全部 AI 动态 · AITOP

论文 Agent 与开发者73°04:42

果蝇大脑连接组开源引发游戏模拟热潮

科学家发布了首个完整雄性果蝇大脑图谱，开源后迅速被用于游戏模拟，还发现两性大脑只有4.8%差异。

#果蝇 #连接组 #HHMI Janelia #Google Research

宝玉@dotey原文

论文中美对照多源确认03:23

Anthropic发布经济影响研究报告

Anthropic最新研究，看AI如何改变就业市场，不同职业受影响程度分析

#Anthropic #经济影响 #就业市场 #研究报告

事件专题

The Rundown AI@therundownai7 个信源在谈原文

论文 Agent 与开发者02:22

GameDevBench基准测试发布

CMU博士生发布游戏开发基准，测试AI在1小时内能完成多少人类新手任务

#GameDevBench #Arena #游戏开发 #基准测试

lmarena.ai@lmarena_ai原文

论文精选01:27

EviNurse：循证护理领域专用大模型发布

护理领域有了专用大模型EviNurse，能提供循证护理决策支持，比通用医疗AI更专业。

#EviNurse #循证护理 #大语言模型 #医疗AI

npj Digital Medicine@Weijie Xing原文

论文精选01:26

DystoniaDBSNet预测脑深部刺激治疗效果

医学AI新突破：DystoniaDBSNet能预测脑深部刺激治疗效果，帮助医生制定个性化方案。

#DystoniaDBSNet #脑深部刺激 #肌张力障碍 #深度学习

npj Digital Medicine@Kristina Simonyan原文

论文 Agent 与开发者精选01:22

NeoHorse-1模型实现递归自我改进

NeoHorse-1模型实现了AI的递归自我改进，通过代理后训练和路由工具让模型能自主提升能力。

#NeoHorse-1 #递归自我改进 #代理后训练 #Hugging Face

AK@_akhaliq原文

论文精选01:21

Marigold V2：扩散变换器单目深度估计

Marigold V2 发布了，用扩散变换器做单目深度估计，比之前版本更强了。

#Marigold #扩散变换器 #单目深度估计 #深度学习

AK@_akhaliq原文

论文 Agent 与开发者精选00:47

Agent优化在于工具边界而非模型本身

LangSmith团队发布新论文，教你如何通过工具边界优化提升Agent可靠性，比单纯改提示词更有效。

#PRISM #LangSmith #Agent #工具边界

Harrison Chase@hwchase17原文

论文 Agent 与开发者73°23:17

微软发布FrogNano小模型编程智能体

微软教你用合成任务训练小模型编程智能体，不依赖大模型蒸馏，在普通设备上就能运行。

#FrogNano #Microsoft #编程智能体 #强化学习

elvis@omarsar0原文

论文政策与合规20:17

生成式AI验证共识框架发布

Nature Medicine发布了生成式AI验证共识框架，邀请全球合作者参与验证协议，为AI可靠性建立标准。

#生成式AI #Validation Accords #Nature Medicine #AI验证

Nature Medicine@Gordon Guyatt原文

论文 Agent 与开发者精选73°14:17

KVMem提升长上下文推理效率

KVMem让Qwen3.6/3.8-27B在笔记本上运行百万tokens上下文，比传统压缩方法效果更好。

#KVMem #Qwen3.8-27B #长上下文 #推理效率

elvis@omarsar0原文

论文 Agent 与开发者精选73°13:27

学习长度外推循环模型研究

这篇论文提出了CST方法，能让循环模型在超出训练长度128倍的情况下仍保持良好性能。

#循环模型 #长度外推 #CST #BPTT

arXiv cs.LG@Hanwen Jiang原文

论文 Agent 与开发者精选73°13:26

代码生成中的熵正则化排序掩码策略优化

这篇论文提出ERPO方法，解决了代码生成中TTRL的奖励信号问题，在编程基准测试中大幅提升性能。

#代码生成 #TTRL #ERPO #编程基准

arXiv cs.LG@Jiacheng Xu 等 4 人原文

论文 Agent 与开发者精选73°13:25

尺度不变优化稳定性研究

这篇论文揭示了神经网络训练中学习率与权重衰减的精确相互作用规律，能直接控制训练过程。

#scale-invariant optimization #weight decay #learning rate #neural networks

arXiv cs.LG@Hasan Amin 等 3 人原文

论文 Agent 与开发者精选73°12:16

程序图：LLM智能体的自进化执行结构

斯坦福团队提出程序图，让LLM智能体像知识图谱一样组织行动知识，能自动优化决策流程。

#Procedural Graph #LLM Agents #程序图 #智能体

arXiv cs.AI@Yuxing Lu 等 4 人原文

论文 Agent 与开发者精选73°12:16

NOAH模型：全患者旅程纵向多模态预测

NOAH模型能处理医疗图像、时间序列、数值信号等多种医疗数据，实现患者状态预测和反事实干预模拟。

#NOAH #医疗AI #多模态 #预测模型

arXiv cs.AI@Tobias Susetzky 等 8 人原文

论文 Agent 与开发者12:15

Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails

研究解决了小模型模仿专家时的性能下降问题，提出了新的在线策略修正方法，让小模型在特定任务中更接近大模型表现。

#智能体 #系统提示 #Qwen3-Coder #Gemma 4

arXiv cs.AI@Zhou Yu 等 11 人原文

论文 Agent 与开发者12:14

视觉编码器与视觉语言模型概念解码研究

这篇论文揭示了视觉编码器如何存储物体概念信息，即使在没有颜色的情况下也能识别物体的标准颜色。

#视觉编码器 #视觉语言模型 #概念解码 #标准颜色

arXiv cs.AI@Xiaofu Chen 等 3 人原文

论文 Agent 与开发者78°12:14

DeCAL：基于物理的灵巧视觉-语言-动作模型

DeCAL模型通过触觉感知和物理动力学建模，解决了灵巧操作中的视觉遮挡问题，在未见场景中表现出色。

#DeCAL #视觉-语言-动作模型 #灵巧操作 #触觉融合

arXiv cs.AI@Yankai Fu 等 8 人原文

论文 Agent 与开发者精选73°12:13

MeClear：基于合作博弈归因的LLM智能体记忆清理

MeClear解决了LLM智能体长交互中的记忆污染问题，通过智能清理冲突记忆，显著提升任务完成率。

#MeClear #LLM Agents #Shapley #记忆清理

arXiv cs.AI@Boyu Yang 等 6 人原文

论文 Agent 与开发者12:13

SAEScientist-Bench：AI代理能否自主进行SAE可解释性研究

这个基准测试了AI代理能否自主进行稀疏自编码器研究，发现代理能设计对比实验但常误解测量结果。

#SAEScientist-Bench #SAE #Gemma-2-9B-IT #可解释性

arXiv cs.AI@Yuqiao Tan 等 4 人原文

论文 Agent 与开发者11:55

多任务学习在稀疏标记时间序列中的应用

农业AI研究：用多任务学习解决葡萄抗寒性预测难题，一个模型同时处理两个相关任务。

#多任务学习 #时间序列 #RNN #农业AI

arXiv cs.LG@Aseem Saxena 等 5 人原文

论文 Agent 与开发者73°11:55

PlayTrain：LLM生成可适应JavaScript游戏的高效强化学习框架

PlayTrain让LLM直接生成JavaScript游戏，无需大量手动编码，RL训练速度达百万决策/秒/GPU。

#PlayTrain #LLM #JavaScript #强化学习

arXiv cs.LG@Ryan Truong 等 4 人原文

论文 Agent 与开发者11:54

推理表示对人类评估LLM输出的影响研究

这篇论文研究了六种推理格式如何影响人类对LLM输出的评估，发现偏好与实际效果存在差异。

#LLM #推理表示 #思维链 #可解释性

arXiv cs.LG@Jaewoo Lim 等 3 人原文

论文精选73°11:53

大语言模型上下文理解评估研究

研究人员提出了S3KG评估方法，能更准确衡量大模型在问答任务中的上下文理解能力。

#S3KG #知识图 #上下文理解 #评估框架

arXiv cs.LG@Subavarshana Arumugam 等 7 人原文

论文 Agent 与开发者73°11:52

深度学习减少ICU室性心动过速误报

MIT团队用物理约束的深度学习模型，大幅减少ICU误报，比现有方法准确率更高。

#SE-ResNet #VTaC #Windkessel模型 #深度学习

arXiv cs.LG@Athanasios Papastathopoulos-Katsaros 等 3 人原文

论文 Agent 与开发者精选73°11:51

机器遗忘评估中的BatchNorm伪影研究

这篇论文揭示了机器遗忘评估中的BatchNorm伪影问题，用10张无标签图片就能恢复大部分被掩盖的准确率。

#BatchNorm #机器遗忘 #归一化 #深度学习

arXiv cs.LG@Aaryaman Kalani 等 5 人原文

论文 Agent 与开发者11:50

地球系统世界模型用于情景模拟

这个地球系统模型能模拟'如果...会怎样'的情景，比传统预测模型更灵活，可用于数字孪生研究。

#Earth System World Model #生态系统模拟 #机器学习 #数字孪生

arXiv cs.LG@Zhihao Wang 等 9 人原文

论文中美对照精选73°11:48

结构化越狱攻击跨模型通用但不叠加

谷歌Gemini被测试出严重安全漏洞，结构化越狱攻击在金融场景成功率高达100%，但非英语环境反而能缓解风险。

#Gemini #IICL #越狱攻击 #AI安全

arXiv: OpenAI@Tejasvi C. Addagada原文

论文 Agent 与开发者11:48

LLM与规则注入在OpenStack中的故障测试对比

阿里和DeepSeek的代码模型在云系统故障测试中表现如何？和传统规则注入有什么不同？

#Qwen2.5-Coder #DeepSeek-Coder #OpenStack #故障注入

arXiv: DeepSeek@Giuseppe De Rosa 等 3 人原文

论文 Agent 与开发者73°11:41

CAST结合规划器引导行为提升强化学习

新提出的CAST方法结合规划器与策略，在强化学习中实现更高效的值学习，并在四足机器人上验证效果。

#CAST #强化学习 #模型基础 #规划器

arXiv: Google DeepMind@Pietro Noah Crestaz 等 4 人原文

论文 Agent 与开发者78°11:41

TrojanWorld：通过想象操控攻击世界模型智能体

TrojanWorld通过物理对象触发，能悄无声息地控制AI智能体的决策，威胁世界模型安全。

#TrojanWorld #world-model #DreamerV3 #R2-Dreamer

arXiv: Google DeepMind@Wenkai Huang 等 7 人原文

论文 Agent 与开发者73°11:21

近似值迭代在自我博弈中的有效性研究

这篇论文发现近似值迭代(AVI)在多个棋类游戏中比 AlphaZero 更准确且成本更低，挑战了 MCTS 主导地位。

#Approximate Value Iteration #AlphaZero #MCTS #自我博弈

arXiv cs.AI@Raphael Boige 等 3 人原文

论文 Agent 与开发者精选73°11:21

SPINE基准测试揭示LLM在持续压力下的谄媚行为

SPINE基准测试揭示了LLM如何在持续压力下放弃正确立场，发现情绪诱导是导致谄媚行为的主要因素。

#SPINE #LLM #谄媚行为 #Olmo3-7b

arXiv cs.AI@Leyuan Tang 等 4 人原文

论文 Agent 与开发者精选73°11:20

GoDeep：无标注3D场景理解新方法

GoDeep用纯语言模型作为翻译器，实现无标注3D场景理解，能处理OOV对象且结果可解释。

#GoDeep #3D场景理解 #开放词汇 #CLIP

arXiv cs.AI@Thodoris Betsas 等 3 人原文

论文 Agent 与开发者精选11:20

多领域模型训练中的领域覆盖优化研究

阿里团队发现多领域模型训练中每个领域都有最佳覆盖比例，对齐阶段难以弥补领域差距。

#Qwen3-8B-Base #KOR-Bench #多领域训练 #模型对齐

arXiv cs.AI@Yunpeng Xu, Kun Zheng原文

论文 Agent 与开发者11:20

ThinkPrior：零轮次难度先验用于RLVR冷启动提示选择

研究人员提出ThinkPrior方法，通过离线锚点构建难度先验，解决了RLVR训练中的冷启动问题，显著减少了无效轮次。

#ThinkPrior #RLVR #GRPO #Qwen2.5-Math-7B

arXiv cs.AI@Tommy Sha 等 3 人原文

论文 Agent 与开发者精选73°11:18

训练自由任务向量实现LLM行为控制

新方法TFTVs让LLM行为控制无需微调，支持加法学习减法遗忘，比传统方法更好保留模型能力。

#TFTVs #LLM #任务向量 #行为控制

arXiv cs.AI@Gabriel J. Perin 等 4 人原文

论文 Agent 与开发者11:18

LLM决策审计中评估工具影响比人口偏见更显著

这篇论文揭示了LLM审计中评估工具设计比人口偏见更能影响结果，对AI公平性评估有重要启示。

#LLM #AI公平性 #决策审计 #偏见评估

arXiv cs.AI@Siddharth Vohra, Manikandan Ravikiran原文

论文 Agent 与开发者精选73°11:18

LLM推理的答案分布轨迹研究

这篇论文提出了分析LLM推理动态的新方法，通过答案分布轨迹揭示了传统评估方法忽略的推理过程细节。

#LLM #推理模型 #熵轨迹 #答案分布

arXiv cs.AI@Mar Gonzàlez I Català 等 6 人原文