跳到正文

全部动态

按时间排列的全部内容。默认只显示通过双重评分的入选条目;切换到“全部收录”可以检索所有抓到的资料。

703 条收录动态,更新于 03:33

全部收录包含没有通过评分的资料,标题以常规字体显示并标为“未入选”,只供检索,不写入选理由。

10月30日

星期五,1 条
  1. OpenAI 发布 GPT-Rosalind-6 系统卡增补,面向受信客户开放生命科学模型

    OpenAI 发布 GPT-Rosalind-6 系统卡增补,该模型沿用 GPT-6 Astra 的权重,未新增训练数据或额外后训练。在 GeneBench Pro v13 的 129 道生物数据定量分析题上,最高推理预算下单次尝试成功率为 37.7%,GPT-Rosalind-5.5 为 16.7%,该评测使用与生产环境不同的基准专用配置。

    OpenAI:部署安全与系统卡厂商自述未入选重要性 58

10月31日

星期六,2 条
  1. Google Project Suncatcher 原型卫星首次在轨运行 TPU 并返回 AI 响应

    Google Project Suncatcher 原型卫星完成首次在轨 AI 响应:地面站向星上 Gemma 4 开放模型上传提示词,卫星飞经挪威斯瓦尔巴群岛上空时下传了一首关于太空的俳句。此前数周已完成主机与 TPU 托盘加电及早期机器学习测试。下一步将评估 TPU 在轨道热应力和辐射暴露下的表现,为 2027 年双星互联里程碑铺路。

    Google Blog · Research官方证据待确认未入选重要性 20
  2. OpenResearch 训练 4B 决策模型

    我们用 OpenResearch 在超过 117k 个决策示例上训练了一个 4B 决策模型 我们的模型在除讽刺检测外的所有领域表现几乎与 Jev 完全相同 在评估中,我们的模型能够泛化到其他未见过的任务,如仇恨言论严重程度、情绪检测和意图分类,但讽刺仍是一个常见的失败模式

    alphaXiv厂商自述未入选重要性 25

10月30日

星期五,2 条
  1. 果蝇味觉连接组图谱揭示从感知到行为的神经通路

    一项发表于 Cell 的果蝇味觉连接组图谱,追踪了舌、咽、腿和翅上的味觉神经元如何接入大脑并输出到控制行走、吞咽和分泌胰岛素等反应的神经元。研究团队结合光显微镜与雄蝇全身连接组、雌蝇脑连接组,发现甜味神经元无论位于身体何处都汇聚到相似的下游神经元,同时保留身体部位信息。研究者用人工智能预测神经递质及兴奋/抑制性质,该图谱仍需实验验证。

    The Transmitter同行评审未入选重要性 20

10月29日

星期四,3 条
  1. 让 AI 自己提出研究问题:自主科研代理连续完成五次从选题到修订论文

    作者 Ko Fujimura 报告一套由通用编程代理、约 7300 词指令文档和两个技能(研究问题构思、同行评审)组成的自主科研系统,在笔记本电脑本地计算、无人类研究输入的情况下连续完成五次运行,从提出研究问题走到经 AI 评审并修订的可重算论文。

    arXiv 科研构思与自主科研代理预印本未入选重要性 66

10月30日

星期五,9 条
  1. ExpDis 将 RLVR 的探索与优化解耦

    论文提出 Exploration-Distillation(ExpDis),把 RLVR 训练拆成两个模型:探索者因找到新颖解法获得奖励,学生模型只从探索者已验证正确的解法中学习,再继续标准 RL。在三个模型上,相同算力预算下 ExpDis 在数学推理上优于标准 DAPO,准确率与解法多样性均提升,甚至超过训练步数多 4 倍的 DAPO。

    alphaXiv预印本未入选重要性 38
  2. Biohub 用机器学习平台 Remo-ID 在 12 分钟内从血流细胞图像识别脓毒症

    Biohub 团队开发了基于无标记成像细胞仪 Remoscope 的机器学习模型 Remo-ID,12 分钟内拍摄约 200 万个血细胞并判断脓毒症,在 47 份样本中正确分类 43 份。该结果已发布在 medRxiv,脓毒症组仅 13 人,研究者尚不清楚哪些细胞特征驱动预测,还需更大样本和 FDA 批准才能成为诊断工具。模型训练使用超过 12 亿个细胞,仅提供样本级标签,不预先指定细胞特征。

    Biohub 科研新闻与博客官方预印本未入选重要性 58
  3. 从碎片化到融合:全模态嵌入研究综述与路线图

    一篇立场论文提出用覆盖、可比性、组合性三层递进能力框架梳理全模态嵌入研究,并给出三条统一路径:变换扩大覆盖、对齐实现可比、联合嵌入指向组合性。作者称这是首个跨模态、贯通式的全模态嵌入研究综述,指出各模态社区长期各自为战,但对比学习、Transformer 架构与粒度转变正推动其收敛到共同原则。

    Hugging Face Daily Papers预印本未入选重要性 20
  4. Exo:可运行时自我改进的AI智能体架构

    UC Berkeley 博士生、Google Research 高级研究员 Alex Krentsel 在 Arena 介绍了自改进 AI 智能体架构 Exo,借鉴操作系统的 exokernel 思想,将智能体拆分为受保护的机制层(状态、历史、密钥和"guardian")与可完全演化的策略层。在基准测试和开放世界 RuneScape 任务上,Exo 比 Codex 和 Pi 便宜 31-62%。

    Arena.ai证据待确认未入选重要性 38

10月29日

星期四,8 条
  1. Sakana AI 在 OpenMath 2026 数学黑客松企业组夺冠

    Sakana AI 在哈佛创新实验室与 Stephen Wolfram 合办的“Recursive Self Improvement in Mathematics”Hack(OpenMath 2026)中获企业组第一名。团队主要依托 Sakana Fugu 模型和内部智能体工具,贡献了 14 个数学族,其中 6 个为完整解决,另含新界与结构性进展。团队表示将在后续报告中分享方法与经验。

    Sakana AI证据待确认未入选重要性 42
  2. EVENET:面向粒子碰撞数据分析的基础模型

    Hsu 等人在 Nature Machine Intelligence 发表 EVENET,这是一个在模拟粒子碰撞数据上预训练的基础模型,同时使用自监督学习和物理标签。该模型可迁移到多种分析任务,并能在真实对撞机数据上运行。

    Nature Machine Intelligence同行评审未入选重要性 68
  3. ReGap-Bench 诊断多模态推理的“引用鸿沟”:视觉脚手架能修什么、不能修什么

    研究者提出 ReGap-Bench,一个固定场景、问题与答案、仅改变引用方式的多模态推理配对基准,覆盖五项视觉推理任务。结果显示,与任务匹配的引用最多可将准确率提升 25%,不匹配的引用收益很小甚至损害表现。作者据此把“引用鸿沟”——语言未能绑定到相关视觉实体、区域或位置——视为独立于视觉感知的瓶颈,并指出构建任务适配的视觉引用可作为免训练的视觉技能。

    Hugging Face Daily Papers证据待确认未入选重要性 50
  4. Google 公布 Gemini 4 Carbon 早期版本,在 Artificial Analysis 智能指数 v5 上以 59 分居首

    Google 公布 Gemini 4 Carbon 的早期版本,该模型在 Artificial Analysis Intelligence Index v5 上得分 59,比 Gemini 4 Argon 高 9 分,在复杂推理、知识和科学任务上领先。据 Artificial Analysis 的评测,它在 HLE-Diamond、Terminal-Bench-Science 等 4 项评测中排名第一,但编码与知识工作未居首;目前仅向部分用户开放,尚未公开发布,定价为每百万输入/输出 Token 4/20 美元,并有 50% 的发布折扣。

    引用Artificial Analysis@ArtificialAnlys

    Google’s Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index v5, and second only to Claude Opus 5.5 on the Artificial Analysis Coding Agent Index Gemini 4 Carbon scores 59 on Intelligence Index v5, driven by leading performance in complex reasoning, knowledge, and scientific tasks. It also has large gains in coding and knowledge work, particularly when compared to other Gemini models, but it is not leading in all these areas. As with launch of Gemini 4 Argon, Gemini 4 Carbon is being rolled out to selected users and is not yet publicly available. Google is offering a 50% launch discount, with no confirmed end date. All our charts and figures use standard pricing for both Gemini 4 Carbon and Argon. Key results for Gemini 4 Carbon with high reasoning: ➤ Gemini 4 Carbon leads the Intelligence Index v5, with the #1 score in 4 of the 9 Index evaluations: HLE-Diamond, Terminal-Bench-Science, AA-Omniscience, AutomationBench-AA. Carbon makes substantial gains elsewhere but is not leading in coding and knowledge work ➤ Behind only Claude Opus 5.5 on coding agents: With Antigravity CLI, Gemini 4 Carbon (high) scores 59 only 3 points behind Claude Code with Claude Opus 5.5 (max, 62) on the Artificial Analysis Coding Agent Index. Carbon ranks second on both Terminal-Bench 4.0 (64%) and FrontierCode v1.1 (51%), behind Claude Opus 5.5 (max) at 56%. Google has historically underperformed in this area and so this improvement stands out ➤ Improved agentic knowledge work, but not yet leading: On AA-Briefcase, Gemini 4 Carbon (high) scores 1609 Elo, a 126-point improvement over Gemini 4 Argon (high, 1483), but still behind models including Grok 4.7 (xhigh, 1638), Muse Wonder (max, 1659) and Kimi K3.1 Pro (1678). The largest gain comes from Presentation, up 293 Elo to 1598, alongside a 120-point improvement in Analytical Quality to 1671 ➤ Lower Cost per Task than Claude Opus 5.5 for comparable overall intelligence: Gemini 4 Carbon costs $7.76 per Intelligence Index task, ~23% less than Claude Opus 5.5 (max, $10.04) but ~1.2x GPT-6 Astra (max, $6.25). It uses 123k output tokens per task, 29% fewer than Claude Opus 5.5 (max, 173k). At the same $4/$20 standard pricing, its Cost per Task is in line with Gemini 4 Argon ($7.68), while scoring 9 points higher on the Intelligence Index ➤ Leading AA-Omniscience v1.1 score, with low hallucination: Gemini 4 Carbon scores 54 on our recently updated AA-Omniscience v1.1, 6 points ahead of Claude Opus 5.5 (max, 48) and 8 points ahead of Gemini 4 Argon (46). Accuracy (% correct) rises 10 points over Argon to 58%, while its hallucination rate rises from 4% to 11%. This is still the second lowest of any model, behind only Argon, compared with 50% for both Claude Opus 5.5 (max) and GPT-6 Astra (max) Key model details: ➤ Context Window: 1M tokens ➤ Multimodality: Text, image, video, and speech input, with text output ➤ Pricing: $4/$20 per 1M input/output tokens, the same as Gemini 4 Argon’s standard pricing, with a 50% discount. Cached input tokens receive a 95% discount ($0.20 per 1M) Congratulations to the @GoogleDeepMind team!

    Google厂商自述未入选重要性 57

10月28日

星期三,1 条

10月27日

星期二,1 条

10月29日

星期四,2 条
  1. Gemini 4 Carbon 发布

    Gemini 4 Carbon 是我们的下一代前沿模型。 它在网络安全和长时程能力方面处于最先进水平。

    Google DeepMind证据待确认未入选重要性 12
  2. Gemini 4 Carbon 关键基准达 SOTA

    ⚡以闪电般的速度迭代!Gemini 4 Carbon 在关键基准上达到 SOTA,将前沿能力与深入的安全与保障研究相结合。

    Demis Hassabis证据待确认未入选重要性 20

10月28日

星期三,1 条
  1. Meta 提出循环 MoE 扩展定律,1.3B 媲美 2.9B

    Meta 研究者提出 Loop Scaling Laws,可在给定算力和内存预算下预测循环 Transformer 的最优循环次数与专家数量。在万亿 token 规模上,1.3B 循环 MoE 以相近训练算力达到 2.9B 非循环 MoE 的推理性能,参数效率约提升 2 倍。

    alphaXiv预印本未入选重要性 48