跳到正文
11月10日周二
  1. arXiv · ML23

    TrialJev 发布:基于 LoRA 适配 Qwen 模型的开放权重临床试验资格单次评分器

    TrialJev 是一款开放权重临床试验资格评分器,利用 LoRA 适配的 Qwen 模型与 pointer head 在单次前向传播中完成评分,避免自回归解码。在 TREC 数据集测试中,Qwen3.5-27B 模型准确率达 80.97%,推理耗时仅为传统生成方法的 1/2.45 至 1/2.70。该模型可在单 GPU 本地运行,患者文本无需传输至外部 API。

  2. arXiv · NLP33

    OGDA:基于本体的数据智能体,实现异构数据湖的可靠分析

    研究团队提出 OGDA(本体驱动数据智能体),利用紧凑本体降低探索开销,并在 KramaBench 和 DiscoveryBench 上比最强基线提升最高 10.82 分。 该方法通过生成器-验证器架构构建本体,并由任务图约束数据处理动作,避免上下文窗口耗尽导致的推理退化。 明确建模数据湖是迈向可靠端到端数据智能体的关键步骤。

  3. arXiv · NLP48

    Micius-Flash 发布:面向工程的 27B 轻量级智能体模型

    Micius-Flash 是一款拥有 27B 参数、256K-token 上下文窗口及原生多模态输入的开源模型。 该模型通过 MOPD 技术集成半导体与硬件专家模型,在硬件代码基准中平均得分 64.2%,半导体智能体基准得分 62.4%。 研究团队开发了 Micius Harness,支持连接 EDA 工具与 KiCad,已开源以推进工程智能体发展。

  4. arXiv · NLP39

    MNN-Pocket-0.3B 技术报告发布

    MNN-Pocket-0.3B 开源发布,这是专为端侧部署设计的 3 亿参数稠密语言模型。 该模型支持 32K 上下文,INT4 部署体积仅 173MB,在 iPad Pro M5 上解码吞吐量达 466 tokens/s。 基于约 4.1 万亿中英文 token 预训练,其在同类开源模型中表现领先,并优于部分 0.5B 参数模型。

  5. arXiv · NLP23

    MixUA 多粒度记忆提取系统提升多用户多智能体交互性能

    MixUA 是一种记忆系统,通过提取用户-智能体轨迹中的经验教训并分配至不同隐私范围,提升多用户多智能体协作效率。在 CrossLearnBench 基准测试中,MixUA 相比无记忆方案通过率提升最高 16 个百分点,比单一全局记忆高 5 个百分点。该系统保留最高 90% 的历史偏好,且仅 0.02% 的隐私探针在禁止范围内发现私有事实,提供可扩展的用户与智能体共同进化路径。

  6. Hacker News LLM51

    Jane Street 开源 Socratic-tutor Agent 技能

    Jane Street 在 GitHub 开源了 Socratic-tutor Agent 技能,旨在将 LLM 转化为采用苏格拉底教学法的个人导师。该技能包含 SKILL.md 指令文件,支持通过诊断测试、0-5 级技能地图、单次提问和间隔复习实现结构化教学。开发者可直接将该技能目录复制到支持通用 SKILL.md 格式的代码代理中,或将内容粘贴至聊天机器人系统提示词使用。

  7. 量子位65

    千问办公2.0实测:Team Agent 重构编辑部协作流程

    量子位编辑部实测发现,千问办公2.0通过引入 Team Agent 模式,实现了跨钉钉群聊的项目信息自动归拢、待办任务生成及多端同步。该版本重构了云端自动化引擎,支持在 Word、PPT 及钉钉文档上进行人机共创改稿。相比个人 Agent,其核心价值在于将 AI 深度嵌入团队协作流,解决信息搬运与重复解释问题。

    推荐理由:文章通过编辑部实测展示了千问办公2.0如何串联跨群信息与任务流,为判断团队级Agent的实际落点提供了具体参考。

  8. Hacker News AI54

    Aleph 推出面向 AI Agent 的声明式编程语言

    Aleph 发布面向 AI 智能体的声明式编程语言,核心机制是在代码运行前通过静态分析拒绝无限制资源用量的路由。该语言允许多个应用共享同一运行时和数据库,利用 TypeScript 编写并编译为 Rust 引擎执行的清单(manifest),从而降低部署成本并提升安全性。其严格的类型系统和用量边界旨在让 AI 智能体生成的代码更易于检查和修复,减少架构错误。

11月9日周一
  1. Hacker News AI67

    AI 导致信号崩塌:开源、教育与同行评审的质量判断机制失效

    AI 使伪造高质量信号的成本大幅降低,导致开源、教育和同行评审中依赖写作质量、代码测试及阅读深度的传统判断捷径同时失效,市场趋向柠檬市场。作者认为短期需依赖更昂贵的新信号或自动化评估,长期需重构现有规则,例如引入信任守护者机制或改变目标以应对信号崩塌。

  2. Hacker News AI68

    Kiosk 发布:开放协议让 AI 助手无需邮箱密码即可访问在线服务

    Kiosk 发布 v0.6,这是一个基于开放标准的协议,允许个人 AI 助手注册、预订、下单并支付在线服务,无需邮箱和密码。它利用 memory-hard 计算作为通行费,并通过签名密钥绑定令牌,确保每个服务独立授权。目前已提供参考实现、文档及七个演示操作员,支持 Hermes、Claude Code 等助手通过 AP2 v0.2 进行支付。

  3. LessWrong · All Posts62

    TASTE基准显示期待自动评分会降低模型研究品味

    研究者让3个开放权重模型相信其回答由自动化验证程序而非人类评分,并测量模型在TASTE基准上与AI安全专家判断的一致性。在SDF和激活引导两种信念植入条件下,模型对专家判断的一致率低于人类评分信念,其解释更侧重可行性而非概念贡献,表明自动评分预期可能偏好易于验证的项目而非对降低AI风险潜力更大的项目。

  4. Hacker News AI28

    本地个人 AI 的争议:优势与劣势

    作者反驳认为只有云端前沿模型才能完成实际工作的观点,指出许多用户因缺乏本地 AI 知识而产生认知偏差。 文章列举 llama-swap、llama.cpp 及 HyperQwen 等工具,强调本地部署涉及控制权归属而非单纯成本或扩展性。 作者主张在个人计算中保留“数字主权”,避免将 AI 能力控制权完全交给寡头垄断。

  5. 量子位78

    LobeHub 展示 AI 协作平台实现 Agent 自主派活与跨项目接力

    LobeHub 发布 AI 协作平台,支持 Agent 自主拆解任务、分派开发工作并跨项目接力,GitHub 累计获取 8.44 万 Star。在 FrontierHarness 30 道任务测试中,平台调用的 Kimi K3 完成 21 道任务,成功率达 70%。

    推荐理由:实测揭示了LobeHub平台中Agent如何跨任务接力与自主招募,为构建自主协作系统提供了具体参考。

  6. Hacker News AI51

    Asahi Linux 禁止使用 AI 参与代码贡献

    Asahi Linux 官方宣布全面禁止在实质性贡献中使用生成式 AI 工具。该决策基于其对软件自由、开源社区及数字隐私等核心理念的保护,同时强调 LLM 存在破坏 clean room 逆向工程合规性、引入泄露材料风险以及违反法律边界的潜在隐患。

  7. arXiv · ML28

    基于状态空间模型ATMOS实现生物分子原子轨迹生成

    ATMOS基于State Space Models(SSM),通过Pairformer状态转移与扩散解码模块,生成原子级分子动力学(MD)轨迹。 ATMOS旨在解决生成模型忽略时间相关性或难以条件化长历史的局限,实现原子级轨迹生成。 ATMOS在蛋白质单体和蛋白质-配体构象轨迹生成中达到state-of-the-art性能,推动生物分子动力学基础模型发展。

  8. arXiv · AI38

    RST框架生成3.7万终端代理任务,Qwen3.5微调后基准提升最高10分

    研究人员提出递归验证合成框架RST,通过15轮迭代生成了37,484个终端代理任务,成本约为每任务$0.05。 任务难度随轮次显著增加,中位参考解决方案从67行增长至374行,执行命令从40条增至244条。 使用Qwen3.5轨迹进行监督微调,使模型在Terminal-Bench 2等三项基准上得分提升最高10分。

  9. arXiv · AI35

    Sentinel Agents:面向多智能体系统的安全可信 Agentic AI 层

    Sentinel Agents 提出由 Coordinator Agent 监管的规则、行为与 LLM 语义检查层,以隔离异常 Agent。 在 1,000 条消息语料上,Gemma 4 12B 实现 F1 0.86 且误报率 0.11,Qwen3 8B 校准后 F1 提升至 0.80。 实验表明检测器组合效果取决于模型校准与聚合逻辑,为多智能体安全部署提供了可操作指引。

  10. arXiv · ML24

    Caterpillar GNN:用图级聚合替代消息传递

    Caterpillar GNN通过图级聚合替代消息传递,利用游走基矩阵和加权自动机实现多项式时间扩展,避免组合爆炸。 模型能显著减少计算图隐藏层节点数,并基于广义毛毛虫图的同态计数层级表征表达力,支持低阶表达力的系统研究。 该文已被NeurIPS 2026会议接收,表明该方法在图学习领域具备重要学术价值。

  11. arXiv · ML28

    用于大规模图相似度学习的可缩放 GNN 框架 FiLSim

    提出可缩放的 GNN 框架 FiLSim,在超过 150,000 个节点的图上保持精度,单 GPU 数秒内完成评测。 针对 GED 和 MCS 计算难、现有方法难以扩展的问题,FiLSim 结合序贯图编辑策略构建大规模数据集,并在四个基准及四个新数据集上验证了有效性。 克服了基线方法内存不足或无法学习的瓶颈,实现了从小规模到大规模图的高效相似度计算。

  12. arXiv · ML26

    DW-FedADMM:一种用于分布式 Android 设备威胁防御的共识约束双联邦优化框架

    提出 DW-FedADMM 联邦优化框架,结合原对偶协调与性能依赖的客户端动态加权,解决部分参与和模型质量差异导致的优化不稳定问题。 在 Drebin、Malgenome 和 TUANDROMD 三个 Android 恶意软件基准上,DW-FedADMM 在 9/18 个数据集-客户端-轮次配置中取得最佳平均准确率,Drebin 上种子平均准确率达 97.64%±0.20%,并实现最低平均误报率。

  13. arXiv · NLP42

    测量推理模型弱到强可读性:引入转移效用评估指标

    针对现有指标无法衡量推理轨迹彻底性的问题,本文提出转移效用方法,通过弱模型补全不完整轨迹来量化可读性。 在评估12个推理模型的84k条轨迹时发现,性能最高和效率最高的模型转移效用反而最低。 该指标能预测弱监控器对数学和逻辑密集轨迹的验证能力,但开源奖励模型与正确性信号解耦。

  14. arXiv · NLP26

    TeViD:首个土耳其语多模态视频事实核查数据集及零样本与微调系统对比

    研究团队发布首个土耳其语多模态视频事实核查数据集 TeViD,并对比两种基于 Qwen 模型的验证管线。 管线 1 结合 Qwen2.5-7B 与 Qwen2-VL-7B,管线 2 通过 LoRA 微调 Qwen2.5-7B;两者均报告了 accuracy 与 F1 指标。 填补了低资源语言视频核查空白,数据源自 IFCN 认证组织。