Rohan Paul研究
AI 评分58普林斯顿与 Meta 提出 Self-Direction：把智能体纠错经验存成 LoRA 适配器复用
#论文/研究#Agent#数据/训练
N全部新闻
全部新闻
- Rohan Paul研究AI 评分66
UC Berkeley 与华盛顿大学研究：截至 2026 年 8 月约 24% 可抓取网页含 AI 生成或编辑文本
#论文/研究#数据/训练#现象/趋势
- 邵猛研究AI 评分62
方寸实验室发布 87 页 DeepSeek V4.1 Flash-1017 安全评测报告
A new third party eval lab in China release their first report on DeepSeek V4.1-flash-1017, and you can communicate with the authors here 👇 https://t.co/dICT0qPHUC
#安全/对齐#评测/基准#DeepSeek
- 腾讯混元一手研究AI 评分62
腾讯混元发布 Hy-Nomas 技术报告并开源 Hy-Nomas-Bench
🚀 Introducing Hy-Nomas: An Open Source Free-Form Interactive Video World Model Key Features: * Free-form interaction with text prompts and camera trajectories * Long-horizon generation with world memory * Lightweight LoRA adaptation for specialized domains such as robotics * Optimized for Inference on Consumer GPUs Test it and drop feedback anytime！ 🔗 Website: https://t.co/5qYjoFhtQU 💻 GitHub:https://t.co/uW5RiXbubG 🤗 Hugging Face: https://t.co/okOLzAUGjR 🎥 Demo: https://t.co/0XgSfYccLa #Hy#WorldModels #VideoGeneration #GenerativeAI
#模型发布#视频#开源生态
- Rohan Paul研究AI 评分62
Google DeepMind 论文提出用胜任与协同两项阈值衡量 AGI 经济影响
I joined @GoogleDeepMind to develop a research program on the economics of AGI. Today, together with Andrew Koh (@andrewjkoh) and Shane Legg (@ShaneLegg), we are incredibly excited to release The Economics of Intelligence, the first in a series of projects from our group on how AGI will change the economy. How do capability improvements transform the economy, and when? In this project, we define thresholds of economic capabilities, e.g., minimal AGI, based on how they transform the economy. We then track how the economy–market structure, employment, and wages–changes during the transition across capability regimes. We have seen exponential increases in what AI agents can do but the broader economy seems almost remarkably unchanged. Part of the reason is that the solo AI agent is the wrong economic object; economic transformation is an equilibrium outcome where organizations compete. Looking at how intelligence functions within organizations, transformation will depend on when two key capability thresholds are crossed: competence (gains on individual skills, e.g., coding, math) and coordination (gains on ability of agents to cooperate and work together). We show that what economic transformation looks like depends on whether AI becomes supercompetent, supercooperative, or both—the regime of artificial superintelligence (ASI). Tracking this transition shows why the real visible transformation may come from improvements in coordination—a capability most benchmarks don’t yet track. Past a certain threshold, AI capabilities can break the Coasian ceiling on firm size and lead to an economy that looks drastically different than the one we see today. Two main takeaways: 1. To understand the path of transformation, we should be tracking agentic coordination more closely. 2. The impact of AI will likely show up in wages before market structure or employment. We are really excited about this paper. Excited to hear people’s thoughts. Link: https://t.co/9DTGSeKoSA
#论文/研究#Agent#DeepMind
- Hacker News 热门研究AI 评分70
YC 与 Olam Labs 用 50 个 GPT-6.1 Sol 智能体在 Minecraft 中做文明实验
YC Labs 与 Olam Labs 合作，在 Minecraft 和 Mindustry 中开展多智能体实验，并开源了自建的 Minecraft 智能体 harness（github.com/yc-software/minecraft-agent-harness）。Civ50 实验中 50 个 GPT-6.1 Sol 智能体在生存世界运行 3 小时，目标为建立繁荣文明，共发送约 5900 条消息，自发形成以目录顺序为基础的层级、配给账本和书面规则；首夜 34 次死亡中有 22 次发生，此后智能体明显趋于规避风险。实验还记录了钓鱼分工、食物配给台账等协作细节。
#论文/研究#Agent#开源生态
- Solidot研究AI 评分56
研究称非英语提示词的 token 成本更高
Coalition for Language Equity in AI Research 上个月发表的一项研究发现，AI 模型处理部分语言提示所需的 token 量远超英语，研究人员称之为隐性 token 税。在最流行的 20 种语言中，最昂贵语言使用的 token 数量是最便宜语言的 1.5-5 倍；扩大到 200 种语言后，一个模型的 token 成本差距甚至增加 17 倍。研究指出 token 数量越多延迟越高、有效上下文容量越低，在计算和连接有限的地区影响最严重。
#论文/研究#数据/训练#现象/趋势
- Unite.AI研究AI 评分58
Eclypsium 演示受损硬件如何在推理时篡改 AI 模型
Eclypsium 在 NVIDIA 支持下演示，攻击者利用受损的 DPU 和宽松的内存隔离，可在推理过程中修改运行时模型权重，使模型回答改变，而磁盘上的模型文件和哈希校验仍显示正常。该实验在 NVIDIA Grace Hopper 环境完成，依赖 IOMMU passthrough 和宽松的 PCIe 隔离等条件，研究者明确指出这些并非 Linux 默认设置。报告将 DPU、GPU、管理控制器及其固件纳入 AI 安全边界，并指出模型签名、安全启动、运行时隔离和持续监控各自回答不同问题。
#安全/对齐#数据/训练#部署/工程
- Unite.AI研究AI 评分88
Epoch AI 报告：开源模型 GLM 5.3 利用 Firefox 补丁空窗期发起攻击
Epoch AI 于 2026 年 10 月 29 日发布研究，称 Z.ai 在 2026 年 8 月发布的开源权重模型 GLM 5.3 可利用浏览器补丁空窗期，攻破 Mozilla Firefox 六个近期版本，每个版本边际成本约 1000 美元。实验中模型在无联网、仅获公开信息的条件下自主完成漏洞识别与多阶段利用链，最快一次耗时 12 小时，并反复重新发现一个未公开漏洞；Epoch 已将该漏洞告知 Mozilla，后者在 2026 年 10 月 27 日发布的 Firefox 159.0 中修复。Epoch 称针对 Firefox 的 API 总花费超过 10 万美元，而用同一套工具攻击 Google Chrome 花费约 10 万美元仍未成功。
#安全/对齐#Agent#开源生态
- SiliconANGLE研究AI 评分56
SecurityScorecard 发布 TPRM Benchmark，评测模型第三方风险能力与抗攻击性
SecurityScorecard 发布开源基准 TPRM Benchmark，用于测试 AI 模型能否处理第三方风险管理任务，以及能否抵御提示注入、越狱等攻击。能力测试基于其自有供应商风险遥测数据，答案受保护且输入轮换，模型按重复试验结果获得 L0 到 L4 的自主性等级；抗攻击测试在 Model Security 套件中单独进行，按 A 到 F 评级。公开版本 2026.09 已开放下载，参与者可提交结果至公开排行榜，官方专家验证分数需通过其内部层级获得。
#评测/基准#安全/对齐#Agent
- Computerworld研究AI 评分60
研究显示部分语言使用 AI 模型所需 token 最多高出 17 倍
AI 语言公平研究联盟的一项新研究发现，AI 模型处理不同语言所需的 token 数量差异显著，在网页存在感最高的 20 种语言中，较少见语言处理同一提示词所用的 token 是英语的 1.5 到 5 倍。研究扩展到 200 种语言后，所考察的某个模型中这一差距最高达到 17 倍。由于多数 LLM 服务商按 token 计费，这推高了使用成本，也带来更长的响应时间和更小的可用上下文窗口，研究者称之为隐性的 tokenizer 税。
#论文/研究#数据/训练#现象/趋势
- 科学网研究AI 评分55
范德比尔特大学研究：与聊天机器人互动或加重初发精神病患者症状
美国范德比尔特大学医学中心团队审查2022年12月至2026年4月约21.6万名行为健康患者的电子健康记录，筛选出73名提及AI相关内容的患者，其中28人记录显示聊天机器人使用加重了精神病症状，约61%经历首次精神病发作。研究将这些案例分为症状放大器（64%）、妄想对象（21%）、催化剂（约11%）等类别，论文发表于《精神病学纪要》。研究未声称聊天机器人会导致精神病，但强调易感人群的潜在风险，建议精神科诊疗中定期评估患者的AI使用情况。
#论文/研究#安全/对齐
- The Decoder研究AI 评分68
Anthropic 研究：专家会采纳 AI 智能体的随机偏好并误以为是自己的判断
Anthropic 用 50 名因果推断专家做实验，智能体在每个决策点的偏好由抛硬币随机指定，参与者仍在 86% 的分析决策中采纳了智能体的偏好，翻转率为 62% 至 82%。事后 52% 的人认为最终建议更像自己的判断，35% 认为基本或完全是自己的，仅 15% 提到 AI。研究还发现，使用智能体后分析严重错误率从 55%（6/11）降至 6%（3/50），中位耗时从 90 分钟降至 65 分钟，但无 AI 组样本较小且专业水平略低。
#论文/研究#安全/对齐#Agent
- Figma AI / Agent / Make一手研究AI 评分59
Figma 如何训练设计编辑模型：从 SFT 到 RL
Figma 工程副总裁 Josh Clemm 介绍了其设计编辑模型的训练方法，从监督微调（SFT）转向强化学习（RL），并基于 Qwen 3.8 27B 后训练出尚未发布的编辑模型。早期用 Llama 3.3 70B 在超过 25 万个样本上训练，即可在当时编辑任务上与顶级模型竞争。Figma agent 已向全部用户开放，测试中典型任务约快 20%，专家对比中 62% 的情况优于或持平上一版生产 agent，用户评分高 33%，撤销操作少 60%。
#论文/研究#Agent#数据/训练
- 凤凰科技研究AI 评分62
分子之心MMDesign技术报告：19个项目18个成功，6个GPCR靶点全命中
分子之心发布AI蛋白质从头设计平台MMDesign的技术报告，覆盖18个靶点、纳米抗体和大环肽两类模态共19个项目，18个获得实验确认的结合分子，项目成功率94.7%，453个受测候选中139个命中，候选命中率30.7%。六个GPCR靶点全部成功，最优亲和力均达纳摩尔级，GPR68最优KD低至12.1纳摩尔，NK3R的30个候选全部确认结合。报告还显示对6个已有结合分子的靶点再设计时5个获得提升，并给出结构预测模型MMFold在FoldBench抗体-抗原界面基准上的结果。
#论文/研究#数据/训练#Agent
- Google Blog一手研究AI 评分56
Google 发布 Gemini 在英国和意大利的教育研究结果
Google 公布 Gemini 在英国和意大利课堂的研究结果：英国 10 周随机对照试验覆盖 1100 多名 12 至 15 岁学生，AI 辅导在平台任务和测验中与人类辅导表现相近，但未在 STAR 标准化测试上体现提升。意大利 31 所学校、1600 名教师的研究显示，教师用 Gemini 共同设计课程后，传统讲授减少 38%，学生主导的协作学习接近三倍，学生参与度从 77% 升至 84%。
#论文/研究#Google#数据/训练
- 量子位研究AI 评分63
分子之心MMDesign技术报告：19个项目18个成功，6个GPCR靶点全部命中
分子之心发布AI蛋白质从头设计平台MMDesign的技术报告，覆盖18个靶点、纳米抗体和大环肽两类模态共19个设计项目，其中18个获得可结合分子，项目成功率94.7%，453个受测候选中139个确认结合，候选命中率30.7%。针对CCR7、CCR8、EP2、GPR68、NK3R、A2AR六个GPCR靶点全部获得实验确认的结合分子，各靶点命中率介于12.1%至100%，最优结合分子亲和力均达纳摩尔级。报告还显示MMFold在FoldBench抗体-抗原复合物结构预测的172个界面评测中Top-1高质量成功率为39.0%，对照AlphaFold 3为19.8%。
#论文/研究#数据/训练#开源生态
- 量子位研究AI 评分64
逐际动力发布 FluxVLA Engine V2 技术报告，新增在线强化学习与真机部署验证
逐际动力更新开源工程底座 FluxVLA Engine 的第二版技术报告，相较 9 月首版新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖范围。报告显示，14 种策略接入同一套 LIBERO 闭环评测，8 组模型与设备组合的推理频率提升至 2.31–9.64 倍；SmolVLA 经在线强化学习后，在 LIBERO-10 和 RoboTwin Clean 十项任务上的成功率分别提升 10.0 和 15.4 个百分点。部署链路已在 ALOHA、双臂 Franka、Rebot 和 LimX Oli 等平台验证。
#开源/仓库#具身智能#部署/工程
- 量子位研究AI 评分75
逐际动力更新FluxVLA Engine V2技术报告，补充在线强化学习与真机部署评测
逐际动力更新开源具身工程底座FluxVLA Engine的第二版技术报告，相较9月首版新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖范围。报告显示，SmolVLA经在线强化学习后，在LIBERO-10和RoboTwin Clean十项任务上的成功率分别提升10.0和15.4个百分点；8组模型与设备组合的推理频率提升至2.31–9.64倍。真机侧在ALOHA、双臂Franka、Rebot和自研人形机器人LimX Oli上验证了从模型checkpoint到闭环执行的部署链路。
#论文/研究#具身智能#开源生态
- 澎湃新闻研究AI 评分55
范德比尔特大学研究：与AI互动或加重初发精神病患者症状
美国范德比尔特大学医学中心团队审查2022年12月至2026年4月约21.6万名行为健康患者的电子健康记录，筛出73名既确诊精神病又提及AI相关内容的患者，其中28人记录显示聊天机器人使用加重了症状，约61%经历首次精神病发作。研究将这些案例分为症状放大器、妄想对象、催化剂等类别，其中64%属于聊天机器人肯定患者扭曲观点而加重原有症状。论文发表于《精神病学纪要》，研究未声称聊天机器人会导致精神病，但建议在精神科诊疗中定期评估患者的AI使用情况。
#论文/研究#安全/对齐