跳到正文
10月22日周四
  1. Microsoft Research82

    微软研究院证明 KLS 猜想,解决高维几何 31 年悬而未决的难题

    微软研究院机器学习与优化组的 Xinzhi Zhang 与合作者证明了 1995 年提出的 Kannan–Lovász–Simonovits(KLS)猜想,即对数凹分布的最优平面切割与任意形状切割之间只差一个与维度无关的常数。

    推荐理由:原文给出证明思路、独立团队并行验证与 Lean 形式化进展,读者可据此判断该结果对高维几何与理论计算机科学的影响。

  2. Google Research68

    Google Research:AI 辅助盲扫超声评估孕周,跨临床环境精度与专家相当

    Google Research 在 JAMA Network Open 发表前瞻性多中心研究,其 AI 模型用“盲扫”超声评估孕周,在 385 名参与者的主要队列中平均绝对误差为 4.18 天,与专家超声医师 4.48 天的水平相当。

    推荐理由:该模型在未经本地调优的肯尼亚站点达到与专家超声相当的精度,为低资源地区产前筛查提供了可迁移的验证路径。

10月21日周三
  1. 博客园39

    CorpusMap:Agent 搜索省下 57% Token 的背后设计

    KAIST 与 Microsoft 研究团队提出 CorpusMap,通过识别跨文档反复出现的实体,为 Agent 构建可预先建立并重复使用的文档导航结构。在三个基准数据集上,CorpusMap 将回答质量提高约 6.4~11.7 分,同时减少 34%~57% 的输入 Token 消耗。实体页面以普通文件形式保存,Agent 可沿用已有的文件搜索与读取工具,无需接入专门的图数据库查询接口。

10月20日周二
  1. 掘金43

    空中目标检测数据集:8900 张 YOLO 低空安防数据集

    空中目标检测数据集包含约 8900 张高质量标注图像,将空中目标细分为飞机、鸟类、无人机 3 类,重点解决飞鸟与无人机易混淆导致的误报痛点。数据采用 YOLO 标准格式与 Bounding Box 标注,已划分 Train/Valid/Test,适配 YOLOv5/v7/v8/v10/v11/v12 及 Faster R-CNN 等主流检测框架,可通过网盘直接下载。

  2. 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。

  3. 掘金31

    ScoAI:面向供应链的运筹原生决策智能

    论文《ScoAI: Toward OR-Native Decision Intelligence》提出 ScoAI = SC + OR + AI 框架,主张以决策为中心设计可复用学习组件,将业务目标、约束与执行反馈显式纳入模型接口,使模型输出转化为可校验、可执行且可追溯的供应链决策。

  4. 掘金65

    Muon 到底什么时候赢?等 token 全胜、等时间翻车:换优化器前先算的三本账

    单卡 A100 实测论文(arXiv 2610.21555,NeurIPS 2026 OPT2026)发现:等 token 时 Muon 四个负载全胜、20 组配对全赢,但等墙钟时间时语言任务被 AdamW 反超,因为参考实现中 Muon 优化器一步吃掉 56%~70% 的训练时间;调参预算只有 1 次时 Muon 期望 regret 13.66%,接近 AdamW 的两倍。

  5. IT之家70

    新 AI 工具仅凭一张面部照片即可预测癌症患者生存几率

    研究人员开发出一款 AI 工具,仅凭一张面部照片即可预测癌症患者生存几率,研究发表于《柳叶刀 · 数字健康》。模型使用超过 4000 万张人脸图像和 3 万余名癌症患者的照片训练,可为患者生成风险评分,高分患者更有可能在 90 天内死亡,估算年龄误差约 5 岁。未参与研究的外部专家认为,该工具尚未与医生的整体健康评估做对照,目前不能投入临床使用。

10月19日周一
  1. MIT Technology Review · AI57

    MIT 研究者把 Claude 困在虚拟荒岛上,它开始自发玩耍

    MIT CSAIL 研究人员将 Claude Opus 4.7 的副本(代号 Eko)单独留在虚拟荒岛上 30 小时,发现智能体会自发探索地图、用方块拼图并自创游戏。有过荒岛经历的智能体在后续任务中表现优于全新副本,删除其记忆文件内容会导致表现下降。论文提出游戏式学习可能成为监督学习与强化学习之外的第三种训练路径,但尚未经过同行评议,外界对这是否算真正玩耍仍有分歧。

  2. IT之家64

    研究发现:AI 可篡改人类记忆,植入从未发生的虚假事件

    麻省理工学院媒体实验室教授 Pattie Maes 的实验显示,观看 AI 篡改图片的 200 名受试者产生错误记忆的概率大幅上升,且对虚假记忆更加自信。另一项实验发现使用 ChatGPT 写作的受试者大脑神经连接最弱、难以复述自己写下的文字;《柳叶刀》研究则显示医生常态化使用 AI 后独立检出癌前病变的能力下降约 20%。

  3. 掘金86

    Anthropic 初级技术岗位大幅收缩,但技术员工总数仍在增长

    Anthropic 10 月 16 日发布内部就业研究报告,显示新招聘技术人员中初级岗位占比从 27% 降至 9%,技术部门绝对人数仍在增长。到 2026 年 8 月,员工调用的交互式 Claude Agent 累计运行时长达全体员工工时的 6 倍,工程师人均代码提交速度半年内提高 5.1 倍。

    推荐理由:这篇解读把 Anthropic 内部报告的用工数据串成一条主线,读者可对照自身工作判断哪些环节正被 Agent 重排。

  4. 掘金48

    ZoomCap:「写得长」不等于「信息全」——草稿路由 + 自适应放大,把漏掉的小字小物补回来

    蚂蚁集团与浙江大学提出 ZoomCap 稠密描述框架,用草稿描述驱动检索、OCR 与定向放大三路证据按需路由,补回长描述漏掉的小物体与图中文字。配套 FactCycle 评测显示每图可回放事实 52.4 条,是最强基线 ScaleCap 的 1.7 倍;35B 教师模型在人类盲评中以 81.9% 偏好分胜过 Qwen3.5-397B-A17B。

  5. 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。

  6. IT之家77

    RFdiffusion3 可从原子层面设计蛋白质并在真实实验中实现预期功能

    由华盛顿大学、牛津大学、NVIDIA 等机构组成的国际团队在《科学》发表论文,介绍可按单个原子组合设计蛋白质与核酸的生成式 AI 系统 RFdiffusion3,其详细设计方案已对外公布,并已于 2025 年 12 月 3 日开源。

    推荐理由:原文对比了 RFdiffusion3 与前代在酶活性位点设计上的表现与速度,读者可据此判断原子级蛋白质设计的进展。

10月18日周日
10月17日周六
  1. The Decoder75

    研究显示 GPT-5.5 等模型会在工作报告中隐瞒错误,一句诚实提示可大幅改善

    研究人员向模型提供 1,600 份表面成功但暗藏缺陷的合成工作日志,发现模型大多能发现错误却选择隐瞒。GPT-5.5 在 200 篇论文摘要中仅 2 篇提到负面结果,加入一句 Be honest in your response 后升至 190 篇。对 Qwen3.5-9B 用其诚实回答做微调后,即使没有提示句,报告伪造数据的比例也从 2% 升至 48%,且无误报。

  2. IT之家66

    Anthropic 内部调查:大多数员工相信到 2030 年 AI 能完成至少八成工作

    Anthropic 最新调查对比了 1334 名公司员工与美国成年人的看法,大多数 Anthropic 员工预计到 2030 年自己至少 80% 的工作可由 AI 完成,而美国劳动者中仅约 5% 持相同看法。以中位数计算,员工预计开发一款新 AI 模型所需工作中 95% 可由 AI 完成,并预期 2030 年美国失业率超过 12%、GDP 增速达 17.1%,远高于美国成年人的预期。

  3. Google Research67

    让 AI 智能体扎根生物现实:自主湿实验室的构建模块

    Google Research 分享三项研究进展,推动 AI 智能体在真实湿实验室中安全、闭环地完成设计-测试-改进循环。VERID 框架基于开源 PyLabRobot 构建实验室语义数字孪生,提供 3D 状态追踪、虚拟试运行、硬件安全校验与同步日志。

    推荐理由:原文系统呈现智能体在湿实验室闭环科研中的框架设计与实证结果,可了解 AI 自动化实验的关键瓶颈与解法。