跳到正文
11月13日周五
  1. Hacker News AI53

    英国海滨小镇直面AI对金融行业的威胁

    英国多塞特郡的伯恩茅斯是JP Morgan的重要金融运营中心,但当地正面临AI带来的存在性威胁。Barclays和Standard Chartered等银行宣布裁员,引发对后台岗位萎缩及地区经济连锁反应的担忧,工会正起草相关保护协议。

  2. 36氪93

    谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率

    谷歌发布 Gemini 4 Hydrogen,面向所有用户开放,主打速度和执行效率。在默认 High 推理档位下,其完成任务速度是上一代 Gemini 3.8 Flash 的 2.5 倍,编造事实情况减少超 80%。

    推荐理由:新模型向全员开放且部分指标超过自家高端型号,读者可快速了解它在搜索和工具调用上的实际差异。

  3. Hacker News AI32

    TimeNet Challenge:时间序列 AI 的 ImageNet 时刻?

    TimeNet Challenge 邀请团队将数据转化为 TimeNet 格式,训练或微调时间序列语言模型(TSLM)以解决预测、分类等实际问题。 首轮提交截止于 11 月 22 日,获胜团队可获 Nebius 或 AWS、Google Cloud 提供的大额算力积分。 比赛采用多轮制,旨在通过实际用例推动时间序列 AI 技术落地。

  4. Hacker News AI60

    agent-brain 发布:支持多运行时配置的 AI 编码智能体第二大脑操作系统

    agent-brain 是一个笔记无关的第二大脑操作模型,为 Claude Code、OpenCode 和 Codex 等 AI 编码智能体提供 Git 版本控制的运行时配置与记忆管理。该工具通过符号链接将共享的记忆和设置同步到不同机器,支持会话生命周期管理,并包含用于发现改进机会的可选 boyscout 技能。安装脚本支持多运行时子集选择及冲突隔离机制,确保配置迁移的安全性与幂等性。

  5. IT之家78

    腾讯混元发布实时语音模型 Hy Realtime:新增唱歌与工具调用,已上线元宝及腾讯客服

    腾讯混元发布全新实时语音模型 Hy Realtime,在语音理解、指令遵循与拟人化表达上升级,并新增 Agentic 工具调用与唱歌能力。该模型支持自然语言点歌与多轮上下文匹配歌曲演唱,已上线元宝语音通话和腾讯客服,近期将上线腾讯云提供 API 服务,当前版本可通过最新版元宝 App 或网页 Demo 体验。

    推荐理由:原文给出了 Hy Realtime 新增唱歌与工具调用的具体能力,并明确其已上线元宝语音通话和腾讯客服,并即将上线腾讯云 API,为读者提供了直接体验与接入入口。

  6. arXiv · AI36

    多层指纹识别区分 AI 网页智能体与人类及爬虫

    该研究提出多层指纹框架,通过结合 TLS/HTTP 网络特征与浏览器交互行为,以 100% 准确率精准区分 AI 网页智能体、人类及传统爬虫。 框架分析了 AutoGen、Browser Use、Claude、Gemini、ChatGPT 及 Skyvern 六大智能体系统,揭示了其在 HTTP 请求组装及连接建立上的潜在结构差异。 该跨层追踪方法为内容保护与网络安全策略执行提供了稳健方案。

  7. arXiv · AI57

    Calibrated Deference:用于闭环分子设计的多智能体科学系统 Discovery

    多智能体系统 Discovery 通过校准顺服机制在闭环人类-AI 协作中设计水溶液有机氧化还原液流电池负电解液。实验显示,Discovery 识别出预测模型无法预见的电化学可逆性问题,通过追溯磷酸盐-钾离子配对机制并设计磺酸盐类似物,将氧化还原电位相对文献基线提升 90 mV 并显著改善可逆性。

  8. arXiv · AI23

    生成式AI个性化中学任务中是否应有教师介入?一项研究

    该研究考察了7名初中数学教师使用ChatGPT创建个性化数学任务的过程,结果显示“教师介入”往往导致个性化粒度较粗,而学生更偏好包含具体流行文化引用的细粒度个性化。 教师在提示词调整中修改流行文化引用,并针对生成问题的深度、伦理或现实性进行修正,展现了认识能动性。

  9. arXiv · AI31

    AerialVP:通过增强任务提示指导视觉语言模型的无人机图像感知

    研究提出 AerialVP,一种无需训练的代理框架,通过动态增强任务提示而非微调参数来改进 VLM 的无人机图像目标识别与定位。 该框架利用 LLM 协调提示分析、视觉信息提取和融合模块,引入图像语义、空间位置和物体关系线索,并构建了统一基准 AerialSense 用于系统评估。 实验表明 AerialVP 在多个无人机视觉任务上取得一致提升,性能媲美基于 LoRA 的指令微调方法。

  10. arXiv · AI32

    AgentRoom:基于 CRDT 共享工作区的并发多智能体编码协议

    AgentRoom 提出一种实时协作编辑协议,通过 CRDT 合并共享文件系统支持并发多智能体编码,并在 Python DevBench 和 Rust+axum 任务上展示效果。协议将文件级 claim、状态和广播暴露为 MCP 工具,5 个前沿 coding-CLI 模型完成 4 项后端编码任务。协调而非并行或 CRDT-merge 是关键设计选择;该文已被 NeurIPS 2026 接收。

  11. arXiv · AI40

    长时程语言智能体世界模型崩塌的相变现象

    研究揭示长时程语言智能体在维持世界状态表征时存在类似相变的关键边界,微小参数变化或单步增加即可导致行为从成功到崩塌的剧变。 大规模网格搜索发现相图包含低应力、急剧下降和高应力区域;智能体因失去真实世界追踪而非单纯选错动作,且更强模型虽延后到达边界但无法消除该过渡,使世界模型崩塌成为可衡量瓶颈。

  12. arXiv · AI80

    GrandCode:通过智能体强化学习在竞技编程中达到特级大师水平

    GrandCode 是一套多智能体强化学习系统,在 2026 年 3 月的 Codeforces Round 1087、1088 和 1089 三场正式比赛中均排名第一,击败所有人类选手。该系统通过联合训练多个智能体模块(如假设生成、求解器、测试生成和总结)进行在线推理时强化学习,并引入了专为多阶段智能体轨迹设计的 Agentic GRPO 算法来处理延迟奖励和离策略漂移。

    推荐理由:原文提出了针对多智能体延迟奖励的 Agentic GRPO 方法,并展示了系统在三场 Codeforces 比赛中全部夺冠的实测结果。

  13. arXiv · AI30

    为自主 AI 设计制度

    文章提出机构设计应成为 AI 研究焦点,需超越单个模型对齐。 基于制度政治经济学等理论,确立了七项原则以维持合作与问责。 通过 MoltJournal API 展示机构可编程性,将自主体转化为可靠集体。

  14. arXiv · AI45

    MobileProbe: 基于轨迹感知的移动端智能体自适应安全评估

    MobileProbe 提出了一种轨迹感知的红队测试框架,用于评估移动端 GUI 智能体抵御环境注入攻击(EIA)的能力。 该框架通过自动化渗透测试发现攻击面,并构建了包含 83 个长程攻击实例、覆盖 12 个应用的基准测试集。 实验显示,MobileProbe 在三种代表性智能体架构上的攻击成功率均高于人类手写及现有自动化基线,可作为部署前的安全审计工具。

  15. arXiv · AI22

    LLM与优化智能体联合无人机调度系统:野外搜寻受害者任务的应用

    研究提出一种结合大语言模型与优化器的无人机调度系统,用于解决野外搜寻受害者任务中的动态决策问题。 系统在地面控制站部署智能体,协调多架无人机连续执行搜寻,LLM负责推理搜索位置,优化器解决能量约束下的无人机派遣问题。 仿真实验显示,该系统总能完成搜寻任务,而六个非LLM基线方法均未成功,直接LLM调度可靠性也较低。

  16. arXiv · NLP30

    Agon:基于提示词经济构建的自主大规模全学科研究系统

    Agon 是基于提示词经济等六大原则构建的自主大规模全学科研究系统,利用简短主题描述在无人类代码介入下跨领域部署,展示了自动化研究的扩展性。 系统揭示了通过提示词工程难以解决的未知故障类别,并将其按严重度、可修复性、可见性及能力位置四个维度进行分类。 研究结果表明 Agon 正推动研究迈向“机器扩展规模,人类把握方向”的新范式,其代码已在 GitHub 公开可用。

  17. arXiv · NLP36

    GT-HarmBench:基于博弈论的 AI 安全风险基准

    GT-HarmBench 包含 1,535 个源自 MIT AI 风险数据库的高风险多智能体博弈场景。测试 15 个前沿模型发现,它们在 39% 的案例中未能选择社会有益行动;博弈论干预最高可提升有益结果 31%。 该基准为多智能体环境下的对齐研究提供了标准化测试平台,代码与数据已公开。

  18. arXiv · AI33

    PriorSplit: 基于 on-policy self-distillation 的自我进化 VLM 智能体外部记忆方法

    研究提出 PriorSplit 方法,用于解决视觉语言模型在缺失关键帧时依赖存储顺序的问题,在 Qwen3-VL-4B 等五个模型上验证有效。 PriorSplit 利用模型外部的顺序计数,当关键帧缺失或顺序异常时辅助作答,性能优于其他内部化方法。 该方法在保持 OPSD 训练成本的同时,显著提升了模型在合成技能及烹饪、第一视角等真实任务中的鲁棒性。

  19. arXiv · AI20

    AskALCF:用于 HPC 用户支持的系统自改进智能体流水线

    AskALCF 是一种面向 HPC 用户支持场景的智能体日志分析与系统自改进流水线,将生产中未定位故障比例从 41.4% 降至 14.2%。 其诊断核心结合了答案质量评估与双范围充分性测试,可区分“文档缺失”与“检索失败”,并将失败路由至知识、提示、模型或工具执行的对应修复路径。 该工作证明了受生产证据驱动的受控自进化机制,为部署后的 AI 支持系统提供了超越知识库定期更新的持续改进基础。

  20. arXiv · NLP43

    LLM 长期记忆中的时态扁平化现象

    研究指出,LLM 代理的长期记忆常将进行时用户事实扁平化为一般现在时,导致“时态扁平化”现象。在名为 LAPSE 的基准测试中,三个生成模型在 381 对样本中的 210 对里保留了时态差异,且 11 个测试模型均显示此单向丢失现象,该结果同样存在于 mem0、Graphiti 和 Letta 系统中。

  21. arXiv · NLP21

    DeepStress: 深度搜索智能体的压力测试框架

    研究团队提出 DeepStress 框架,用于评估深度搜索智能体在低质量证据下的鲁棒性。该框架通过动态合成文档环境,独立控制文档的可信度、相关性和事实准确性。在 HotpotQA 和 BrowseComp-Plus 上评估了 12 个系统,发现多个开源权重智能体在来源存在明显可信度红旗时仍自信作答,且许多 HotpotQA 问题即使所有返回文档事实错误,也常依赖参数化知识回答。

  22. arXiv · NLP36

    FiC框架提出视图非对称自蒸馏,弥合LLM多轮对话性能差距

    针对LLM在多轮对话中表现远逊于单轮的“Lost-in-Conversation”现象,本文提出FiC训练框架。 该框架开发视图非对称自蒸馏(View-Asymmetric Self-Distillation),无需外部教师,在Llama、Qwen等3B-14B模型上恢复92-100%单轮性能。 该方法使多轮对话更高效,且基本保留单轮能力,已被NeurIPS 2026接收。