跳到正文
11月19日周四
11月17日周二
11月14日周六
  1. Google Research84

    Google 借 Antigravity /teamwork 在科学与工程领域取得多项突破

    Google Research 报告称,Antigravity /teamwork 多智能体工作流结合 Gemini 4 Argon 等模型,在数学、形式化验证、分子化学和系统工程领域取得一系列成果,相关工具已开始向外部研究者和开发者开放。

    推荐理由:原文用大量实例说明并行探索加独立证伪器的多智能体模式如何攻克多年未解难题,读者可据此设计自己的验证式工作流。

11月11日周三
  1. Microsoft Research79

    微软研究披露 Lazarus:重编程休眠神经元可给 AI 智能体植入后门

    微软研究人员发现名为 Lazarus 的后门技术:只需重编程 LLM 中不到 10 个休眠神经元、无需训练,就能让基于该模型的智能体在隐藏触发条件出现时执行攻击者命令,且模型仍能通过标准安全评测。

    推荐理由:原文给出了只需重编程少数休眠神经元即可植入后门的机制,读者可据此理解权重审计与来源校验为何是关键防线。

11月9日周一
  1. 量子位69

    百度文心首次披露 RSI 进展:ERNIE Evolve 已用于文心 5.5 Flash 研发

    11月9日,百度文心首次披露 RSI 最新进展,公布自动研究系统 ERNIE Evolve,已用于即将发布的文心 5.5 Flash 推理优化。该系统在 NanoChat AutoResearch 和 NanoGPT Speedrun 两项任务的三个评测指标上取得目前公开验证的 SOTA 表现,并在昆仑芯 P800 低时延场景将生成速度提升至基线的 623.6%。

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3日周二
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。

10月29日周四
10月23日周五
  1. IT之家64

    中国信通院报告称 2026 年国内大模型均价与每秒吞吐量均翻倍

    中国信通院等机构联合发布《大模型词元服务性能监测报告(2026 年)》,显示 2026 年国内大模型每秒吞吐量与归一化均价较 2025 年均接近翻倍。8 月国内模型平均 TPS 为 78.23 个/秒,2026 年以来归一化均价 13.46 元,而 2025 下半年为 6.8 元;平均 TTFT 升至 1.26 秒,上下文达 1M 的模型占比 47.8%。

10月22日周四
  1. Hugging Face Blog44

    专精 SLM 词表如何在真实应用中削减 77% 推理成本

    Hugging Face 预览 VocabX 论文成果:围绕 token 成本而非频率专精词表,可在不改变基座模型的情况下将真实应用中的推理成本削减 77%。在基于 Qwen3-4B 的葡萄牙语作文自动批改系统中,该方法将输出层词表从约 152,000 行缩减至约 65,000 行,有效降低了内存带宽受限的解码开销。

10月19日周一
  1. 掘金72

    同一请求发给 14 个 LLM 商业部署,12 个改了答案:医疗器械合规判定的确定性先不过关

    GFLOPS 的 Ryosuke Suzuki 在 arXiv 发表论文(arXiv 2610.21300):把 70 个医疗器械合规评估 prompt 以字节相同的请求发给 14 个商业部署(7 个模型、3 家提供方、6 条调用路径),连续两天每天 5 遍,没有一个部署能复现自己的全部回答,12 个连「满足/不满足」标签都变过,引用段落的漂移比标签翻转更普遍。

10月16日周五
  1. 量子位38

    量子位智库发布Agent落地报告:拆解企业智能化六大断点与全链路破局框架

    量子位智库发布《Agent驱动的企业智能化》报告,指出企业AI落地面临任务定义、数据可信度等六大断点,并提出全链路破局框架。报告列举网易智企数帆等案例,三花智控预算分析耗时由2-3小时压缩至10分钟,空格数智科技开发周期从60人天缩短至16人天。报告建议企业先在高价值场景跑通闭环,再沉淀可复用资产以实现规模化复制。

10月13日周二
  1. IT之家52

    彭博行业研究分析 AI 数据中心成本:1GW 容量恐超 300 亿美元

    Bloomberg Intelligence(彭博行业研究)发布 AI 数据中心成本简报,指出在美国得克萨斯州阿比林市建设一座 1GW 数据中心的开销可达 307 亿美元(约合 2,058.69 亿元人民币)。其中芯片和服务器硬件设备占据过半的 171 亿美元,电力供应基础设施消耗 30 亿美元,冷却系统 16.6 亿美元,网络布线 10.7 亿美元,另有土地、设计、施工、应急准备金等费用。

10月9日周五
  1. IT之家59

    字节 Seed 团队发现 DeepSeek 长上下文“抽风”原因,分块 KV 缓存压缩存在相位敏感性

    字节 Seed 团队今年 9 月底在 arXiv 提交论文,指出分块 KV 缓存压缩引入的相位敏感性是 DeepSeek 长上下文性能漂移的原因。研究评估了 DeepSeek-V4-Flash、DeepSeek-V4-Pro 与后训练版 DeepSeek-V4.1-Flash,发现同一信息在不同相位下的检索难度系统性不对称,长上下文检索准确度可相差高达 40 个百分点。

10月8日周四
  1. Microsoft Research77

    微软亚洲研究院开源 Agent Lightning v1.0:约 3500 行的轻量级智能体 RL 训练框架

    微软亚洲研究院提出 Harnessed Agentic RL 训练范式并开源 Agent Lightning v1.0,让部署时使用的 agent harness 通过 LLM proxy 直接参与强化学习,无需在训练框架中重新实现 agent。

    推荐理由:核心可迁移点在于把部署用的 harness 直接接入 RL 训练,省去在训练框架中重写 agent 的成本。

10月2日周五
  1. Google Research68

    Google 发布基于 TEE 的新一代联邦学习系统,迈向可证明隐私的学习

    Google Research 宣布新一代联邦学习系统,利用可信执行环境(TEE)提供完全可验证、可审计的数据匿名化保证,Gboard 已率先采用。新系统由客户端加密上传与访问策略、基于 RAFT 共识的 KMS 密钥管理、用 Federated Language 编排的 TEE 训练循环以及加密恢复状态协同工作,训练时间从此前的 1-2 个月大幅缩短,同时模型准确率提升。

    推荐理由:原文对比了新旧联邦学习系统在隐私可验证性与训练效率上的差异,读者可了解 TEE 如何移除对服务器运营方的信任依赖。

9月28日周一
  1. Import AI39

    Import AI 474:柏拉图心灵空间;太空中的 TPU;智谱启动外部 RSI 循环

    Michael Levin 发表论文提出"柏拉图心灵空间"假说:心灵是非物理的模式,身体与机器都是这些模式进入物理世界的接口,心脑关系如同数学与物理学的关系。论文以 xenobots、anthrobots 等生物机器人及排序算法实验为例,论证简单系统也能涌现出超出其自身定义的复杂行为。作者认为该框架或可为理解人类心灵与 AI 心灵的关系及对齐问题提供新线索。

7月29日周三
5月8日周五