跳到正文
今天11月20日周五6 条
  1. Hacker News AI36

    Discovery v1.1.8 发布:AI 智能体工具调用的故障封闭权限检查

    初创公司 SRI 发布 Discovery v1.1.8,作为 AI 智能体的确定性控制层,在执行前检查权限并生成可验证票据。 验证显示 3315 个事件签名和 3060 个攻击用例全部通过,255 个有效控制无误拒,采用 Ed25519 签名。 确保未受信任提示词无法自行授予权限或重放批准,提升 AI 智能体行动安全性。

  2. AWS Machine Learning Blog32

    Amazon EKS 使用 NVIDIA Run:ai 实现 GPU 内存分片

    在 Amazon EKS 上,NVIDIA Run:ai 通过强制实施每 Pod GPU 内存限制,解决了无 MIG 功能 GPU 的资源共享难题。 该方案基于 Kubernetes 调度集成与 per-Pod 内存契约,允许单个 A10G GPU 同时运行两个分配 6 GiB 内存的 Pod。 此方法显著提升了交互式笔记本及小型推理服务的资源密度,但需注意其不保证故障隔离。

  3. Hacker News AI21

    TypeMaid 开源发布:用 Mermaid 图表定义 AI 工作流

    开发者将 TypeScript SDK TypeMaid 在 NPM 开源,该工具基于 Typed DAGs,允许使用 Mermaid 图表来定义和可视化 AI 工作流。 作者称相比纯代码编写,这种方式更简单易懂,目前正着手改进其持久性、重试机制及持久化执行功能。 该发布旨在征求社区反馈,以验证使用 Mermaid 定义可执行 AI 工作流的合理性。

11月19日周四
  1. arXiv · ML35

    CoreQ:面向大语言模型量化的失配校正逐次舍入框架

    研究人员提出无学习PTQ框架CoreQ,通过几何分解计算层自适应校正系数,结合贪心逐次舍入优化量化目标。 该框架避免了对有限校准数据的过拟合,无需调节系数,其扩展版K-CoreQ以少量额外计算换取性能提升。CoreQ在多个LLM家族和量化设置中实现了比强基准更低的困惑度和更高的下游准确性。

  2. arXiv · AI29

    绘制 AI 供应链图谱:生态系统中的依赖关系、脆弱性与市场集中度

    研究构建了多层级大规模数据集,系统记录 AI 生态中模型、数据、算力等要素在组织间的流动关系。 该数据集标注了时间与类型标签,通过分析中心节点、网络集中度及关键控制点,揭示了行业权力结构。 此资源旨在推动对 AI 供应链政治经济学的批判性研究,相关数据已公开供交互式探索。

  3. arXiv · ML22

    CoSlice:面向 5G 网络切片资源分配的协同多智能体强化学习框架

    CoSlice 框架通过协同多智能体强化学习解决 5G 切片资源共享难题,在多样化负载下显著降低平均和尾部 SLA 违规率。 该框架采用偏好条件切片智能体实现快速资源分配,并结合 LLM 协调器基于全局网络观测在较慢时间尺度上动态调整目标,同时推导了次线性遗憾界。 实验基于 ORANSlice 及其射频仿真器 RFsim 构建评估环境,结果验证了该方法优于其他集中式及多智能体基线。

  4. arXiv · ML21

    首个 Rust 生态版本升级预测数据集 CratesBump 发布

    研究团队发布 CratesBump,这是首个用于预测 Rust 生态版本升级的公开数据集,包含约 220,000 个 crate 和超过 200 万连续发布对。 数据集为每个发布对提供 41 个特征(如 AST diff、依赖变更)及基于 Cargo 规则与语义化版本规范的两个标签。 基准测试发现该任务具有可学习性但远未解决,且后期发布分数较低;审计发现部分小版本升级实际破坏了公共 API。

  5. arXiv · AI26

    利用视觉 LLM 与 CV 结合从 COF 论文中提取衍射数据

    该研究构建了视觉 LLM 与经典 CV 结合的管线,处理 3954 篇 COF 文章,生成 11445 条校准衍射曲线并开源为 COF-PEAK 数据库。 视觉 LLM 负责解析图像布局定位曲线,经典 CV 细化至像素级精度;与手工数字化相比,提取峰值中位偏差仅 0.07 度。 该方法使衍射图谱转化为可复用实验数据,支持分析合成条件下峰强变化及结晶度标记。

  6. arXiv · ML20

    Zonotopic Analysis of Quantization Error in Neural Networks

    针对量化神经网络误差验证难题,论文提出基于 zonotope 的抽象解释框架,引入统一 round-clamp 抽象变换器处理舍入与截断。 在 ACAS Xu 基准测试中,约束 zonotope 方法使平均误差界宽度减少约 70-85%,运行时间降低 65-80%。普通 zonotope 方法虽精度较优,但平均速度提升近 300 倍。

  7. arXiv · AI29

    Think Offline, Act in Real Time: Self-Improving Visual Game Agents through Code

    在170个GameWorld任务中,代码策略平均进度达47.80%,优于模型控制器策略的30.90%,且在五个游戏类别中均领先。代码策略允许模型在离线阶段编写、测试和修改程序,该程序在实时游戏运行期间执行动作,而模型控制器需配合实时分块执行。结果表明,将学习存储在执行程序中比直接调整模型权重更能有效利用离线推理时间。

  8. arXiv · ML20

    分布自由不确定性量化用于天气预报:时空依赖下的保形预测

    研究基准测试了保形预测在格点气温预报中的8种区间构建方法,涵盖6小时至10天8个预报时效。 结果显示逐单元方法虽达到近名义边际覆盖率,但日间覆盖率方差为独立单元的3至10倍且误差聚集。 该研究仅覆盖单一变量和粗网格,指出无单一方法在过分散指数与区间得分上均最优。

  9. arXiv · AI28

    CaDO:一种形式化验证引导的多智能体因果数据集修复与生成框架

    CaDO 框架在 18 组实验中的 16 组显著优于最强数据清洗基线,将下游模型准确率提升高达 9.1%。 该框架通过形式化因果推理、多级诊断和自动修复生成三阶段工作,95% 以上标记样本确认为缺陷,在 CLadder 上错误修改正确标签比 LLM 裁判少 92.2%。 代码和数据已公开可用,可促进高质量因果推理数据集的发展。

  10. arXiv · NLP39

    在线强化学习在移动 GUI 智能体中的泛化能力:AndroidWorld-Generalization 受控研究

    研究证实在线强化学习将 AndroidWorld 移动端 GUI 智能体成功率提升至 80% 以上,但泛化能力随场景距离增加单调衰减。 基于 UI-TARS-7B-SFT 和 Qwen3-VL-8B 两个基座模型的实验显示,RL 在分布内提升显著(最高+17.5%),但在未见应用等远端场景增益降至 0-4.2%。

  11. arXiv · NLP23

    EasyOPD:基于 verl 的大语言模型在线策略蒸馏框架

    EasyOPD 是基于分布式强化学习框架 verl 开发的在线策略蒸馏框架,支持跨 tokenizer、自蒸馏及步进式蒸馏三种场景。 该框架通过解耦用户配置、监督逻辑与执行后端,提供 YAML 配置文件、文档及安装演示包。 实验显示其能在推理、代码生成等基准任务中保留特定目标并展现差异化性能表现。

  12. arXiv · NLP25

    DRIFT:支持运行时灵活切换的高效端到端自动驾驶可分离推理框架

    DRIFT 提出一种端到端自动驾驶框架,集成 <150M 参数的轻量语言模型进行场景描述与动作注释。 该框架通过蒸馏代理推理特征,允许在推理时绕过语言模型且无损驾驶性能。 DRIFT 总参数量仅 255M,在 Bench2Drive 上达到 97.03 Driving Score 和 89.39% Success Rate,并在 NAVSIM 和 AlpaSim 上以更低计算成本取得竞争力结果。

  13. arXiv · NLP33

    Sightline:面向快速 SVG 生成长窗口投机解码

    提出长窗口投机解码框架 Sightline,通过匹配草稿器视界长度的验证窗口提升 SVG 生成速度。 在涵盖 text-to-SVG 与 image-to-SVG 的六项基准(源自 MMSVG、MMSVG-2M 及 SArena)测试中,Sightline 在所有设置下均为对比无损解码器中速度最快。 分析表明其优势源于更长的验证窗口避免了短窗口被截断导致的轮次损失,相关代码与数据已开放获取。

  14. arXiv · NLP23

    LipSpell:结合显著特征编辑距离、键盘几何与语料频率的语言无关拼写纠错评分框架

    LipSpell 提出一种语言无关的语音评分框架,结合 IPA 显著特征矩阵、键盘几何及语料频率先验,解决传统拼写检查器在处理音位错误时的局限。 在巴西葡萄牙语非 NFD 容忍测试中,LipSpell Top-1 准确率达 73.00%,优于 Norvig 的 66.40%;俄语西里尔字母准确率达 85.67%。该框架支持六种语言跨五个语系及三种文字系统,验证了固定权重迁移的有效性。

  15. 量子位78

    范式智能发布Phai-A1与Phai-M1双模型,全链路基于华为昇腾训练

    范式智能发布通用语言模型Phai-A1和视频生成模型Phai-M1,两款模型全链路在华为昇腾平台完成专项后训练优化。Phai-A1主打代码开发场景,单张RTX 3090可运行,响应速度较同级模型快8-10倍;Phai-M1面向真人影视,音画同步生成15秒720P视频仅需约3分钟。

    推荐理由:双模型基于华为昇腾全链路训练并开源,展示了国产算力适配小模型的可行性。