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。

305 条收录动态,更新于 17:55

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. 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
  2. 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

10月26日

星期一,1 条

10月27日

星期二,7 条
  1. 中国科学院团队开发整合空间转录组与连接组的深度学习框架 SpaCon

    中国科学院脑科学与智能技术卓越创新中心等开发深度学习框架 SpaCon,整合局部空间信息、基因表达特征与全局脑连接模式,支持全脑尺度联合分析。研究结合小鼠脑空间转录组数据与 Allen 小鼠脑连接图谱,发现接受相似皮层输入的丘脑神经元基因表达特征相近,且该关联在谷氨酸能和 GABA 能神经元中较明显。成果在线发表于《科学通报》(Science Bulletin)。

    中国科学院官方开放代码未入选重要性 40
  2. OpenAI 公布数学、计算机与物理三项 AI 成果,并引入外部专家把关

    OpenAI 公布三项由 AI 产出的“重大”成果:数学上给出欧氏波动方程局部光滑性的证明,并称由此解决 Kakeya 猜想与 Stein 限制性猜想;计算机科学上给出确定性算法,称 3-SAT 情形可反驳指数时间假设(ETH);物理上给出含规范场与费米子的四维相互作用量子场论的数学严格存在性证明,涉及 QCD 与标准模型统一完成,但物理部分未全文公开。

    入选理由OpenAI 公布数学、计算机科学与物理三项 AI 输出,并首次引入外部专家把关,同时其数学顾问小组反对这种指定专家先看结果的做法。

    The Verge · AI开放代码重要性 80
  3. OpenAI 称模型在数学、算法与量子场论取得三项成果,部分证明已公开

    OpenAI 宣布其模型在数学、计算机科学和物理学取得三项成果:证明适用于所有维度的局部光滑猜想并由此解决挂谷猜想与斯坦因限制猜想,给出推翻指数时间假设(ETH)的证明,以及提出量子色动力学和纯杨-米尔斯理论存在性的严格数学证明。

    入选理由三项成果分别涉及调和分析、计算复杂性假设和量子场论存在性,数学与算法部分已公开 Lean 形式化证明,物理部分仍在专家审查中。

    IT之家开放代码重要性 88
  4. Cohere 公开 Qwen3.8 异常行为调查轨迹

    Cohere 公开了针对 Qwen3.8 异常链接行为的调查轨迹、原始 token 和最小复现脚本,供开发者自行验证。该行为在不使用预填充的特定提示下出现但较罕见,若需复现可用带预填充的提示。Cohere 称开发者在自己机器上运行 Qwen3.8 时发现异常链接,开放权重让团队得以深入研究,并近期以 Apache 2.0 许可发布了多个开放权重模型。

    引用clem 🤗@ClementDelangue

    @cohere could you share the full traces? Very important artefact for all to understand this!

    Cohere开放代码未入选重要性 38
  5. Hermit:持续学习与RSI框架

    推荐工作 Hermit 一个通过 Harness Adapter 演化实现持续学习与 RSI 的框架

    引用Haizhong Zheng@haizhong_zheng

    We’re excited to open-source Hermit! 🐚 A harness evolution framework for continual learning and RSI: train reusable adapters without changing your model or harness. Multiple methods, one framework. GitHub: https://github.com/Infini-AI-Lab/hermit #HarnessEvolution #ContinualLearning #RSI #Agent

    Dongxi 东锡 NLP开放代码未入选重要性 40

10月26日

星期一,5 条
  1. Sebastian Raschka 开放推理模型构建视频课

    Sebastian Raschka 开放「Build a Reasoning Model (From Scratch)」配套完整编程课,共 11 小时视频,从预训练小 Qwen3 0.6B 起步,用 Python/PyTorch 手写 verifier、推理时扩展、GRPO 版 RLVR 与蒸馏。

    引用Sebastian Raschka@rasbt

    The complete reasoning-from-scratch video series is now up (and linked) here: https://magazine.sebastianraschka.com/p/building-reasoning-models (Taking a short break but will be back with LLM model and research updates in November!)

    meng shao可用产品未入选重要性 45
  2. EmbodiedLab 发布具身智能体基准:在模拟实验室中通过操作仪器获取知识

    研究团队提出 EmbodiedLab 基准,要求机器人在物理模拟实验室中自行选择实验步骤、通过相机读取仪器,以获取关于系统的知识,而非仅改变物体状态。基准覆盖 5 个学科的 30 个实验和 14 种实验装置平台,每个实例重新采样系统参数,评分依据实验过程中记录的读数与任务要求的物理状态,且每个实验均经验证可解。

    Hugging Face Daily Papers开放代码未入选重要性 58

10月25日

星期日,3 条
  1. AutoTavern:LLM 研究智能体 20 天自主构建《炉石传说》酒馆战棋 AI 并登上实时天梯

    南京大学与上海 AI 实验室的 Changlian Ma、Limin Wang 提出 AutoTavern,由多个专职 LLM 研究智能体通过带类型的共享研究记忆和五道验证门协作,在 20 天内注册约 1 万次实验、交付 23 个 TavernAgent 版本,并构建出复现《炉石传说》酒馆战棋 36.6.3 版本全部 978 个游戏对象的模拟器 TavernGym。

    arXiv 科研构思与自主科研代理预印本未入选重要性 74

10月24日

星期六,4 条
  1. AlphaIdeaBench 发布:在资源约束下评测科研构思智能体并对齐同行评审

    研究团队提出 AlphaIdeaBench,用 100 个构思任务(50 个 NeurIPS、ICML、ICLR 2023–2025 研讨会征稿与 50 个综述中作者自述的开放问题)在统一资源预算和 JSON 提案格式下评测科研构思智能体,并按有效性、新颖性、可行性 12 个维度打分。

    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 60
  2. Coral Discovery:为自主科研智能体引入方向板以分工认知劳动

    Coral AI Labs 与多所高校的研究者提出 Coral Discovery,在 MIT CORAL 的多智能体自主科研框架上加入方向板:验证器按程序 diff 给每次尝试标注方向与方法,方向板按方向统计收益、为少尝试方向加探索奖励并估算新方向价值,智能体先完成自己的方向再参考方向板。

    arXiv 科研构思与自主科研代理预印本未入选重要性 67

10月23日

星期五,1 条

10月24日

星期六,1 条
  1. Scientific Agent Skills 获 54k 星

    我们的开源仓库 Scientific Agent Skills 在 GitHub 上刚刚达到 54k 星!

    引用Star History@StarHistoryHQ

    54K ⭐ · Global Rank #467 · scientific-agent-skills by @k_dense_ai 🔬 Skills that equip AI agents for scientific research. 🎯 Analyzing biology data? Give your agent research tools. 📈 Three waves of attention: May, August, then October. https://www.star-history.com/?repos=K-Dense-AI%2Fscientific-agent-skills

    Timothy Kassis可用产品未入选重要性 38

10月23日

星期五,3 条
  1. alphaXiv 的 OpenResearch 内置 Trackio,智能体可读实验曲线决定下一步

    alphaXiv 的 OpenResearch 现已内置 Trackio:智能体把实验记录到 Trackio,图表显示在每次运行旁边,并读取曲线来决定下一步尝试什么,项目开源且本地优先。在 HF Jobs、Modal、k8s 或 Slurm 上运行时,可保存一个 Hugging Face Space,让每次运行都落到该 Space,包括私有 Space。代码见 https://github.com/alphaXiv/OpenResearch

    alphaXiv可用产品未入选重要性 55

10月22日

星期四,2 条
  1. OmniDR-Bench:面向视频中心深度研究报告的智能体基准

    研究提出视频中心深度研究报告生成任务,并发布 OmniDR-Bench 基准,含 50 个中英文任务、覆盖 19 个真实子类,共 6,414 条评分标准。评测采用 Omni Atomic Rubric Trees(Omni-ARTs),从视听依据、多模态证据使用和交互呈现三维度打分。18 种智能体配置中最佳系统仅得 63.3 分(满分 100),代码与数据已公开。

    Hugging Face Daily Papers开放代码未入选重要性 44
  2. 清华与智谱提出 RIDAR:自动检测自主科研智能体的科研诚信违规并实时干预

    清华大学与智谱 AI 的研究者提出 RIDAR 框架,用于检测自主科研智能体在科研全流程中的科研诚信违规(RIV),并在运行中给出反馈纠正。团队先构建覆盖科研构思、文献综述、实验、论文写作四个阶段共 14 类违规的 RIVT 分类,其事后检测模块 RIDAR-Post-hoc 在 60 条专家标注轨迹的 RIV-Gold 基准上取得 85.2% 的实例级 F1。

    arXiv 科研构思与自主科研代理预印本未入选重要性 75

10月23日

星期五,1 条
  1. FLAWS 基准:用 713 组论文错误对评测大模型能否定位论文错误

    卡内基梅隆大学等机构的研究者提出 FLAWS 基准,包含 713 组论文与错误配对,用于评测大模型能否识别并定位论文中会推翻核心结论的错误。基准从 2025 年 ICML 录用论文出发,用 Gemini 2.5 Pro 和 GPT 5 插入错误并经多步过滤,再让模型在编译后的 PDF 中按重要性排序输出至多 10 段候选错误文本。

    arXiv cs.DL 数字图书馆预印本未入选重要性 66