AITOP

Stanford

共 11 条相关 AI 资讯
8月7日
20:59
20:59官方账号Decoder@Maximilian Schreiner
Stanford与Arc Institute的研究团队用AI设计了能杀死细菌的病毒，并称这是“首次生成式设计完整基因组”。该成果在实验室中成功杀死了细菌。MIT Technology Review报道了这一研究，认为这是AI设计生命形式的早期一步。
论文StanfordArc InstituteAI设计病毒
推荐理由：斯坦福和Arc Institute用AI设计出了能杀死细菌的病毒，实验室里确实杀死了细菌，这是AI首次设计完整基因组，挺科幻的。
原文
7月15日
02:42
02:42The Rundown AI@therundownai
精选
斯坦福大学与Arc Institute联合实验室发布开源框架Proto，整合了120多个AI生物学模型，这些模型能设计蛋白质、DNA和RNA。此前因软件和数据格式不兼容，整合需耗时数周，Proto通过共享语言解决了这一问题。例如，设计细胞特异性基因开关，传统方法需筛选数千个候选，而Proto仅测试几十个。AI智能体也能直接编写Proto程序。Proto提供了一个通用接口，让新模型可以即插即用。
AI模型ProtoStanfordArc Institute
推荐理由：斯坦福实验室搞了个Proto框架，能把120多个AI生物学模型串起来用，以前要几周，现在快多了，AI agent还能自己写程序，挺有意思。
原文
7月13日
16:53
16:53官方一手marktechpost@Asif Razzaq
精选73°
斯坦福研究者提出TRACE系统，从智能体轨迹中诊断能力缺口，为每个能力合成一个可验证的训练环境。系统为每个能力训练一个LoRA适配器，并在专家间路由token。在τ²-Bench上性能提升+15.3点，在SWE-bench Verified上达到73.2% Pass@1。
AI模型TRACEStanfordLoRA适配器
推荐理由：智能体老犯同样错误？斯坦福的TRACE能自动找出短板，给每个能力单独训练，直接提升15个点。
原文
7月8日
03:16
03:16elvis@omarsar0
精选73°
Stanford、NVIDIA、UC Berkeley 提出一种无需微调的验证器，直接从评分 token logits 读取连续校准分数。通过三个旋钮——分数粒度、重复评估、标准分解——提升准确率。在 Terminal-Bench V2 达 86.5%，SWE-Bench Verified 78.2%，RoboRewardBench 87.4%，MedAgentBench 73.3%。该连续分数还可作为 SAC 和 GRPO 的密集奖励，并已集成到 Claude Code 扩展中用于任务进度信号。论文见 arxiv.org/abs/2607.05391。
论文verifiertraining-freeSWE-Bench
事件专题
推荐理由：斯坦福等团队出了个不用微调的验证器，用 token logits 读连续分数，SWE-Bench 干到 78.2%，还能给强化学习当奖励信号，很实用。
原文
7月5日
10:44
7月3日
04:03
04:03Stanford AI Lab@StanfordAILab
精选
斯坦福AI实验室提出Freeform Preference Learning方法，让标注者用自然语言描述轨迹的偏好轴（如速度、精度、子任务完成度），而非仅做单一整体偏好选择。该方法学习基于这些轴的奖励函数，能提取更优策略。论文arXiv:2606.32027和博客已公开。
AI模型Freeform Preference LearningStanford机器人
推荐理由：斯坦福团队发了个新方法，让标注者用自然语言描述偏好，比单一打分更精确，机器人策略能学到更多结构信息。
原文
02:52
02:52elvis@omarsar0
精选
斯坦福大学提出AutoMem框架，将智能体记忆管理从固定模块转变为可训练技能。模型自主决定编码、检索与笔记组织，文件系统操作作为一等动作。AutoMem通过两循环自动化：强LLM重写记忆结构，智能体历史记忆决策作为训练信号。仅优化记忆使基础智能体在Crafter、MiniHack、NetHack上提升2-4倍。32B开源模型因此与Claude Opus 4.5、Gemini 3.1 Pro Thinking性能相当。
AI模型AutoMemStanfordCrafter
事件专题
推荐理由：斯坦福发了个AutoMem，给智能体装上可训练的记忆模块，让32B模型打平Claude Opus 4.5。省去调任务动作，光改记忆就提升2-4倍，搞长程任务的别错过。
原文
6月30日
16:24
6月27日
11:45
6月16日
14:15
14:15官方账号AlphaSignal@AlphaSignalAI
74°
斯坦福大学和卡内基梅隆大学团队提出了一种名为Agent-Native Research Artifact的新研究格式。该格式替代传统论文，同时包含声明推理、可执行代码、失败实验日志和原始结果。对比测试中，AI的理解评分从72.4%提升到93.7%，复现评分从57.4%提升到64.4%。研究团队认为，这可能是人类撰写最后一篇论文的转折点。
论文Agent-Native Research ArtifactStanfordCMU
推荐理由：斯坦福和CMU搞了个新格式叫Agent-Native Research Artifact，它把代码、失败记录都塞进去后，AI理解能力从72%跃升到93%，复现也涨了7个百分点，比读传统论文好用多了。
原文
6月9日
01:40