跳到正文
11月21日周六
  1. The Decoder47

    字节跳动论证多数 AI 训练阶段多余,并以有竞争力的开源模型作证

    字节跳动(Bytedance)联合几所美国大学团队发表新论文,论证多数 AI 训练阶段并非必要,指出仅需三个步骤即可让模型具备自主研究网络、运行代码和解决多步任务的能力。论文认为当前训练方法日益嵌套,开发者几乎无法分辨哪个步骤真正有效,且复现成本越来越高。该团队还提供了一个有竞争力的开源模型来支持这一论点。

11月17日周二
  1. Microsoft Research78

    TokenEconomizer:从经验中学习,让 AI 编码智能体更高效

    UC Berkeley 与 Microsoft Research 等团队发布开源插件 TokenEconomizer,它从智能体在代码仓库的历史会话中学习,在不修改智能体或底层模型的前提下降低后续会话成本。

    推荐理由:论文给出了一套不改动模型即可复用的经验式成本控制方法,读者可迁移到自己的编码智能体工作流。

11月13日周五
  1. The Decoder80

    前 OpenAI 研究员称六个中国 AI 模型中藏有 Nvidia Blackwell 芯片指纹

    前 OpenAI 研究员 Will DePue 发布分析称,2026 年 4 月以来发布的六个中国模型权重中留有 Nvidia Blackwell 芯片的初始化指纹,验证代码已公开在 GitHub。

    推荐理由:原文解释了如何通过模型权重的初始化指纹反推训练所用 GPU,并附验证代码与 24 个对照模型的结果。

11月10日周二
  1. Google DeepMind85

    Google DeepMind 推出 AlphaProof Code,用 AI 智能体形式化验证 Signal 加密协议

    Google DeepMind 研究人员用多 LLM 智能体框架 AlphaProof Code,对 Signal 协议实际运行的代码完成深度形式化验证,证明其核心加密代码满足关键安全属性。

    推荐理由:原文展示了多智能体框架将 Signal 加密协议的形式化验证压缩到四周,读者可据此评估安全验证自动化的新路径。

11月9日周一
11月8日周日
11月7日周六
11月5日周四
  1. The Decoder48

    CloudOpsBench:新开源基准显示推理是 AI 云运维的最大瓶颈

    开源基准 CloudOpsBench v1.0 发布,包含 45 个 AWS 任务,用于评估 AI 智能体处理云运维任务的能力。测试中 Claude Fable 5.1 解决了 60% 的任务,GPT-6 Astra 为 53%,没有模型完成全部任务。密歇根大学 Ang Chen 团队发现约 80% 的失败源于推理缺陷而非知识缺失,约 20% 为错误操作,其中部分对基础设施造成不可逆后果。

11月4日周三
  1. IT之家67

    Anthropic 正开发 FlashProve 开源系统:用密码学证明 AI 输出来自哪个模型

    Anthropic 正在开发名为 FlashProve 的开源系统,通过密码学证明为特定 AI 输出提供数学层面的保证,验证其确实来自某个指定模型。该系统借助不泄露模型权重的指纹实现验证,因此适用于商业闭源模型,且用户可在本地设备上完成验证。Anthropic 已在 GitHub 公开技术规范与可运行代码,但强调研究仍在进行中,尚无部署计划。

  2. TechCrunch · AI58

    Anthropic 正在研发用于证明 AI 模型身份的 FlashProve 系统

    Anthropic 正在开发名为 FlashProve 的开源系统,用密码学证明验证某段输出确实来自特定 AI 模型。该系统要求实验室发布不泄露模型权重的模型指纹,并可在本地设备上完成验证。技术规范和代码已在 GitHub 开源,但官方明确表示这只是阶段性研究进展,暂无部署计划。

11月2日周一
11月1日周日
10月31日周六
  1. 爱范儿80

    DeepSeek Harness 团队分享 Super-agent 架构探索:让 AI 持续在线、主动干活

    DeepSeek Harness 团队发表技术文章《Super-agent 设计探索:迈向更自主的 Agent 系统》,提出由 Router 统筹协调、Worker 独立执行的双层架构,让 Agent 跨会话连续交互、多任务并行并主动响应环境事件。

    推荐理由:原文给出了 Router/Worker 双层架构、触发机制与实验数据,读者可据此理解多 Agent 协作的设计取舍。

  2. IT之家77

    DeepSeek 提出 Super-agent 架构设计:Router 与 Worker 双层架构,探索更自主的 Agent 系统

    DeepSeek Harness 团队发布《Super-agent 设计探索:迈向更自主的 Agent 系统》,提出由 Router 层与 Worker 层构成的双层 Super-agent 架构,具备连续、高效、主动、持久四项特征。

    同一新闻,精选展示《DeepSeek Harness 团队分享 Super-agent 架构探索:让 AI 持续在线、主动干活》

10月29日周四
10月27日周二
  1. IT之家89

    OpenAI 宣布其 AI 模型取得数学、计算机与物理三项科学突破

    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成果,称 AI 已能独立发现并证明复杂科学理论。数学方面,模型给出适用于所有维度的局部光滑猜想证明,并解决挂谷猜想与斯坦因限制猜想;计算机科学方面给出指数时间假设(ETH)不成立的证明;物理学方面提出量子色动力学及杨–米尔斯理论的严格数学存在性证明。

    推荐理由:原文按学科拆解三项成果的思路、验证状态和公开范围,读者可据此对照外部专家审查与学术界独立确认的进展。

10月21日周三
10月20日周二
  1. 量子位77

    谷歌开源 Harness²:让 Agent 在运行中自我改进脚手架的 RSI 框架

    谷歌团队开源 Harness²,一个位于 Harness 层的递归自我改进(RSI)框架,让大模型在运行中自行修改外挂代码、系统提示词、工具链和技能库。它采用任务级与改进级双层递归,通过 Propose–Probe–Compose 机制在没有标准答案的情况下做对照实验,并把经验沉淀进可跨任务复用的经验库。

    推荐理由:论文针对 RSI 缺乏标准答案和易过拟合两个痛点,给出双层递归与经验库设计,可迁移到自家 Agent 脚手架。

10月17日周六
  1. IT之家49

    223 道题、2651 条标准:阿里 Qwen 开源 BlenderWorld,给 AI 出了一套 3D 建模大考

    阿里 Qwen 团队开源 BlenderWorld 基准,用于评测视觉智能体在 Blender 中完成真实 3D 创作任务。该基准含 223 个任务和 2,651 条评分标准,要求 AI 交付可编辑的 .blend 工程文件,而非仅生成图像。项目采用 MIT 许可证,代码与数据集已发布至 GitHub、Hugging Face 和 ModelScope,支持任意生成框架接入测试。

10月16日周五
  1. Hugging Face Blog64

    扩展印度语预训练:2.8 万亿 token 与开放数据生成管线

    NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1,约 2.8 万亿 token 覆盖 22 种印度语言,同时开放生成该语料的 GPU 加速数据管线。

    推荐理由:语料覆盖 22 种印度语言并开放完整生成管线,读者可参考其翻译、质检与修复流程复用到自己的多语言数据构建。

10月15日周四
  1. The Verge · AI74

    Microsoft 开源机器学习工具 PBC,提升 2 至 6 周天气预报准确率

    Microsoft 研究团队在 Nature 发表论文,提出概率偏差校正(PBC)方法,可将 2 至 6 周天气预报做得更准确,相关工具已开源。PBC 不另建模型,而是用机器学习识别并修正现有模型的系统性偏差;研究显示它使 ECMWF 物理模型在 98% 的降水和 92% 的温度目标上更准确,还将 ECMWF 新 AI 预报系统的准确率翻倍,且只需 CPU 即可运行。

10月13日周二
10月12日周一
10月7日周三
  1. Hugging Face Blog71

    微调 Nemotron 在 IOI 2026 与 IMO 2026 双双取得金牌级成绩

    NVIDIA 团队基于 Nemotron 3 通过 SFT、RL 与反馈式推理构建专家系统,在 IOI 2026 取得 535.4/600(超过 361.12 的金牌线),在 IMO 2026 取得 30/42(超过 29 的金牌线)。

    推荐理由:原文完整给出从基座模型、数据筛选、SFT/RL 到推理循环的四步专精化方法,读者可将其迁移到自己的领域模型训练。

  2. The Verge · AI77

    OpenAI 发布 722 篇数学手稿,涵盖 372 个结果族

    OpenAI 公布了一批由未发布的前沿模型产出的数学成果,包含 722 篇手稿、涵盖 372 个结果族,据顾问组 AGMAI 称其中含对“数百个”开放问题的解答。手稿附有模型推理摘要、所用算力估算与尝试题目统计,OpenAI 称“平均结果”相当于三小时 ChatGPT Pro 思考量;成果发布在 GitHub 仓库,并制定了论文修订与引用规范。

    同一新闻,精选展示《OpenAI 公布内部前沿模型在数学开放问题上的新结果》

9月30日周三
  1. Google DeepMind66

    Google DeepMind 发布 SynthID Bio:为 AI 生成蛋白质嵌入可验证水印

    Google DeepMind 发布 SynthID Bio,将不可感知的签名直接嵌入 AI 生成蛋白质的生物代码,使水印不仅能在数字模型上验证,也能在合成出的物理蛋白质上验证,同时在实验室测试中保持其生物功能。

    推荐理由:原文把水印验证层嵌入生物设计本身,读者可据此理解 AI 生成蛋白质的溯源与 DNA 合成筛查新机制。

  2. Hugging Face Blog66

    Hugging Face 发布 Open TTS Leaderboard,覆盖开源多语言 TTS 与语音克隆评测

    Hugging Face 推出 Open TTS Leaderboard,用客观指标评测开源多语言 TTS 与语音克隆模型。榜单以 Qwen3 ASR 转写计算 WER/CER 衡量可懂度,以 RTFx 和 TTFA 衡量 H200 GPU 上的批量推理与流式延迟,并以 WavLM 嵌入余弦相似度衡量说话人相似度,把单个模型评测从数周缩短到数小时。

    推荐理由:原文对比了人工偏好竞技场与客观指标评测,说明新榜单用 WER、RTFx、TTFA 和说话人相似度补齐开源 TTS 评测的缺口。

9月24日周四
  1. NVIDIA Blog66

    NVIDIA 与 Google DeepMind 如何借开放病毒蛋白结构数据帮助研究者应对下一次疫情

    NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,在 AlphaFold Database 中开放 2800 多种病毒的蛋白复合体预测三维结构,约 30% 的蛋白相互作用为科学界此前未记录。

    推荐理由:开放数据集与 BioNeMo 结构预测流程的发布,让研究者能针对自选病毒蛋白靶点批量预测三维结构,降低实验成本。

9月21日周一
  1. Import AI36

    Import AI 473:美国超级智能战略;小鼠头骨中的人类大脑;以及机器诠释学

    RAND 发布报告,建议美国以“行动自由”战略应对通往超级智能的不确定路径,通过建设人类-AI 生态系统、AI 安全架构等四方面投入保持地缘政治优势。报告列出共存、否认、加速三类共七种战略原型及五大不确定性,作者认为美国当前实际奉行的更接近“加速”战略。本期还报道了在小鼠脑中培育人类脑组织的研究。

8月10日周一
7月29日周三