Leash Bio 发布 Minos 智能体科学推理平台及开放数据集
Leash Bio 基于 DNA 编码库数据推出智能体沙盒 Minos,同步发布预印本、博客及开放数据集。 该平台支持智能体在 650 万分子库中进行科学推理,提供数万级“实验室在环”模拟环境。 此举旨在通过强化学习提升 AI 在药物发现中的可验证推理能力。
Leash Bio 基于 DNA 编码库数据推出智能体沙盒 Minos,同步发布预印本、博客及开放数据集。 该平台支持智能体在 650 万分子库中进行科学推理,提供数万级“实验室在环”模拟环境。 此举旨在通过强化学习提升 AI 在药物发现中的可验证推理能力。
AI 特有的写作风格(Slop)在预训练阶段已存在于模型内部向量空间中,但在后训练阶段被激活。基于 OLMo 2 和 Qwen3-4B 的实验表明,偏好调整会使 Slop 评分翻倍,且人类偏好数据中 57% 的案例更倾向于高 Slop 答案。
Jason Fantl 在 LessWrong 发表了关于 AI 驱动研究未来的假设性推演,描述了在 2026 年 Claude 主导 Anthropic 约四分之一 AI R&D 工作且自动化研究员以 $4/小时 成本超越人类研究员的假设情境。
印度AI驱动的材料初创Scimplify宣布完成2500万美元全股权战略融资,估值达2.5亿美元。该公司利用自研AI平台Scinode,将特种化学材料和关键材料的研发周期从传统的12-18个月压缩至约2个月。目前,Scimplify的年化收入达2亿美元,目标未来将扩展至美国和日本的生产网络。
作者认为 AI 具有持续学习和适应的特性,一旦在成本、速度和质量上超越普通人,将导致大量岗位被替代,普通能力正迅速商品化。 资本主义逻辑下,企业理性地采用 AI 裁员(如减少 90% 员工)虽能获利,但可能引发社会性问题。 文章提出全民基本收入(UBI)作为应对潜在失业和收入不安全的可行方案,尽管其最终可行性尚存争议。
Murata Manufacturing 正考虑追加投资以扩大多层陶瓷电容器的生产,主要驱动因素是 AI 服务器需求的持续加速增长。 这一举措表明 AI 基础设施的建设正在拉动组件供应链,其影响范围已超越 GPU 和内存等其他核心部件。
MIT 研究人员在 PNAS 发表研究,证明随机连接的单元在简单连接变化规则下可自组织为有效学习网络,无需开发者设计架构。 该自组织能力被视为检验人工网络学习机制是否类似大脑的关键指标。 这为神经科学家提供了新的标尺,以评估哪些 AI 模型能解释生物学习过程。
SiMDex 框架无需改变 VLA 架构或训练流程,通过形态无关动作空间中的三阶段级联筛选出高价值人类视频数据。 该策略证明选择性数据策划在灵巧操作中优于无差别数据混合,提升跨本体泛化效率。
MUTE 通过边缘服务器账本追踪数据影响回声,配合 forget-retain 更新消除数据残留。 该方法在 LIBERO 基准测试中,将遗忘行为再生比例控制在 0.401 以下,优于 0.466 的近期方法。
研究人员提出RAM,一种形态条件化的隐式神经表示,用于快速替代位姿可达性计算,能泛化至未知形态并处理自碰撞。 RAM基于3×10¹⁰样本训练,达到84%平衡准确率,推理速度比生成式基线快三个数量级。 该速度优势延伸至下游任务,使形态与轨迹优化加速一至两个数量级,成果已被CoRL 2026接收。
研究团队发布MosaicMRI,这是迄今最大的开放源原始骨骼肌肉(MSK)MRI数据集,包含3,150个体积和89,830张切片。 数据集涵盖1.5T核心集与0.55T低场集,在体积方向、成像对比度及解剖结构上具备高度多样性。 实验表明,跨解剖结构混合训练比单一解剖结构训练更优,且增加训练数据量可提升磁场强度偏移下的重建性能。
RNAGenScape 提出了一种基于流形 Langevin 动力学的 mRNA 序列生成框架,在三个真实数据集上将中位数预测属性增益提高最高 267%,成功率提升最高 31%。 该方法结合自编码器、去噪自编码器和属性引导优化,在保持生物活力指标的同时,实现了与现有生成方法相当的推理效率。
研究指出,在学习动力学系统时,所选数值积分器的稳定性区域会扭曲识别结果,导致阻尼振荡系统可能被误判为具有“负阻尼”并反转振荡方向。即便数据拟合良好,减小步长或提高显式积分器阶数通常也无法消除该伪影,因为高阶显式方法的稳定性区域延伸至右半复平面。隐式中点法能保留保守或耗散性质,为仅已知系统自治时提供了原则性的积分器选择。
研究提出EgoWAM框架,验证世界动作模型(WAM)在机器人操作中对第一人称人类数据的优于行为克隆的训练效果。 该框架固定策略骨干与动作头,仅改变世界预测目标(像素、DINO、3D运动流)。DINO显著提升分布外泛化能力最高达4倍,3D流使域内性能提升20-30%。
该研究提出 Auto-AEG 管道,通过自动数据构建与模型微调解决开放词汇音频事件定位中的数据稀缺瓶颈。 利用程序合成片段提供冷启动监督,并结合真实音频的多模型伪标签强化学习,显著提升大音频语言模型的时间定位能力。 该方法在 AEGBench 等基准测试中展现出显著的时间定位增益,并泛化至多种留出声源检测任务。
研究发现递归自训练会导致代码LLM性能低于初始水平,且AI自过滤机制会失效。 AI自过滤在初期看似有效,后期会沦为橡皮图章式批准。研究指出,稳定的训练需依赖外部验证而非自审核。
DataEvolver 提出了一种多级自进化系统,可自动构建数据准备流水线。 在七个基准测试中,该系统将下游 LLM 性能平均提升了约 10 分。
针对开放权重 LLM 下游微调风险,研究提出“梯度密封”原则以防止禁忌能力被获取。该方法将相关预激活推至负值区域,利用 ReLU 族激活函数在负区的零或近零导数特性阻断内部路径。 实验表明,相比事后遗忘基线,梯度密封在多个 LLM 家族上展现出更强的下游获取抵抗力,有效提升了预发布保护机制。
PatchKV 提出一种无需训练的框架,通过计算上下文特定的权重补丁,在保持推理成本不变的前提下提升 KV 缓存压缩效果。 该权重补丁基于岭回归以闭式解形式生成,将部分上下文信息编码至模型权重中,使长上下文问答和数学任务在激进压缩预算下性能显著改善。
该研究提出局部演示编辑(LDE)方法,并训练小型模型 Jev-LDE 执行单次编辑操作。Jev-LDE 通过 Keep、Delete 或 Replace 动作修改演示集,无需迭代搜索。该方法在标准分类基准上显著提升 LLM 的上下文学习(ICL)性能,且具备跨基准和模型的迁移能力。
针对多领域知识整合难题,提出 SoFT 微调方法以平衡教师演示学习与模型原有能力。 该方法通过设定最低目标概率并最小化 KL 散度变更来学习演示,利用领域梯度预算控制平衡点。 在混合推理和 Agent 任务中,SoFT 取得了分布内能力获取和分布外泛化的最佳整体性能。
提出量化鲁棒遗忘框架,在 MUSE 和 TOFU 基准测试中实现更抗量化的遗忘效果。 利用曲率准则识别敏感权重,应用敏感度引导噪声正则化以收敛至平滑极小值。 通过仅更新 forget-critical 层平衡遗忘与效用,代码已公开。
在指令微调中,提示词与响应监督的 Token 选择存在耦合效应,现有方法通常独立优化。BRIDGE 方法通过注意力机制路由效用并交替进行预算选择,解决了状态不匹配问题。 在三个模型族和任务域中,BRIDGE 表现最佳,在 Llama-3.2-3B 模型上 MATH 优势随压缩率提升,达到 1.66 个百分点。
RCD 提出一种无训练引导方法,利用预训练扩散模型的自重构误差作为对数密度代理,结合重叠一致性项,将采样导向高密度全局连贯计划。 在 OGBench 的运动、物体操控及像素级观测长时程任务中,RCD 性能持续优于现有方法,有效缓解了模式平均问题。 该文已被 NeurIPS 2026 接收。
TurboEvolve 提出多岛进化框架,在匹配 API 成本预算下通过 Verbalized Sampling 提升样本效率与稳定性。 该框架引入在线调度器自适应调整候选数 K,并采用岛感知初始化聚类种子程序以平衡多样性与精炼。 实验表明,在数学发现与 GPU 内核优化任务中,TurboEvolve 实现了优于基线模型的成本-质量权衡。
提出LatentPress将长文档和对话历史压缩为连续记忆令牌,使冻结解码器直接读取而无需文本重建。该适配器仅需4.2M-26.2M参数(约占解码器0.1%),实现4-16倍压缩;在LongMemEval上7.70倍压缩时准确率达0.504。其优势在于写入速度比文本摘要快约一个数量级(43ms/对话),读取速度比原始上下文快5-9倍。
该研究提出特征方向漂移是模型蒸馏中潜意识学习的核心机制,并验证其通过学生端可识别的偏好差距在微调阶段累积为行为迁移。 受此机制启发,论文设计了探测空间走廊正则化方法,在约束漂移的同时保持任务性能,显著抑制了恶意响应和动物偏好等隐性特征的传递。 实验表明,该方法将恶意响应传输率从29.55%大幅降至6.45%,并以极低的准确率代价在Qwen主要设定中持续压制了动物偏好迁移。
研究提出 DualOPSD 框架,通过在 Qwen3-8B/4B/1.7B 模型上进行联合更新,在三个数学基准测试中将 avg@12 准确率比原有 OPSD 方法提高 9.83 个百分点。
研究团队发布包含 8,800 条合成医患对话的数据集,涵盖 1.3k 小时音频及参考 SOAP 记录,旨在补充长上下文音频推理训练与评估。 该流水线基于开源模型构建,经历人格对话生成、多说话人音频合成及 LLM 生成参考笔记三阶段。 评估发现修复 bug 后,级联系统与端到端模型性能相当,幻觉率分别为 22-24% 与 32%。
利用轻量适配器微调路由器并据此剪枝 MoE 专家,可在保留精度的同时大幅降低资源占用。 在 Mixtral-8×7B-Instruct 上,router-only LoRA 仅训练 0.002% 参数,移除半数专家后 MMLU-Pro 准确率为 27.54%;剪枝使内存减少 49%,每 token 延迟降低 37%。
Spectra 算法调度并行光路交换机处理 AI 训练流量,将 GPT 工作负载完成时间缩短 1.4 倍。 该算法通过分解加权排列、感知负载分配及均衡拆分三步实现,在 MoE 工作负载中缩短 2.7 倍。 已获 IEEE/Optica 期刊接收。
论文提出方向性影响函数(DIF),将约束学习的最优性条件转化为变分不等式,解决经典影响函数在约束设置下估计违背可行性的问题。 在约束线性回归中,DIF 可恢复留一法重训练结果,而经典影响函数及惩罚方法存在显著偏差;在公平性约束 CNN 中,DIF 准确预测数据移除后的测试损失变化。 DIF 被证明是约束学习中进行数据归因的高效可靠工具,提升了模型的可解释性与鲁棒性分析能力。
研究人员提出REGEN框架,通过回收专家模型强化学习的回放内存并应用离线强化学习算法,训练通用大模型。该方法将采样过程与反向传播解耦,在数学推理、代码生成等任务上以更低成本达到多教师蒸馏的精度。 REGEN可将在线强化学习转化为数据合成过程,降低大规模后训练对计算基础设施的需求,代码已开源。
基于 MIMIC-IV 3.1 的审计显示,2020-2022 年约半数 ICU 住院无记录,且血管加压素数据迁移导致标签率误判。 有界更新在 12 个主要单元中的 10 个优于或等效于全量微调(0.015 AUROC 边际),但适应性增益较小。 模型更新策略的效果高度依赖特定目标、模型家族及学习率调优,审计应先于更新评估。
研究梳理 272 篇文献构建分类体系,发布开源平台 PromptSecurity 及 JailbreakDB 数据集。 JailbreakDB 含 445,752 条越狱提示对,评估覆盖 11 个模型与 20 种攻击,指出 ASR 受评判器配置影响。 强调配置感知报告必要性,避免无上下文的方法排名。
研究人员提出 GAC 噪声感知自适应混合控制器,在数学、代码、科学和逻辑基准上比 HPT 提升 3.8 分,并将 KL-漂移面积减少 28%。 该方法基于 CHORD 的逐 token 重新加权,引入 EMA 平滑和调度先验,计算开销低于 1%;性能增益随模型从 1.5B 到 14B 增大而提升。
新基准 TabLens 显示,在可估算的复杂度阈值以下,LLM 零样本推理精度可匹配 16 个标注样本,无需额外数据。 该基准包含 91 个跨八个领域的真实与合成数据集,以及 8 个含自由文本列的工业数据集。 结果显示,含自由文本列时零样本 LLM 优于 16-shot TabPFN-3 Plus;显式专家规则仅能替代约 16 个真实样本。
f-OPD框架通过样本级新鲜度分数自适应调节陈旧样本影响,在保持异步执行吞吐量优势的同时,实现了与同步优化相当的推理、工具使用及编码智能体任务性能。 该方法理论上将目标差异分解为 rollout 漂移和 supervision 漂移,旨在解决异步训练与理想在线策略目标间的张力,建立性能与效率的权衡方案,为大规模长周期智能体后训练铺路。
LoopQ 框架针对循环语言模型(LoopLMs)提出后训练量化方案,有效解决分布偏移、状态复用和递归误差累积导致的性能退化。 该框架通过循环感知激活缩放、跨循环状态对齐和轨迹感知校准技术,在 W4A4 量化下实现五任务平均准确率 67.8% 的相对提升,困惑度降低保守估计达 75.2%。
提出稀疏序列级奖励适用于教师探索,稠密 token 级监督适用于学生压缩的后训练奖励密度原则。 在 Qwen3-1.7B 学生模型上,经 RL 改进的 8B 教师通过稠密桥接蒸馏,在 MATH 和 AIME 2024 上分别达 79.3% 和 25.2%,均优于直接 GRPO 的 75.9% 和 19.8%。