跳到正文
11月4日周三
  1. arXiv · AI29

    Failure-Driven Workflow Refinement:提出 CE-Graph 框架优化 LLM 工作流

    研究者提出 CE-Graph 框架,通过最小化期望失败质量(Expected Failure Mass)优化基于 LLM 的工作流,而非仅依赖标量指标。 该方法在反例池中近似失败分布,识别高密度区域并应用算子约束图编辑,在数学、代码和 QA 基准上以更低成本实现了比强基线更高的鲁棒性。 该研究已被 ICML 2026 接收为 Spotlight 论文,代码已公开。

  2. arXiv · AI36

    GeoFaham:面向灾害响应的领域专用多智能体地理空间分析系统

    GeoFaham 实现最佳整体性能,得分 0.940 高于次优 0.879,且 Token 消耗仅为基线的 7.5 分之一。 系统通过 Orchestrator 协调向量、地图、图像及栅格分析智能体,利用 Response Store 在 LLM 上下文外持久化输出元数据。 代码与基于 40 项任务和 17 条真实灾害记录的 GeoFaham-Bench 基准已公开。

  3. arXiv · AI20

    LIRA:一种更具可解释性的动态损失引导秩分配方法,用于低秩适应(LoRA)

    LIRA提出基于二阶近似损失的动态秩分配方法,使LoRA在线秩重分配更具可解释性。 其通过定期应用DELTA位移评估算法生成离散有效秩,兼容标准(A,B)适配器。在RoBERTa-base GLUE任务中,LIRA性能优于固定秩和自适应秩基线,且Trajectory EMA在更低估计成本下达到与Fixed-point Fisher相当的精度。

  4. arXiv · AI38

    LLM 知识抑制检测:通过激活碎片化识别被抑制的知识

    研究提出基于匿名向量几何一致性的检测框架,在十个 LLM 上证实碎片化指标能有效区分已知与未知概念。 后训练过程中,碎片化几何结构与对抗恢复相关性依赖攻击方法,分层分析揭示不同深度对抗机制利用该几何特征。 该单阶段无攻击代理指标可捕获输出层指标无法触及的参数化知识,参考实现已公开。

  5. 机器之心66

    Anthropic开源FlashProve,为大模型提供可验证的身份证明

    Anthropic开源FlashProve系统,利用零知识密码学让服务商在不公开权重的情况下,证明某回答由指定模型生成。该系统在400B参数MoE模型上测试显示,单张H100 GPU每秒可生成约110个Token的推理证明,证明文件大小约为19MB;验证端则可通过CPU完成。目前该系统为研究原型,主要支持整数模型与贪心解码,且证明生成成本约为普通推理的70至95倍。

    推荐理由:该研究将零知识证明应用于LLM身份验证,在400B参数MoE模型上实现约110 Token/s的证明生成,并开源了验证器与形式化证明。

  6. Hacker News AI55

    FlashProve: 零知识证明 AI 推理

    FlashProve 让 AI 提供商能证明某条回复由特定模型生成,同时保持模型权重秘密。该协议在 Lean 4 中证明了安全性,并支持在单块 NVIDIA H100 上运行 Llama 4 Maverick 全尺寸模型,预填充速度达 110 tokens/秒,验证可在普通 CPU 上几秒内完成。

  7. Hacker News AI91

    Revolut 弃用 Claude Code,全面部署 GLM 开源模型以降低编码成本

    Revolut 已将其 2000 名软件工程师的默认编码工具从 Claude Code 和 OpenAI Codex 切换至自托管的 GLM 开源模型,此举将相关 AI 支出降低至原来的十分之一。数据显示,在约 56 块 Nvidia B200 GPU 的支撑下,该方案平均每百万 token 成本约 0.30 美元,编码时间平均缩短 60%,而任务交付的等待时间平均减少 70%。

    推荐理由:Revolut 将 2000 名工程师的日常编码默认模型切换至自托管 GLM,为 AI 实验室常规业务市场提供成本信号。

  8. Hacker News AI45

    Mallard:面向 AI 智能体时代的 Git 替代品发布

    Mallard 是一款开源工具,旨在简化 AI 智能体会话的共享与备份,支持通过 Cloudflare R2 或 Dropbox 存储数据。 该工具重构了 Git 存储协议,去除了 CAS 依赖,允许用户拉取并恢复 Codex 或 Claude Code 中的会话上下文。Mallard 采用 MIT 许可证,支持 macOS 和 Windows,让团队无需昂贵云虚拟机即可协作。

  9. Hacker News LLM44

    Show HN: 观看 LLM 直接编程神经网络权重而非训练它

    麻省理工学院 CSAIL 团队展示“视觉实验室”,利用 Opus 通过代码直接编写 MLP 权重,替代传统的梯度下降训练。 该系统包含一个约 17 万权重的未训练网络 Bit,Opus 生成的权重“药丸”可使其在浏览器中正常运行,单次浏览限制 15 美元。 新“药丸”需在本地运行 Claude Code CLI 生成并上传至 GitHub,供在线实验室展示使用。

  10. Hugging Face Blog61

    IBM 研究团队发布 Palette:基于 20B 模型构建自定义设计语言幻灯片的方法

    IBM 研究团队发布 Palette,通过微调 20B 开放权重模型并生成约 1000 份合成幻灯片数据,使小模型能遵循特定设计语言生成演示文稿。在 PresentBench 评估中,Palette 在经济和教育两个领域排名第一,三领域平均分排名第二,仅次于 NotebookLM(59.7 对 60.8)。

    推荐理由:原文展示了通过微调 20B 模型和特定数据合成方法生成高保真设计幻灯片的完整流程,读者可复用该结构优化其他代码类任务。

11月3日周二
  1. 机器之心65

    ProteoCraft提出“提案—验证”搜索方案探索可控蛋白质设计

    斯坦福大学 X-lab 和 SNAP 实验室联合发布蛋白设计框架 ProteoCraft,采用“提案 — 验证”搜索方案支持从头设计以及局部区域精修。在 AF2-IG 独立评估中,ProteoCraft 严格通过率为 86.2%,较 Best-of-N 对照提升 2.85 倍;PD-L1 微型蛋白湿实验中 35 个候选命中 29 个,最佳单次 SPR 拟合 Kd 为 0.879 nM。

    推荐理由:文章拆解了ProteoCraft框架中近似梯度、完整结构预测与两阶段树搜索的机制,展示了计算指标到湿实验的转化路径。

  2. Hacker News AI45

    Show HN: Rigorix, 面向 AI 智能体的执行治理,开源引擎

    Rigorix 是一款开源执行治理引擎,针对 AI 智能体的关键操作在后果发生时重新验证权限并记录可验证的签名决策。 支持 5 种验证器语言,基于 Apache-2.0 / MIT 协议,通过 Rust、Python、TypeScript 等在 crates.io、npm、PyPI 上发布验证器包。 确保 AI 智能体行动(如金融交易、数据库迁移)在执行前受控并保留证据。

  3. R/ArtificialInteligence36

    Deep Principle 发布开源权重化学模型 Hydrogen-1.0 助力科研流程

    Deep Principle 团队发布开源权重模型 Hydrogen-1.0,该模型基于 GLM-5.3 后训练,专用于化学、材料科学及生命科学领域的研究支持。 模型旨在衔接实验结果回顾、反应路径探索及下一步规划等环节,帮助研究人员在实验室工作流中维持相关上下文关联。 团队通过短片展示了研究者利用该模型审查证据并做出决策的应用场景,同时提供技术文档与评测链接供用户参考。

  4. Hacker News AI44

    基于 DEA 方法的 AI 模型成本优化工具:在保持基准分数前提下降低支出

    该工具应用数据包络分析(DEA)方法优化 AI 模型成本,展示各设置下达成同等基准分数的最低 API 价格。 单幻灯片任务因偏好评分无法平均,仅比较单一模型;混合方案的成本与得分使用相同权重。 结果仅为基准估算,不含延迟与配额成本,用户需在自有任务中验证效果。

  5. Hacker News LLM20

    Show HN: 递归人类智能(RHI):从 LLM 对话中获取可执行反馈

    开发者推出开源工具 RHI,通过调用 OpenAI、Claude 或 OpenRouter 分析本地 LLM 对话历史,生成类似“直率朋友”的可执行改进反馈。 核心逻辑是“一键完整读取”:Agent 自动轮询至 10 次直到无强信号,将请求分组为命名 Pattern,每条反馈必须引用至少两条真实消息并标记来源。

  6. 硅基流动48

    开源 Coding Agent Metis 发布,支持硅基流动模型接入

    开源 Coding Agent Metis 发布,旨在通过定制 Agent 架构解决工程交付问题,并内置硅基流动作为模型服务商。 Metis 采用三层架构:分工明确的 Agent 团队、验证门禁及自学习闭环;支持桌面、终端及 Skill 版,可跨会话积累经验。 该工具让开发者将真实仓库交给 Metis 处理,通过硅基流动统一入口灵活选择模型,实现从调查到验证的完整任务交付。

  7. Hacker News AI47

    EVOLV 发布:支持实时自我重写 UI 的 AI 工作区

    EVOLV 是本地优先的自进化 AI 智能体工作区,通过单 Go 二进制运行,实时重写自身 UI、工具及代码,支持 Ollama 或任意 API key。 技术采用“进化账本”记录变更,文件系统监听器通过 WebSocket 推送更新,无需重启即可热加载组件,并支持在沙箱中运行插件。 用户可直观观察智能体修改自身源码及用户项目,所有变更在界面即时生效,实现从传统静态界面到动态有机体交互的转变。

  8. 机器之心53

    商汤、港科MMLab等联合提出 MT Forcing:改善多轮图像编辑的画质稳定性与内容一致性

    商汤研究院、港科 MMLab 等联合提出 MT Forcing 方法,用于改善基于自回归扩散的统一多模态模型在连续多轮图像编辑中的画质退化与内容漂移问题。该方法结合 Single-Turn DMD 与 Teacher-Forcing Guidance,使模型在训练阶段通过自主展开覆盖推理时的实际历史,并利用单轮教师提供分布匹配监督以维持输出质量。