按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
2,350 条收录动态，更新于 06:26
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
很高兴在孟买举办我们的首届 Paper Club 聚会！ 点击这里加入我们！https://luma.com/1w044cv1
Mumbai’s first alphaXiv Paper Club is happening on Nov 7! We’ll discuss papers on Continual Learning. We hope to meet monthly and build a research community in the city. Doing AI research or getting into it? Join us: https://luma.com/1w044cv1
https://x.com/i/article/2115184482940784640
Grok @Bot 就像聘请了一位出色的员工
很高兴看到 MiniCPM-OCR 接受实测！🔥 非常感谢 @wikiwayne 做了详尽、透明的对比，并分享了结果和注意事项。💙 期待你在 GX10 上跑完本地测试后的表现。这样的真实反馈正是我们持续改进的动力！🚀
Acaban de lanzar un modelo OCR open-source de solo 1.300 millones de parámetros. Se llama MiniCPM-OCR 1.0 y viene acompañado de MiniCPM-OCR Jev, otro modelo que evalúa la fiabilidad de los resultados. Ambos desarrollados por OpenBMB y ModelBest. Entre ambos permiten: → Extraer texto, tablas y fórmulas de documentos → Procesar PDFs y páginas escaneadas o fotografiadas → Trabajar con documentos inclinados o curvados → Incluir una puntuación de confianza en los resultados para facilitar su revisión manual → Ejecutarse con vLLM, SGLang y Ollama MiniCPM-OCR 1.0 ha conseguido 93,68 puntos en Real5-OmniDocBench, según sus benchmarks oficiales. Pero lo más interesante es Jev. En lugar de corregir los errores automáticamente, evalúa la fiabilidad de los resultados extraídos e incluye una puntuación de confianza para facilitar su revisión. Además, MiniCPM-OCR 1.0 incorpora KIE (Key Information Extraction), una funcionalidad para extraer información clave de los documentos. Y sí, los pesos de ambos modelos son abiertos. 🔗 GitHub: https://github.com/OpenBMB/MiniCPM-OCR 🤗 Hugging Face: https://huggingface.co/openbmb/MiniCPM-OCR-1.0 Más recursos y demo en el primer comentario 👇
研究人员推出公开网站与工具 The Software Citation Station，用于快速查找正确的软件引用声明并加入论文，以规范和简化学术作品中的软件引用流程。AAS 期刊现已在软件政策中向作者推荐该工具；此前 AAS 开始建议作者在投稿中附软件引用后，IRAF 的引用量增长约 150%。
MIT 数学系团队用语义语言模型筛查 CORE 数据库中 8 个领域 2015–2025 年的 26000 余篇全文论文，发现与近五年文献语义相似的文本占比在 2021 年前基本稳定，之后急剧上升，到 2025 年达到 2015–2020 年均值的 3.11 倍。
入选理由研究用固定规模对照样本衡量全文语义重复度，为编辑和审稿人判断论文文本原创性提供了一个可复用的测量思路。
Jaxnasium 是构建在 Equinox 上的轻量 JAX 强化学习库，把观测与动作空间表示为 PyTrees，使近单文件算法实现无需改动即可运行于离散、连续、图像、复合及多智能体环境。它提供 Gymnasium 风格最小接口并封装 11 个套件、超过 300 个环境，小型 PPO 实现用默认超参数即可运行。该库已开源，还提供多随机种子评估、超参数扫描与项目脚手架工具。
LitUbik 是一款开源、可自托管的系统综述工具，覆盖从注册方案到 PRISMA 2020 流程图的各环节，包括检索式校准、自动检索、去重、盲法多审稿人筛选、全文获取、滚雪球检索、质量评价、数据提取与报告，可部署在单台服务器或跨离线实例运行。
Vals AI 最新估算显示，Anthropic 约在 2027 年 7-8 月达到完全递归自我改进（RSI）。Rayan Krishnan 称其 RSI Index 正收集代表 AI 实验室研究人员在预训练、后训练和框架级工程中工作的智能体任务，而增长曲线最陡的是 Gemini，Google 或已开始优先推进 RSI。
从 JustGoal 到自进化的优化框架，期待接下来的进展。期待论文和 Forge 系列更多成果！@_LiYuXuan_
Based on our previous discovery on JustGoal, we redesigned how we do kernel optimisation and launched a self-evolving kernel optimisation harness called ForgeKernel, a part of our Forge series. We tried ForgeKernel on SOL-ExecBench(FlashInfer-Bench) from NVIDIA and CANN-Bench from HUAWEI. It performed well and easily reached #1 in every list we tested. Here are the ranks: https://research.nvidia.com/benchmarks/sol-execbench/leaderboard/collection/4/B200 https://cannbench.com/leaderboard We'll release another paper on ForgeKernel soon.
卡内基梅隆大学与 Browser Use 联合发布 Odysseys2 基准，包含 100 个真实网页长任务、982 条通过/不通过检查，最佳智能体 GPT-6 Astra 完整完成 47/100，其余 14 个智能体中无一超过 20 个，5 个一个也未完成。
谁会用斯洛文尼亚语给机器人写信啊
Podpora za slovenski jezik coming to a @bot near you, courtesy of @poteto 🇸🇮
理论哲学研究员凯萨·凯尔基在《人类事务》期刊发表论文《谁应当为应对专业技能退化负责？》，讨论从业者把工作交给大语言模型后自身专业能力下滑的问题。她指出这种退化难以被日常察觉，源于人们对依赖 AI 的认知偏差，并以医生未识别模型错误信息可能引发医疗事故为例追问责任归属。她主张这是社会性、结构性问题，建议在医学教育等环节设置禁止使用 AI 的基础技能训练阶段。
https://www.poteto.com 已上线
很高兴看到 MiniCPM-OCR 接受实测！🔥 非常感谢 @wikiwayne 做了详尽、透明的对比，并分享了结果和注意事项。💙 期待你在 GX10 上跑完本地测试后的表现。这样的真实反馈正是我们持续改进的动力！🚀
https://x.com/i/article/2113799358797811712
一项发表于 Neuron 的建模研究提出，树突可作为神经元内半独立的区室，抑制性中间神经元按情境逐个“解锁”特定区室的学习，使同一神经元能参与多个重叠的记忆集群而不抹除旧记忆。研究团队用全连接网络模拟多个脑区，模型能区分视觉相似但读音不同的“0”和“O”。该机制尚待实验证实，并给出了关于中间神经元组织方式的可检验预测。
OpenAI 于当地时间周一宣布在数学、计算机科学与物理学领域取得三项突破，并称将调整成果发布方式。数学方向称已在全部维度上证明挂谷猜想，AI 生成的推导内容直接放出交由学界解读；计算机科学方向称证伪指数时间假说，由 OpenAI 组建外部研究小组解读；物理学方向围绕量子色动力学与杨-米尔斯理论，暂不公开，交由外部专家团队决定发布形式。
入选理由三项成果的公开程度各不相同，研究者可据此判断核验门槛与参与空间在哪里。
Artificial Analysis 发布 Intelligence Index v5，这是自 v4 以来最大的一次升级，60% 的评测改用私有测试集或留出答案。
LitUbik 是一款开源、可自托管的系统综述工具，覆盖从注册方案到 PRISMA 2020 流程图的各阶段，包括检索式校准、自动检索、去重、多审稿人盲法筛选、全文获取、滚雪球检索、质量评价、数据提取与报告，可运行在单台服务器或彼此断开的实例上。
Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 与 Terminal-Bench-Science 两项基准，并升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的指数现基于私有测试集或留出答案。
alphaXiv OpenResearch 发布 canary-20261028.2，标注为兼容构建，对应构建号 1fb8794。原文未披露该版本的具体功能、适用范围或开放方式。
alphaXiv OpenResearch 发布 v0.2.22，新增永久删除实验、跨平台桌面缩放控件和 stable/canary 双更新通道。该版本修复了 Slurm 运行监督器反复重试 SSH 导致 HPC 账号被锁、Codex 压缩无法恢复非活跃会话线程等问题，并清理 Claude Code、Codex 和 Cursor 的原生历史记录。
菲尔兹奖得主、加州大学伯克利分校数学家理查德·博尔彻兹宣布不再布置计分家庭作业，改为通过禁止使用电子设备的线下考试评估学生，原因是几乎无法分辨作业是否由 AI 生成。他表示在线考试平均分数大幅提高，按答案正确性评分会激励学生用 AI 解题并惩罚诚实作答者。伯克利曾考虑 AI 检测软件，但认为可靠性不足，最终将 AI 使用政策制定权交给教授，只要求在大纲中说明。
伊利诺伊大学厄巴纳-香槟分校团队在 arXiv 预印本中提出 ClaimNov，一个可嵌入 AI 科学家流水线的声明级新颖性模块，把研究提案拆成 Problem、Methodology、Resource、Result 四类贡献声明，逐条检索先验工作并判断覆盖程度。
StepFun 等机构的研究者提出 RubricAtlas，从 64 家机构发布的 3079 份中文金融研究报告中归纳出 99 个研究类型、921 个分析问题、2784 个必需结果和 8160 个二元检查点，用于评估深度研究智能体生成报告的“分析完整性”，而非仅看事实是否出现。
https://x.com/i/article/2115252750116372480
HuggingFace 发布四场分享、圆桌与问答，延续其免费课 Training Agents，聚焦工业侧 Agent 训练实现。Miles 在 Terminal Bench 2 上用 64×B300 完全异步训练大 MoE，约 100 步后奖励从约 0.44 升至 0.56；OpenEnv Arena 从约 9 万个可找到的 RL 环境中筛出约 800 个较干净环境。
last week we closed the Training Agents series IRL at the GitHub offices in SF 4 talks, a panel and audience Q&A. almost 2h on post-training agents with open models > Learnings from enterprise RL (@t2govind Microsoft) > Environments and benchmarks in industry (@VBarres86633 Mercor) > How to train your agents with Miles (@nblintao RadixArk) > Why we built OpenEnv Arena (@xdotli BenchFlow) full recording + slides https://www.youtube.com/watch?v=CKFUx7COIwQ
hello! 你好! apa khabar! வணக்கம்! 对多任务处理者来说，没有比一个拥有四种官方语言的国家更好的地方了。 现已登陆新加坡：https://muse.ai 🇸🇬
