跳到正文
实时
科研
10月31日周六
10月30日周五
  1. Hugging Face Daily Papers60

    Youtu-Parsing-Omni：统一多模态解析器，单编码器单架构覆盖所有模态

    Youtu-Parsing-Omni 将文档、图像、音频和视频编码为时空结构化记录，通过自进化策略蒸馏实现最优解析效果。单模态编码器共享权重并融合跨模态信息，单架构统一十种解析任务输出，5B参数版本在 OmniDocBench v1.6 和 OmniParsingBench 上取得 96.96 和 75.08 的顶尖成绩，代码和权重开源。

  2. Hugging Face Daily Papers31

    SpecSlot：一种用于像素空间生成 Transformer 的角色耦合标记化方法

    SpecSlot 通过使用局部频谱槽和限制全局注意力来改进像素空间生成 Transformer，在不增加计算成本的情况下提高图像细节。SpecSlot 将每个空间锚点扩展到多个槽，每个槽分配一个不同的 DCT 系数带，这分离了锚点密度和频谱细分；每个锚点只有最低频的槽参与全局注意力，而所有槽都进行局部交互。

  3. Microsoft Research40

    Microsoft Research 开源产业评估数据生成平台，模拟真实企业环境测试 Copilot AI 能力

    Microsoft Research 开源了产业评估数据生成平台，通过基于 O*NET 职业数据、在线招聘和 SEC 文件的合成企业环境，模拟真实业务流程测试 Copilot AI，确保评估不接触客户数据且符合安全隐私标准。该平台包含自动化查询生成管道和结构化质量框架，支持制药、资本市场和 IT 软件等行业的真实场景测试。

  4. The Decoder88

    Epoch AI：开源权重模型 GLM 5.3 在 48 小时内零人工输入构建完整 Firefox 漏洞利用链

    Epoch AI 研究人员发现，中国开源权重模型 GLM 5.3 能利用安全补丁发布与推送之间的空窗期攻击 Firefox，覆盖 9 月 17 日至 10 月 26 日发布的 6 个版本，每次成功攻击的 API 费用约 1000 美元。

    同一件事 · 2 家

    各家口径不同：The Decoder 提及成本为 1000 美元，并且该漏洞已在 Firefox 159.0 中修复，而 Epoch AI 没有提及这些细节。

  7. Hugging Face Daily Papers42

    WorkFactory：通过信息规划与修复将专业意图转化为可执行任务以实现可扩展智能体训练

    WorkFactory通过信息规划与修复构建连贯的专业任务，产出WorkPilot模型，在专业工作基准测试中提升专家级智能体表现。该框架从专业意图出发，构建信息支持图指导任务实例化，并通过探测执行识别支持失败并指导修复，同时保留预期工作。

  10. IT之家 · AI71

    Anthropic研究显示专家会把AI智能体的偏好误认为自己的判断

    Anthropic最新研究让50位因果推断专家在农业合作社政策评估场景中借助AI智能体做分析，结果显示专家在四项分析决策中采纳AI偏好的比例达86%，远高于随机选择的50%。

    推荐理由: 研究用 50 位因果推断专家的对照实验，量化了 AI 建议对专家判断的隐性影响及其未被察觉的程度。

  11. Hugging Face Daily Papers65

    A-RSI：自适应任务刷新实现零数据多模态自改进

    A-RSI 通过基于学习信号下降刷新训练任务，并使用可独立验证的程序生成答案，在无需外部标签的情况下提升基准测试性能。该模型监控训练日志中的奖励变化和准确率来刷新任务池，并利用静态模型自编程库生成多模态问题及其参考答案，同时自动验证奖励和刷新规则的属性并审计生成答案。在十一项基准测试中，A-RSI 通过 800 个新任务将平均性能从 57.77 提升至 61.05。

  13. Hugging Face Daily Papers65

    Hugging Face Daily Papers：通过难度度量形式化基准评估，识别测量不匹配和覆盖缺口

    研究通过难度度量形式化基准评估，识别测量不匹配和覆盖缺口，提出诊断指标和重写算法改善基准覆盖；分析25个跨7领域的流行基准，发现多数基准隐式高估特定难度区域或未覆盖难度轴大部分区域，限制模型改进监控能力；引入BenchFill算法有效减少局部覆盖缺口。

  18. Epoch AI88

    Epoch AI：GLM 5.3 可利用补丁空窗期攻破多个 Firefox 版本

    Epoch AI 实验显示，Z.ai 于 8 月发布的开源权重模型 GLM 5.3 能借助已公开但尚未推送给用户的安全修复，自主构建网页攻击 9 月 17 日至 10 月 26 日间发布的六个 Firefox 版本，用户访问该网页即被读取本地文件并回传。

    同一件事 · 2 家

    各家口径不同：The Decoder 提及成本为 1000 美元，并且该漏洞已在 Firefox 159.0 中修复，而 Epoch AI 没有提及这些细节。

    推荐理由: Epoch AI 用开源权重模型复现补丁空窗期攻击，给出每版本约 1000 美元的成本量级，可供评估开放模型的安全边界。

  20. Microsoft Research

    Microsoft Research Focus 第 97 期发布

    Microsoft Research Focus 第 97 期分享了最新研究，包括 ForkPilot 框架通过回溯决策提升复杂任务处理能力，在六项基准测试中减少 AI 处理需求达 59%；CABRA 框架分析编码代理失败原因，发现理解陌生代码库是主要瓶颈；TeleTune 框架从用户活动日志中学习技能，提升软件交互能力。

  22. Databricks Blog28

    如何评估 Postgres 管理服务：技术采购者检查清单

    评估 Postgres 管理服务应关注基础设施运维、故障恢复和兼容性，而非仅看功能列表。关键验证点包括：运维范围（补丁、升级、调优权限）、高可用性（自动故障转移、跨可用区切换）、备份恢复（PITR、保留期）、兼容性（支持的 PostgreSQL 版本与扩展）、迁移路径及成本。红旗包括仅管理虚拟机、无明确 RPO、关键扩展不支持或数据导出受限的情况。

  24. AWS Machine Learning Blog42

    MoEngage如何用AgentCore Gateway将400个API转换为智能体工具

    MoEngage 通过 Amazon Bedrock AgentCore Gateway 将 400 个内部 API 转换为受权限控制的智能体工具，解决多团队 API 集成难题。该方案无需搭建 MCP 服务器或配置网络，将新 API 上线时间从数天缩短至数小时，同时满足 API 保留在 VPC 内部、身份由服务端控制、工具定义不占用推理上下文窗口的约束。

10月29日周四
  2. Hugging Face Blog

    Project ProtoStar 项目发布：推动公共资助科学研究向 AI 兼容化发展

    Project ProtoStar 项目发布，旨在通过使数据集、模型和代码更易获取和复用，解锁公共资助科学研究的潜力。该项目汇集了大学、研究机构、产业和开放科学社区，支持以 AI 兼容、机器可操作的格式发布科学成果，并通过一系列公开挑战展示其价值。首个挑战由卡内基梅隆大学主办，将于 11 月 2 日启动。

  5. Hacker News · AI 热帖

    DAYJOB: Tax 发布，评估 AI 代理在 50 项专业税务任务中的表现

    DAYJOB: Tax 评估 AI 代理在 8 个税务领域的 50 项专业任务中的表现，要求代理完成税务申报、合规和咨询工作。Claude Sonnet 5.5 在排行榜上以 10.8% 的通过率领先，Claude Opus 5.5 通过率为 9.2%。该基准包含 1,789 个工作空间文件，涵盖各种税务场景和复杂材料，由税务专家创建和审查。

  6. 量子位78

    PSI 称 AI 辅助解决 5 道量子信息开放问题

    Physical Superintelligence（PSI）称借助自研AI科研系统Emmy，在量子信息理论的5个开放问题上取得成果，论文、Lean形式化证明和验证代码已发布在GitHub供审查。

    推荐理由: 读者可看到一家新公司用生成与形式化验证分离的流程挑战量子开放问题，并了解其团队与融资背景。

  9. Hugging Face Daily Papers65

    Sensorimotor Alignment：一种基于感知运动对齐的具身智能体成功代理指标

    Sensorimotor Alignment (S²) 指标发现具身智能体的视觉与运动表征对齐程度与其任务成功率正相关，验证了柏拉图表征假说在机器人领域的适用性。在模拟与真实机器人测试中，高 S² 的模型（如 Vision-Language-Action 和 World Action Models）表现更优，且能解释 VLA 模型忽略指令而依赖视觉特征的现象，可作为低成本离线代理指标。

  11. 量子位

    分子之心MMDesign在AI制药领域取得突破性进展

    分子之心AI蛋白质从头设计平台MMDesign完成18个设计项目，成功率94.7%，其中六个GPCR靶点全部命中，最优亲和力达纳摩尔级；平台通过“生成-筛选-验证”工作流，在计算空间生成数万个候选分子后，仅测试9-50个即获成功，整体候选命中率30.7%，展现出高效精准的分子设计能力。

  13. 量子位

    逐际动力发布 FluxVLA Engine V2 技术报告，工程能力一键复用让具身智能研发更高效

    逐际动力发布 FluxVLA Engine V2 技术报告，通过统一配置、模块解耦和系统优化，实现模型训练、评测与部署全链路复用，支持14种主流策略接入，推理路径频率提升2.31–9.64倍，在ALOHA、双臂Franka等6款真机验证闭环执行，在线强化学习使SmolVLA成功率提升10.0–15.4个百分点。

  14. 量子位

    逐际动力发布 FluxVLA Engine V2 技术报告，提升具身智能研发效率

    逐际动力更新了开源工程底座 FluxVLA Engine 的第二版技术报告，V2 在仿真侧支持 14 种策略接入 LIBERO 评测，推理端模型路径频率提升 2.31–9.64 倍，并在 ALOHA、双臂 Franka 等真机平台验证部署链路。在线强化学习使 SmolVLA 在 LIBERO-10 和 RoboTwin Clean 任务成功率分别提升 10.0 和 15.4 个百分点。