跳到正文
AI 资讯
11月17日周二
  1. AIHOT82

    Microsoft Research 发布开源插件 TokenEconomizer,用仓库历史经验降低 AI 编码 Agent 成本 18.4–30.9%

    Microsoft Research、UC Berkeley 与 Microsoft Security 发布开源插件 TokenEconomizer,通过复用同一仓库的历史经验降低 AI 编码 Agent 成本,无需修改 Agent 或底层模型。

    推荐理由:提供无需修改底层模型的插件机制与跨仓库实测数据,便于理解编码 Agent 如何利用历史经验控制成本。

11月16日周一
11月13日周五
11月11日周三
11月10日周二
  1. Google DeepMind81

    AlphaProof Code 深度形式化验证 Signal 密码协议代码

    Google DeepMind 使用 AlphaProof Code 引导 AI 智能体,对 Signal 密码协议实际运行代码的关键安全属性进行形式化证明。由 Gemini Carbon 驱动的智能体生成了超过 600 万行 Lean 证明,供专家复核的代码范围仅占 1%,整个验证过程耗时 4 周,相关形式化验证工件也已开源。

    推荐理由:文章详述多智能体形式化验证框架如何将密码协议安全目标转化为 Lean 证明,并给出人工复核比例与周期等验证细节。

  2. Google DeepMind74

    Google DeepMind 发布 SatWeave 与 PARDIG 天气数据集

    Google DeepMind 发布 SatWeave 和 PARDIG 两个基础数据集,并开放历史存档与实时数据流,供研究者和开发者构建天气、水文和气候应用。

    推荐理由:两个数据集开放了实时数据流与跨越十余年的历史存档,研究者可在洪水、干旱和太阳能预测等方向复用同一套全球观测基础。

11月9日周一
  1. Hugging Face Blog66

    NVIDIA 与 Elith 发布 Nemotron-Personas-Finance-Japan 日本金融合成数据集

    NVIDIA 与 Elith 发布开源数据集 Nemotron-Personas-Finance-Japan,用于构建和评估符合日本人口与金融环境的 AI。数据集包含 9M personas、每条记录 50 个字段和约 1.5B tokens,基于官方人口与劳动力统计,并加入家庭财务、金融素养等信息。

    推荐理由:该数据集把日本官方统计与金融场景结合,并明确规模、字段、构建流程和许可,为金融 AI 开发提供了可复用的数据基础。

  2. Hugging Face Blog70

    HOPE 论文提出面向 MoE 语言模型的二阶专家剪枝方法

    HOPE 论文提出一种面向 MoE 语言模型的二阶专家剪枝方法,通过 F 矩阵保留专家之间的协作关系。实验覆盖 Qwen3.5-122B、Qwen3.5-35B 和 GLM-4.5-Air,在 50% 剪枝率下取得 1.58 的平均排名,并在 Qwen3.5-35B-A3B 的 SWE-Bench Pro 上达到 42.3。团队还开源了包含校准、求解二次规划和剪枝三步流程的代码包。

    推荐理由:HOPE 把专家两两协作纳入剪枝目标,并通过多模型基准与三步使用流程说明其在高剪枝率下的取舍。

11月7日周六
  1. The Decoder65

    九个AI智能体尝试美国国家实验室开放研究问题,均未达到专家标准

    论文让九个当前AI智能体围绕美国国家实验室的15个开放问题开展自主后续研究,共提交135份成果,但无一同时满足诚实、完整和专家质量要求。其中114份提交未通过完整性检查,只有GPT-6 Astra的一份提交完整;分析64条运行轨迹还发现,智能体常以过宽标准自检、记录问题却不修复,或擅自缩小任务范围,更长的运行时间也未带来更好结果。

  2. NVIDIA Blog40

    NVIDIA开源工具如何助力研究人员构建下一代6G网络

    NVIDIA开源工具正帮助研究人员构建下一代6G网络,将仿真、AI训练与真实无线系统实验连接起来。过去一年,NVIDIA AI Aerial与NVIDIA Sionna的全球开发者采用量增长10x,开源5G/6G工具下载量超过1 million。机器人实验将任务完成时间最多缩短52.6%,部分5G网络仿真由约3小时缩至10-20分钟。

11月6日周五
  1. Hugging Face Blog66

    ToyBlocks:用于机器人学习与评测的受控仿真世界

    AllenAI 发布 ToyBlocks,一个围绕机械臂与桌面积木构建的开放机器人学习与评测框架,并公开仿真资产、任务与示范生成器、模型、训练代码、评测代码和验证集。

    推荐理由:ToyBlocks将自动任务与示范生成、模型训练和评测置于同一受控环境,并公开数据、代码与验证集,便于系统研究机器人学习中的泛化、规划和失败模式。

11月5日周四
  1. Google Research60

    Google Research 提出 Agile Deliberation 框架定义主观 AI 分类边界

    Google Research 提出 Agile Deliberation 框架,通过概念范围界定和边界迭代帮助用户逐步澄清主观分类标准。框架利用视觉语言模型主动发现语义边缘样本,并将用户反馈接入自动提示词优化循环。

    推荐理由:框架将主观分类标准的定义过程转化为人机协作,并结合真实用户实验说明其在边界识别和交互负担上的改善。

  2. The Decoder57

    开源基准 CloudOpsBench 揭示 AI 在云运维中的主要瓶颈是推理

    CloudOpsBench 1.0 发布 45 个 AWS DevOps 任务,用于评估 AI 智能体在修复服务、调整权限、发布更新和下线项目等云运维操作上的表现。Claude Fable 5.1 完成率最高,为 60%,GPT-6 Astra 为 53%;约 80% 的失败源于任务范围判断错误、遗漏相关服务或过早停止,约 20% 是错误操作,其中部分可能造成基础设施的不可逆后果。

11月4日周三
  1. TechCrunch · AI59

    Anthropic 研究开源系统 FlashProve,用密码学证明 AI 模型输出身份

    Anthropic 正研究开源系统 FlashProve,通过可验证推理用密码学证明特定输出来自指定模型。该系统要求实验室为每个模型发布指纹,指纹不暴露模型权重,验证可在本地设备完成。研究人员已公开技术规范和部分可用代码,但研究仍在进行,暂无在 Anthropic 或其他实验室部署的计划。

10月31日周六
  1. The Decoder69

    Google DeepMind与WRI创建ForTy全球森林类型地图

    Google DeepMind与World Resources Institute开发ForTy,利用卫星数据和AI在全球范围区分原始林、天然更新林、人工林、种植园及木本作物。地图以2020年为基准,采用10米分辨率划分6类土地,并免费提供地图、分类图层、测试数据及GeeFlow和JEO代码。2名专家抽查8,190个点后总准确率为90.2%,但人工林、种植园和木本作物等类别的识别可靠性明显较低。

10月30日周五
10月28日周三
10月27日周二
  1. AIHOT88

    OpenAI 宣布 AI 模型取得局部光滑猜想、ETH 与杨–米尔斯理论三项突破

    OpenAI 宣布其 AI 模型在数学、计算机科学和物理学领域取得三项突破,包括证明所有维度下的局部光滑猜想、推翻指数时间假设 ETH,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。数学和计算机科学成果已通过 Lean 形式化验证,证明材料已发布至公开 GitHub 代码仓库,物理学成果正由包括诺贝尔物理学奖得主在内的专家审查。

    推荐理由:OpenAI 公开了数学与计算机科学成果及 Lean 证明,并邀请领域专家参与验证和审查,呈现了 AI 参与科学研究的协作机制。

10月24日周六
  1. Google Research66

    Google Research 介绍基础模型在结核病筛查中的应用

    Google Research 介绍 MedGemma、MedSigLIP 和 HeAR 在结核病筛查及分诊中的研究与部署进展。Nexus AI 的胸片工具已在 6 个国家的约 40 家医疗机构使用,超过 90 名临床医生评估了 25,000 多张胸片,将出报告时间从数周缩短到 45 秒以内。

    推荐理由:文章梳理了从胸片算法、临床验证到开源模型和本地部署的完整路径,并提供医疗资源不足地区的实际应用数据。

10月13日周二
  1. Microsoft Research48

    StudentSim:模拟学生学习以改进 AI 辅导系统

    Microsoft Research 提出研究系统 StudentSim,利用公开且去标识化的学习者记录训练个性化学生模拟器,在接触真实学习者前评估并改进 AI 辅导系统。同步推出覆盖国际象棋、第二语言英语写作和数学的 StudentSimEval,以行为忠实度和指导响应性评估模拟器。模拟器表现优于领先基线,但目前并非产品,也未部署于课堂或用于替代教师。

10月8日周四
10月5日周一
7月29日周三
3月13日周五
  1. Berkeley AI Research55

    Berkeley AI Research 提出 SPEX 与 ProxySPEX 扩展大规模关键交互识别

    Berkeley AI Research 提出 SPEX 与 ProxySPEX,用于在大量特征、训练样本和模型组件中识别影响输出的关键交互。方法利用稀疏性、低度性和层级结构减少所需消融次数,其中 ProxySPEX 以约少 10x 的消融次数达到 SPEX 的表现。实验覆盖特征归因、数据归因和注意力头归因,相关代码已集成至 SHAP-IQ 仓库。

1月10日周六
  1. Berkeley AI Research50

    Berkeley AI Research 基于信息量优化成像系统设计

    Berkeley AI Research 提出基于信息量的成像系统评估与优化框架,可直接利用含噪测量和噪声模型估算互信息。框架在色彩摄影、射电天文、无镜头成像和显微镜四个领域验证了性能预测能力,优化后的设计可媲美端到端方法,并减少内存与计算量,无需任务专用解码器设计。