Maswao:南非手语自动采集、预处理与基准测试数据集
研究团队提出自动采集框架并构建南非手语(SASL)数据集 Maswao,通过 ASR 和梯度下降实现弱对齐。在 Sign-to-text 翻译任务中,最优 Transformer 模型取得 BLEU-1 至 4 分别为 13.78、5.21、2.52、1.54,ChrF 为 18.09,ROUGE-L 为 10.51。该基准显示 Transformer 优于循环网络,验证了进一步研究的价值。
研究团队提出自动采集框架并构建南非手语(SASL)数据集 Maswao,通过 ASR 和梯度下降实现弱对齐。在 Sign-to-text 翻译任务中,最优 Transformer 模型取得 BLEU-1 至 4 分别为 13.78、5.21、2.52、1.54,ChrF 为 18.09,ROUGE-L 为 10.51。该基准显示 Transformer 优于循环网络,验证了进一步研究的价值。
该研究调查了 13 个参数量从 270M 到 14B 的大型语言模型在医疗问答任务中的能耗与准确率。 基于 OpenMedical-LLM 榜单,实验表明仅分别报告能耗与准确率指标不足以评估权衡,需构建联合指标。 这有助于从业者选择更高效的模型,推动构建可持续的大语言模型流程。
MultiMental-IAS 基于 CARLA 构建,收录 23 名被试在 148 个试验中记录的车辆遥测、EEG、PPG 及座舱视频,覆盖六种诱导心理状态。 数据集提供跨被试非IID评估协议,多模态融合在已知驾驶员上 macro-F1 达 0.94,未知驾驶员上由 0.408 提升至 0.485。 该资源为驾驶员监控中的非IID泛化、个性化与联邦学习提供具体测试床。
BELL 框架通过自适应分配策略和 token-weighted e-BH 程序,实现了大语言模型水印的高效定位,避免昂贵的密集 token 级评分。 该方法在无需区域间独立性假设的情况下控制 token-weighted false discovery rate (FDR)。 实验表明 BELL 在多种 LLM、数据集和水印方案中均优于竞争方法。
LinkedIn 部署 AutoTorch 与 AutoResearch 两个 Agent Loop,将 ML 迁移端到端时间从 8 周缩短至 2 周,实现 4 倍加速。 AutoTorch 在 115 次工作流运行中完成 92 次生成与全规模训练,其中 77 个模型满足质量要求。 AutoResearch 在 100 个生产管道中提升 28 个的主任务指标。
DiabAgent 是用于1型糖尿病智能生理控制的研究套件,含 APC 框架、DiabetSim 模拟器和 SweetBench 基准。 Claude Opus 5.5 在 APC 中实现 73.5 的 COGI,高于 OpenAPS 基线的 71.2;个性化适应与上下文信息可提升控糖效果。 该套件为 AI 智能体参与人体生理控制提供框架、模拟与评估基础。
提出 VEIL 贝叶斯 IRL 框架审计推荐系统欺诈检测,证明基于用户画像不变量的表示空间检测器在 donor-mimicry 攻击下性能崩塌至随机水平。 LightGCN 表示丢弃了原始画像中的 Jaccard 相似度信号,导致嵌入距离异常(1.98 vs 3.09),而基于原始项集最大相似度的非学习基线仍保持 0.92-0.97 AUROC,表明原始相似度检查是学习检测器必要补充。
论文提出 BGC-Bench 基准框架,解决生物合成基因簇(BGC)现有评测在小型数据集上区分度低的问题,支持跨泛化水平的科学任务。 框架源自 MIBiG 数据集,构建 5 项任务,在基因型/表型偏移分割及主动学习场景下评测 12 种编码器,覆盖核苷酸、氨基酸及 Pfam 域序列。 研究证明无单一表征占优,最优粒度取决于生物尺度,预训练编码器并非一致优于其他表征,该框架可推广至 BGC 领域外。
SWE-Trail 提出利用早期轨迹指导后续探索效率,保持历史在智能体上下文之外。 该方法在 SWE-bench Multilingual 和 SWE-bench Pro 上分别提升 124B Ling-3.0-flash-base 模型 2.33 和 1.60 个百分点。 相比独立采样,此法有效解决了训练与测试不匹配问题,提升了代码修复能力。
全可训练网络在无重放、无教师模型情况下持续学习,通过海马体记忆索引输入几何结构防止灾难性遗忘。 该方法在四个架构家族和最大80亿参数的模型上有效,近重复类吸收率较对比方法降低数倍,TACRED基准比冻结基线高17.5分。 这是首个证明单一原则维持全网络跨任务学习的案例。
小米发布 Auto World Model 2.0,这是一个统一的流式因果世界模型,用于 Physical AI 中的因果物理演化建模与生成。
递归自训练导致 Qwen3 模型置信度变尖锐且可靠性下降,准确率与判别力基本不变。在 1.7B 和 8B 模型上,匹配预测熵的校准方法效果接近标签温度拟合。移除截断和双重拟合可保持熵稳定,结合排序损失与无标签校准能同时提升性能。
GRPO 全局基线掩盖异构子组差异,论文提出子组偏移调整。 通过单一有符号系数 $\lambda$ 调整基线,分为 Alignment 与 Contrast 两个方向。 在 Qwen3-8B 和 Olmo3-7B 上验证,Contrast 方向带来适度且一致的提升。
研究发现,在 Qwen2.5、Llama 3.2 和 Gemma 3 的九条蒸馏管线中,随机插入的后门触发器在蒸馏后选择性降低,而附加触发器在 Qwen 和 Llama 中选择性增强。 Llama 和 Gemma 学生模型仅通过 150 个中毒样本即可学习附加后门,无需教师模型;Qwen 0.5B 学生模型则依赖教师。 审计应使用相同输入对比师生表现,并包含无教师训练的对照组。
TopoQuant 提出了一种拓扑框架,利用拓扑数据分析量化自注意力权重的结构漂移与量化大语言模型行为变化之间的关联。 该框架在四个大语言模型家族的多级量化测试中显示,拓扑漂移在4位以下精度时急剧增加,并与注意力一致性下降紧密相关。 基于拓扑特征的轻量级机器学习模型可实现高达0.85的R²分数,无需运行昂贵的下游任务即可高效检测量化导致的性能退化。
该研究通过72种压缩配置评估了量化、剪枝与恢复技术在2.7B-7B参数模型上的交互影响。INT8量化在内存减少40-45%的情况下几乎无损,而NF4量化结合L1幅度剪枝导致模型崩溃。LoRA微调可将剪枝后的困惑度降低高达97%。
数据中心已成为美国中期选举核心议题,2026年上半年近2000亿美元相关项目因政治和民众反对而延误或停滞。 宾夕法尼亚州、纽约州等多州正考虑针对数据中心快速扩张增加监管和透明度要求,弗吉利亚州甚至被称为“世界数据中心之都”。 民众因生活成本上升及社区控制权丧失而对科技巨头强烈反弹,AI 与数据中心议题正左右 11 月 3 日的选举结果。
Agentic analytics 目前仅 48% 的洞察能带来业务改进,落后于一年前的 37%。 主要障碍是 55% 执行者提及的业务背景缺失和 45% 的数据碎片化,且 52% 机构面临洞察过载。 企业通过强化 AI 与数据治理(60%)及增加语义层(45%)来提升洞察质量。
预测显示,未来 3-5 年内 AI 将引发“药物丰裕”,加剧生物制药行业的研发生产力挑战,而非改善。 AI 主要致力于已知靶点和结构,导致热门靶点(如 PD1、EGFR)研发项目过度拥挤,且对不可成药靶点的预测能力有限。 类比基因组学泡沫时期,短期研发失败率和成本上升不可避免,尽管 AI 长期价值显著。
开放模型 OLMo 2 在已读过的 291 篇撤稿论文内容中,仅 7.7% 的段落提及撤稿状态。 该模型在回答 891 篇未读论文时,未识别出任何撤稿,且对其中 425 篇错误地声称“未撤稿”。 该测试针对公开训练数据中的官方更正、RFC 勘误及撤稿信息缺失进行了预注册测量。
美国人口普查局依据行政命令 14434,自 2026 年 10 月 19 日起将商业趋势调查中“人工智能”(AI)表述替换为“Super Intelligence”(SI)。此举导致历史数据不可直接对比,且新术语如“SI 驱动的数据分析”引发对调研混淆与结果偏差的担忧。
沙特阿美宣布在 2026 年向 AI 公司 Humain 注资约 26 亿美元,获得其 49% 的股权。Humain 由沙特主权财富基金 PIF 创立,负责建设数据中心、开发云服务并训练 ALLaM 等阿语模型,计划到 2030 年建成 3 吉瓦的数据中心容量。
上海仪电与上海创智学院联合发布“飞轮转・万象生”仪电智算数链生态,仪电智算云 Token 工厂通过三重可信体系解决核心业务中“敢不敢用”的问题。 该体系依托高性能推理引擎与弹性调度实现更快、更省、更稳的供给,并在服务运营、自主生态及安全合规层面提供全栈国产化交付与全链路留痕存证。 文章认为可信是词元经济的分水岭,率先建立可交付、可审计的标准体系将有助于获取市场入场券。
哈萨克斯坦推行不偏向华盛顿或北京的 AI 战略,寻求在中美两大国之间保持中立。 尽管 BYD 和 Changan 等中国公司正在该国快速扩张,哈萨克斯坦仍希望利用其能源丰富的优势,吸引来自两个超级大国的 AI 投资和技术。 这种中立立场被该国视为获取双边 AI 资源的关键策略。
巴西通过税收减免和低价电力吸引数据中心入驻。 ChatGPT 在巴西日均接收 2.15 亿条消息,成为 OpenAI 第三大市场。 Google 计划到 2030 年将其云计算容量翻倍,AWS 承诺到 2034 年再投入 18 亿美元。
中国信息产业发展中心报告指出,中国AI系统推理阶段生成的数据量已超过训练阶段使用的数据量。北京方面将此作为AI从开发阶段进入大规模日常应用阶段的里程碑。
FBI 认定朝鲜国家支持的顶级黑客团队是 10 月 29 日 60 亿美元 Binance 盗窃案的幕后黑手。FBI 将该活动命名为“TraderTraitor”,指出该团伙正将窃取的资产转换为 Ethereum 进行洗钱,所得资金用于金正恩的军事扩张计划,使 AI 辅助犯罪成为国家安全问题。
基于2026年10月31日采集的Google Trends数据,全球搜索“AI是否会替代”某职业的查询量在2026年是2023年的2.5倍,其中30个有足够数据的职业在一年内担忧搜索量均上升。
韩国公布史上最大规模预算案,2027 年总支出增长 12.8% 至 820.9 万亿韩元。 其中 21.3 万亿韩元投向半导体、物理人工智能及数据中心,4.7 万亿韩元用于研发自主大模型。 预算旨在依托人工智能与半导体推动经济增长,培养两千名专业人才并扩大相关教育。
宁德时代创始人曾毓群在 2026 世界顶尖科学家论坛全英文发言,展示 AI 加速能源科研。 基于超 600TB 数据和超 1 万亿条测试记录,AI 可筛选千种化合物,锁定 7 种潜力材料。 他指出当前 AI 能力不足,需更多科学家和先进模型加入以加快科研成果发现。
研究对比多种 LLM 策略在知识实体关系抽取中的效果,LoRA 适配的 T5 模型在自建数据集上取得 0.7408 和 0.7013 的最高宏 F1 分数。 实验涵盖闭源 LLM 的 CoT 提示、开源 LLM 微调及大小模型混合增强策略,并手动构建了 NLP 领域的摘要与全文标注数据集。 结果证明不同错误模式的策略组合可进一步提升抽取性能,为模型优化提供方向。
HyperRepair 框架通过超网络恢复微调模型的通用能力,同时保留领域专长。该框架利用激活指纹生成定制化修复侧网络(RSN),实现零额外优化成本。在默认设置下,模型恢复了 93.4% 的通用平均分,并保留了 99.5% 的领域平均分。
EDU-Jev 发布 0.8B、2B 及 4B 参数单次决策模型,通过指针头直接输出选项概率分布。 4B 模型在 12 个基准测试中平均准确率 67.6%,较最强商用 API 高 9.4 个百分点,2B 版本在 H100 上每秒处理约 150 次决策。 该模型在教育跨领域任务上匹配最强 API 表现,但通用推理任务仍落后,简化了决策解析流程。
该研究提出将人口统计平权惩罚下的回归问题建模为最优传输问题,以解决无感知设置下缺乏原则性方法的问题。 框架在感知和无感知设置下统一了特性,并揭示了 Wasserstein-2 和 Total Variation 惩罚对应不同的公平哲学;所提出的 FAUST 算法在真实基准上表现优于或持平于现有最先进方法。
一项包含 918 组实验的基准测试通过对照 9 种深度学习架构,评估其在 4 小时与 24 小时两个周期预测 12 种资产时的表现。 ModernTCN 在 18 个资产-周期组合中取得最低 RMSE,平均排名 1.333;架构因素解释了 99.90% 的原始误差方差,而随机种子波动贡献不超过 0.04%。
论文主张图像识别中数据集结构至关重要,DNN 成功分类需发现高阶关联函数。 作者指出 DNN 实现了凝聚态物理中聚焦介观关联结构的通用方法论,这解释了其违背标准统计学习理论却仍能成功泛化的谜题。 全文共 37 页,包含 12 幅图,涉及机器学习与统计力学领域。
提出利用公共锚点和中心核对齐训练全局多模态Transformer的框架。 使用公钥对齐分离的私有流形,配合子空间稳定微调和精度加权平均处理大型模型。 确立联邦非配对基础模型的数学基础,实现无集中存储下的统一表征学习。
提出SACQ量化框架,在1.5 bits下LIBERO成功率达93.85%,内存降低4.83倍。 结合结构感知码本与动作感知混合比特分配,配合INT8激活量化后速度提升1.51倍。
研究人员提出污染校正最大均值偏差(CC-MMD),旨在从受污染混合样本中恢复目标分布。该方法无需对代理分数进行校准假设,也无需假设污染物具备特定结构。 CC-MMD 通过结合代理分数与审计残差校正,证明了其设计无偏性、渐近正态性及一致性。
22M参数ViT-S/16编码器训练的HER2阅片器在外部验证中AUC达0.812,性能与40-50倍大模型持平。 该模型在Yale-HER2、HEROHE和BCNB切片上AUC分别为0.82、0.75和0.63,无需GPU时切片处理需5-6秒。 作为研究用途的预读工具,辅助病理学家在IHC旁提供概率预测,并帮助优先安排ISH检测。