跳到正文
10月21日周三
  1. arXiv · AI43

    BreakingWeb:通过受控环境干预构建高难度浏览器代理基准

    研究团队提出基准 BreakingWeb,包含 519 个任务对,通过受控干预使 6 个浏览器代理平均通过率下降 22.9 个百分点。 这些干预改变网站内容、服务器状态或网络响应,而人类用户首试通过率仅下降 10.0 个百分点。 75% 的代理失败源于信念错误,即代理在未完成必要更改时宣告任务结束。

  2. arXiv · AI26

    LLaVA-CKD:面向视觉语言模型的自底向上级联知识蒸馏框架

    针对视觉语言模型部署中算力与内存瓶颈,提出自底向上级联知识蒸馏框架,通过引入中间容量教师模型逐步缩小师生网络能力差距。 该框架基于 LLaVA 方法论构建模型,并在七个标准 VQA 基准上评估,展现出与近期紧凑视觉语言模型相竞争的推理性能,源码及训练模型已公开。

  3. arXiv · AI29

    nokast-secureRAG:基于小型语言模型的 RAG 管道上下文感知提示注入检测

    nokast-secureRAG 是一款约 0.5B 参数的小型语言模型,作为 RAG 检索与生成间的语义防火墙,将用户查询与检索上下文配对分类为安全、可疑或恶意。 模型经教师-裁判-学生流水线训练,在分布内测试集达 0.994 检测召回率、0.026 假阳性率,单请求延迟 293-404ms;已开源模型、数据管道及评测框架。

  4. arXiv · AI33

    Africa-Papers:面向非洲基础语言模型的100亿Token多学科学术语料库

    针对全球预训练语料中非洲学术内容占比不足0.5%的现状,研究团队推出迄今最大规模的泛非多学科学术语料库Africa-Papers。该语料库包含超过844,807篇全文论文和101.5亿个Token,数据整合自DOAJ索引的31个非洲国家期刊、CGIAR农业库、arXiv预印本及OpenAlex开放获取文献,并处理为保留层级结构的Markdown格式。

  5. arXiv · AI34

    Less-is-More CIR 提出简洁检索与批评家重排序框架

    Less-is-More CIR 提出一个免训练的两阶段框架,结合简洁检索与批评家重排序,以提升零样本组合图像检索效果。 该框架首先生成仅保留判别性修改语义的简洁目标描述以减少噪声,第二阶段则通过修改一致性与参考保留度评估重排序候选结果。实验表明该框架具有有效性与鲁棒性,相关代码已公开。

  6. arXiv · AI32

    音频视觉增量学习中冻结多模态基础模型泛化框架

    提出音频视觉类别增量学习框架,利用冻结多模态基础模型(MFM)的密集表示,通过注意力上下文引导模块以音频表征指导视觉表征,实现有效类别识别。 采用特征级与logit级知识蒸馏缓解灾难性遗忘,维持跨任务稳定性。实验表明该方案在多个音频视觉CIL基准上持续优于当前最先进方法。代码已开源。 该工作已被WACV 2027接收。

  7. arXiv · AI65

    Agent S4 研究:通过进化式接口设计提升计算机使用代理性能

    论文提出 Agent S4,一个通过任务轨迹进化优化接口的自主计算机使用科学代理。在 OSWorld V2 上,Agent S4 使用 Qwen3.8-27B 达到 21.3% 的二值得分,是固定接口版本的 3.8 倍,且成本仅约为 GPT-5.5 和 Claude Opus 4.8 的 4.3% 和 1.5%。代码已开源。

    推荐理由:该研究提出 Agent S4 通过进化式接口设计提升计算机使用代理性能,在开源模型上超越闭源旗舰,验证了接口演进对智能体能力的关键作用。

  8. arXiv · AI27

    Quantum-JEPA:基于量子Born先验的潜在动作JEPA世界模型

    Quantum-JEPA框架利用量子Born先验学习未来表征分布,并支持多智能体协同。模型通过样本化能量目标训练量子先验,学习潜动作相关性。 方法结合预测质量与多样性训练,避免指数级大的类别输出层。在有限样本参数偏移训练和实际QPU推理中验证了可行性。 在D3IL基准上,模型能从共同起点生成多条避障路径,提升预测有效性。

  9. arXiv · AI22

    复用多模态智能体:游戏中声音设计的高效评估

    该论文提出一种利用多模态学习和强化学习高效评估游戏声音设计的新框架。 方法预训练多模态编码器将视觉和听觉信息映射至共享潜在空间,然后固定策略,通过微调编码器来隔离声音变化对智能体行为的影响,从而避免从头重新训练。实验表明该方法能检测声音退化引起的性能差异,并显著降低计算成本,提供可扩展的评估方案。

  10. arXiv · AI28

    Ask-to-Distill:用于在策略知识蒸馏的合成分布式提问框架

    研究提出 Ask-to-Distill 框架,将合成问题作为分布提取器,用于优化在策略知识蒸馏过程中的监督信号。 该框架通过结合师生模型分歧与教师模型在学生候选支持集上的概率质量,计算无需参考答案的分布替代奖励来筛选和优化问题。 该方法在数学推理、代码生成和智能体任务上提升了模型平均性能并缩小了师生差距,相关代码与模型已公开提供。

  11. arXiv · AI50

    EGI-BENCH 统一企业级 LLM 智能体基准套件

    团队发布 EGI-BENCH,统一整合八个企业级 LLM 智能体基准为单 CLI 套件,并定义六维 EGI 评分框架。 在 quick 模式下评测 GPT、Claude 和 Gemini 等 14 个模型,EGI 得分从 GPT-4o mini 的 39.6 到 gpt-5.5 的 65.6,无单一模型全面领先。 该套件解决跨基准比较困难和评分标准不一问题,子指标路由机制替代简单基准级平均分。

  12. Hacker News AI74

    Foundry-protocol 发布多智能体任务编排框架

    Foundry-protocol 是一个用于编排复杂 AI 智能体任务的可复用框架,核心采用人类/ AI 编排者协议、Claude 规划及子智能体执行。该框架提炼自合规审计项目,包含工作订单模板、验证门禁、自改进经验库(LESSONS.md)及 Claude Code 插件,支持通过 bootstrap 脚本快速初始化新项目并管理多智能体协作流程。

  13. Hacker News AI28

    Modula-9:专为审计 AI 生成代码设计的 Wirth 系语言

    Modula-9(M9)是一款 Wirth 系编程语言,编译器强制执行无隐式转换规则以审计 AI 代码。M9 自带类型宽度命名,拒绝自动转换以防止静默错误,运行时检查开销仅 3% 且不可关闭。 M9 提供 Ubuntu 等 Linux 发行版安装包及 macOS/Windows 实验版,采用 GPL 3.0 协议,其中运行时库附带例外许可,允许用户以任意协议发布基于 M9 构建的程序。

  14. APPSO84

    VAST 开源实时世界模型 EdenLive 及游戏工具 EdenGolem

    VAST 开源实时生成式渲染器 EdenLive,其架构将游戏状态逻辑与视觉渲染解耦,模型仅负责根据上游状态实时生成画面。EdenLive 支持 5B 和 14B 模型,5B 版本在 RTX 5090 上可实现超 24 FPS 的 720P 实时生成。团队同时开源了 EdenGolem 智能体,用于辅助生成 3D 灰盒游戏。

    推荐理由:文章解析了 EdenLive 实时生成渲染器的三层架构分工逻辑,展示了其在游戏交互中的实际应用。

  15. Hacker News AI82

    Countercheck 发布用于验证 AI 编码代理完成状态的测试重跑工具

    Countercheck 发布旨在验证 AI 编码代理是否真正通过测试,通过在代理声称完成时锁定基准版本测试并在 macOS 沙箱中重新执行来防止代理篡改测试用例。工具生成包含执行详情和 SHA-256 哈希的密封回执,目前支持 Claude Code 和 Hermes Agent 钩子,且仅运行本地不依赖 LLM 判断。

    推荐理由:原文展示了验证工具如何在AI代理声称完成时锁定基准测试并重新执行,为判断代理输出的真实性提供可追溯的本地化机制。

  16. Hacker News LLM80

    llm-d 发布 v1.0 版本:面向分布式推理的成熟度升级

    llm-d 发布 v1.0 版本,引入多租户服务质量管理、零停机升级和 Agent 感知服务功能,支持 NVIDIA、AMD、Intel 及 Google TPU 等加速器。版本提供稳定的 v1 配置 API 和会话级上下文路由,已应用于 Google Cloud、AWS 等超过 25 个组织的生产环境。

    同一新闻,精选展示《LLM-D 1.0 开源框架升级,优化 Kubernetes AI 推理性能与成本》

10月20日周二
  1. Hacker News AI52

    Respan 发布开源 Rust AI 网关,采用插件化架构支持多模态与 MCP

    Respan 发布名为 Respan Gateway 的开源 Rust AI 网关,核心理念是小核心加插件,将 provider、MCP 协议、实时语音和图像视频等多模态功能全部插件化,避免修改网关核心即可扩展功能。该系统源于团队长期封装 LiteLLM 维护成本过高的经验,现已开源并支持本地运行,作者团队通过托管平台提供可观测性和统一计费服务来盈利,项目目前处于 pre-alpha 阶段。

  2. Hacker News AI55

    如何用 Transformer 训练比 Maia-2 更准的类人国际象棋 AI

    作者用 Transformer 架构训练了一个能像人类一样下棋的国际象棋 AI,整体 top-1 预测准确率 55.57%,超过 Maia-2 的 53.2%。在 8 张 NVIDIA B200 GPU 上训练,模型使用绝对位置嵌入和 Shaw 相对注意力,并为棋盘每个方格编码约 80 个特征,包括牵制、格子控制、兵型和位置历史衰减。作者表示代码已开源。

  3. 机器之心45

    Jiuwen Symbiosis 物理智能体打通大模型与设备交互,助力自动化科研

    华为 openJiuwen 团队发布 Jiuwen Symbiosis 物理智能体,成功打通大模型与底层物理设备交互,实现自动化科研落地。 该系统基于“感知—规划—执行—反馈”闭环,通过动态编排适配异构设备集群,并具备可回放轨迹分析能力。 Jiuwen Symbiosis 内置安全护栏机制确保操作边界,代码已在 AtomGit 及 GitHub 开源,支持社区共建。

  4. 机器之心75

    记忆张量发布 MemT 1.0:首个记忆原生基座模型,支持参数化记忆更新

    记忆张量发布 MemT 1.0,这是业内首个将历史编码为内部状态的记忆原生基座模型,包含 288B 参数的 Flash 版和 36B 参数的 Nano 版。MemT 1.0 在 SWE-bench Verified 上通过注入经验将平均成功率从 66.07% 提升至 69.73%,且在 128K 历史下推理速度比完整上下文方案快 1.86 倍,已开源至 GitHub 和 HuggingFace。

    同一新闻,精选展示《记忆张量发布并开源 MemT 1.0 记忆原生大模型》