跳到正文
10月19日周一
  1. Hacker News AI43

    Show HN:AI 决策模型在《真人快打 2》中击败高难度 CPU

    该项目构建了一个基于回放验证的 AI 决策模型基准,首测对象为世嘉 Genesis 平台《真人快打 2》。 Clef-flash 模型通过读取游戏内存而非像素进行决策,在测试中击败了 15 个“VeryHard”难度 CPU 对手,单次调用消耗约 6008 个 token,成本极低。 这种基于冻结基准的方法提供了可验证的排名标准,取代了单一胜利记录,便于评估不同策略在格斗游戏中的实际效能。

  2. Hacker News LLM52

    CacheVerifier 发布 Python 客户端以验证 LLM 缓存命中

    CacheVerifier 发布 Python 客户端,提供 hosted API 用于验证语义缓存命中,确保相似但不正确的答案不会成为应用中的静默错误。客户端支持集成 GPTCache 流程,提供离线 Health Check 功能以评估微调效果,并允许用户通过反馈数据微调验证器。默认配置采用保守策略,超时或故障时回退到 LLM 调用,保障系统稳定性。

  3. arXiv · ML33

    AceFF:面向小分子药物发现的最先进机器学习势

    研究者推出 AceFF,一款针对小分子药物发现优化的预训练机器学习原子间势(MLIP)。 该模型基于 TensorNet2 架构改进,在药物样化合物数据集上训练,平衡高通量推理速度与 DFT 级精度。 提供 AceFF-2 和 AceFF-2-OMOL 两个模型,支持 H、B、C 等元素及带电状态,权重和推理代码已公开。

  4. arXiv · ML35

    HardEval:执行验证的 AI 驱动安全加固与合规修复基准

    发布 HardEval 基准,用于评估大语言模型在实时操作系统上的安全加固能力。该基准基于 Red Hat Enterprise Linux 8 STIG 控制项,通过执行 Bash 脚本并运行 OVAL 检查进行评分。测试显示不同模型在安全域的能力差异巨大,且主要失败模式为生成看似合理但不满足精确合规条件的代码。

  5. arXiv · NLP70

    MuninAI:面向独立研究团队的自托管智能体框架

    arXiv论文介绍了开源框架Munin,其为自托管科研助手提供索引语料和引用图谱,并包裹开放权重模型提供专业阅读、搜索和计算工具。在199个配对文献问题上,该框架将基础模型准确率从0.387提升至0.874。

    推荐理由:论文提出了自托管智能体框架Munin,通过评估证明外层工具比模型本身更能提升科研文献问答准确率。

  6. arXiv · ML35

    LangNCO:将自然语言约束编译为神经组合优化推理时干预

    LangNCO框架通过预训练LLM将自然语言需求转化为DSL规则,对冻结NCO求解器实施推理时干预,无需重训练。 在CVRP政策测试中,该框架在四个主要数据集上实现100%可行性,平均参考间隙为1.63%至3.26%。 该方案通过可检查的语言规则实现模块化后训练适应,保持求解器架构与参数不变。

  7. arXiv · NLP22

    Chinese Decision:面向单次概率决策的中文语言模型家族

    中国科学院计算技术研究所发布Chinese Decision模型家族,支持布尔判断、类别选择与有序评分的单次概率决策。0.8B模型在包含30.79万项决策的CJ-Bench上,通用领域准确率为72.24%,医学、法律和金融领域平均准确率76.98%,期望校准误差为1.07%。 已发布该模型的训练、评估和部署流程,但当前结果尚未隔离模型规模的影响。

  8. arXiv · ML21

    部分揭示面板预测:预测信息增益、分配及粗化一致性算子的研究

    该研究提出部分揭示面板预测模型,利用前一轮 k 个投票预测下一轮全部分布,并定义粗化一致性算子。 在 IEMOCAP、M3ED 和 EmoWOZ 数据集上,冷启动负对数似然差异分别为 -0.422、-0.166 和 -0.014 nats。 跨轮与同项目信息增益不可互换,目标无约束分配仅在行级信号可预测时优于均匀分配。

  9. arXiv · NLP35

    嵌入表被高估?小模型与三元语言模型的低成本冻结词汇方案

    研究以冻结的16 MB 512-bit词表替代Gemma 3 270M的可训练嵌入层,整体模型压缩至46 MB。 该方案训练后性能在LAMBADA和PIQA等基准上不劣于基线,稀有词处理优于学习式嵌入。 结合三元BitNet架构,模型在笔记本CPU上实现615-740 tokens/秒生成,内存占用仅为基线的七分之一。

  10. Hacker News AI37

    tkmd:本地 CLI 任务管理器与 MCP 服务器,支持 AI Agent 审查关卡

    tkmd 是本地 Rust CLI 工具,将任务存储为 Markdown 卡片,并作为 MCP 服务器连接 AI Agent。 其核心是用 CPM 和 DSM 算法进行数学调度,通过 shell 验证和人工签核关卡,防止 AI 虚假声称任务完成。 工具 100% 离线运行,无网络请求,支持 Obsidian 同步,可解决多 Agent 协作中的死锁与写入冲突。

  11. R/ArtificialInteligence40

    RaiGolmi 开源 AI 代理沙盒环境发布

    开发者发布名为 RaiGolmi 的开源 Linux 分发版沙盒环境,专为 Claude Code 代理设计,支持长时间自主工作。 该工具基于 Windows 应用运行,需配置 60GB RAM 及 Pro 版 Claude 订阅,MIT 协议开源。开发者因入伍暂停维护,用户需自行 Fork 使用。

  12. R/ArtificialInteligence68

    NPCTalk 让游戏NPC实时对话

    Reddit用户分享了NPCTalk项目,该项目基于开源模型实现游戏NPC的实时交互功能。系统使用NVIDIA Nemotron ASR进行语音转写,Qwen 3.8 27B处理实时对话,Fish Audio Drama 3生成克隆语音,并部署在Serverless GPU上。在GTA V中,NPC能在1秒内以角色身份和克隆语音回复玩家指令并执行动作。

10月18日周日
  1. 量子位86

    VAST开源实时世界模型EdenLive,单张消费级显卡720P下超24FPS生成

    VAST正式发布并开源实时世界模型EdenLive,在单张Nvidia RTX 5090上以720P分辨率实现超过24FPS的生成速度,端到端延迟达百毫秒级。该模型支持多种参考输入与画风指定,能将简化场景或视频实时渲染为精细画面,并同步开放了模型权重、推理代码及Game Prototype Turbo工具。

    推荐理由:VAST开源实时世界模型EdenLive,单卡RTX 5090下720P生成速度超24FPS,支持多种画风实时渲染。

  2. 机器之心82

    VAST 全面开源 EdenLive 世界模型,支持实时生成式渲染

    VAST 发布了世界模型研究项目 Project Eden 的阶段性成果 EdenLive,并全面开源了不同尺寸规格的模型权重、推理代码及技术报告。在单张 Nvidia RTX 5090、5B 参数模型、720P 配置下,EdenLive 的实时帧率超过 24 FPS,端到端延迟在百毫秒量级。

    同一新闻,精选展示《VAST开源实时世界模型EdenLive,单张消费级显卡720P下超24FPS生成》

  3. Hacker News AI78

    Killa YuE v1.6.0 发布:支持Android本地AI人声歌曲生成与P2P音频托管

    Killa YuE v1.6.0 发布,该应用基于 M-A-P 开源模型 YuE2,支持在 Android 手机 GPU 本地生成带人声的完整歌曲。应用提供 P2P 音频托管功能,可通过二维码将歌曲和模型在局域网或热点内设备间共享,支持离线生成与端侧运行。

    推荐理由:展示了在Android端侧通过本地GPU生成带人声完整歌曲,并附带P2P音频托管能力的实现路径。

  4. 机器之心75

    VisionHOPE 开源发布:首个支持自修改学习规则的视觉骨干网络

    明略科技与中国科学院自动化研究所提出 VisionHOPE,这是首个以自修改学习系统为核心的通用视觉骨干网络。该模型在 ImageNet-1K 分类任务中,VisionHOPE-S 以 52.9M 参数取得 85.2% 的 Top-1 准确率,参数量少于 VMamba-B 但准确率高出 1.3 个百分点。

    推荐理由:VisionHOPE 让视觉骨干在处理单张图像时动态调整学习规则,并以 MIT 协议开源,为研究自修改视觉模型提供可直接复用的代码和权重。