 的层跳过与重复机制,证实组合策略优于单一操作,且难题需更多层重复。 发现学习路由器增益主要源于修复答案格式,固定程序在修正格式提示下同样有效,且纠错程序具有脆弱性。 PoLar 类似丘脑-皮层协调机制,但能有效按输入选择更优程序的类丘脑路由器尚未找到。

  7. arXiv · AI32

    LLM 智能体框架发掘跨组织蛋白共丰度程序

    LLM 智能体框架分析了 22 种人类组织间共 231 对组合,识别出 1,825 个保守蛋白共丰度簇。 该框架整合了表达图谱、蛋白互作数据库及文献证据,76% 的组织对表现出超越随机的共丰度共享,379 个可测试簇在独立 CPTAC 数据中复现。 这些保守簇揭示了现有数据库缺失的机制,如肝脏与骨髓共同关联的白质病变基因,为疾病研究提供假设生成资源。

  8. arXiv · AI21

    Gated DeltaNet-2:线性注意力中解耦擦除与写入

    Gated DeltaNet-2 通过引入通道级擦除门控 b_t 和写入门控 w_t,解耦了线性注意力中记忆擦除与写入过程。 在 1.3B 参数规模、使用 100B FineWeb-Edu tokens 训练下,该模型在 Mamba-2、Gated DeltaNet 和 KDA 等对比基线中,于语言建模、常识推理及检索任务取得最优整体表现。

  9. arXiv · ML24

    子空间感知稀疏自编码器(SASA)用于提升大语言模型机制可解释性

    summary_zh: 研究提出子空间感知稀疏自编码器(SASA),通过将单向量解码器替换为学习子空间,解决传统稀疏自编码器因假设特征一维导致的特征分裂问题。 SASA 利用 Top-s 组门控和核范数正则化适配组秩,在 GPT-2 和 Mistral-7B 上的实验表明,该方法相比传统 SAE 显著降低了特征吸收,并以较低重建成本提高了概念成员预测的准确性。

  10. arXiv · ML29

    串联 2-FWL GNN 实现组合图对齐

    提出串联 2-FWL GNN 方法解决组合图对齐,在稀疏 Erdos-Renyi 图噪声 0.25 时,初始化 FAQ 达 85% 准确率,优于凸松弛初始化的 13% 及现有 GNN 的 0%。 相关正则图上串联法是唯一能恢复非平凡对齐的方法;在酵母 PPI 等基准上,该方法进一步超越强化后的 FAQ 基线,代码已开源。

  11. arXiv · AI35

    HomeLoop:面向日常家庭协助与安全的机器人-IoT协同仿真框架与基准

    研究人员推出基于Isaac Sim的HomeLoop仿真框架及基准,包含20项基于真实家庭隐患的任务。 该基准结合机器人本体、联网设备及故障传感器,通过时间逻辑检查评估动作;评测六款VLM显示最佳模型得分61.9%,且存在过度反应现象。 HomeLoop旨在支持机器人-IoT协同、长期记忆及隐私-安全权衡等研究。

  12. arXiv · AI20

    LLM 在零样本权重空间编程中跨难度梯度的双人对局表现分析

    该研究评估 LLM 零样本进行权重空间编程的能力,构建了涵盖 Nim 到国际象棋残局的四级难度梯度,独立验证了 10 个神经网络。 其中 6 个网络具备完整的非统计正确性证明;国际象棋残局层级中,单步战术成功率达 84.1-100%,但在完整对抗中降至 0.57-9.13%。 研究指出性能骤降源于架构天花板而非工程不足,并开源了所有网络、独立验证工具及冷启动提示协议以支持跨模型比较。

  13. arXiv · AI33

    TailDART 发布:一款专为金融时序预测设计的 2.68M 参数高效基础模型

    TailDART 是一款 2.68M 参数的稠密金融时序基础模型,旨在解决量化金融中低信噪比和高延迟问题。 模型采用分组查询注意力机制,相比现有 SOTA TSFM 推理加速最高达 48.1%,支持低延迟流式执行。 在多变时间分辨率的多资产基准测试中,该紧凑模型在预测保真度上匹配较大基线,且在高波动状态下展现出更强的错误韧性。

  14. arXiv · ML29

    MOSAIC:面向受试者无关 iEEG 癫痫检测的蒙太奇无关自蒸馏图学习框架

    研究人员提出 MOSAIC 框架,实现蒙太奇无关且受试者无关的内颅 EEG 癫痫检测。 该轻量级图学习模型通过通道注意力模块推断加权邻接矩阵,并利用指数移动平均自蒸馏目标优化预测。 在四个公开 iEEG 数据集上,MOSAIC 的 F2 和 Cohen's $\kappa$ 指标优于 SOTA 基线,证明了连接学习在未见植入设备上的可迁移性。

  15. arXiv · ML31

    DexDICE: 通过双专家离线模仿学习协调安全性与性能

    提出双专家离线模仿学习框架 DexDICE,利用安全合规与高回报演示数据,结合分布约束提升离线模仿学习性能。 采用 DICE 式离线学习与安全支撑约束,证明理想解在高概率下避免进入不安全区域。在 DSRL 基准及真实移动机器人导航任务中验证,显著优于基线且抗数据稀缺与质量退化。 被 NeurIPS 2026 收录。

  16. arXiv · ML31

    MINE:面向大语言模型的高效内存推理引擎

    MINE提出无损熵编码方案,通过利用权重非均匀分布加速LLM单流推理。核心为适配GPU的dtANS-LLM编码器,可自动调优以平衡压缩率与解码延迟。 集成至vLLM作为插件,在Llama 3.1 8B Instruct模型上,RTX 4060 Ti实现2.52倍加速,RTX 5090实现1.48倍加速。项目已开源,旨在解决本地部署中因内存瓶颈导致的低延迟请求难题。