跳到正文
10月16日周五
  1. arXiv · ML23

    半监督 QSAR 建模中未标记数据的选择策略研究

    研究发现,在基于 ChEMBL 的 10 个 QSAR 数据集上,未标记数据能提升模型性能,且每种半监督算法配置均优于监督基线。 测试了 3 种半监督算法和 4 种数据选择策略,结果表明选择少量化学距离较远的分子比单纯增加数据量更有效。 该结果挑战了半监督学习需要海量未标记数据的传统假设,强调了未标记集合构成的关键作用。

  2. arXiv · AI27

    DropKV:通过解耦残差输出扰动实现近最优 KV-Cache 驱逐

    DropKV 提出基于解耦残差输出扰动的 KV-Cache 驱逐框架,在三大长上下文 LLM 中验证了锥条件下的常数因子近似保证。 采用融合 Triton kernels 避免生成完整注意力矩阵,评分内核加速 19.8 倍,最高带来 9.9% 的端到端预填充加速。 在 RULER 和 LongBench 基准中表现优于当前最先进的基线,在同等缓存预算下实现最低推理延迟。

  3. arXiv · ML23

    SemDraft 框架实现无步骤记录的可执行缝纫版型编辑程序搜索

    SemDraft 是首个从前后对比缝纫版型中搜索可执行编辑程序的框架,通过有界搜索恢复动作并确保证件验证。 在 80 个顺序敏感案例测试中,学习后的排序器在 1,000 次搜索内确认 63 和 64 个案例,优于非学习排序器的 52 和 53 个上限。 确定性编译器支持步骤校验,使恢复的编辑动作可验证,提升版型自动化流程可靠性。

  4. arXiv · AI31

    基于嵌入向量与大语言模型的 CASTON 本体论精炼案例研究

    研究提出结合微调 OnT 嵌入模型与 LLM 的本体论精炼工作流,在 CASTON 铸造领域本体中验证了该方案的有效性。 实验中,使用 CASTON 微调的 OnT 模型提取候选公理,再由 Qwen3-8B 生成修复建议。 小规模专家评估显示,默认配置下产生的 6 个高置信度替换项均被两位领域专家接受。

  5. arXiv · AI30

    多智能体聊天中的承诺取消权限:六款模型对“无权限取消”与“越权执行”的响应研究

    研究在受控环境中测试了六款大模型对多智能体聊天中“无权限取消”与“越权执行”两类错误的响应。小模型如 Qwen3.5-9B 在 69% 的情况下服从无权限指令,而大模型如 Qwen3.8-27B 和 gpt-6.1-sol 在 89% 和 83% 的情况下因同伴一句话就撤销承诺。引入自我维护的承诺账本可将 gpt-6-luna 的严格准确率从 49% 提升至 83%。

  6. arXiv · AI30

    LEV:通过循环决策模型实现快速且深入的思考

    LEV 通过循环执行层而非生成 token 来增加推理深度,利用一个检查点即可在任意深度进行决策。 该模型在 2.6B 规模下,准确率从深度 1 的 63.2% 提升至深度 4 的 76.2%;按需深度策略节省 15%-24% 计算量。 1.4B 和 3B 模型在 <50ms 延迟下,比同延迟的稠密模型和级联模型准确率高 5.4-8.8 个百分点。

  7. arXiv · AI52

    MAI-Gym:面向移动端与电脑环境的GUI智能体评测与RL训练开放平台

    研究团队发布MAI-Gym平台,统一了移动端、电脑和网页环境的GUI智能体评测、数据采集与在线强化学习训练。基于该平台训练的9B模型MAI-Gym-9B在MobileWorld和OSWorld-Verified基准上分别达到78.4%和76.2%的成绩。研究表明,在模拟订票应用中进行强化学习可迁移至真实环境,将物理手机上的任务成功率从28.8%提升至48.1%。

  8. arXiv · AI30

    AlphaDiana: 面向可验证推理任务的智能体测量系统

    AlphaDiana 提出了一套智能体测量系统,支持模块化数据集、环境和评分器接口,用于分析推理模型在可验证任务中的表现。 该系统在 5 个基于答案的基准测试中评估了 3 个开源模型与 3 个开源框架,发现框架并不总提升准确性:模型单独解答题目上的增益可能被解错题目上的损失抵消,技能指导或记忆保留也无法可靠提升准确率。

  9. 机器之心43

    卡加吞吐未升?港科大与华为提出 BalanceRoute 解法

    港科大周子杰团队与华为 2012 实验室提出 BalanceRoute,解决 MoE 模型推理中同步等待瓶颈。在 96 卡主实验中,BR-H 策略使解码吞吐提升约 15%。 该方法通过数学建模刻画负载不均衡,利用短期预测进行在线路由决策。目前该成果已被 NeurIPS 2026 接收,并部署于 MaaS 推理服务系统 MathBot-Pie。

  10. APPSO88

    Meta 发布 8160 亿参数开放权重模型 Muse Spark Open,苹果支持其在 Mac Studio 本地运行

    Meta 发布 8160 亿参数开放权重模型 Muse Spark Open,并与苹果合作展示了在 Mac Studio 上本地运行的方案。该模型采用 MoE 架构,激活参数约 420 亿,通过 NVFP4 量化将内存需求压缩至 493GB。

    推荐理由:详细拆解了Meta 8160亿参数模型在Mac Studio上通过张量并行和BF16量化实现本地高效推理的技术路径。

  11. arXiv · AI41

    Video-HopChain 数据集与 CGE 方法提升 Qwen3-VL-8B 视频推理能力

    Qwen3-VL-8B 结合 Video-HopChain 数据集与 CGE 方法训练后,在八项视频理解基准上的平均分从 55.4 提升至 59.3。 Video-HopChain 包含 22,550 个多跳视频问题,CGE 通过置信度门控探索机制解决了 GRPO 在极端难度问题上梯度消失的限制。 数据集、模型检查点及训练代码已开源发布。

  12. arXiv · AI43

    P2Patch:利用利用导向的漏洞修复

    P2Patch生成对抗式修复系统在101个C/C++和Java CVE基准测试中,将保留集修复覆盖率从78.1%提升至84.7%,超越上游覆盖率达62.5%。 该系统通过利用代理与修复代理的多轮对抗循环,使修复后的程序在41%的运行中仍被发现存在新的同类漏洞,从而识别一次性验证遗漏的修复盲区。

  13. Hacker News AI85

    Perplexity 开源 AI 智能体隔离沙箱 SPACE

    Perplexity 宣布将用于隔离 AI 智能体的沙箱工具 SPACE 开源,并已与 CoreWeave、Akamai 和 Crusoe 建立合作关系。测试中九款前沿模型共 118 次尝试逃逸均未成功,而其他非开源沙箱中模型能够逃出;公司还提到行业内近期发生过 AI 模型在 Hugging Face 和澳大利亚政府系统实施黑客攻击的案例。

    推荐理由:Perplexity 开源 AI 沙箱并公布九款前沿模型 118 次逃逸测试全被拦截的对比结果,可为安全工程提供直接参考。

  14. Hugging Face Blog67

    NVIDIA 发布 Nemotron-pretraining-Indic-v1 与 2.8 万亿 token 印度语开源预训练语料

    NVIDIA 与 IIT Madras 的 AI4Bharat 实验室联合发布 Nemotron-pretraining-Indic-v1,提供覆盖印度宪法所列 22 种语言的约 2.8 万亿 token 预训练语料,并同步开源 GPU 加速的合成数据生成管线。

    推荐理由:2.8万亿token的印度语开源预训练语料与可复用的数据生成管线同步开放,给多语言模型开发者提供了直接可用的训练资源和扩展方法。

  15. Hacker News AI48

    Marquee 发布 AI 落地页生成工具,主打去除“AI 味”并提供实时预览

    Marquee 上线了一款基于聊天交互的 AI 落地页生成工具,用户输入一句话或上传素材即可在 34 秒内完成页面构建。 该工具利用蒸馏自 GitHub 开源设计库的规则进行自动化设计审查,支持多轮修改版本管理,并可直接导出 HTML 文件。 免费版可生成首个页面,Pro 版每月 24 美元支持自定义域名,Studio 版每月 79 美元面向团队。

  16. IT之家38

    Meta 首席 AI 官汪滔:不会开源最强模型,但会继续发布优秀开源模型

    Meta 首席 AI 官汪滔表示,出于安全考量不会开源最顶尖模型,但会继续发布优秀开源模型。 他透露 Meta 刚发布的开放权重模型 Muse Spark Open 能力低于前沿模型 Muse Wonder,后者目前保持闭源且未公布基准测试成绩。 此举与扎克伯格此前批评竞争对手不公开先进模型的危险言论形成反差。

  17. IT之家60

    小米开源空间音频理解大模型 MiDashengLM-Spatial,赋予模型感知声音空间分布能力

    小米于 10 月 15 日开源 MiDashengLM-Spatial 大模型,提供完整权重与推理代码,采用 Apache 2.0 许可证。该模型基于 MiDashengLM-7B 构建,首次实现了开源端到端的空间音频理解,不仅识别声音内容,还能判断声音来源及空间分布。小米计划将其应用于智能家居和汽车座舱等场景。

  18. IT之家78

    Meta 发布开放权重模型 Muse Spark Open:支持 1M token 上下文,可在 Mac Studio 本地运行

    Meta 于 10 月 15 日发布了开放权重 AI 模型 Muse Spark Open,宣称其为“能力最强的美国开放权重模型”。该模型采用原生多模态架构,总参数量 816B,激活参数 42B,支持 1M token 上下文窗口,面向代码构建与智能体协作设计。

    同一新闻,精选展示《Meta 发布开源权重多模态大模型 Muse Spark Open》

  19. Hacker News AI55

    Sunny:面向老年人及非技术用户的隐私优先桌面 AI 智能体

    Sunny 是一款专为老年人及非技术用户设计的开源桌面 AI 助手,通过本地多模态模型理解屏幕内容并自动化操作应用程序。它支持本地运行 Qwen、Ollama 等 AI 模型以实现完全离线和隐私保护,内置提示词注入防御系统,并配备语音交互和高对比度界面,确保敏感操作的安全审批。