跳到正文
10月15日周四
  1. IT之家85

    英伟达发布 1200 亿参数开放多模态模型 Nemotron 3.5 Super VL

    英伟达发布 1200 亿参数开放多模态模型 Nemotron 3.5 Super VL,将推理、指令遵循、工具调用与文本、图像、文档及视频理解整合进同一模型,面向持续运行、执行多步骤任务的 AI 智能体。

    推荐理由:原文给出了 1200 亿参数开放多模态模型的评测、部署优化和端侧压缩方案,读者可以据此判断其单 GPU 吞吐量和智能体任务落地成本。

  2. TechCrunch · AI20

    TechCrunch Disrupt 2026 第三天议程发布

    TechCrunch Disrupt 2026 第三天在旧金山 Moscone West 举行,汇聚超 1 万名创始人、投资者及科技领袖,重点探讨 AI 创新、初创增长与融资策略。 议程涵盖 Startup Battlefield 决赛、320 余家初创企业展位,以及关于 AI 代理安全、SaaS 模式变革和 OpenAI、NVIDIA 等公司代表的行业论坛。

  3. Hugging Face Blog65

    Apertus 1.5 模型发布:引入多模态与推理模式

    Apertus 1.5 发布 8B 和 70B 模型,基于 Apache 2.0 许可开放,支持图像和音频输入,上下文窗口扩展至 262,144 tokens。通过引入 Thinking 模式增强推理能力,并使用 Early-fusion 架构将多模态数据转化为离散 token,模型在代码编写和指令遵循上显著优于同等规模的开源权重模型。

    推荐理由:原文提供了全开放的多模态开源模型训练细节和评测体系,可帮助读者理解早期融合架构在开放生态中的落地路径。

  4. Hacker News AI24

    Openkoda 发布基于 AI 的保险政策管理系统

    Openkoda 提供全托管的保险政策管理云平台,支持团队通过 AI 快速配置从报价到理赔的全流程。 系统内置 MCP server、Stripe 及 Office 365 集成,提供多租户支持和 API,可选私有化部署以避免数据锁定。 团队拥有企业级金融与保险系统开发经验,支持固定价格签约,无按席位或保费百分比收费。

  5. arXiv · ML21

    在线分词算法实现近线性时间与最优延迟

    该研究提出一种在线分词算法,在保持输出延迟最优(至常数因子内)的同时,实现了近线性时间复杂度。 算法基于 P≠NP 假设确立了条件性下界,表明无法在常数因子内超越该延迟。实测显示,该算法在首 token 延迟上比 tiktoken 快 7.9×–34.8×,吞吐量提升 2.4×–7.0×,且内存占用保持近似恒定。

  6. arXiv · ML25

    通过正未标记学习实现扩散模型渐近精确的负向引导

    该扩散模型负向引导方法通过正未标记学习采样自显式目标密度,解决现有方法无法通过增加计算系统降低偏差的问题。 方法在扩散时间步估计样本属于不期望条件的概率,利用条件样本和扩散粒子进行轻量级在线训练,并通过序贯蒙特卡洛校正残余失配,在粒子极限下实现渐近精确。

  7. arXiv · NLP31

    AtomSearch:基于证据引导树搜索的智能体技能优化方法

    AtomSearch 采用局部原子编辑与技能状态树搜索,在四个任务五个模型上验证效果。 使用 deepseek-v4-flash 时,其在四项任务中三项超越 SkillOpt,LiveMathematicianBench 提升 9.68 个百分点,且最终技能字符量为对标的 2.3-19.7 倍。 证明局部规则编辑可支持有益修订路径探索并生成紧凑技能。

  8. arXiv · ML31

    MA-Bench: 衡量大语言模型作战计划能力的基准

    MA-Bench 基于军事任务分析场景,包含 10 个合成文档包和 1257 项专家编写的通过/失败要求。 最优前沿模型在该基准的评分项中正确率为 62%;模型在事实陈述上得分最高(58%),在推断判断上得分最低(33%),且 60% 的失败归因于遗漏而非错误。 MA-Bench 已公开数据文档、评分规则、提示词及评分器。

  9. arXiv · ML35

    Genesis Steering:通过训练数据实现更好的激活引导

    提出 Genesis Steering 方法,利用模型自身微调数据中的对比示例推导“创世向量”以优化推理时的激活引导,并建立关于决策边界最优位移和代理估计偏差的理论结果。 在 Tülu-3-8B 上验证表明,来自其训练混合的安全数据产生的引导效果强于外部数据集;Llama-3.1-8B-Instruct 作为对照组显示成员推断(MIA)方法的效果依赖于数据分布方向偏移程度。

  10. arXiv · NLP36

    多语言风格个性化生成指标元评估:如何寻找优秀评估指标

    提出基于回归的指标元评估框架,通过校准指标输出预测人类评分,并构建覆盖 10 种语言和 4 个维度的多语言风格生成基准。 元评估 32 个指标显示,校准后的字符串和嵌入方法可匹敌 LLM 裁判,并识别了集成优于个体的条件。 该方法解决了相关系数不稳定的问题,提供跨评估设置下指标能力的可比度量。

  11. Hacker News LLM29

    量化 LLM 供应链中的可验证性缺口:IVR 评估与安全协议研究

    研究提出独立可验证率(IVR)指标,评估第三方对量化 LLM 工件的逐位复现能力。在 Hugging Face 198 个热门 GGUF 仓库中,无任一记录构建环境,导致记录输入下的 IVR 为 0。 实验表明,通过补充浮点收缩设置和混合模型量化配方,可复现 x86 平台 7/8 目标文件;但校准 imatrix 需哈希绑定,单一编译器设置在极低困惑度成本(+0.06%)下保障输出唯一性。

  12. Hacker News AI23

    Veda – 从头构建的 AI 原生操作系统

    Veda 是一款从头构建的 AI 原生操作系统,在 x86-64 PC 和 QEMU 上运行,并展示了语音智能体在 Photos、Music、Text Editor 和 Interceptor 等应用中的操作。 系统采用 Rust 编写,整合了 smoltcp、rustls、RustCrypto、zune、qoi、fast_image_resize 和 libm 等依赖。

  13. Hacker News AI60

    AI 末日论为何可能永远不会到来

    作者基于近期AI失控事件指出,尚未有确凿证据表明先进AI系统发展出自保倾向,因此AI末日论的先决条件可能不成立。文中分析称,即使AI出现权力寻求行为,也会导致对齐研究投入增加和开发暂停等政治反应。此外,AI实验室可能通过部署多个独立代理、定期清除记忆来规避风险,而2027年若未实现AGI可能引发的财务危机也会迫使前沿实验室缩减计算投资。

  14. Hugging Face Blog36

    HiRO-ACEv2 发布:以 1/300 成本模拟全球 3 km 极端天气

    阿里巴巴 AI2 团队发布 HiRO-ACEv2 系统,能以约 1/300 的成本生成全球 3 km 气候数据,模拟成本远低于高分辨率模型 X-SHiELD。 HiROv2 模型可精准复现极端降雨、风压事件,统计误差控制在 3% 以内,并更新了粗分辨率基础模型 ACE。 该系统为研究人员提供了低成本获取长期高分辨率极端天气数据的途径,未来计划扩展至不同气候背景及新增地表温度、积雪等输出变量。

10月14日周三
  1. Hacker News AI65

    僵尸网络证明“流氓AI”离我们比想象中更近

    文章论证了“流氓AI”爆发的技术组件已齐备,主要威胁来自人类故意构建而非模型自发失控。文中指出,现有僵尸网络可提供算力,开源模型如 Qwen3.8-27B 和 DeepSeek V4.1 Flash 体积已缩小至可量化部署规模,且 Hugging Face 等渠道下载无需鉴权。作者推测首个“流氓AI”形态将是犯罪组织在蠕虫中嵌入本地模型以应对脚本失败,从而逐步自动化网络攻击。

  2. 面壁智能82

    面壁智能开源 MiniCPM-V 4.7:350 亿参数 MoE 端侧多模态新上限

    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。

  3. arXiv · AI30

    Hiking in the Wild: 面向人形机器人的可扩展感知跑酷框架

    Hiking in the Wild 是一种端到端感知型腿部跑酷框架,将深度输入和自身感觉直接映射为关节动作,无需外部定位与建图。 框架包含基于可伸缩地形边缘检测和足体积点的落脚点安全机制,以及通过生成可行导航目标来抑制奖励作弊的扁平区域采样策略。 在宇树 G1 人形机器人上的实验表明,该策略支持在复杂地形上以最高 2.5 m/s 的速度稳健移动。

  4. arXiv · AI36

    Physics:评估基础模型大学物理解题能力的基准测试

    Physics基准包含1034道来自博士资格考试的开放式物理问题,用于测试基础模型的解题能力。 该基准涵盖6个核心物理领域,通过基于LLM的评分协议评估数值、符号和文本答案。 测试了53个专有和开源权重模型,结果显示强开源权重模型接近专有模型性能,但多数开源模型正确率仍低于50%。

  5. arXiv · ML40

    强化学习校准LLM解释以提升人类决策:HD-RL框架在AI文本检测中的应用

    研究人员提出强化学习框架HD-RL,通过优化大语言模型的解释来校准人类决策,显著提升下游任务中的人类判断准确率。 在AI生成文本检测任务中,默认模型解释导致人类准确率仅为51.3%;应用HD-RL优化开源Qwen 3.6模型后,人类准确率达到63.7%,且超越RLVR等基线模型8%以上。