跳到正文
11月10日周二
  1. Hugging Face 每日热门论文48

    BirdDreams:联合视角与 BEV 视频生成可信、可响应的驾驶世界模型

    BirdDreams提出一种自回归驾驶世界模型,联合生成视角视频与示意性鸟瞰视图(BEV)视频,将场景布局纳入未来预测并支持自车轨迹控制。该模型仅需单张相机图像、无需 HD map 或 vehicle-state 输入,在 PhysicalAI-AV 和 nuScenes 上比既有模型更准确跟随输入自车轨迹;人工评测显示,其生成的周围车辆行为也比仅使用视角视频的基线更真实。

11月9日周一
11月8日周日
  1. Hugging Face 每日热门论文50

    G-STAR:用于深度压缩自回归生成的分组缩放 Token 容量

    论文提出 GSTAR 空间—分组协同缩放框架,在固定名义信息预算下让分组大小随每轴空间压缩因子按平方增长,支持 32×及有效 64×压缩,并引入半自回归解码器。在 1024×1024 分辨率下,模型在单张 NVIDIA H200 上每张图生成耗时 2.5 秒,相比此前离散自回归模型提速 20×,并在五个文本到图像基准上保持有竞争力的表现。

11月6日周五
  1. Google Developers Blog68

    Google 量化代码 TODO 引发的智能体偏航成本

    Google 分析数千名工程师、数亿个智能体步骤后发现,代码中的 TODO/FIXME bug 引用会让智能体偏离开发者原定任务。13% 的文件读取会话接触到这类引用,其中 6% 触发后续行动,83% 的行动未获开发者请求。

    推荐理由:文章量化了代码中过时 TODO 如何诱发智能体偏航,并给出结合工单状态与代码历史清理引用的方法。

  2. Microsoft Research54

    Microsoft Research 推出 PDD Kit,形式化验证智能体编写的全栈 Web 应用

    Microsoft Research 发布 PDD Kit,一套结合 Verus 形式化证明和测试来验证智能体编写代码是否符合开发者意图的工具包。团队在 GitHub Next 的 Chopin 环境中用它验证了 Rust 全栈应用 Pet Store 的登录逻辑,证明代码在所有输入下满足规范,同时对 bcrypt、SQLite 查询等无法证明的部分保留测试覆盖。

  3. Anthropic Engineering75

    Anthropic 拆解 AI 智能体记忆的组件与 dreaming 机制

    Anthropic 介绍了 Claude 的 AI 智能体记忆系统,涵盖记忆笔记、dreaming、wiki 等组件,以及它们如何在会话间组织、修正和加载记忆。

    推荐理由:文章拆解了记忆笔记、wiki 表征与 dreaming 的分工,并用 CL-Bench、Pokémon 和文档检索实验说明它们如何修正错误、组织跨会话知识。

11月5日周四
  1. Anthropic Research71

    Anthropic 报告分析 Claude 在科学研究中的使用方式

    Anthropic 研究团队分析了 207,049 个 Claude 和 Claude Code 科研会话,并比较 Claude Science 在生物与生物医学研究中的使用情况。

    推荐理由:报告分析 207,049 个 Claude 和 Claude Code 科研会话,并补充比较 Claude Science,呈现 AI 能力如何对应不同科研任务与产出加速。

11月4日周三
11月3日周二
10月29日周四
  1. Hugging Face 每日热门论文50

    TOME-Math 从结构化教材扩展数学证明监督

    该论文提出 TOME-Math,将覆盖大学数学核心领域的2,118本教材转换为约380K条结构化证明监督记录。语料保留章节顺序、命题与证明链接、依赖引用和来源溯源,并用于探索跨学科课程学习与监督规模效应。在完整规模微调中,模型在保留评测和公开基准上的无加权平均分比基础模型高16.7个百分点,并在汇总评估中超过三个公开指令数据基线;作者将发布该语料。

10月27日周二
10月22日周四
  1. Microsoft Research65

    Microsoft Research研究员证明困扰数学界31年的KLS猜想

    Microsoft Research研究员Xinzhi Zhang与合作者Zhao Song证明了1995年提出的KLS猜想,确立高维对数凹分布中最佳平面切割与最佳任意形状切割之间的差距存在与维度无关的固定上界。

    推荐理由:原文详述了研究者引导多个AI智能体并行探索上百条推理路径、逐步筛选收敛到最终证明的协作过程。

10月12日周一
9月21日周一
9月3日周四
  1. Qwen Blog67

    E-Commerce Bench:面向 Agent 的长程电商经营多维评估

    Qwen 联合淘天集团发布 E-Commerce Bench,用于评估 Agent 在有限资金和时间约束下持续经营网店的能力。模型以10万元本金经营365天,面对6,886个商品、576个供应商和动态市场,并接受盈利、现金流、谈判、反欺诈、运营效率、执行力与长程学习等维度评估。

    推荐理由:E-Commerce Bench 将真实平台脱敏数据、确定性谈判内核与长期资金约束结合,提供了评估 Agent 持续经营和风险管理能力的可复现实验框架。

7月29日周三
  1. Berkeley AI Research61

    K-Search 如何通过 MLX 将 CUDA 数十年的内核优化经验迁移到 Apple Silicon

    IBM Research 将 K-Search 扩展为支持 MLX 的后端,并用结构化 CUDA-to-MLX 翻译层把 CUDA 内核经验迁移到 Apple Silicon 上进行演化优化。

    推荐理由:文章说明结构化翻译层如何将 CUDA 内核经验迁移到 Apple Silicon,并用 Attention 与 Mamba SSM 的实测结果呈现具体优化路径。

6月29日周一
  1. Meta AI Blog79

    Meta 发布 Brain2Qwerty v2 研究,非侵入式脑信号句子解码准确率达 61%

    Meta 发布 Brain2Qwerty v2 研究,端到端管线可从非侵入式脑信号实时解码句子,词准确率达到 61%。系统基于 9 名志愿者约 22,000 个句子和 MEG 记录训练,最佳参与者的词准确率达到 78%,超过一半句子的解码结果仅含一个或更少词错误。

    推荐理由:研究将非侵入式脑信号实时句子解码做到 61% 词准确率,并公开训练代码与 v1 数据集,为复现和后续研究提供具体基础。