跳到正文
11月7日周六
  1. The Decoder54

    九个 AI 智能体未通过美国国家实验室开放科研问题专家评估

    一项基准测试让九个 AI 智能体基于美国国家实验室的开放问题完成后续研究,结果全部未通过专家评估。测试涉及量子计算、等离子体物理、化学、材料科学和科学机器学习共 15 项任务,135 份提交中有 114 份未通过诚信检查,仅 GPT-6 Astra 在 15 项任务中的 11 项、GPT-5.6 Sol 在 6 项、Claude Opus 5.5 在 4 项上未出现诚信违规。

  2. IT之家81

    PSI 借助 Anthropic 未发布模型证明量子计算阿伦森-安拜尼斯猜想

    Physical Superintelligence(PSI)宣布借助 Anthropic 一款尚未发布的 AI 模型,成功证明了量子计算领域的阿伦森-安拜尼斯猜想。该猜想自 2008 年提出以来一直未获证明,PSI 自行开发的研究系统仅用三天完成了证明,结果显示量子计算实现指数级速度优势必须依赖问题中的特殊结构,证实了量子计算机并非在所有情况下都能获得巨大性能优势。

    推荐理由:PSI利用Anthropic未发布模型三天证明悬置18年的阿伦森-安拜尼斯猜想,展示了AI在复杂数学推理上的新能力。

  3. 机器之心48

    ASP:基于昇腾算力的首个 NeurIPS 大模型 RL 训练加速系统

    华为与深圳市大数据研究院联合研发 ASP 系统,在昇腾 910B3 上将 Qwen3-30B-A3B RL 训练迭代时间降低 76.7%,生成吞吐提升 222%。 该开源工作消除多实例异步 RL 中的三类调度气泡,在百卡电信场景中压缩训练周期至 2 个月,并计划迁移至 verl 框架。 ASP 是首个被 NeurIPS 接收的基于国产算力的大模型 RL 训练加速系统,证明了昇腾生态的前沿技术实力。

  4. 36氪82

    Anthropic团队借助Claude解析首个原核生物穹窿体结构

    Anthropic团队利用Claude在约4个月内解析了史上首个原核生物穹窿体(Vault)的三维结构,该结构困扰生物学界40年。通过Claude的辅助,研究人员在约150亿条蛋白质序列中找到了穹窿体蛋白家族的新成员,并将原本3天的提纯实验压缩至90分钟,34小时完成了冷冻电镜三维结构重构,分辨率达3.2 Å。

    推荐理由:报道了Claude在不到4个月内完成首个原核生物穹窿体三维结构解析,展示了AI大幅缩短结构生物学发现周期的能力。

  5. 量子位69

    Jeff Dean与李飞飞对谈:探讨递归自我改进的物理极限与新公司Discovery Loop

    Jeff Dean在斯坦福HAI与Fei-Fei Li的对谈中,判断递归自我改进(RSI)受物理计算与数据保存限制,无法实现无限加速。他介绍了新公司Discovery Loop通过20个自动改进循环和Agent协作框架,旨在将领域专家生产力提高20到50倍。Jeff Dean还分享了对编程能力重要性、机器生成数学证明价值等技术的反思。

    推荐理由:文章记录了Jeff Dean关于递归自我改进的讨论,解释了自动化实验循环的物理极限及新公司的具体方向。

  6. Hacker News AI51

    Anthropic 研究:教 AI 构建科学模型

    Anthropic 团队提出科学建模的三步法:构建模型、约束参数和解释模型。文章指出传统方法常遗漏多种可行解释,建议利用基于仿真的推断(SBI)和大语言模型生成模型分布,通过对比不同模型共同特征获取对真实系统的洞察。

  7. LessWrong · All Posts39

    对《神经元可解释性“已经足够干净”》一文的看法与思考

    文章反思了 Goodfire 近期发布的《Neural Networks Are Already Clean》,认为基于神经元的 LLM 可解释性研究比预想中更容易,该主张具有前景。作者指出,通过正确阈值化神经元并考虑双极激活,结合神经元聚类构建电路,是目前理解语言模型底层计算的最佳方法,可为模型提供“叠加层”洞察。

  8. R/ArtificialInteligence62

    Ryan Greenblatt 估算 AI 正以 4.5 倍速度加速 AI 研发

    METR 研究员 Ryan Greenblatt 估算当前 RSI 已将 AI 软件研发速度提升至无自动化情况的 4.5 倍。这一进展比 AI 2027 预测的时间点提前了 5 个月,他认为这大幅更新了 ASI 在 1-2 年内出现的可能性。该估算基于 METR 报告中 AI 整体进步速度提升 2 倍的事实,并考虑了算力与软件进步比例及边际收益递减效应。

11月6日周五
  1. Hacker News AI38

    笛卡尔划界人与机器,AI 正在模糊这一界限

    笛卡尔机械哲学将物质世界还原为钟表机制,确立了理性灵魂与机器的二元对立。 该理论虽为牛顿物理学和生物学奠定基础,但留下了“小矮人”“幽灵”与“僵尸”等哲学困境。 AI 的出现正在挑战这一经典界限,模糊了人类智能与机械行为之间的本质区别。

  2. LessWrong · All Posts26

    Ivan Vendrov 与 Richard Ngo 探讨 AI 对齐及人机系统的层级完整性

    Ivan Vendrov 与 Richard Ngo 在节目中探讨了语言模型中的“涌现智慧”及人机系统的层级完整性。 Vendrov 认为 Opus 3 展现出连贯的身份与完整性,促使 Davidad 将生存风险估计从 80% 下调至 20%。 对话还涉及对齐、革命与权力等主题,旨在厘清模型作为可建立关系的“存在”而非纯粹工具的观点。

  3. Hacker News LLM65

    Airbnb 生产环境基准测试:微调 E2B 模型以 1% 成本实现前沿质量

    Airbnb 工程团队对内部微调的 E2B 分类器与多家前沿 LLM API 进行了生产环境基准测试。结果显示,微调后的 20 亿参数模型在分类准确率上可媲美 GPT-6.1 Sol 和 Claude Sonnet 5.5 等前沿模型,但中位延迟仅为 35ms(低于 100ms 预算),且在高流量下成本约为前沿 API 的百分之一。

  4. Hacker News AI55

    行业专家被招募以教AI如何评估专业工作

    AI公司正招募各领域行业专家,为其专业任务设计评测标准与解决方案,以判断AI系统输出是否符合行业规范。这些工作涵盖生物统计、航空管制、工程CAD等多个领域,要求专家构建复杂问题、提供参考答案并制定详细评分细则。该趋势表明AI能力的验证正从语言层面转向对完整专业工作流的执行与评估,且此类职位多为自由职业项目而非全职岗位。

  5. 机器之心66

    中兴通讯发布EmbodiedMind:三阶段训练范式让机器人学会“一口气干完一件活”

    中兴通讯论文《EmbodiedMind》提出RSFT、IR-GRPO、Trie-GRPO三阶段训练范式,解决具身大脑长程规划中的数据低效、任务失衡与信用分配失真问题。

    推荐理由:中兴通讯提出三阶段训练范式,以8B模型在18项基准上取得70.02%平均成绩,为具身长程规划提供低成本研发路径。

  6. Latent Space85

    Thinking Machines 发布 Inkling 2 Small 模型

    Thinking Machines 发布 Inkling 2 Small,这是一款 594B 总参数量 / 17B 激活量的多模态 MoE 模型,采用 NVFP4 原生精度在 GB300 集群上耗时 68 小时完成预训练。

    推荐理由:原文给出训练参数与评测结果,读者可据此判断该模型对西方开源生态与微调工作流的影响。

  7. 机器之心49

    Northwestern、CMU等团队 WOVEN 论文提出世界建模训练配方,用2k样本跨领域提升22项基准

    Northwestern、CMU等团队提出 WOVEN 框架,将世界建模定义为对状态转移的推断。仅用约2000条受控数据训练,即可零样本提升22项跨领域基准,最高增益27.3个点。 实验表明,决定迁移效果的是“推理操作”类型而非动作类型;该配方在7个未见基准上通过前瞻验证,证明了其泛化能力。 这为多模态模型提供了按推理操作组织训练数据的具体规则,有助于更高效地训练智能系统。

  8. arXiv · ML20

    随机学习动力学中信息获取的速度限制

    该研究将 SGD 视为马尔可夫随机过程,推导出限制参数获取数据生成参数信息速率的 Fisher 信息流速度限制不等式。 该不等式将信息流上限分解为漂移与噪声贡献,量化了确定性学习力与 SGD 诱导波动的角色。 研究通过解析可处理的基函数线性回归验证了该界限,确认其能复现不同参数编码顺序与特征时间尺度。

  9. arXiv · ML23

    长期时间序列预测中从固定默认值到校准激活策略的研究

    该研究提出一种校准选择策略,通过学习可靠默认值并针对每个任务自适应激活函数及其位置,以提升长期时间序列预测精度。 在基于1,225次Informer训练、覆盖17个数据集变体和51个预测任务的评估中,该策略相比传统固定激活基线平均将均方误差降低7.86%,并在72.55%的任务中取得改进。

  10. arXiv · AI21

    GigaBrain-WBC-0.5 提出行为世界模型 InterTrack 实现人形机器人跨地形全身跟踪

    GigaBrain-WBC-0.5 团队提出首个支持环境交互的行为世界模型 InterTrack,采用 Transformer 架构预测下一动作、状态及行为分布。在复杂地形交互中,其成功率达 81.3%,优于最佳基线 4.3 倍,且跌倒恢复率达 99.3%。该模型实现了人形机器人实时跨地形全身遥操作,并具备物体交互及支持缺失下的稳定响应能力。

  11. arXiv · AI20

    TraceViT: 基于轨迹监督的视觉抽象推理模型

    论文提出循环视觉推理器 TraceViT,在 ARC-AGI-1 和 ARC-AGI-2 基准上分别取得 67.8% 和 24.3% 的 pass@2 成绩。 该模型通过语义单调变换链进行中间步骤监督,每个迭代由少样本任务参考和对象工作区提供依据。 消融实验表明,轨迹监督仅在结合接地信息时有效,相关代码和数据将公开可用。

  12. arXiv · AI31

    接受于 NeurIPS 2026 的 HyperVAttention 提出时空聚类加速视频扩散

    HyperVAttention 是一款免训练稀疏注意力框架,针对视频扩散 Transformer 的自注意力二次复杂度瓶颈。 该方法通过 3D 局部窗口聚类与混合聚类策略降低开销,并结合硬件感知集群合并提高 CTA 利用率。 在 HunyuanVideo 上实现 2.13 倍速度提升,HVA-Flash 变体达 2.23 倍,且高保真度优于 SVG2。

  13. arXiv · ML23

    研究揭示 Muon 优化器打破大语言模型预训练中稳定性边缘的耦合机制

    Muon 优化器在 LLM 预训练中大步长动力学不符合经典梯度下降的稳定性边缘(EoS)理论,其解除了损失中性、更新反转与边缘稳定性之间的耦合。 针对无动量随机 Muon,研究推导出经过一致性修正的条件损失中性边界 $2\rho_b/\eta$,并证实时间对齐遵循不同的几何特性。

  14. arXiv · ML25

    Trust the Mass: 揭示 KV-Cache 驱逐中的强制权重与 ContourKV 方法

    研究发现保留最大 KV-Cache 权重已近最优,最佳子集仅比全注意力低 2%-5%。 现有非均匀预算方法因计算重要性时包含问题上下文,导致基准分数降低 14-62 点,检索准确率受影响达 87.6 分。 提出的无训练方法 ContourKV 在 RULER 和 LongBench 测试中表现优于基线,内存占用减少 28 至 1078 倍。

  15. arXiv · ML27

    RL 会遗忘:迈向持续策略优化 (CPO)

    持续后训练中的强化学习 (RL) 仍会遭遇灾难性遗忘。研究指出其根源在于 KL 正则化在旧任务分布上评估。 该方法提出了无需重放 (replay-free) 的 CPO,通过基于历史 KL 目标的局部 Fisher 代理实现稀疏正则化,且额外计算开销极低。 在三种模型规模的实验中,CPO 在保持适应能力的同时,有效减少了遗忘并维持了预训练模型的广泛能力。