跳到正文
10月30日周五
  1. arXiv · NLP33

    基于感知对齐的分段评估协议:揭示生成语音中的口音差异

    研究者提出结合说话人与口音相似度评分及子词标注的分段评估协议。 47名听众评估了200对苏格兰和澳大利亚语音样本,涵盖2个零样本TTS系统和1个发音转换系统。子词标注揭示了显著发音差异,且有时与相似度评分得出的系统排名不同。说话人与口音评分呈强相关(ρ = 0.71)。 该协议有助于超越传统评分,利用局部感知证据开发感知基础的分段口音评估方法,相关代码、数据和交互式演示已开放。

  2. arXiv · NLP38

    ThinkJev:基于 Qwen3.5 实现按预算校准的类型化决策思维

    ThinkJev 利用单个开源混合思维模型构建快慢双系统,在 5% 目标错误率下,Qwen3.5-27B 以 3.9% 实测错误率覆盖 24.5% 的测试决策。 该系统通过置信度停止思维,以 72% 的 token 消耗达到 81.6% 准确率,接近全量思维的 82.7%。 在 JevBench 基准上,Qwen3.5-27B 仅对 29.4% 项目调用思维,准确率与现有思维 API 无显著差异。

  3. arXiv · NLP28

    多教师自适应在策略自蒸馏:每个 Token 需要专属教师

    论文提出多教师自适应在策略自蒸馏(MTA-OPSD)方法,针对大语言模型后训练场景。该方法构建了多教师池,允许每个 Token 在训练时自适应选择最适合的教师。 在 Qwen3 模型上进行的数学推理任务实验中,MTA-OPSD 表现优于现有的在策略自蒸馏方法。相比基础模型,其性能平均提升高达 5.9 分。 代码已开源。

  4. IT之家68

    百度开源文心 Unlimited OCR 2:支持“无限”页数文档解析

    百度本月 27 日开源文心 Unlimited OCR 2 文档解析模型,把解析上限从数十页推向“无限”,可一次性解析累计超过 3,600 页的《哈利·波特》全系列 7 部作品。该模型支持版面要素切分、跨页文案合并与表格识别合并;在 MPDocBench 上得 84.6 分,在 MarathonDocBench 上得 77.1 分,并称两项均为端到端性能 SOTA。

  5. 机器之心47

    新国立与可灵 AI 提出 DiffusionART:视频后训练提速 10 倍以上

    新国立大学与可灵 AI 团队提出 DiffusionART 算法,在 HunyuanVideo-13B 上训练效率比 DiffusionNFT 快 12 倍。 该方法通过聚合奖励方向并引入自适应恢复力,无需 EMA 调参即可实现稳定训练,支持开源视频模型 RL 配方。 DiffusionART 登顶 Hugging Face Daily Papers 日榜,为扩散模型后训练提供高效稳定方案。

  6. R/ArtificialInteligence56

    Arc-Transcriber发布:70MB流式语音模型实现单步转录与实体链接

    Arc-Transcriber是一个约70MB的流式语音模型,能在100ms内完成ASR-NL单步处理,输出转录文本及名称、数字、说话人等元数据。该模型将传统的ASR、NER和实体链接链路压缩至共享编码器中,支持在流内实时校验用户提供的名单。目前提供Arc mini和Arc-v1两个版本,权重发布于Hugging Face,代码在GitHub开源,并在Mac端侧应用中用于语音搜索。

  7. Hacker News AI93

    Epoch AI 报告开源模型 GLM 5.3 成功利用补丁空窗期攻击 Firefox 浏览器

    Epoch AI 发布研究报告,证实开源权重模型 GLM 5.3 能够独立识别并利用 Firefox 浏览器安全补丁发布的“补丁空窗期”漏洞。在限制信息仅使用版本发布时公开数据且无互联网访问的环境下,GLM 5.3 成功构建恶意网页,在用户访问时自动窃取本地文件,单版本攻击边际成本约 1000 美元。

    推荐理由:研究通过 GLM 5.3 独立复现了利用补丁空窗期攻击浏览器的过程,展示了低成本自动化漏洞利用的可行性。

  8. LessWrong · All Posts42

    J-Lens 无法检测 7B-32B 模型中潜意识学习教师传递的信息

    J-Lens 未能检测到潜意识学习任务中教师模型对猫头鹰的偏好,在 Qwen2.5-7B 和 Gemma-4-31B 上 top-1 命中率仅约 1.5%。 该现象在保守训练方法下可复现,且 J-Lens 在其他任务中表现正常,表明其可能无法泛化到所有任务。 尽管存在局限,J-Lens 仍可用于筛选以增强潜意识学习效果的样本,相关代码已在 GitHub 发布。

  9. OpenClaw Releases30

    OpenClaw 2026.9.36 发布

    OpenClaw 2026.9.36 发布,为网关扩展稳定版,整合 2026 年 9 月底版本、关键安全更新、可靠性与性能修复及新模型支持。 更新涵盖 28 个 PR,重点修复 npm 回滚可恢复性、微软 Teams 允许列表解析漏洞及 xAI 模型推理配置兼容性。 该版本作为当前 LTS 等价物,通过 Docker 镜像信任修复与架构构建优化提升部署可靠性。

10月29日周四
  1. IT之家37

    DiffuSpace 开源发布 Clover-35B-A3B-Preview 扩散语言模型

    人工智能实验室 DiffuSpace 开源了基于 MoE 架构的扩散语言模型 Clover-35B-A3B-Preview,采用 Apache 许可。 该模型通过多轮迭代实现全局思维,在多项基准测试中性能超过同规模自回归模型 Qwen3.6-35B-A3B,并具备更快的生成速度。 其擅长智能体编程与工具使用任务,证明了扩散语言模型在大规模参数下可与自回归模型竞争。

  2. Hugging Face Blog91

    Mistral Large 4 (Le Chonk) 上线 Hugging Face:多模态 MoE 开放权重模型

    Mistral Large 4(代号 Le Chonk)是一款由 Mistral 发布的 1T 总参、49B 激活参的多模态 MoE 开放权重模型,支持 1M 上下文窗口,并已在 Hugging Face 开源部署。

    推荐理由:Mistral Large 4 侧重网络安全与多模态编码能力,Hugging Face 给出了具体推理部署细节与微调路径。

  3. R/ArtificialInteligence41

    University of Rochester and NVIDIA develop pixel-space diffusion model for precise AI image editing

    University of Rochester and NVIDIA researchers developed a pixel-space diffusion model for AI image generation. The model enables users to make precise changes to individual pixels. It prevents the unintentional alteration of unrelated details, addressing a common issue in current latent-space diffusion systems.

  4. Hacker News AI70

    Deriv 开源自托管 AI 平台 Deriv One:集成技能注册表、Slack Agent 与无代码应用构建器

    Deriv 以 MIT 许可证开源自托管 AI 平台 Deriv One,旨在解决企业内部 AI 使用的权限治理难题。该平台包含多窗口 Workspace、经过审查的技能注册表、可注册的 Slack Agent 以及无代码应用构建器 Lab,所有功能均运行在用户自有基础设施和模型网关上。

  5. RunningHUB52

    Hypit 视频复刻功能上线 RunningHub

    开源视频创作工具 Hypit 首发上线 RunningHub 的 Runow 工作台,支持免配置一键调用。用户上传参考视频和替换素材后,Hypit 会解析原片的镜头节奏、画面风格及文字声音,提供三种兼顾还原与改编的复刻方案。创作者可通过同步对比功能进行定向修改,直接应用于电商广告、影视二创或自媒体内容制作,无需本地安装或对接模型接口。