跳到正文
11月3日周二
  1. arXiv · NLP30

    基于1.2万条本地化帖子的多语言LLM刻板印象偏见审计

    研究者利用英语、西班牙语、法语和德语的1.2万条Reddit本地帖子,对3个开源及3个API模型的性别、种族和宗教偏见进行了审计。 研究发现宗教维度的选择失衡在所有模型中最高;API模型得分全面低于开源模型;负面性别偏见在英语语境下更显著。 这些结果揭示了聚合分数可能掩盖特定类别和语境的偏见行为,强调了部署前进行细致检查的必要性。

  2. arXiv · NLP25

    GPT 5.5 Pro 推理水平通过语法透镜基准测试进行区分

    形式化语法透镜基准测试生成不同计算能力层级的数据,用于区分 GPT-5.5 及其 Pro 版本的推理水平。 测试 GPT-5.5 及 GPT-5.5-Pro 的 Medium、High、XHigh 模式,数据接受率分别为 16%、40%、43% 和 52%。 随着测试时计算量增加,模型回答与人类回答分歧加剧,提示通用能力与对齐之间的潜在冲突。

  3. arXiv · ML21

    FuRA:基于谱预条件的全秩参数高效微调

    FuRA 通过全秩 SVD 谱预条件实现高效微调,在同等可训练参数下优于全量微调。 方法采用块张量训练分解,固定预训练 SVD 基以约束更新,在 LLaMA-3-8B 常识推理任务中提升 1.37 分,量化变体 QFuRA 也超越 QLoRA。 代码已开源,适用于大语言模型微调、数学推理强化学习及视觉指令微调。

  4. arXiv · AI34

    TTT-Consolidate 提出了一种利用多智能体推理轨迹作为测试时训练(Test-Time Training)自适应数据的框架,用于提升后续推理性能。

    该框架通过双层优化进行元学习,内循环使用轻量级 LoRA 适配器编码轨迹,外循环学习元参数;同时构建了包含 12,810 道数学题的 OpenParallelThinking 语料库。 在数学和 STEM 基准测试中,TTT-Consolidate 在匹配计算和运行时间的情况下,比最佳聚合基线高出最多 20 个百分点,且随着可用轨迹数量增加,其从失败轨迹中恢复的能力增强。

  5. arXiv · AI39

    ReConSpatial 基准揭示 LVLM 空间智能差距:结构理解优于度量重建

    新基准 ReConSpatial 评估 18 款前沿 LVLM 的多视角 3D 场景重建能力,指出相对结构与度量重建存在一致差距。 GPT-6-Astra 在结构任务得分 81.4%,但度量重建仅 58.7%;9 项原子空间问答任务关联原子能力与重建质量。 实验表明 3D 地图注入可区分场景构建与路径规划,空间微调在通用视觉语言基准上实现广泛迁移。

  6. arXiv · AI20

    深度学习中的谱重整化群视角

    研究发现深度神经网络在训练中常形成重尾幂律谱,最佳检查点通常位于谱指数 $\alpha\approx 2$ 附近。 该指数被提出作为区分稳定学习与过拟合的统计边界,并满足 Wilsonian 边际条件。 基于此提出的 SETOL 理论连接了 HTSR 与 Muon 等优化器,并激发了 WW-PGD 新扩展。

  7. arXiv · AI23

    蒸馏大语言模型中后门选择性的继承与学习

    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。

  8. arXiv · AI46

    Exo: An Architecture for Self-Improving Systems at Runtime

    提出 Exo 智能体运行时架构,允许智能体在持续工作中安全学习并修订其 harness 和策略。 在开放世界游戏中,Exo 相较 Codex 和 Pi 减少 12-53% 的模型成本;在 AppWorld 和 SREGym 上,Exo 减少 35-61% 的保留集模型成本,同时保持相当的准确性。 该架构将优化循环折叠进任务执行,通过可检查的代码变更演化 harness,降低长期运行目标的成本。

  9. arXiv · AI33

    Taurus:LLM 环流 CT 标注成本仅为编码智能体的一半

    Taurus 利用 LLM 环流框架实现 CT 主动脉标注,主要指标表现与使用 Claude Opus 5.5 的自由智能体无显著差异,但单病例成本仅为 $1.22,低于后者的 $2.71。 该框架通过自动化路径处理扫描,并结合固定规则平滑标签表面及多项选择检查以修正大型错误,在 38 个留出病例上取得主要增益。 此类标注自动化使得专家时间可从绘制标签转向核查,提升了效率。

  10. APPSO52

    MIT 研究人员展示权重空间编程:GPT-6 Astra 通过修改 0.016% 参数将 Qwen 数学成绩提升至 48.1%

    MIT CSAIL 团队提出「权重空间编程」方法,让 GPT-6 Astra 直接分析并修改 Qwen3.5-0.8B 的神经网络权重,而非使用梯度训练。在仅修改 131072 个参数(占比 0.016%)的情况下,该模型在 MATH-500 上的准确率从 7.9% 提升至 48.1%,GSM8K 从 13.8% 提升至 67.1%,主要修复了模型原有的重复推理缺陷。

  11. IT之家40

    OpenAI 合并 ChatGPT 对话与工作台标签页,Codex 保持独立

    OpenAI 将合并 ChatGPT 桌面端的对话与工作台标签页,实现从想法到任务落地的统一界面,Codex 仍作为独立功能保留。 调整采用分阶段推送,用户可上传文件、调用插件并引导输出。合并后 ChatGPT 与 Codex 共用同一 token 额度池,部分用户可能因使用场景不同而更频繁地等待额度重置。

  12. IT之家50

    苹果 App Store 新规:约会及 AI 伴侣类应用必须分级为 18+

    苹果宣布 App Store 新规则,具备位置共享或约会、AI 伴侣功能的应用必须分级为 18+。 自 11 月 16 日起,开发者在填写年龄分级问卷时须申报相关功能,例如巴西地区位置共享应用需 A16 分级,约会应用需 A18 分级。 所有应用须在 2027 年 1 月 12 日前完成申报,符合特定条件者可申请降低分级。

  13. IT之家38

    YC 掌门人加里 · 谭称每年至少花费 10 万美元使用 AI,连 20 年前的隐私都交给它

    YC 首席执行官加里 · 谭透露,他每年在 AI 智能体上花费 10 万至 20 万美元(约 71 万至 142 万元)。 这些 AI 不仅处理工作,还能读取其电子邮件、Dropbox 文件、Apple Notes 笔记及 20 年前的心理咨询记录。 谭认为成本过高是主要限制,未来应让用户拥有自主控制、自主编程的私人 AI 智能体,而非依赖大型科技公司算法。

  14. MIT Technology Review · AI39

    特朗普“超级智能”改名令下的忠诚度测试

    特朗普签署行政令将政府用语从“人工智能”改为“超级智能”,此举引发合规争议。 联邦机构文件已替换术语,但国土安全部等仍在混用旧称;仅少数科技巨头采纳新词,多数高管仍使用“AI”。 官方要求本月内立法定义新术语,改名被视为政治站队的标志。

  15. OpenAI (X)63

    OpenAI 启动内部安全冲刺,提升漏洞赏金至 172,000 美元

    OpenAI 宣布计划与 Cathedral Systems 合作启动内部安全冲刺,利用 AI 模型发现并修复系统弱点。OpenAI 正在提高漏洞赏金奖励,严重漏洞的最高赏金提升至 172,000 美元(含奖金)。

    推荐理由:提供了OpenAI与Cathedral Systems合作进行内部安全冲刺的计划,以及提升漏洞赏金至172,000美元的具体信息。

  16. IT之家70

    美国“最年轻”前陆军部长德里斯科尔加入 OpenAI,出任国家安全与现代化事务高级顾问

    OpenAI 聘请美国前陆军部长丹尼尔·德里斯科尔担任国家安全与现代化事务高级顾问,以推动 AI 在国家安全与网络领域的应用。德里斯科尔将与政府、学术界及产业界合作,促进符合民主原则的 AI 技术发展,并辅助 OpenAI 提升其在公共与私营部门的安全能力。

  17. IT之家70

    苹果CEO特努斯:Siri日处理超25亿次请求,部分高级AI功能将收费

    苹果CEO John Ternus表示Siri每天处理超过25亿次请求。Siri AI和照片编辑等服务器端AI功能设有每日使用上限,用户想要更频繁使用将通过iCloud+付费。新版Siri已随iOS 27于9月起逐步推出,可结合个人上下文理解更复杂问题、跨应用执行操作,并检索信息、邮件和照片;目前仍处于测试阶段,符合条件的用户需加入等候名单。

  18. 机器之心89

    奥特曼预告下一代 GPT,1 万 Agent 攻克纳维-斯托克斯方程

    Sam Altman 在 ADIPEC 2026 大会上透露,OpenAI 此前宣布的纳维-斯托克斯数学突破由 1 万个 Agent 完成,该系统无层级结构且完全去中心化。

    推荐理由:Altman 首次确认千禧难题由 1 万个 Agent 协同攻克,并以此作为下一代 GPT 发布的明确前奏,揭示了去中心化大规模协作在 AI 科研中的可行性与成本轨迹。