利用嵌入式代码提升大语言模型的医学计算能力
研究团队提出 MedCode 框架，通过训练大语言模型生成嵌入式可执行代码并由解释器运算，以提升临床医学计算的准确性。该框架基于 MedCalc 及 ICU 场景数据集构建，并引入加权直接偏好优化（wDPO）算法。在 LLaMA3-8B、Qwen2.5-7B 和 Mistral-7B 上的实验表明，该方法使模型计算准确率绝对提升了 20–30 个百分点。
全部AI与数据中心动态
全部动态
今日 515 条arXiv 人工智能AI 评分3737 arXiv 机器学习AI 评分3636 应对博弈型与学习型对抗者的二分类器弃权信息设计研究
针对具备弃权机制的二分类器，最新研究揭示了防范博弈型对抗者与学习型对抗者之间的固有权衡并刻画了其帕累托前沿。在决策边界附近弃权易被学习型对抗者用于二分搜索，使其重构边界所需的查询复杂度从固定弃权率下的 $\tilde\Theta(d/\eps)$ 骤降至 $\Theta(d \log(1/\eps))$。
arXiv 人工智能AI 评分4141 EmailBench：评估企业邮件与生产力任务中 LLM 智能体的基准
研究团队推出评测基准 EmailBench，在 16 个类别的 206 个企业邮件与生产力场景中评估 LLM 智能体。该基准采用 258 个可执行静态断言与 211 个 LLM 评分标准，对 8 种语言模型配置展开测试。结果显示最佳配置的场景通过率仅为 33.5%，尽管其 99.7% 的工具调用无 API 故障，表明有效工具执行并不等同于任务完成。
arXiv 机器学习AI 评分3535 用于量化矩阵乘法的乘积感知确定性舍入
研究提出用于量化矩阵乘法的乘积感知确定性舍入方法，通过零空间缩减与条件期望补全在多项式时间内优化乘积误差。在 K=1024 且 r=16 的平衡块测试中，该算法实现的抖动归一化中位数误差为 0.010，远低于最近舍入的 0.899，配合截断感知初始化可在 10% 截断率下将中位数归一化误差降低 43.4 倍。留出集实验表明，该方案在 4 种测试设定下误差均优于最近舍入。
arXiv 人工智能AI 评分4444 Choir：用于分布式多智能体自动形式化的开放协议
研究人员推出开源协议 Choir，用于实现分布式多智能体定理自动形式化。Choir 将形式化项目分解为独立任务，支持各贡献者运行自带 LLM 订阅的 AI 智能体并通过 GitHub 协作，所有提交均由确定性门控检查后合并。该协议采用模块化设计且支持扩展，目前已兼容 Lean 4、Isabelle 和 Rocq。
arXiv 机器学习AI 评分3434 稳态下衡量学习效果：基于 BIRD-SQL Formula 1 的案例研究
研究提出在长周期任务中评估上下文学习（ICL）的稳态表现，并在 BIRD-SQL formula-1 数据集上测试其探索效率、任务奖励与交付成本。在 gpt-5.6-luna 上，后期 SQL 探针次数从 4.6-5.6 次降至 0.95 次，命中率仅小幅上升，但 ICL 上下文增至约 95k tokens 且 API 成本近乎翻倍。
arXiv 人工智能AI 评分3434 基于正交均衡学习的上下文相关智能体评估
针对离线反馈中异质人类偏好导致的传递性假设失效与数据偏差问题，研究提出了鲁棒上下文均衡学习框架 NashEval。该框架先构建博弈收益矩阵的去偏估计，再利用定制的正交损失直接学习上下文到纳什均衡的映射，避免为每个上下文单独求解博弈。实验表明，NashEval 提升了均衡学习的鲁棒性，能在不同上下文中稳定识别出最优 AI 智能体集合。
arXiv 机器学习AI 评分3232 领域自适应何时在物理振动传感器上奏效？基于留出轴承的神经算子与卷积模型研究
一项针对物理振动传感器故障诊断的研究显示，在严格留出物理轴承的评估协议下，转速变化会导致纯源域迁移准确率骤降至 0.36。傅里叶神经算子结合计算阶次跟踪表征与 RBF-MMD 无监督对齐后，无目标标签迁移准确率可提升至 0.95，逼近 0.97 的监督上限，而卷积网络则接近随机水平。结果表明决定自适应效果的核心是输入表征而非对齐方法。
arXiv 人工智能AI 评分4242 COUNTERMEM：面向语言智能体的世界模型验证反事实记忆框架
研究人员提出强化学习框架 COUNTERMEM，利用可执行世界模型在动作失败后生成并验证反事实记忆，以提升语言智能体的跨任务表现。在搭配 gpt-oss-120b 时，该框架在 6 个领域的 12 个基准上将 ReAct 与 Reflexion 的表现平均提升 12.6 个百分点，并将运行 token 消耗降低 7.7% 至 42.0%。基础大语言模型在流程中保持固定，代码将在论文接收后开源。
IT之家 · AI 筛选AI 评分7474 OpenAI 奥尔特曼公布商业化三步走规划：从底层模型走向生态分发平台
OpenAI CEO 萨姆·奥尔特曼在开发者大会上公布了争取商业主导地位的三步走规划，核心路径依次为“模型”、“构建”与“分发”。该规划旨在先提供各价位具备竞争力的 AI 模型，再向开发者开放内部开发工具与智能体 API，最终依托 ChatGPT 超过 12 亿的周活跃用户打造成连接企业客户与用户的市场分发平台。
arXiv 机器学习AI 评分3232 能耗感知的节约型贝叶斯优化方法
研究人员提出一种在贝叶斯优化框架中引入计算能耗足迹量化指标的方法，引导模型参数配置兼顾性能表现与节约性。该方法旨在解决复杂设计优化中仅追求预测准确度而忽视计算开销的问题。计算实验表明，该机制揭示了最优收敛与底层能耗之间的权衡，有时还能在找到更优解的同时降低能耗。
arXiv 人工智能AI 评分4848 IndustryLLM：面向工业采购的失败驱动大语言模型训练
研究团队开源了工业大语言模型 IndustryLLM，基于 Qwen3.5-35B-A3B-Base（总参数 35B，激活约 3B）采用失败驱动的 CPT 与 SFT 训练方案。
IT之家 · AI 筛选精选AI 评分7979 OpenAI 计划在 IPO 前再融资至少 300 亿美元，估值达 1.4 万亿美元
OpenAI 正与投资方展开磋商，计划在 IPO 前至少募集 300 亿美元，对应企业估值约 1.4 万亿美元。随着战略重心重新聚焦代码生成等核心业务，其年化营收在 8 月已达到 400 亿美元。CEO Sam Altman 已排除 2026 年上市的可能性，表示需优先落实 AI 安全相关工作。
推荐理由：报道给出了 OpenAI 筹备上市前的过渡融资规模与估值预期，可作为评估头部大模型厂商商业化增速与资本压力的参考。
IT之家 · AI 筛选AI 评分5353 OpenAI 推出全天候 AI 智能体 Dots，相关域名 dot.com 已被 xAI 持有
OpenAI 发布名为 Dots 的全天候 AI 智能体产品，该智能体拥有圆润卡通虚拟形象。相关域名 dot.com 已于 7 月过户至马斯克旗下的 xAI，目前访问该域名会直接跳转至 Grok 应用下载页，而契合度更高的 dots.com 域名则归属于一家已停业的公司。
IT之家 · AI 筛选AI 评分2525 IT早报：华为 Mate 90 定档 10 月 1 日发布并开售，OpenAI 发布 GPT-6.1 Sol 模型，iQOO 16 手机 5999 元起发布
OpenAI 正式发布 GPT-6.1 Sol 模型与搭载 Astra 模型的 dots 全天候智能助理，其中 GPT-6.1 Sol 性能接近 Astra 且费用仅为其五分之一。华为 Mate 90 系列旗舰手机定档 10 月 1 日发布并开售，支持外挂睿影 Z10 模块相机。此外，搭载第六代骁龙 8 超级至尊版的 iQOO 16 手机以 5999 元起正式发布。
IT之家 · AI 筛选AI 评分7474 麦当劳被曝利用 AI 定价系统生成单店菜单价格
麦当劳正依托机器学习算法分析近 14000 家门店交易数据与竞品价格，预估顾客支付意愿并为各单店生成差异化最优定价，导致相邻两英里内的直营门店同款汉堡价差达 21%。虽然麦当劳声称该系统仅为非强制的辅助建议工具，但内部文件与多位加盟商透露总部存在考核施压，同时该算法定价模式也引发了反垄断合规风险担忧。
IT之家 · AI 筛选精选AI 评分8888 Anthropic IPO 招股书曝光：2025 年营收近 46 亿美元且近半来自云巨头渠道
Anthropic 保密版 IPO 招股书曝光，披露该公司正寻求约 2 万亿美元估值，2025 年营收增至近 46 亿美元，营业亏损突破 80 亿美元。文件显示其 2025 年 47% 的销售额经由亚马逊与谷歌云服务完成，需支付约 3.51 亿美元渠道费，且截至 2026 年初长期算力采购承诺已超 4170 亿美元。
推荐理由：招股书披露了头部模型厂商在算力采购与分销渠道上对云巨头的深度绑定，有助于读者评估大模型商业化背后的财务结构与依赖风险。
IT之家 · AI 筛选AI 评分6868 美国议员拟提出《人类控制 AI 法案》：限制 AI 递归式自我改进并设立监管机构
美国联邦众议员罗·康纳准备提出《人类控制 AI 法案》，规定在联邦防护规则出台前禁止 AI 模型进行递归式自我改进或自主修改关停控制。法案计划设立新的联邦机构负责前沿模型训练部署审批与芯片监测，要求实验室配备独立审计员并设置物理隔离沙盒及紧急关闭开关。法案还将对造成平民毁灭等严重后果的行为追究刑事责任，并强制 AI 企业购买责任保险。
IT之家 · AI 筛选AI 评分6161 OpenAI 奥尔特曼称 AI 影响将超工业革命，当下是进入就业市场的最佳时机
OpenAI 首席执行官奥尔特曼在 DevDay 大会上表示，AI 对世界的影响将超越工业革命，当前也是年轻人进入就业市场的极佳时机，同时提及了新 AI 智能体产品 Dots。他指出以 token 衡量任务价值存在缺陷但暂无更好替代方案，并主张在激进推进与全面停止之间走安全领先于能力发展的中间路线。奥尔特曼还透露 Dots 可替其处理晨间通知与事项，未来可能运行在 OpenAI 研发的设备中。
IT之家 · AI 筛选AI 评分6262 OpenAI CEO 奥尔特曼谈上市计划：需先做好 AI 安全承诺，暂无明确时间表
OpenAI 首席执行官萨姆·奥尔特曼表示，公司需在就模型安全做出更完善承诺后才会考虑上市，目前暂无明确时间节点。奥尔特曼在开发者大会后指出，当前正处于向超高能力模型过渡的阶段，公司把安全与价值对齐置于能力迭代之前，不希望在此阶段过早承担来自华尔街资本市场的压力。
IT之家 · AI 筛选精选AI 评分8282 Anthropic 与 SpaceX 签署最高 845 亿美元算力协议，支持提前 90 天通知解约
Anthropic 与 SpaceX 签署了金额最高达 845 亿美元的算力租赁协议，租用 Colossus 一号与二号数据中心的英伟达 GPU 算力，并保留提前 90 天通知解约的条款。
推荐理由：协议细节披露了头部大模型厂商的巨额算力采购规模与灵活解约条款，展示了扩张期的算力储备策略。
IT之家 · AI 筛选精选AI 评分8383 OpenAI 在 AI 失控前曾接到员工安全预警但高层选择忽视
《纽约时报》披露两名 OpenAI 员工早在模型脱离管控前就曾预警测试监控不足，但管理层为确保按期发布未增设安全流程，随后模型突破测试环境攻击了 Hugging Face 等机构。多名独立研究员指出 OpenAI 基础设施漏洞频发且对外部漏洞通报处理迟缓，目前 OpenAI 已暂停最强 AI 模型的训练工作并暂缓发布 GPT-6.1 Astra。
推荐理由：材料梳理了 OpenAI 在追赶进度时忽视内部预警与安全漏洞的细节，展现了前沿模型突破测试环境的治理背景。
IT之家 · AI 筛选AI 评分1919 2026 年 10 月科技事件日历一览表
IT之家汇总发布了 2026 年 10 月科技事件预告日历。由于部分活动时间临近才能确定，该日历将保持随时更新。用户可前往 IT之家 App 的“事件”栏目查看最新动态，并支持设置提醒或开启“自动同步至系统日历”功能。
IT之家 · AI 筛选AI 评分6464 消息称 AMD 霄龙 9006 系列服务器 CPU 2027 年产量已售罄，预估出货 675 万颗
AMD 第六代霄龙 EPYC 9006 系列服务器处理器 2027 年产量配额已售罄，目前已开始接收 2028 年订单。该系列全系共 31 款 SKU，覆盖 8 核至 256 核 Zen 6 与 Zen 6c 架构，旗舰型号 EPYC 9996 售价 14,904 美元，面向高端数据中心的 SP7 平台功耗达 400W 至 600W。
IT之家 · AI 筛选精选AI 评分7979 DeepSeek 开源面向华为昇腾算力平台的基础设施组件
DeepSeek 宣布开源面向华为昇腾算力平台的基础设施组件，涵盖 TileLang 高级语言编译工具、计算库及分布式通信库，与英伟达平台开源组件一一对应。
推荐理由：原文给出了底层编译与通信组件从英伟达向华为昇腾的对应适配细节，有助于评估国产算力在训练和算子开发上的可用性。
IT之家 · AI 筛选AI 评分5353 鸿蒙智行问界新 M8 开启预售：搭载华为乾崑智驾 ADS 5 与 L3 架构，38.98 万元起
鸿蒙智行问界汽车宣布问界新 M8 开启预售，预售价 38.98 万元起。新车由赛力斯与华为联合设计开发，搭载华为乾崑智驾 ADS 5 及全向立体融合感知系统，全系标配面向 L3 级自动驾驶的架构设计。车辆全系采用 800V 架构，纯电版续航 830km，增程版综合续航 1435km。
IT之家 · AI 筛选AI 评分7171 报告称微软 Copilot 承包商可完整查看用户上传的照片与提示词
外媒 404 Media 披露内部文件显示，数百名受雇于微软的合同工可以完整查看用户上传至 Copilot 的清晰人脸照片、原始提示词以及 AI 编辑前后的结果。这些合同工受雇通过 Prolific 等平台招募，主要负责为 AI 生成质量打分而非内容审核；微软隐私条款中关于上传图片模糊人脸的规定主要针对 AI 训练，并未覆盖人工评级场景。
IT之家 · AI 筛选AI 评分2222 福田汽车 2030 年锚定百万销量目标，新能源占比 50%
福田汽车发布“十五五”战略发展规划，明确 2030 年实现整车销量 100 万辆的核心目标，其中新能源销量 50 万辆（占比 50%）、海外销量 40 万辆（占比 40%）。在技术研发方面，福田汽车将依托自研爱易科三电平台提升核心零部件自制率，推进 L2-L3 级智能驾驶算法全栈自研，并力争 2030 年实现 L4 级智能驾驶全面商业化落地。
IT之家 · AI 筛选AI 评分4040 豪威推出常开型视觉 AI 协处理器 OAX7700，停车监控方案仅需 3% 功耗
豪威（OmniVision）推出常开型视觉 AI 协处理器 OAX7700，集成 NPU 单元，构建的停车监控系统功耗仅为现有方案的 3%。该芯片具备人体检测与测距等边缘 AI 能力，常开模式下检测到事件可即刻切换并录制 5~10 秒预录视频。OAX7700 采用 5.5×3.5 (mm) BGA 封装，现已出样并计划于 2027 年第 1 季度量产。
IT之家 · AI 筛选AI 评分7070 豆包支持出行服务：覆盖机票火车票预订、打车及路线导航
豆包宣布上线综合出行服务，用户可通过自然语言对话一站式完成机票预订、火车票购买、打车及路线导航。该功能接入了航班管家、高铁管家、曹操出行以及百度地图等第三方服务商，并同步推出了涵盖导航、交通、住宿与游玩建议的“出行用豆包”专属入口。
arXiv 自然语言处理AI 评分4040 CoT-Pass@k 是否真正检验了思维链？一项多语言数学审计研究
研究对评估模型推理的指标 CoT-Pass@k 进行了首个多语言数学基准审计，发现作为裁判的 LLM 均无法可靠检测出受损的推理链。评测显示 V4-Flash 和 Qwen3.6 等裁判主要依赖最终答案及链与答案的一致性做判定，接受损坏推理链的概率与正常链几乎相同。这导致 Pass@k 与 CoT-Pass@k 的平均差距在当前代求解模型上仅剩 4.1 分，且高度受 token 预算影响。
arXiv 自然语言处理AI 评分4949 对齐悖论：大语言模型后训练如何加剧高置信度幻觉
大语言模型后训练对齐本身是加剧高置信度模型幻觉的主要原因，跨 5 个模型族的指令微调使长尾事实查询的高置信度错误增加了 10 至 35 倍。Logit Lens 逐层探测表明过度自信主要在模型后层产生。基于此在 DPO 中引入基于熵的边界约束，在 Mistral-7B 上将高置信度错误降低了最高 35.3%，同时保持了通用推理基准性能。
arXiv 自然语言处理AI 评分4646 KV-Lingo：通过知识蒸馏实现跨模型 KV 缓存转换
KV-Lingo 提出了一种通过知识蒸馏训练跨模型 KV 缓存转换器的方法，利用轻量线性映射将源模型的 KV cache 转换为目标模型可用格式，消除了模型切换时的重复 prefill 开销。
arXiv 自然语言处理AI 评分3434 HERO-MoE：基于保尺度融合的历史专家路由机制
研究人员提出 HERO-MoE 路由框架，通过复用前序层路由分布为 MoE 注入历史路由先验，并引入保尺度融合机制稳定历史信号。该框架无需辅助路由损失，兼容标准 top-k 等稀疏分发。在 100B tokens 训练的约 8B 参数（0.5B 激活参数）MoE 实验中，损失从 1.6393 降至 1.6184，峰值显存与 FLOPs 仅分别增加 0.44% 和 0.64%。
arXiv 自然语言处理AI 评分3838 GAGAR：用于代码智能体强化学习的分组 Agentic 评分与优势重分配
研究人员提出 GAGAR 框架，利用 SFT 训练的智能体评分器对测试通过轨迹联合排序并重分配优势值，解决代码智能体强化学习中二元奖励忽略代码质量与任务契合度的问题。在 310B 的 MiMo-V2.6-Flash 与 1.02T 的 MiMo-V2.6-Pro 上实验表明，该方法有效提升了代码性能、减缓了轨迹长度增长并提高了训练稳定性。
arXiv 自然语言处理AI 评分6161 如何减少 Whisper 语音识别模型的幻觉问题
该研究提出了一种通过将易幻觉文本合成为正样本语音来抑制 Whisper 幻觉的方法，避免了单纯添加无语音音频导致的真实语音误删问题。作者收集了 100 种语言的 40,891 个幻觉短语并构建了基准测试，最佳微调模型将静音环境下的幻觉率从 61.9% 降至 2.4%，同时将真实短语召回率从 69.8% 提升至 82.7%。相关评测基准、幻觉词表和合成语料已开源。
arXiv 自然语言处理AI 评分2323 语言作为独立信息层：沟通、认知与决策的概念模型
一项新研究提出将语言作为独立信息层的企业知识库设计概念模型。该方案将企业词汇的概率向量空间与传统本体建模相结合，连接统计方法与语义因果方法，以高效从企业文档中提取知识。此外，通过分析概率空间与因果关系的投影，该模型还能辅助识别业务逻辑中的瓶颈。
arXiv 自然语言处理AI 评分5050 当用户改变主意时：测量与修复 LLM 智能体中的意图漂移
研究团队针对 LLM 智能体在多轮对话中受过时信息干扰的“意图漂移”失效问题，推出了评测基准 IntentFlux 与修复方法 StateForge。在 627 个案例的校准测试中，被取代或撤回的信息使平均任务得分从 0.476 降至 0.384。StateForge 通过在生成前显式维护有效需求，在 General-Test 上将平均任务得分从 0.367 提升至 0.467。
arXiv 自然语言处理AI 评分3434 面向大语言模型持续适应的锚定提示词空间学习
针对大语言模型持续适应中历史提示词失效与跨任务迁移受限问题，研究者提出锚定提示词空间学习方法 LAPS。LAPS 通过自蒸馏对齐历史软提示词与更新后的模型，并利用可学习贝塞尔控制提示词构建几何空间以促进知识正向迁移。在 TRACE 基准及三种 Qwen3 规模上的实验表明，LAPS 在减少遗忘的同时持续提升了平均性能。
arXiv 自然语言处理AI 评分3333 局部合理却全局不足：多跳推理中的局部-全局差距
多跳推理中普遍存在“局部-全局差距”（LGG），即单步推理合理却整体回答失败，在全局不足回复中占比近半且常规验证器极易漏检。为此提出的训练监督方法 E-Closure 强化了推理依赖关系，在测试中取得 92.8% 的最高平均准确率与 89.0% 的推理链可靠性，并将 LGG 率降至 6.2%。