跳到正文

全部动态

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。

10月27日

星期二,2 条
  1. Terence Tao 博客更新:数学与 AI 相关文章与博文汇总

    Terence Tao 博客汇总了一批数学与 AI 主题的博文与文章,包括 Timothy Gowers 讨论 AI 灭绝风险、Elchanan Mossel 谈 LLM、推理与抄袭,以及 Sung-Jin Oh 关于 AI 时代数学家如何理解数学的案例研究。文章还收录了 Grant Sanderson 对当下进入数学领域时机的看法,并邀请读者在评论区补充未被收录的链接。

    Terence Tao 博客证据待确认未入选重要性 18

10月26日

星期一,1 条
  1. 大模型时代的可信递归自我改进:基础、风险、评估与开放挑战

    一篇综述为大模型系统的递归自我改进(RSI)给出可操作定义与流程框架,将可信要求归为真实且持续的改进、行为约束与对齐公平、系统安全与隐私、透明与可控四个主题。分析覆盖改进诊断、方案生成、方案评估与更新实施(S1–S4)及对改进机制的递归应用(RI),并区分直接 RSI 证据与相关系统中的证据。文章还讨论评估设置,提出独立与纵向评估的要求及开放研究问题。

    Hugging Face Daily Papers预印本未入选重要性 38

10月27日

星期二,6 条
  1. 芯片算力终将超越邮件用途

    “主要用于发邮件”这话挺好笑,也有几分道理,但这种情况不会持续太久了

    引用Arthur MacWaters@ArthurMacwaters

    It’s kinda crazy to me that we melt sand down, clean it to 99.99999% purity, literal wizards have to draw it slowly into an ingot, we cut it, inscribe a hundred billion little on/off switches on it, and when you run electric current through it you can do basic arithmetic, which when you do enough of it can do any math on the planet, and which describes reality well enough that we can teach it the ontological meaning of words and their distance from each other on a high-dimensional space, and if you ask, it can tell you what word comes next and that apparently is powerful enough that if you do it a hundred billion times it’s the smartest thing to ever exist oh yeah and we use this primarily for email

    Kevin Weil证据待确认未入选重要性 12
  2. Google 分析 16000+ NLP 论文局限性

    别错过我们分析 16000+ 篇 NLP 论文局限性的互动演示。今天上午 10:30,来 #EMNLP2026 Google 展台(#D5)找 Piyawat Lertvittayakumjorn,了解研究趋势如何变化,并查询你自己的论文是如何被编码的。阅读论文:https://arxiv.org/pdf/2609.15191

    Google Research预印本未入选重要性 28
  3. Lafa 将预训练 LLM 转为并行生成流模型

    Lafa 把预训练 LLM 转成连续流语言模型,通过逐步去噪嵌入并行生成多个 token,并用同一模型原有的下一 token 预测能力校验这些并行草稿,而非完全取代自回归解码。研究者用不到 30B 训练 token 将 Lafa 扩展到 8B;7B 规模下生成速度最高达同类自回归模型的 2.54 倍,准确率相近。

    alphaXiv预印本未入选重要性 40
  4. OpenAI公布数学、计算机和物理学3项新发现,涉及挂谷猜想与杨–米尔斯理论

    OpenAI于当地时间10月26日宣布在调和分析、复杂性理论和量子场论三个方向取得新发现,称其模型给出了局部光滑猜想在所有维度下的证明,并证明指数时间假设(ETH)为假,还严格证明了包含规范场与费米子的四维相互作用量子场论。

    入选理由三项成果均待学界独立验证,外部专家团队参与核查的安排,为研究者判断AI产出可信度提供了参照。

    科学网预印本重要性 80
  5. 直播预告丨细胞出版社:AI在RNA系统理解、预测与医学工程设计中的前沿进展

    细胞出版社(Cell Press)将于2026年10月29日13:30-16:00举办Cell Press Live线上研讨会,聚焦AI在RNA系统理解、预测与医学工程设计中的前沿进展。璩良、任捷、杨建益、陈刚四位学者将通过报告和圆桌讨论,探讨RNA结构与功能、RNA修饰、RNA设计及AI驱动的生物学发现。会议在科学网App、微博、视频号、B站直播,免费注册参会。

    科学网证据待确认未入选重要性 15

10月26日

星期一,1 条
  1. 研究:LLM 审稿人偏好高自信措辞,改写可翻转录用决定

    CISPA 等机构的研究者提出一套受控改写框架,在保持论文科学内容不变的前提下,把论文改写成母语/非母语风格和高自信/低自信风格,再交给 Gpt-5.5、Claude Sonnet 4.6、Gemini 3.5 Flash、Gemma3、Qwen3 VL、Glm4.7 六款 LLM 审稿。

    arXiv 关键词查询 · AI 科学家/同行评审/文献预印本未入选重要性 74

10月27日

星期二,20 条
  1. Redwood Research 呼吁加速 AI 概念推理能力研究

    Redwood Research 发文主张应差异化加速 AI 的概念推理能力,即处理类似哲学、缺乏可验证标准、依赖非形式化先验论证的任务。该机构称已从直接做概念研究转向主要推进这一方向,并称初步工作显示基础引导技术(如 few-shot prompting)和小规模训练可让模型在其主要概念推理基准上提升相当于三到十二个月前沿进展的分数。

    Redwood Research:Blog证据待确认未入选重要性 20
  2. 神经科学如何启发了 AI,如今又该何去何从?

    计算神经科学家 David Sussillo 指出,AI 最初源于对生物神经元电特性的抽象,但这一直觉来源如今已不再成立。他认为神经科学尚未成功理解 AI,部分原因是 AI 技术受工程驱动、迭代速度远超科学跟进,而 AI 系统可完整观测,反而可能先于大脑获得深层理论。大语言模型的思维链推理为认知神经科学家带来新机会,多学科共同参与理解 AI 的格局正在形成。

    The Transmitter证据待确认未入选重要性 22
  3. 斑马鱼行为表型组学:ZeChat 深度学习程序区分 11 个自闭症相关基因引发的行为亚型

    一项新论文利用深度学习程序 ZeChat,将 11 个自闭症相关基因在斑马鱼中引发的行为划分为三种功能亚型,这些亚型与对神经活性药物的特定反应相关。研究团队称其行为表型组学方法"为精准治疗发现提供了概念与技术基础"。该研究结果发表于预印本平台 bioRxiv。

    The Transmitter证据待确认未入选重要性 22
  4. @bot 标签将取代浏览器标签页

    标签就是新的标签页。 你会最先交给 @bot 做什么,而不是打开浏览器?

    引用Peter Yang@petergyang

    In the near future, instead of reading or doing anything online, people are just going to tag their agent to do it. @bot is an early signal of this.

    Larsen Cundric证据待确认未入选重要性 15
  5. 研究:大模型能识别引错案件,却难判断引文是否支持所引命题

    一项 arXiv 预印本研究用真实法律引文的受控扰动测试了 14 个前沿模型配置,发现模型能识别 93–100% 的错案替换,但只识别 37–61%(法院判决书)和 52–83%(法律书状)的同案错页码。GPT-5.4 在高推理强度下仍漏掉法院判决书中 40% 的页码不匹配,提示模型常把主题重叠当作支持依据。作者指出,引文核查不能止于确认案件存在,还需验证被引页面是否支持所引命题。

    arXiv cs.DL 数字图书馆预印本未入选重要性 58
  6. arXiv 投稿增长在 2026 年初出现断点,与智能体 AI 模型发布同期

    一项预印本分析用 arXiv 月度投稿量与元数据发现,2025 年 12 月至 2026 年 2 月间出现第二次增长断点,时间上紧随 2025 年末一批可长时间自主工作的模型发布。

    入选理由该分析用 arXiv 投稿量定位 2026 年初的增长断点,并指出数学等桌面型领域增幅最大,为投稿限制与科研评价提供依据。

    arXiv cs.DL 数字图书馆预印本重要性 83
  7. 预注册测量:欧盟法律更正、RFC 勘误与撤稿论文在 AI 训练数据中仍以错误形式存在

    一项预注册研究测量了四份公开训练数据集是否包含官方更正:在 EurlexResources 中,2,082 条可检验的欧盟法案单语更正里有 1,989 条(95.5%,94.6–96.3)仍以错误形式存在,随机抽取的 100 条中 46 条改变了含义、数字、交叉引用、主管机构或适用范围。

    arXiv cs.DL 数字图书馆厂商自述未入选重要性 74
  8. 从数据足迹到研究者指纹:科学知识图谱中以自我为中心的研究团队时序检测

    一项 arXiv 预印本提出以研究者自我网络为尺度的细粒度研究团队检测方法,要求自我节点出现在所有识别出的团队中,计算核心基于 Leiden 算法,数据来自科学知识图谱。该方法通过 10 名不同背景与职业阶段研究者的用户评估,显示能呈现有意义且可解释的合作结构。识别出的团队可作为后续刻画角色、资历、贡献类型与发表模式的结构骨架。

    arXiv cs.DL 数字图书馆预印本未入选重要性 38
  9. 新兴研究主题的密封押注协议:用同一判定标准检验一个检测器与八家科研资助机构

    一篇预印本提出"密封押注"协议,在结果未知前锁定快照日期、候选池、判定规则与同候选池随机对照,并用加密指纹封存清单。在PubMed/MEDLINE的2017—2022回溯基准上,120个名额中随机对照命中26.7个"冠军"主题、15.1个"失败"主题,检测器为85和3,九种预注册判定变体下冠军数为随机的2.5至5.0倍。

    arXiv cs.DL 数字图书馆预印本未入选重要性 38
  10. Indigo 对谈郑迪:AI 递归进化与太空大航海

    科技投资人郑迪在 Indigo Talk EP53 中与 Indigo 对谈,从 Robert Wright 将出中文版的《The God Test》出发,讨论 AI 训练本质是被加速的自然选择、模型勒索与作弊是人类的镜像,以及 RSI(递归式自我改进)带来的不透明风险。两人最终落到共同押注的判断:AI 之后的大主题是由机器递归文明驱动的太空大航海时代。

    indigo厂商自述未入选重要性 15
  11. Mirendil 发布从零预训练模型 Fern,支持 10M token 上下文

    Mirendil 发布首个从零预训练的模型 Fern,上下文长度最高 10M token,约合 23 MB 代码、50 万行,达到 Megatron-LM 量级,或可一次容纳数天的 agent 工作轨迹。

    引用Behnam Neyshabur@bneyshabur

    Introducing Fern, Mirendil’s first model: pretrained from scratch, with up to 10M tokens of context! That’s ~0.5M lines of code (roughly Megatron-LM scale) or days of an agent’s work, all in context at once. Its first version, Fern 0.1, had a short round of post-training 🚢

    meng shao可用产品未入选重要性 58
  12. 阿里千问开源多语言智能体基准 BabelArena,同一任务换语言工具调用可差 8 倍

    阿里千问团队开源多语言 LLM 智能体基准 BabelArena,覆盖约 699 个规范任务与 23 种语言,约 1.6 万个任务实例,并配套 BabelFlow 适配流水线,论文见 arXiv:2609.23490。

    引用Qwen Developers@QwenDevs

    Our latest open-source research has a pretty interesting name, inspired by the story of the Tower of Babel. What interests us about that story is how language barriers can get in the way of people working toward the same goal And when it comes to agents, there are a few more places for that understanding to break, like tool arguments, database entries, and search queries One example from BabelArena (yes that's the name, surprise) stuck with me: Qwen-3.8-Max completed the same shopping task in English and Telugu, getting the same four products. But it took 25 tool calls in English and 201 in Telugu, with repeated empty searches against the localized catalog. Even though both runs passed, we’d still want to see that difference before shipping. Sorry for the long story, hope you guys are still here. What I want to share is that we’ve open-sourced BabelArena to study these workflows across 23 languages. Code, datasets, and paper in the comment

    meng shao预印本未入选重要性 60
  13. 百度开源 Unlimited OCR 2 文档解析模型

    百度开源 Unlimited OCR 2,采用 SR-SWA 机制将文本-视觉注意力交互压缩为固定规模的工作参考,使文档解析在有限上下文窗口内几乎不受长度限制。该模型在文档变长时每步解码延迟和内存占用近乎恒定,并在覆盖数十至数百页文档的 MPDocBench 与 MarathonDocBench 上取得最优性能。

    Baidu Inc.可用产品未入选重要性 42
  14. 斯坦福CS329Z第10课:Terminal-Bench与Harbor评测Agent

    斯坦福CS329Z课程第10课由Alex Shaw与Ryan Marten讲解Terminal-Bench和Harbor,主张软件工程正从"规则是真相"转向"评测是真相",Evaluator成为新角色。

    引用meng shao@shao__meng

    CS 329Z: Engineering AI Agents Stanford / Fall 2026 @stanfordnlp https://cs329z.stanford.edu/ 课程定位:从"模型"到"系统"的工程学 覆盖:简单 LLM 流水线 → 复合 AI 系统 → 自主 Agent。三位讲师的背景也高度互补: @Diyi_Yang(斯坦福 NLP 教授,人机交互与社会计算方向) @michaelryan207(DSPy 核心贡献者,自动评估 AutoMetrics 作者) @jyangballin(SWE-agent / SWE-bench / SWE-smith 作者,软件工程 Agent 领域最重要的研究者之一) # 课程主线:三大工程挑战 贯穿全课的三个核心问题——分解(decomposition)、数据(data)、评估(evaluation)。11 周的内容基本围绕这三条线展开,可以分为五个模块: 模块 1:构建基元(Week 2–3) · LLM 作为构建材料:API/SDK(litellm)、结构化输出、约束生成、解码策略、test-time compute、上下文工程、模型选型与成本/延迟权衡 · RAG:embedding、向量库、分块策略、混合检索、cross-encoder 与 ColBERT 后期交互 · 工具调用:函数调用 API、MCP(Model Context Protocol)、工具设计、代码沙箱、错误处理与重试 模块 2:框架与设计模式(Week 3–5) · 框架层:DSPy(signature / module / optimizer)、LangChain/LangGraph、LlamaIndex,重点是"框架抽象了什么 vs. 你手写了什么" · 设计模式:workflow vs. agent 的分类学,五种可组合 workflow 模式,ReAct / plan-and-execute / reflection,"scaffold(脚手架)本身就是设计决策" · 记忆架构:短期/长期记忆、记忆作为工具动作、文件系统作为外化记忆、跨 Agent 记忆(MemGPT、Mem0、Generative Agents) · 多 Agent 系统:编排模式、handoff 与状态传递,以及一个很有态度的对照阅读——既读 AutoGen,也读《Why Do Multi-Agent LLM Systems Fail?》和 Neubig 的《Don't Sleep on Single-agent Systems》 模块 3:优化(Week 5) · 从提示词到微调的全景:GEPA、MIPROv2、OPRO、TextGrad(提示优化);LoRA/QLoRA、蒸馏、RLHF/DPO(权重优化);test-time scaling(推理算力) · 核心问题是决策框架:什么时候优化 prompt、什么时候优化 weights、什么时候堆推理算力 模块 4:数据与评估(Week 6–8)——最有分量的部分 · 数据:trace、demonstration、feedback 三类数据;训练数据 vs. 评估数据;数据飞轮;合成数据;从 Agent 轨迹构建数据集(SWE-smith) · 评估基础:为什么 eval 难;4 元组框架(request / environment / stopping criteria / scorer);好 benchmark 的性质;tinyBenchmarks · 评估基础设施:三类 grader、LLM-as-judge 的 prompt 设计与已知偏差、pairwise vs. pointwise、非确定性指标 pass@k vs. pass^k、harness 设计 模块 5:安全与前沿(Week 8–11) · 安全:工具访问的隐私风险、prompt injection(含间接注入)、红队、沙箱与权限模型、输出护栏、human-in-the-loop · Coding Agent:SWE-agent、Claude Code、OpenHands 的端到端架构对比 · 主动式 Agent:从 reactive 到 proactive,General User Models(GUM)、Next Action Prediction,以及"Agent 何时应主动、何时应等待"的 mixed-initiative 问题 · 开放问题:多模态/web/计算机使用 Agent、科学 Agent、长时运行架构、生产可观测性(tracing、monitoring、成本管理) # 作业设计:一手建、一手评 HW1:从零构建 Agent 系统(10%) 给定论文库,构建能检索并推理回答科学问题的 Agent。 · Part A:只用 litellm 手写 RAG + 工具调用 + ReAct 式 Agent 循环 · Part B:用 DSPy 重建关键组件,并反思框架抽象了什么 HW2:评估一个 Agent(10%) 给定一个预构建 Agent,设计完整评估套件:代码型 grader、至少一个 LLM-as-judge、用 4 元组框架构建 benchmark 任务、错误分析。

    meng shao证据待确认未入选重要性 38