跳到正文
11月19日周四
  1. arXiv · NLP32

    LED:用于扩散语言模型的 Levenshtein 编辑框架

    提出 LED 后训练框架,扩展扩散语言模型的编辑范式,支持插入与删除操作以修正序列移位错误。 基于 16B 参数 LLaDA2.1-Mini Base,置信引导解码下平均得分由 54.86 升至 57.10,置信无引导解码下由 27.52 升至 47.19。 在 block size 128 时提升鲁棒性(36.97 至 51.34),并增强生成多样性。

  2. arXiv · NLP22

    语言模型使新研究听起来过时:LLM 夸大已有文献覆盖范围

    研究发现 LLM 常使开放研究问题显得部分已研究,夸大相关论文结论。在 40 个新问题中,GPT-6-Astra 98% 准确判断未研究,但普通回答仅 8% 明确表达该状态。 所有 6 个前沿模型存在 30-90 个百分点的报告差距,能力越高差距越大。通过结合模型判断与独立检查引文论文,Astra 的开放状态清晰报告率从 8% 升至 95%。

  3. LessWrong · All Posts31

    GPT-6.2 Astra 在 TASTE 基准上表现低于随机猜测,GPT-6 Astra 与 Fable 5.2 接近随机水平

    GPT-6.2 Astra 在 TASTE 基准测试中同意研究者判断的频率显著低于随机猜测,具体准确率为 35%。 GPT-6 Astra 的准确率为 41%,Fable 5.2 为 53%;鉴于测试包含 92 个配对,这两者均处于 40% 至 60% 的随机猜测预期区间内。 TASTE 基准发布于 2026 年 8 月,旨在评估 AI 模型在安全研究提案选择上与研究人员的共识程度。

  4. IT之家67

    微软 CEO 纳德拉谈 6 万人自愿离职计划,部分团队尚未适应 AI 转型

    微软 CEO 萨提亚·纳德拉在播客采访中回应面向约 6 万名员工的自愿离职计划(VEO),称部分团队尚未适应 AI 转型,公司希望员工拥有更多自主权以进入合适岗位。VEO 面向美国、加拿大、英国和印度部分团队职级 70 级及以下员工,提供经济补助和职业规划支持。纳德拉指出 AI 生成代码已占微软代码总量的 20% 至 30%,随着代码生成成本下降,软件开发难点正转向代码正确性的验证环节。

  5. LessWrong · All Posts33

    Pacing AI via Compute Reallocation:通过算力重新分配实现前沿AI发展“减速”的两步提案

    该提案包含两部分:强制要求AI公司披露算力分配(VCAD),并将算力从前沿能力研发转向客户交付与安全研究,以减缓AI发展。 模型估算显示,若自2027年1月起实施15%算力限制,可将“智能爆炸”延迟约一年;该时间可用于建立更持久的监管框架。

  6. Hacker News AI78

    Standard Kernel 优化使 Intel Gaudi2 推理性能超越 NVIDIA H100

    Standard Kernel 通过软件优化在 Qwen3.5-27B 模型长文本推理基准上,使 Intel Gaudi2 的解码吞吐量比 NVIDIA H100 提高 60%,预填充吞吐量提高 8%。在每 $0.60 的租用成本下,优化后的 Gaudi2 展现出 9.4 倍的每美元 token 产出效率。

    推荐理由:文章展示了通过软件优化让Intel Gaudi2推理性能超越NVIDIA H100的具体案例,揭示了优化推理栈对硬件性价比的巨大影响。

  7. OpenAI29

    OpenAI 模型推进芯片设计

    OpenAI 优化了 Jalapeño 芯片电路并改进 RISC-V 核心设计,展示了 GPT-6 Astra 在 AI 辅助芯片设计上的进展。 GPT-6 Astra 直接应用于具体芯片流片与核心架构优化环节,验证了大模型在半导体工程领域的落地能力。 此举标志着 AI 从代码生成向底层硬件设计的延伸,加速芯片研发流程。

  8. Hacker News AI78

    SID 团队研究估算 2026 年 LLM 每 15 天生成等于一个公开网页的 token

    SID 团队发布研究估算 2026 年全球 LLM 处理 token 总量在 200-230 千万亿之间,其中输出 token 约 1.5 千万亿。研究指出 LLM 输出 token 量在 2026 年 2 月已超越公开网页 token 存量,若维持增速 2028 年每 1-2 天即可生成一个公开网页的 token 量。

    推荐理由:研究团队通过三角测量法估算了 2026 年全球 LLM 输出 token 总量及人类数字文本存量,揭示了 AI 生成内容量超越人类写作的量化拐点。

11月18日周三
  1. Wired26

    哲学家 Thomas Nagel 驳斥 AI 意识论:LLM 非生物无意识,Anthropic 拟人化策略有害

    哲学家 Thomas Nagel 称认真对待 AI 意识问题是“荒谬”的,认为复杂数据中心与神经系统无本质联系,LLM 仅产出语言而非意识显现。 Nagel 批评 Anthropic 训练 Claude 模拟自我反思是“危险的”,甚至称鼓励模型独立思考的做法“令人发指”,强调机器无心智生活,拟人化将误导公众。

  2. IT之家42

    腾讯高管预计 2028 年 AI 投入产出效率改善,得益于基础设施复用、硬件降价与算力效率提升

    腾讯高管表示,随着 2026、2027 年建设的基础设施在后续年份持续复用,叠加硬件采购价格下降与计算效率提升,预计 2028 年 AI 业务投入产出效率将显著改善,经营压力逐步缓解。 2026 年第三季度,腾讯录得负自由现金流 691 亿元,主要因大额算力采购预付款用于支持 Hy 系列模型升级及 WorkBuddy 推理需求;若剔除该预付款,自由现金流将转正至 169 亿元。

  3. Hacker News AI35

    Agentic AI 成本:基于任务级别的企业投资框架

    新框架 WAcX 基于 O*NET 数据,覆盖 923 个职业的 18,000 多项任务,以评估 Agentic AI 成本。 约 90% 的低复杂度任务无需前沿模型,仅 6%-11% 的高复杂度工作需高端能力。 该框架将 AI 支出与生产力工具挂钩,助企业通过任务组合设计与复用策略,实现智能规模化盈利。

  4. 36氪46

    马斯克称即将来华出席数字峰会,特斯拉柏林工厂投资30亿欧元扩建 Cybercab

    马斯克透露即将来中国,将借数字分身出席 11 月 18 日峰会,引发特斯拉 FSD 入华新进展猜测。 特斯拉向 Giga Berlin 投资 30 亿欧元,计划 2029 年投产首期 Cybercab,目标最高年产 100 万辆。 Cybercab 售价 29990 美元,12 月奥斯汀交付;FSD 入华审批仍无时间表,监管协调是挑战。

  5. Latent Space87

    GPT-6.2 Astra与Sol发布:评测表现优异但初期反馈分歧,6.2 Sol可能成为主力模型

    OpenAI发布GPT-6.2 Astra与Sol两款模型,API价格分别为每百万输入$8/$2、输出$40/$10,均支持1M上下文。Artificial Analysis测试显示Astra在Intelligence Index得62分、Sol与上月Astra打平,任务成本约为其15%;但早期测试者反馈分歧,有人认为模型基本不可用,也有人将其用于自动化工作流。

    推荐理由:在密集评测与早期用户反馈后,给出GPT-6.2 Astra与Sol的成本、基准表现和实际可用性的分层判断。

  6. 美团技术团队24

    美团技术团队 12 篇 EMNLP 2026 主会论文精选

    美团技术团队有 12 篇论文入选 EMNLP 2026 主会,涵盖推理框架与强化学习等领域。 论文包括 LTS-Agent 语音交互框架及 SIRI 智能体内化框架,SIRI 在 ALFWorld 上将任务成功率提升至 93.0%。 这些成果旨在为 NLP 与计算语言学领域的研究人员提供技术参考。

  7. Hacker News AI60

    利用 AI 审计理论天体物理领域 158,000 篇论文的引用错误追踪

    作者利用 AI 审计了理论天体物理领域的 158,059 篇论文及 554,670 条引用,重点重算了 659 篇高被引论文,共验证了 872 处错误。研究显示,约 4% 的高被引论文存在被后续研究沿用的错误,且 7 年后仍有 52% 的衍生引用未修正,揭示了传统同行评审在文献纠错上的局限性。

  8. 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。

  9. arXiv · NLP42

    当检测不保证抵抗:RAG 中的推理与中毒上下文

    DeepSeek-V4-Flash 在启用推理后,中毒防护中的 Cordon Rate 从 0.205 降至 0.075,Leakage Rate 从 0.235 降至 0.140。尽管攻击成功率从 0.233 升至 0.298,且中毒检测率从 0.965 降至 0.665,Qwen3.6-Plus 也呈现出相同的定性模式。结果表明,检测中毒上下文与实际抵御其影响是 RAG 安全中的两个独立维度。

  10. arXiv · NLP38

    大语言扩散模型(LLDMs)的不确定性量化:首个系统性研究与轻量级零样本方法

    本研究首次系统探讨大语言扩散模型(LLDMs)的不确定性量化,提出基于去噪过程的轻量级零样本信号,并适应现有最先进UQ方法。 在3项任务、8个数据集和4个模型上的实验表明,该方法以最高100x更低的计算开销接近最强基于采样的基线,兼顾快速推理与可靠的幻觉检测。

  11. arXiv · ML40

    基于核方法为非线性参数模型在贝叶斯优化中提供理论保证

    针对现有贝叶斯优化理论缺乏对非线性参数模型(如神经网络)在自适应数据采集下的保证,本文提出基于参数空间核函数的分析框架。 该框架通过构建再生核希尔伯特空间结构,为广泛的一类正则化损失函数下的模型训练提供置信界,并据此建立了近似 Thompson 采样的收敛保证。 这些结果为非线性模型在贝叶斯优化及相关自适应优化设置中的分析提供了统一途径。

  12. arXiv · AI23

    机器学习咳嗽模型为何无法泛化:结核病筛查的跨数据集系统评估

    跨数据集评估显示,基于咳嗽声学的机器学习与深度学习结核病筛查模型无法泛化,外部验证表现频繁低于 0.6。 尽管数据集内 ROC-AUC 高达 0.76±0.06,音频表征主要受录音设备和数据集组织影响,设备不匹配会降低迁移效果。 临床变量基线泛化表现更稳定(ROC-AUC 0.65-0.71),表明采集特异性是泛化失败的主因。

  13. arXiv · AI22

    利用大语言模型与知识表示实现类人语义导航以应对自动驾驶动态场景

    研究探索利用大语言模型将非正式导航指令转化为答案集编程规则,解决自动驾驶在动态城市环境中依赖预定义地图导致的适应性难题。 答案集编程提供非单调推理能力,使车辆能在道路布局变化或地图数据缺失时进行自适应决策,增强了导航的可解释性。 该方法通过自动翻译逻辑规则支持基于语义的决策制定,提供了与人类沟通导航意图高度一致的动态规划框架。

  14. arXiv · ML23

    低损失区域不对齐引发 Grokking:基于模态连通性的机制分析

    研究揭示低损失区域不对齐是引发 Grokking 的关键机制,并在标准模块算术任务中构建了“反-Grokking”反例,挑战了现有关联解释。 基于模态连通性的分析框架表明,当训练与验证划分的低损失区域对齐良好时,仅调整超参数无法产生 Grokking,模型动态将坍缩为可训练或不可训练状态。

  15. arXiv · ML20

    预训练表征中的直觉向量引导扩散推理

    预训练视觉表征的几何结构支持抽象推理,直觉向量能区分794项任务,准确率最高达87.2%。 直觉向量在ARC测试集上性能优于完整示范条件,测试时计算量减少近六倍,并支持零样本推理。 预训练视觉表征为抽象推理提供了可迁移的基础,实现了由关系结构引导生成式推理的模块化方法。