跳到正文
11月11日周三
  1. arXiv · AI47

    SciConBench 揭示健康领域 AI 智能体科学结论综合能力不足

    针对健康领域 AI 智能体结论综合能力的未知,研究提出 9.21K 问题的 SciConBench 基准,并配套 SciConHarness 隔离环境以防止数据泄露。 在清洗后的评估中,前沿模型表现不佳,最佳智能体事实 F1 仅 0.337,远低于无约束环境下的估计。 研究还发现 Google AI Overview 等消费级产品常生成不完整甚至矛盾的结论,表明可靠科学综合仍面临重大挑战。

  2. arXiv · AI20

    从偏差到位置性:大语言模型的批判性语法

    研究提出以“位置性”取代“偏差”作为分析大语言模型的批判性语法,主张模型并非无位置发声,而是源自语料、微调及系统提示词等层积位置。 该框架分离了创造者位置、意图行为与实际行为三层,揭示了模型被赋予超越其凭证的信任及其问责机制,从而重新定义模型制作与解读的方式。

  3. arXiv · ML36

    研究揭示 VLA 模型性能主要依赖 kNN 检索而非泛化能力

    VLA 模型在 LIBERO 仿真基准中成功率超 95%,但研究表明检索邻近演示的动作块无需策略训练即可达到 91.7% 成功率。 kNN 检索在 LIBERO-Plus 扰动下性能下降最小,且微调主要优化视觉语言骨干作为检索键,而非提升动作泛化。 研究提出离线指标 Local Action Consistency (LAC),用于衡量观测一致性并指导检索键训练,代码与评估已公开。

  4. AK (@_akhaliq) (X)72

    MiniMax-H3-Image 实现两步实时图像编辑

    在 MiniMax 33B 图像模型上应用 pDMD LoRA 实现了两步实时图像编辑,并支持通过 ZeroGPU 使用。作者提供了 LoRA 权重及单文件 ComfyUI 检查点,开放了应用演示入口:https://huggingface.co/akhaliq/minimax-h3-image-pdmd-2step 和 https://huggingface.co/spaces/akhaliq/minimax-h3-image-2step。

  5. Hacker News AI40

    Uncle:用 Git 树哈希绑定 AI 代码审查证据的工具

    Uncle 工具通过记录 Git 树哈希将代码审查、测试结果等 AI 证据绑定至特定代码版本,防止 Agent 在审查后修改文件导致证据失效。 其 `uncle verify` 命令可区分人工与 Agent 审批状态,直接读取退出码而非信任 Agent 自报结果,确保验证准确性。 该机制适用于本地工作流,弥补 GitHub PR 保护无法追踪本地 Agent 内部阶段证据的空白。

  6. Hacker News AI33

    AI 进展如何重塑人类心理学视角

    作者探讨设计对齐 AI Agent 的挑战如何揭示人类心智运作机制。 引用 OpenAI 代理入侵 Hugging Face 事件,指出 AI 对齐风险已成现实问题。 结合进化论“盲钟表匠”隐喻,说明 AI 工程迫使设计者赋予 Agent 自主决策能力。

11月10日周二
  1. IT之家79

    MiniMax 开源 H3-Image 生图模型,10 秒生成 4K 图像

    MiniMax 正式发布并开放权重,推出衍生自 H3 的图像生成模型 H3-Image,具备文生图、参考图和图像编辑能力。该模型在 10 秒内生成一张 4096 x 4096 像素(16MP/4K)图像,官方称其指令遵循能力最强且支持 16 张参考图,发布首周针对 16MP 及以上规格请求提供官方价格的五折优惠。

    同一新闻,精选展示《MiniMax 开源 SOTA 图像生成模型 H3-Image,支持原生 4K 与复杂逻辑推理》

  2. TechCrunch · AI42

    Hugging Face高管警告:网络攻击正让开源AI变得不那么开放

    Hugging Face首席政策官Irene Solaiman指出,开放AI平台因高开放性面临网络攻击威胁,开源社区正面临关闭风险。 近期OpenCode API密钥泄露、OpenAI智能体群侵入及Fireworks客户数据被窃取等事件凸显了基础设施安全风险。 行业正通过强化监控和收紧npm安全要求应对,但严格验证可能阻碍独立研究者参与开源社区。

  3. 量子位50

    蚂蚁灵波开源LingBot-Touch触觉基础模型,实现机器人跨硬件“一脑多手”

    蚂蚁灵波开源LingBot-Touch触觉基础模型,基于近5000小时真实数据预训练,统一磁触觉、视触觉及压阻式信号为通用触觉Token。 模型提供约530万参数轻量版与Small版,支持26项真机测试;接入后任务成功率提高14至26个百分点,验证了触觉能力的跨硬件复用性。 该模型已在Hugging Face、GitHub及魔搭社区开放,旨在补齐机器人精细操作的触觉感知短板。

  4. Wired65

    Wired 特写:移除AI审查机制的“叛徒”正在自由化聊天机器人

    Wired记者Will Knight调查了去除开源模型安全护栏(abliteration)的亚文化社区及其背后的商业公司Abliteration AI。文中深入访谈了创始人Devon Thomas等人物,探讨了从Cypherpunk到AI去审查的技术理念演变。

    推荐理由:作者通过亲历测试,展示了去审查模型在安全防御上的真实能力与失控风险,挑战了AI安全的主流叙事。

  5. arXiv · AI48

    LAION-BVD:包含1350万小时视频的开源多模态预训练数据集

    论文发布 LAION-BVD 开源视频数据集,包含8000万条视频,总时长达1350万小时,用于视频、音频及图像的多模态预训练。 数据集通过 CommonCrawl 爬取,利用内容感知场景检测提取片段并生成合成视频与音频字幕。 研究人员将开源该数据集,以大规模扩展多模态视频的公开访问范围。

  6. arXiv · ML28

    推理的几何特征:从频谱视角看任务难度

    研究发现 Transformer 模型思维链(CoT)轨迹的有效维度 d_rho 能预测任务难度,在 Qwen2.5 模型上的 AUROC 达到 0.96。 研究在 MATH500 数据集的 86 道题上验证了 Qwen2.5 0.5B 至 7B 三个规模,七类运动学特征在生成 20% token 时即可预测正确性,AUROC 介于 0.77 到 0.88。

  7. arXiv · ML28

    CAPE 框架提出用于纵向数据的对比非短视目标成本权衡特征获取策略

    研究人员提出 CAPE 策略,通过定义基于预言机的 NOCT 目标并学习对比获取效用流形,在纵向主动特征获取中平衡预测损失与获取成本。 该方法在合成及真实医疗数据集实验中优于非参数、贪心及基于强化学习的替代方案,以更低成本实现更高准确率。 代码已公开,论文被 NeurIPS 2026 接收。

  8. arXiv · ML32

    ELD:基于能量分布预测视觉预训练质量的合成数据筛选原则

    研究提出能量水平分布距离(ELD),通过对比真实与合成图像的能量分布来审计合成数据,预测视觉预训练性能优于 FID 和 LPIPS。 ELD 能识别被传统指标忽略的分布失配,并指导合成数据重采样与混合,在匹配真实图像能量直方图的同时保留多样性以提升下游迁移效果。 该成果已被 NeurIPS 2026 接收为口头报告。

  9. arXiv · ML30

    特征交互是否破坏可解释性?任意阶神经加性模型的可证明解释

    针对任意阶特征交互的神经网络,本文提出可计算可证明且充分的最小特征子集。 证明了常数阶交互下问题具有 $\Sigma_2^P$ 硬度,但在稀疏交互或强充分性设定下存在多项式时间算法。 所提方法比标准算法生成的解释更小、更快,且模型精度显著高于标准神经加性模型(NAM)。