跳到正文
11月5日周四
  1. Seven Minute Feed52

    CloudOpsBench评测显示顶级AI Agent在真实AWS运维任务中失败率超40%

    密歇根大学研究人员发布开源基准测试CloudOpsBench,包含45项基于AWS的真实DevOps任务。Claude Fable 5.1的解决率为60%,GPT-6 Astra为53%。约80%的失败源于推理缺陷(如任务范围误判、遗漏相关服务或提前终止),剩余20%为错误操作(部分不可逆),GCP、Azure和OCI支持计划中。

  2. Hacker News AI34

    voiceprint 如何将你的写作风格注入 AI 智能体

    voiceprint 是一款 Claude Code 插件,通过对比用户在 AI 普及前的 3,068 份基线文本(涵盖 2006 年至 2022 年的邮件、文档等),在每次发送 PR、代码提交或聊天消息前检查并优化 AI 生成内容的风格一致性。 它利用自定义词表和句长指标替代传统模型调用,将 AI 特征词转化为分数以识别并修正“通用平均”语病,确保输出符合个人特定习惯而非泛化特征。

  3. OpenClaw Releases28

    OpenClaw 2026.11.1 发布

    OpenClaw 2026.11.1 版本发布,修复了 Mac 设置中配置保存失败导致密钥覆盖的安全缺陷,并优化了更新恢复机制。 该版本提升了 Claude CLI 的订阅账户可用性,支持通过插件管理原生 Agent 编排,同时修复了 Telegram 和 Discord 频道回复可靠性问题。

  4. arXiv · AI27

    Walrus 物理基础模型从仿真到实验室湍流的迁移

    Walrus 物理基础模型经少量 DNS 微调后,零样本预测实验室 RTI 数据时进入观测增长率区间(~0.06-0.07),解决了仿真值(~0.02)与实验值长期存在的差距。 该模型未接触任何实验样本,且能零样本泛化至训练数据中不存在的稳定分层流动,正确减缓混合层生长。 结果为基础模型泛化到实验室行为和未见物理机制提供了数据驱动的独立证据,为探索仿真-实验差距开辟了新途径。

  5. arXiv · AI35

    MONET:一个大规模开放非冗余增强文本到图像数据集

    MONET 发布了一个包含 1.038 亿图像-文本对的 Apache 2.0 开放数据集,源于 29 亿原始数据,经过安全过滤、去重及多视觉语言模型重描述增强。 每张图片附带预计算嵌入与标注。研究人员仅用该数据集训练 4B 参数潜扩散模型,取得了具有竞争力的 GenEval 和 DPG 分数,证明了其降低大规模可复现研究门槛的作用。

  6. arXiv · AI23

    EgoGen:用于第一人称视角感知任务的合成数据生成器

    EgoGen 是一款专为第一人称视角(egocentric)感知任务设计的合成数据生成器,已被 CVPR 2024 接收为 Oral 论文。 其核心是结合碰撞避免运动基元与两阶段强化学习的新颖人体运动合成模型,虚拟人可基于第一人称视觉输入感知 3D 环境,无需预定义全局路径即可适用于动态环境。 EgoGen 将完全开源,为构建真实的第一人称训练数据提供实用方案。

  7. arXiv · AI30

    EvoOptiGraph:基于图结构生成的弱点驱动协同进化优化建模框架

    针对 LLM 优化建模中数据缺乏结构多样性及生成管道静态的痛点,提出 EvoOptiGraph 框架。 该框架将 MILP 表示为带属性二部图,通过 SFT 与基于可验证奖励的 RLVR 进行训练,利用图衍生的弱点信号指导新实例生成。 在六个公开数据集上,EvoOptiGraph 在准确率、可执行性及泛化性上显著优于通用大模型及专用基线。

  8. arXiv · AI25

    可读性与可控性的分离:学习流体表征中物理结构的预注册测试

    预注册测试表明,JEPA 未能使潜空间更好地组织流体力学量,其表现与未训练网络相当。 自编码器使涡动能在慢速无监督潜空间中显著(r 0.80-0.86 vs 0.38),但添加 VICReg 会降低该显著性。 研究揭示潜空间内容可读性与其可控性相分离,监督方向在受控时几乎无法改变输出。

  9. arXiv · AI23

    MIS 单步推理实现高效全页排序

    提出前缀感知非自回归框架 MIS,在 KuaiRand-1K 数据集上 CPU 解码速度较自回归基线快 4.07 倍,生成质量接近 CGA 基线。 该框架整合全局候选交互与局部前缀条件,通过计算可复用表示减少重复全模型推理,实现高效排序。 在大规模社交视频平台随机评估中,MIS 使实现指标提升 0.104%,观看时间增加 0.058%,并将排序服务 CPU 消耗降低 9.73%。

  10. arXiv · NLP22

    基于Epiplexity的数据选择与生成实现分布外泛化

    该研究将Epiplexity转化为在线训练信号,用于指导数据选择(EpiSelect)与合成数据生成(EpiGen)。 具体而言,EpiSelect通过拟合自然数据域的缩放律自适应调整采样权重;EpiGen利用REINFORCE策略梯度引导生成器优化分布。 结果表明,高Epiplexity数据显著提升了零样本及微调任务的性能,验证了结构丰富数据更易跨域迁移的假设。

  11. arXiv · NLP24

    RADIUS:用于调查模拟的综合对齐评估套件

    研究人员提出RADIUS套件,用于评估大语言模型在模拟调查时的对齐度,涵盖排名、分布及统计显著性三个维度。 该套件通过实验揭示了单一指标的局限,能发现分布改进但错误识别人类首选选项的情况。 RADIUS已开源,旨在支持调查模拟器的可复现和可比性评估。

  12. arXiv · NLP25

    Confucius4-R2T2:一种稳定前缀的流式语音识别模型

    Confucius4-R2T2 基于 Qwen3-ASR-1.7B 经 1500 小时中英文音频后训练,实现流式 ASR 输出永不修改前序 token,同时保持高精度与低延迟。 模型采用 Longest Stable Prefix(LSP)标签学习机制,无需架构改动即可将全上下文模型转化为稳定前缀流式模型,且泛化能力超出训练语言范围。 模型权重与代码已开源。

  13. 机器之心52

    港大提出RaPO:强化微调破解MLLM视觉持续学习灾难性遗忘

    NeurIPS 2026录用论文提出Retention-aware Policy Optimization (RaPO)算法,解决强化微调在视觉持续学习中的灾难性遗忘问题。基于Qwen2-VL在ImageNet-R等基准上,RaPO将最终准确率提升至85.92%并将遗忘率压低至4.69%。该算法通过重塑奖励机制与跨任务优势归一化实现抗遗忘,代码已开源。

  14. IT之家42

    Claude Code 越狱 NordicTrack 跑步机绕过 iFIT 订阅

    网友利用 Claude Code 在一天半内完成 NordicTrack Commercial 2250 跑步机越狱,绕过 iFIT 强制订阅并开源至 GitHub。 改造后设备集成 Netflix 等流媒体自定义主屏幕,启动时间从近一分钟缩短至约 21 秒,但最高仅支持标清,恢复出厂可能清除修改。 对电动健身设备进行此类系统改动可能带来安全风险,并影响厂商保修。

  15. R/ArtificialInteligence65

    DeepSeek 开源编码智能体 Super-Agent:驻留仓库与团队聊天的自动化工作流

    DeepSeek 开源了名为 Super-Agent 的编码智能体,该工具通过监听仓库动态或团队聊天(支持 Feishu)触发任务,并生成 Pull Request。目前该原型仅限单个 GitHub 仓库使用,默认处于观察模式不自动执行,且因执行器拥有完全系统权限且缺乏安全审计,部署时需格外谨慎。

  16. IT之家45

    开源项目 TVPort 借助 Claude Opus 5.5 实现 Apple TV 4K 原生运行《超级马力欧:奥德赛》

    开源项目 TVPort 利用 Claude Opus 5.5 重新编译代码,让《超级马力欧:奥德赛》在 Apple TV 4K 上实现 60FPS 原生运行。 该项目基于 nxnative 开发,需用户自行从正版卡带提取数据并配合改装版 Switch,暂不支持需自行携带游戏文件。 由于现款硬件易过热降频,第四代 Apple TV 4K 的 A19 芯片预计能承载更多大型游戏。

  17. IT之家42

    中国科大发布开源 RNA 序列基础模型 structRFM,成果登上 Nature

    中国科大发布开源 RNA 序列基础模型 structRFM,相关成果发表于 Nature。该模型基于 2100 万条序列-二级结构配对数据预训练,在结构预测与功能推断任务中达到国际前沿水平。 目前实验室已开放完整配对数据、模型权重和源代码,为研究复现和相关模型开发提供可复用资源。

  18. IT之家91

    月之暗面开放 Kimi K3.1 Pro 2.8 万亿参数权重,Agent Arena 开源模型榜登顶

    月之暗面在 Hugging Face 开放 Kimi K3.1 Pro 模型权重,该模型采用混合专家架构,总参数量 2.8 万亿。在 Agent Arena 智能体排行榜中,Kimi K3.1 Pro 位列开放权重模型第一,基于超 1.75 万次真实长周期会话的净改进率为 +5.1%。

    推荐理由:月之暗面如期开放 2.8 万亿参数模型权重,给出了部署规模与核心智能体评测数据,读者可据此判断该模型的开源生态影响。

  19. Hacker News AI33

    Amigent:通过 AI 智能体和 50 KB/s 链路控制 Commodore Amiga 的远程桌面

    Amigent 利用 AI 智能体(如 Claude Code)通过 50 KB/s 链路控制 Commodore Amiga,支持软件安装、文件传输及远程桌面操作。 在 7 MHz 68000 处理器上,完整屏幕传输耗时 0.6–1.0 秒,静态占用 CPU 低于 10%;A1200 下完整屏幕仅需 0.1 秒。 采用 MIT 协议开源,仅支持本地网络访问,禁止直接暴露至互联网以确保安全。