本文へスキップ

すべての記事

今日 84 件
11月3日火
  1. AITNT · AI头条（网页）50

    Soiawork 正式发布：从一个任务开始，轻松构建 AI 组织中国語

    实在智能正式发布企业级 AI 智能体平台 Soiawork。平台通过支持 API 与 MCP 的连接器，以及结合 RPA 与 Computer Use Agent 的 Worker 触达业务，其电脑操作能力在 OSWorld 基准测试中取得 90.2% 任务成功率。此外，平台提供知识库、Skill 与 Workflow 沉淀业务经验，并支持工作空间协同、权限审批与成本审计。

  5. IT之家 · AI 筛选68

    VRChat 拒绝为 AI 生成内容添加标识引发玩家差评潮中国語

    线上 VR 社交游戏 VRChat 宣布不为平台内的 AI 生成内容添加专门标识，引发社区强烈不满并导致 Steam 近期好评率跌至 30%。此前调查中约 95% 的受访用户支持添加标识以过滤低质内容，官方则认为强制标注易引发虚假申报与针对创作者的骚扰猎巫。作为替代方案，平台计划禁止使用 AI 不实缩略图宣传虚拟世界，并上线点赞与点踩反馈功能。

  6. 少数派 · AI 筛选28

    少数派社区速递 164：1500 元体验 NVIDIA TITAN V 与派友自制 AI 平替中国語

    少数派发布第 164 期社区速递，重点收录了作者以 1500 元二手购入 NVIDIA TITAN V 显卡的体验，以及 269 位用户关于利用 AI 编程替代付费订阅的讨论。硬件测试中 TITAN V 跑分达到老显卡的三倍有余但不支持光追；在社区讨论中，多位派友分享了借助 Claude、GPT-5.5 等模型自制韩语词典、资讯聚合与本地笔记工具的实践。

  7. Hacker News · AI67

    Claude Code用プラグイン「fcc」が公開：動作フローチャートと開発履歴を自動生成

    開発者のalexabbi氏が、オープンソースのプラグイン「fcc（Flowchart for Claude Code）」バージョン0.3.0をリリースした。Claude Codeがファイルを修正するたびに、業務フローチャートと自然言語による変更履歴を自動生成する。

    推薦理由：コードの変更内容をローカル環境でフローチャートと意思決定ログに自動変換するため、エージェントによる修正内容に過不足がないかを開発者が迅速に確認できるよう支援する。

  8. arXiv 人工智能36

    AI 数据分析新方法：多引擎联合状态数据分析中国語

    多引擎联合状态数据分析机制通过 1M 上下文窗口将数据上下文嵌入大语言模型，连接 Python、R、SQL 与 Cypher 四大引擎，实现语义编排与精确计算分离。评测中，Cypher 在 CypherBench 取得 96.5% 的表现，SQL 在三个业务数据库分别达到 91.3%、95.3% 和 94.6%，较单次 SOTA（74.45%）高出约 20-23 个百分点。

  9. arXiv 人工智能33

    退化扩散模型的离散时间变分目标及其与 Flow Matching 的等价性中国語

    研究针对每步生成器为确定性的退化扩散模型构建了离散时间变分框架，并证明了 Flow 模型与退化扩散模型之间的形式等价性。理论证明，该离散时间变分目标的最优退化生成器在生成步数趋于无穷的极限下能够恢复真实数据分布。这为离散时间 Flow Matching 提供了统一的变分视角，免去了传统连续时间机制的推导需求。

  10. arXiv 人工智能39

    BridgeDock：利用扩散桥将生成式协同折叠先验用于分子对接中国語

    研究人员提出 BridgeDock 框架，通过将 apo 到 holo 的转变建模为扩散桥，将预训练协同折叠模型适配于柔性分子对接。该方法引入对齐机制将桥状态映射至预训练去噪调度，允许从初始蛋白-配体状态而非高斯噪声直接生成复合物。实验显示其在标准柔性对接基准上优于协同折叠基线，推理计算高效且在极少去噪步数下仍保持有效。

  11. arXiv 自然语言处理34

    通过信念估计应对在线医疗问诊中的不规则状态转移中国語

    PRISM 框架通过将在线医疗分诊拆解为信念估计、策略优化与回复实现，解耦隐状态估计与动作选择，有效应对患者主动转移话题带来的不规则对话演变。评估结果显示，PRISM 的临床决策准确率提升 22.40 个百分点，BERTScore_F1 超过最强基线 5.51 分，表现显著优于前沿大语言模型与临床 AI 智能体。

  12. arXiv 人工智能42

    前向传播中的工具：将冻结纸带模块作为小语言模型网络层中国語

    研究提出在小语言模型前向传播中嵌入冻结纸带模块，直接将隐藏状态转为符号计算以消除文本工具调用的解码开销。在 gemma-3-1b-it 上，该模块在 BIG-Bench Hard 物体追踪全部 750 项中取得 1.00 准确率，GPU 内核耗时仅约文本工具基线的 1/10。该方案适用于返回单符号的有界计算，并通过门控机制在通用文本下保持静默。

  13. arXiv 自然语言处理31

    走向人类与 AI 协作文本的细粒度与鲁棒检测中国語

    研究人员提出了一个离散类别的文本溯源检测框架，将人类与 AI 协作场景抽象为不同 AI 介入程度，有效区分表面润色与话语结构更新。为应对对抗性改写对检测边界的干扰，该方案引入 SOTA 改写攻击模型生成的对抗样本进行训练数据增强。跨数据集和生成模型的实验表明，对抗数据增强带来了持续的鲁棒性提升与跨生成器迁移能力。

  14. arXiv 人工智能35

    一个偏移，两个方向：基于子群偏移的基线调整中国語

    针对 GRPO 全局基线无法兼顾异质子群差异的问题，研究提出基于子群均值与全局均值的偏移量来调整基线。该方案引入带符号系数衍生出对齐（强化子群内相对表现）与对比（强化子群相对质量）两个方向，且不改变奖励信号与优化目标。在 Qwen3-8B-Base 与 Olmo3-7B-Base 的 4 个竞赛级数学基准测试中，两方向均稳定提升了多样本覆盖率，其中对比方向效果更强。

  15. arXiv 自然语言处理46

    FlyWheel：专为 TPU 构建的注意力算子中国語

    研究者提出专为 TPU 构建的注意力算子集 FlyWheel，支持 softmax 与线性注意力，在 TPU v6e 上达到 81% 的 BF16 峰值吞吐量。该算子使 softmax 注意力较 RPA 提速最高 4.14x、Gated DeltaNet prefill 提速最高 3.61x，集成到 vLLM 运行千问（Qwen3.8-27B）时将 prefill 吞吐量提升最高 1.56x。

  16. arXiv 人工智能39

    谁来调度智能体记忆？面向长程任务的 MemSidecar 边车方法中国語

    研究人员提出 MemSidecar，通过解耦记忆调度与任务执行，降低 LLM 智能体在长程任务中的调度负担与执行延迟。系统提供基于事件匹配直接交付记忆的 Hooks，以及由独立智能体预测并并行检索缓存的 Foresight 两种模式。在 MCP-Persona 基准上，Hooks 与 Foresight 分别取得 41.23% 和 44.34% 的成绩，有效降低了执行成本并提升效率。

  17. arXiv 自然语言处理45

    Latent Harness：将智能体行为编译为块后激活偏移中国語

    研究人员提出 Latent Harness，将外部智能体行为编译为冻结主干网络各解码器块输出处的 rank-8 激活偏移，仅占 0.03%-0.05% 参数量且推理时不增加 token。该方法在 10 个预注册设置中的 8 个恢复了源 harness 增益，并支持零样本跨任务迁移与偏移空间组合。在 3 个智能体基准上其表现优于同容量 LoRA，后者需 11.1 倍参数才可达到相同水平。

  18. arXiv 人工智能35

    面向科学 AI 智能体的以决策为中心研究（DCR）：校准决策模型与评测基准 RD-Bench中国語

    研究提出面向科学 AI 智能体的以决策为中心研究（DCR）范式与 DCRM 模型，将单个选择作为统一的监督与评测单元。在包含 2,000 个案例的 RD-Bench 上，0.6B 状态感知版 DCRM 取得 89.4% 的 Top-1 准确率，远超 DeepSeek-V4.1-Flash 的 36.4%。

  19. arXiv 自然语言处理39

    RAG-TRACE：追踪 AI 生成心电图报告中的测量证据与诊断完整性中国語

    RAG-TRACE 研究表明，RAG 在生成心电图（ECG）报告时常引入缺乏测量支持的诊断标准，导致 GPT-4.1-mini 有 46.8% 的报告出现不可检验或相悖标准。在相同输出模式下，检索使无支持标准报告率从 17.4% 升至 31.1%，而肥厚召回率保持 62.6% 不变。将检索限制在 14 项可检验标准后，初始无支持率可降至 13.8%。

  20. arXiv 人工智能30

    长程科研智能体的动作构建：设计具信息量的动作中国語

    研究者提出评估大语言模型科研智能体动作构建的 reading-set 框架，解决指令细节遗漏导致的实验执行歧义。在 30 个合成状态测试中，完整设计请求使两个模型族的经济效率相比基线分别提升 465.98% 和 327.91%。包含 60 个场景的数据集测试显示，其单位成本信息量指标与 18 名人类判断的平均场景内相关性达 0.733。

  21. arXiv 自然语言处理35

    基于稀疏自编码器（SAE）激活转向的信息论设计中国語

    研究人员提出了用于 SAE 激活转向的信息论框架，利用特征激活分布间的 Jensen–Shannon 散度（JSD）构建 LLM 推理阶段的转向向量。该框架通过量化与目标分布的偏差引导模型生成，并在提问模式生成任务中验证了转向有效性。脉冲实验进一步证明局部干预会在后续层引发结构化 JSD 响应，且该框架已被用于安全相关特征分析。

  22. arXiv 人工智能49

    跨章节阅读：基于 AI 与人工反馈重构的免图谱 RAG LadderRAG中国語

    研究人员推出跨章节问答基准 CrossChapterQA 与免图谱 RAG 系统 LadderRAG，通过 AI 评估与人工反馈迭代重构系统架构。LadderRAG 将图书索引为段落、摘要及书籍级卡片，整本书索引成本约 $0.41，单次问答成本低于 1 美分。在首版失败的测试集上，最终版本的必要章节召回率从 0.36 提升至 0.79，人工评分均分达 6.5/10。

  23. arXiv 自然语言处理33

    XDecideBench：跨语言评估类型化决策模型与置信度策略中国語

    跨语言评测基准 XDecideBench 包含 122 种语言、88,425 篇文本与 153,875 个类型化问题，用于评估决策模型与置信度策略。测试显示英语最优模型在约四分之一的套件语言组合中显著落后，而微调的 3 个开源模型在 12 种开发语言中均击败基座 Qwen 模型。此外，在英语上允许 5% 错误率的置信度阈值在 XNLI 德语和法语测试中均超标。

  24. arXiv 人工智能35

    继承还是习得？蒸馏大语言模型中的后门选择性研究中国語

    蒸馏大语言模型的后门多数并非继承自教师模型，而是学生模型直接从投毒数据中习得。在覆盖 Qwen2.5、Llama 3.2 与 Gemma 3 的 9 个师生管线中，Llama 和 Gemma 仅凭 150 个投毒样本即可学得后门，仅 Qwen 0.5B 学生模型依赖教师传递。测试表明后门触发位置主要由数据决定，安全审计应探测多个触发位置并包含无教师对照组。

  25. arXiv 自然语言处理29

    将经典文本可读性公式解释为惊讶度中国語

    Flesch-Kincaid 等经典文本可读性公式的回归系数在理论上可解释为认知科学中的惊讶度（surprisal）。在固定句长下，Flesch-Kincaid 的词系数对应每词每年级 0.18 nat 的 unigram 惊讶度，与儿童常模词汇增长换算得出的每年 0.16 nat 高度契合。这一对应证明该词系数实际代表一年的词汇增长量，并成功将年级转化为惊讶度量。

  26. arXiv 人工智能32

    Jev 能否改善上下文学习的示例检索？中国語

    面向决策的语言模型 Jev 可通过直接评估候选示例效用，有效提升大语言模型上下文学习（ICL）中的示例检索表现。针对逐个候选推理带来的计算开销，该方案通过知识蒸馏将 Jev 的效用评估能力迁移至轻量级多层感知机（MLP）。蒸馏模型在逼近 Jev 概率判断的同时实现了高效示例排序，并保持了强竞争力的检索性能。

  27. arXiv 自然语言处理35

    用户模拟中的共享偏差研究：语言模型分歧如何指示预测可靠性中国語

    研究显示，6 个语言模型模拟器间的分歧能有效预测群体差异评估的失效（AUC 0.87 对比单组的 0.71），但共有偏差无法被该信号察觉。基于 12 个国家 60 道题 GlobalOpinionQA 数据的测试表明，校正共享偏差可降低误差；若将分歧最大的 20% 对比转交人工评估，剩余对比的无效比例可从 63.7% 降至 54.8%。

  28. arXiv 人工智能39

    大语言模型模拟分布外人类行为的行为档案设计中国語

    研究人员提出一种为大语言模型模拟人类分布外行为构建行为档案的框架，通过前向特征选择优化描述内容。在 616 场公共物品博弈、144 场多方谈判博弈及 1,480 种广义货币请求设计中，领先的单特征档案预测效果优于通用角色设定或无档案，且增加更多特征无明显收益。此外，跨博弈类型迁移档案收益不均，甚至可能劣于无档案模拟。

  29. arXiv 人工智能38

    FastAgent：面向快速 CFD 筛选与工业蒸汽脱蜡设计的物理感知 FastFluent-to-Fluent 工作流中国語

    FastAgent 是围绕轻量数值引擎 FastFluent 构建的物理感知模拟控制器，可自适应分配求解分辨率以加速工业 CFD 筛选。在 6 个公开 CFD 基准测试中，该框架将最差 QoI 误差降低 5.68-99.14%，实现 1.53-15.36 倍加速。在工业蒸汽脱蜡应用中，它减少了 81.39% 的网格时间更新，筛选 131,072 种布局后使模拟裂纹张开量降低 96.0%。

  30. arXiv 自然语言处理25

    Sentiment sensing：多语言情感动态比较分析中国語

    研究人员提出 Sentiment sensing 框架，通过整合成分数据分析、函数型数据方法与非参数推断，解决跨国情感分析中语言偏差、数据约束及时间动态检验不足的挑战。该框架实现了跨语言比较与具有统计依据的情感转变检测，并在分析欧盟 27 国关于能源和人工智能新闻的两个案例研究中完成了测试。

  31. arXiv 自然语言处理37

    Step-dLLM：面向扩散大语言模型高效推理的自适应步感知稀疏注意力中国語

    Step-dLLM 引入自适应步感知块稀疏注意力机制，通过在去噪轨迹中周期性刷新掩码与头自适应分配预算，加速扩散大语言模型推理。该方案无需重新训练即可直接应用于 LLaDA-1.5 和 Dream-7B-Instruct，底层配备融合 IO 感知的 Triton kernel。

  33. arXiv 人工智能34

    TopoQuant：表征量化大语言模型行为漂移的拓扑框架中国語

    TopoQuant 框架利用拓扑数据分析（TDA）量化自注意力权重结构漂移，以表征量化大语言模型（LLM）的行为变化。跨 4 个 LLM 家族的测试显示，拓扑漂移在低于 4 bit 精度时急剧上升，与注意力一致性下降高度相关。结合轻量机器学习模型预测注意力一致性可实现高达 0.85 的 R2 分数，无需运行下游任务即可预警性能退化。

  35. arXiv 人工智能35

    基于多智能体 AI 的热电材料大数据自主分析与知识库及专用 AI 构建中国語

    研究人员开发了多智能体系统 Multi-Agentic AI（MAA），利用具有不同分工的 AI 智能体自主分析热电实验大数据，并生成可溯源的分析记录。在涵盖 10 个主题、10 次循环共 100 次分析的实验中，系统成功构建了知识库，配套的专用 AI 能附带引用来源回答材料问题。回溯检查证实溯源机制能有效定位错误，相关分析记录与代码均可按需获取。

  36. arXiv 自然语言处理34

    CuriousTogether：好奇心与文化基础在多智能体 LLM 交互中的影响研究中国語

    研究者提出 CuriousTogether 框架评估多智能体 LLM 的好奇心驱动交互，在 8 项任务中有 7 项取得性能提升。其在故事生成中将语义多样性最高提升 20.6%，刻板印象率降低 14.9 pp。此外，国别文化基础有助于创意与社会任务但可能损害精准推理，且该方法相比单智能体基线具备更优的质量与 token 权衡。

  37. arXiv 自然语言处理42

    LLM 虚构写作中的角色名字集中现象：衡量位移与缓解重复中国語

    针对大语言模型虚构写作中角色名高频重复的问题，研究人员提出无需微调的“推测命名”（speculative naming）方法以控制名字集中度。在 20 个 LLM 生成的 44,782 篇故事评测中，该方法结合动态追踪器将 Slop Ratio（SR）指标平均降低 95%，平均碰撞概率从 7.3% 降至 0.4%。在保持自然度的同时，故事内重名率也从 4.3% 降至 0.2%。

  38. arXiv 人工智能43

    XLA 实战：大规模 TPU 负载下的正确性保障中国語

    研究团队针对 Google XLA:TPU 编译器提出了一套超大规模正确性验证与故障分流方法，应对编译深度优化导致的数值异常与内存损坏。该方案结合生产追踪与模糊测试，利用 AI 智能体集群自主生成压力测试并起草修复，并通过分层差分流水线精确定位融合算子内部故障。该框架已在生产环境中推动解决超过 142 个编译器 bug，另有 103 项发现正在审查。

  39. arXiv 自然语言处理28

    EZ-Ar-VC：跨方言与语码转换泛化的鲁棒阿拉伯语语音匿名化中国語

    研究人员基于 EZ-VC 推出阿拉伯语语音匿名化模型 EZ-Ar-VC，以解决现有 zero-shot VC 系统在阿拉伯语音系上发音保留不足的问题。该模型在保持高说话人差异度的同时，在可懂度、自然度及发音保留上表现优异，且对语码转换和跨方言转换具备鲁棒性。主观评估证实其还能有效泛化至训练数据中代表性有限的阿拉伯语方言。

  40. arXiv 人工智能28

    LM6-CastBench：用于 LM6 砂型铸造瞬态热场预测的几何感知仿真数据集中国語

    LM6-CastBench 是一个用于 LM6 铝合金砂型铸造瞬态热场预测的开源几何感知仿真数据集，包含 450 个几何与工艺案例。数据集整合 3 个几何族、每族 10 种变体、5 种浇注温度与 3 种模具温度，保留 CAD 几何和时间分辨节点温度等信息。基准测试中，空间结构化 U-Net 相比逐点 MLP 大幅降低温度场误差，在截面突变等特征上提升最显著。