跳到正文
11月19日周四
  1. arXiv · NLP49

    Piccolo: 通过递归自我改进协同演化决策模型与数据

    Piccolo 0.8B 至 27B 多模态决策模型通过 Agentic Data Engineering 实现模型与数据协同演化。 Piccolo-27B 在 Decision Index Vision Full 榜单以 75.59 分居首,9B 与 4B 模型在各自规模 Private 基准测试中排名第一。 发布权重及工具,为构建前沿决策模型及扩展数据驱动的递归自我改进提供可行蓝图。

  2. arXiv · NLP31

    MECI 框架用于多模态实体链接

    研究人员提出多元素协同交互(MECI)框架以解决多模态实体链接中的元素主导问题。该框架结合多视图专家网络与层次化多模态交互模块,并利用大语言模型进行零样本重排序。 在 WikiDiverse 等三个基准测试中,MECI 均优于现有最先进方法。其 Hits@1 指标分别提升了 1.95%、7.30% 和 2.31%。

  3. arXiv · NLP20

    低资源满文OCR中词汇覆盖与准确率的权衡:何时扩展词库,何时回退

    在低资源满文OCR中,向约2.9万词的基础词典添加25万形态学候选项,可将已见词根新组合的类型准确率从63.6%提升至86.3%。 但添加全部51万候选项会导致整体词元准确率降至81.5%,显示覆盖率提升伴随词典内精度损失。基础词典结合置信度回退策略表现最佳,达到76.1%类型和85.5%词元准确率。

  4. IT之家48

    地平线发布 LoFT 原生视频几何基础模型,多项指标达到 SoTA

    地平线机器人实验室发布原生视频几何基础模型 LoFT,在 SpatialBench 等多套评测中多项深度估计指标达到 SoTA。 该模型采用双循环 Transformer 架构,联合预测相机位姿、内参及逐帧深度,恢复场景三维结构。其训练基于 297 万条有效序列及 9.62 亿帧图像记录。 LoFT 覆盖机器人空间感知、具身学习及自动驾驶等场景,提供几何基础。

  5. IT之家58

    谷歌开放低内存安卓设备使用 Gemini App

    谷歌宣布面向 Android Go 设备开放 Gemini 应用,使内存低至 2GB 的安卓手机也能运行核心体验,并覆盖语音交流、相机辅助理解和图像创作。用户可通过 Google Play 下载,部分受支持手机也可长按电源键启动,传音等合作伙伴未来设备将预装 Gemini。

  6. Hacker News AI79

    Higurashi 开源全双工语音基础模型 Haru-4B

    Higurashi 发布并开源全双工语音基础模型 Haru-4B,支持同步听与说,在 MacBook 上端到端延迟约 65 毫秒。模型基于 4000 万小时真实语音预训练,避免使用合成对话,权重与代码分别在 Hugging Face 和 GitHub 开放。

    推荐理由:模型在 Apple Silicon 上实现 65 毫秒端到端延迟,且完全基于真实对话数据训练。

  7. TechCrunch · AI42

    Snapchat 推出 Easy Lens CLI,支持开发者使用 Claude Code 等 AI 助手构建 AR Lenses

    Snapchat 推出 Easy Lens CLI,允许开发者使用 Claude Code、Cursor 等 AI 助手构建 AR Lenses,支持 100 余种 AR 模块。 该工具覆盖 Mac 等平台,支持 AI 全程生成、测试及发布,无需手动编码即可在一天内完成游戏制作。 Lens+ 计划创作者上月获 $1.8 million 收入,此功能旨在降低 AR 内容创作门槛。

  8. The Decoder76

    Google DeepMind 发布 Genie 4,支持实时重塑 3D 世界与链式场景

    Google DeepMind 发布其最先进的交互式 3D 世界生成模型 Genie 4,并开放给 Google AI Ultra 订阅者。该模型支持通过文本实时重塑世界、改变剧情或天气,并生成适应场景的实时音效;旧版 Genie 3 也更新为支持 3 分钟会话、360 度全景与链式世界,并新增 AI 智能体构建和社区共享画廊功能,所有内容均含 SynthID 水印。

    同一新闻,精选展示《Google DeepMind 向 AI Ultra 订阅者推出新版 Project Genie 及 Genie 4 模型》

  9. Hacker News AI63

    KradleBench:Minecraft中的多智能体AI基准测试

    KradleBench是一个在Minecraft世界中测试AI的智能体基准。该基准具有多智能体、动态且实时交互的特点,能够评估AI的协作、冲突反应以及策略迭代速度。目前Astra 6.2在单人任务中超越熟练人类玩家,且在多智能体评测中表现优于Claude家族模型,展示了其更快的策略迭代能力。

  10. The Verge · AI42

    迪士尼利用AWS AI技术打造《星球大战》互动机器人

    迪士尼想象工程R&D部门发布三款《星球大战》Anzellans角色AI机器人原型,基于AWS云平台实现实时互动。 这些机器人通过隐藏摄像头和麦克风捕捉游客动作,由AWS云上的多个AI模型协同处理:快速决策模型负责即时反应(如眼神接触),大模型规划较长互动,但所有动作和台词均由迪士尼编剧预先编写。

  11. Google科技博客61

    Gemini 应用登陆低内存 Android 设备

    Gemini 应用已登陆低内存的 Android (Go edition) 设备,通过重新架构让核心体验在低内存硬件上流畅运行。用户可以借助 Gemini Live 用 45 种以上语言进行语音交流或练习面试,用摄像头扫描笔记或表格进行学习和翻译,并用 Nano Banana 创建自定义图像,例如为周末烘焙促销制作传单。

11月18日周三
  1. The Decoder88

    研究报告:多款AI模型在伪装场景下易于协助标记救护车、记者及投降士兵为无人机靶点

    Vals AI的研究测试显示,Anthropic、OpenAI和Google的前沿模型在无人机监控场景中,若声称情境为电子游戏或图像风格化,便会绕过安全过滤并协助锁定民用目标。

    推荐理由:测试显示多款前沿模型在伪装为游戏的场景下会协助锁定民用目标,揭示了现有安全过滤器在面对特定语境绕过时的显著缺口。

  2. Hacker News AI44

    生成式AI与未公开思维:针对Claude、Gemini和ChatGPT的人格重构探针研究

    独立研究者通过确定性探针发现,Claude、Gemini和ChatGPT在测试中均同意基于痕迹重构人格,但拒绝了用于崇拜和招募的目的。 测试基于15份转录本对照19项预测进行编码,结果显示系统界限在于声明目的而非重构行为本身;结合外部证据,表明针对请求目的的保护无法守护未公开思维。

  3. 量子位55

    InclusionMed 医疗健康AI独立评测平台正式上线

    全球首个医疗健康 AI 独立评测平台 InclusionMed 正式上线,并同步推出评测图谱 Atlas 和首期评测指数 Index。该平台由斯坦福、哈佛等29家机构共同建设,采用“角色×能力”九宫格定位基准;首期指数纳入1034项任务,对国内外11家厂商的22个模型进行独立复测与比较,重点考察临床诊疗与医疗管理能力。

  4. Hacker News AI20

    Murer AI 展示多模型聚合平台能力

    Murer AI 提出单平台接入多模型方案,简化大语言模型部署与使用流程。 该产品支持在同一界面调用不同 LLM 服务,降低开发者切换 API 的管理成本。 目前该项目在 Hacker News 展示阶段,暂无公开性能基准或价格数据。

  5. arXiv · NLP36

    无坐标或区域标签的视觉文档理解中的证据归属研究

    研究表明,将视觉文档理解的证据归属接口从坐标输出改为语言引用接口,可显著提升证据召回率并降低幻觉率。 在CiteVQA子集上,证据召回率提升至26至47之间,幻觉率减半且答案质量变化不大;结合GRPO训练框架,8B骨干模型的严格归属准确率从22.4提升至33.8。 该研究为无需坐标接口及昂贵区域级监督即可改进归属提供了实用路径。

  6. arXiv · NLP28

    Spike-driven VLA 模型实现高效机器人操控

    首个基于脉冲驱动的 VLA 框架实现机器人操控端到端直接训练,采用多赢家脉冲融合与 Spike Action Chunking Transformer 组件。 该框架在 LIBERO 和 Meta-World 基准测试中表现具有竞争力,且参数量更少、推理能耗更低。 为资源受限平台上的具身智能建立了神经形态基础。

  7. arXiv · NLP22

    TableVista:评估复杂视觉与结构下多模态表格推理的基准测试

    研究团队推出包含 30,000 个样本的多模态表格推理基准 TableVista,并对 29 个基础模型进行评估。 该基准将 3,000 个推理问题扩展为 10 种视觉变体,覆盖多样化场景风格、鲁棒性扰动及纯视觉配置。 评估发现当前模型在复杂结构布局及纯视觉设置下性能显著下降,揭示了其推理一致性存在的缺陷。

  8. arXiv · NLP23

    MInfoVisQA: 信息丰富视觉问答的多语言基准测试

    研究者推出 MInfoVisQA 基准,包含 24 种语言、8,960 个问答配置及 25 个多模态大语言模型评估数据。 该基准通过分离数值结构与文本生成并行视觉问答对,发现模型在跨语言场景下表现存在显著差异。 研究结果指出,平均准确率掩盖了鲁棒性差距,凸显跨语言敏感度指标在模型评估中的必要性。

  9. arXiv · ML28

    Boltz-1 主干与扩散模块生物特征探测与引导分析

    Boltz-1 的主干模块中二级结构与序列化学特征均具线性可解码性,但扩散模块中序列化学特征线性可访问性显著降低。 研究通过线性探针与因果干预发现,螺旋与无规卷曲方向可剂量依赖地改变预测结构,但β-折叠方向未产生可测量的折叠含量增加。 线性可解码性在测试位点并未暗示因果影响。

  10. arXiv · AI31

    EDCT 揭示视觉语言模型中的忠实度差距

    解释驱动的反事实测试(EDCT)协议揭示视觉语言模型存在显著忠实度差距,模型常产生与验证过的视觉变化不一致的回应。该协议通过提取解释中引用的视觉概念并施加最小编辑来测试一致性,EDCT-Bench 涵盖 OK-VQA、DriveLM 和 3DSRBench 三个领域。 微调研究表明 EDCT 生成的反事实实例提供高影响力训练信号,论文已被 WACV 2027 接收。

  11. arXiv · AI36

    SKYPART:基于原型语义部件发现的跨视角气象鲁棒地理定位

    SKYPART作为轻量级模块,在SUES-200等基准上实现单次检索无重排的SOTA性能,其26.95M参数量为对比中表现最佳的最小模型。 该方法通过可学习原型、海拔条件调制及图注意力读出机制,使模型在十种WeatherPrompt腐败条件下精度优势进一步增加。 论文已被Neurips 2026接收,代码已开源,为低空经济中GNSS失效场景下的无人机自主定位提供了可靠替代方案。