跳到正文
实时
科研
11月10日周二
  3. Google Research

    Google Research 推出 Language Explorer 工具可视化世界语言多样性

    Google Research 发布 Language Explorer 在线平台，通过可视化与数据呈现全球语言多样性。该工具整合 LinguaMeta 开源数据集，支持 1,000 种语言，旨在帮助研究人员、教育者和爱好者探索语言差异。平台已作为互动装置亮相柏林通信博物馆新展览，并设有线上版本供公众访问。

  4. Claude.dev Blog85

    Anthropic 使用 Claude Fable 5.2 让 1000 个智能体安全协作重证费马大定理

    Anthropic 公布一项玩具实验：1000 个运行 Claude Fable 5.2 早期版本的智能体在无网络沙箱中，仅靠 Git 和共享 Postgres 数据库自行组织分工，用 28.7 小时完成费马大定理的形式化证明，输出 token 为 9 月版本的三分之一，证明长度为其七分之一。

    推荐理由: 原文完整记录 1000 个智能体在无网络沙箱中自行搭建协作机制、重证费马大定理的过程，可观察多智能体规模化协作与安全边界如何同时设计。

  5. Claude · YouTube58

    Claude Fable 5.2 设计了一个可工作的语音助手中心

    Claude Fable 5.2 从一段提示词设计了语音助手中心，包括电路板布局、CAD 外壳建模和固件编写，Diode Computers 根据其设计文件制造了原型板。这是该项目中 Claude 设计的三款设备之一，Anthropic 与 Diode 存商业关系。

    同一件事 · 2 家

    各家口径不同：Anthropic Research称Claude Fable 5.2能从设计到原型完成硬件，而Claude提到设计了包含电路板布局、CAD外壳建模和固件编写的语音助手中心。

  9. Epoch AI

    Inference Performance Index (IPI) 如何衡量推理能力

    Nvidia GB300 相比 H100 在智能体推理任务上的能力提升达 25 倍，远超 8 位 FLOP/s 的 2.5 倍增长。IPI 指数通过比较芯片在多种输出速度要求下能同时处理的请求数量来衡量推理能力，GB300 设为基准值 1，得分为 1 的芯片能同等条件下服务两倍用户。IPI 版本 1 结合四款代表性模型结果，采用 GB300 当作参考基准。

  10. Berkeley AI Research22

    BAIR在CoRL 2026

    BAIR团队在2026年11月9日至12日于德克萨斯州奥斯汀举行的机器人学习会议（CoRL）上展示多项研究成果，包括33篇主会论文、4个突破性海报、10场口头报告和7场专题演讲，其中教授Negar Mehr将发表早期职业主题演讲。会议涵盖机器人视觉语言行动模型、具身智能体、细粒度操作对齐、后见之明奖励编辑等议题。

11月9日周一
  1. 量子位72

    百度文心首次披露 RSI 进展，ERNIE Evolve 已用于文心 5.5 Flash 研发

    百度文心首次披露自动研究系统 ERNIE Evolve，该系统可自主提出研究方向、开展实验并验证结果，已用于文心 5.5 Flash 的推理优化。在昆仑芯 P800 低时延场景优化中，ERNIE Evolve 历时约 168 小时、经过 4 轮方向探索，最优版本生成速度提升至基线的 623.6%；确定性推理吞吐优化用 3 天将吞吐提升至基线的 133.7%。

    推荐理由: 百度公开了自动研究系统 ERNIE Evolve 的架构与生产环境优化数据，可观察 RSI 在推理优化上的实际落点。

  4. Hugging Face Daily Papers34

    LowRAM：一种用于可组合 KV 缓存压缩的低秩键和摊销值的测试时方法

    LowRAM 通过低秩分解压缩键，并使用小头网络根据键预测值，同时保留最难重建标记的残差校正，实现 4 倍值缓存压缩且性能近乎无损。选择性重建可使 262K 上下文在 4 倍 KV 压缩下峰值解码吞吐量提升 5 倍。结合量化和驱逐，LowRAM 将压缩推至 26.9 倍，同时保留 94.5% 的基线性能。

  6. Hugging Face Blog45

    HOPE 高阶专家剪枝方法发布

    HOPE 方法通过考虑专家间的二阶交互，在混合专家语言模型中实现了更优的剪枝效果，50%剪枝率下在 agentic coding 任务上比次优方法提升 6.1%。该方法基于 Qwen3.5-122B 等模型验证，每个 MoE 层有 256 个专家，剪枝后可减少约 250 GB 内存占用，且与量化兼容。

  8. Hugging Face Daily Papers31

    深入探讨智能体进化：我们忽视了什么

    智能体进化通过递归自我改进（RSI）提升性能而不更新模型权重，但高基准分数并不总带来可靠、高效和可迁移的改进。研究评估了四种方法在通用和编码任务上的表现，发现所有十六个进化智能体都获得了新任务能力但丢失了部分旧能力，其中一种通用任务智能体可靠性提升5.2点但丢失了十个旧任务。EvoAudit通过分析、变异和门控机制实现了最佳性能。

  11. MIT News · AI52

    WorldParticle：单一 AI 模型模拟多种物质行为

    WorldParticle 模型能模拟从滑动的沙子到折叠的蛋白质等多种物质行为，通过将物体分解为数千或数百万个三维粒子并使用神经网络预测其运动，无需为每种物质和过程编写特定方程。该模型在模拟可变形物体、颗粒材料和蛋白质等方面比数值模拟方法精度更高，并可通过合并技术优化计算效率。

  13. IT之家 · AI65

    Anthropic 发布报告：科学家主要用 Claude 进行数据分析和写作

    Anthropic 发布研究报告显示，科学家主要将 Claude 用于数据分析和写作，收集数据、生成研究假设则较少使用 AI。研究基于 2026 年 8 月至 9 月 20.7 万次科研会话数据，其中计算机科学、数学和统计学领域使用比例最高，数据分析占 Claude 科研会话的 33.7%，写作与沟通占 32%。

    同一件事 · 2 家
  14. Latent Space65

    斯坦福大学如何教授 AI 原生工程 — Mihail Eric 与 Monaco 的实践

    斯坦福大学 CS146S 课程的第二次运行将开源维护者引入教学，要求学生学习陌生代码库、提出变更并解释补丁。Mihail Eric 教授分享了课程大纲，展示了哪些课程内容经受住了他自身工程团队的考验。Monaco 公司构建了其智能体工作空间，采购了代码审查工具，并为值班智能体授予了 Datadog 和 GitHub 的访问权限。

11月8日周日
  1. IT之家 · AI75

    上海交大 AutoDNA 装置实现自主分子生物学实验，成果登《自然》

    上海交通大学陈海波、王肇国团队与樊春海、王飞团队合作构建 AI 原生科学实验室 AutoDNA 装置（思源一号），实现自主分子生物学实验操作，成果发表于《自然》并获官网首页头条报道。

    推荐理由: 该研究把多智能体架构与仪器原子服务结合，让 AI 自主完成分子生物学实验，可作为 AI 原生实验室架构的参考。

  3. The Decoder71

    阿里等团队发布 Co-Design Bench：编码智能体仅完全解决 26.4% 的真实任务

    阿里巴巴与多所亚洲高校的研究者用真实用户变更请求构建了编码智能体基准 Co-Design Bench，十个受测模型中表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但完全正确的任务仅占 26.4%。

    同一件事 · 2 家

    推荐理由: 由真实用户请求构成的基准显示，最强模型仅完全解决约四分之一任务，且同一模型换环境分数相差近 20 个百分点。

  4. Hacker News · 300+ 热帖71

    MaxxBench 发布：改写 DeepSWE 任务后模型分数大幅分化

    MaxxBench 团队对 89 个 DeepSWE 任务做小幅改动（参考补丁中位数仅增 17 行、3.5%），重新评测 15 个模型配置，发现最高与最低分差从 DeepSWE 的 20.9 个百分点扩大到 48.3 个百分点。

    推荐理由: 通过改写 89 个 DeepSWE 任务的指令与起始代码，展示模型分数在熟悉基准与改动后任务间的巨大落差。

  5. MarkTechPost38

    MoE 路由策略详解：Top-K、专家选择、Sigmoid 门控和动态路由（2026 指南）

    MoE 路由策略决定每个 token 由哪些专家处理，影响模型质量、负载均衡和部署成本。Mixtral 使用 Softmax Top-K 选择 2-8 个专家，DeepSeek-V4-Pro 选择 384 个中的 1-8 个，通过 Sigmoid 门控和辅助损失实现负载均衡，其中 Sigmoid Scoring 配合无损失的偏差平衡是 2026 年前沿开放模型的常用方案。

  6. IT之家 · AI67

    OpenAI GPT-6.1 Sol 参与活体小鼠脑手术：连续操作三次，定位误差减半

    OpenAI GPT-6.1 Sol 在活体小鼠脑部手术中连续操作三次，通过外科医生反馈改善定位表现，耗时从 169 秒缩短至 86 秒，定位误差从 0.6 毫米降至 0.3 毫米，误差下降 50%。研究团队让模型参与小鼠头骨表面 Bregma 和 Lambda 两个关键解剖标志的定位任务，每次操作后保存图像、数据及修正记录供后续参考。

  7. MarkTechPost58

    Nous Research 发布 Arete-27B，将 Qwen3.8-27B 的宣传内容从 22% 降低至 0.9%

    Nous Research 发布了 Arete-27B，一个 27B 参数的开权重量化模型，通过监督微调移除 Qwen3.8-27B 中的中国宣传内容，在 803 条提示符评估中，宣传内容占比从 22% 降至 0.9%，同时保留了 Qwen 类的智能体技能且不受政治立场影响。

    同一件事 · 2 家
  8. Hugging Face Daily Papers65

    VisSearch-Bench 评估多模态智能体在长时程视觉搜索中的表现

    VisSearch-Bench 评估了 16 个多模态模型在 204 项人类编写的视觉搜索任务上的表现，这些任务要求整合视觉上下文与外部信息，结果显示最佳系统仅完全解决了 26.47% 的任务。该基准涵盖集合式视觉搜索、序列式视觉搜索等 7 个主要领域，通过准确率与过程分评估任务完成度与推理步骤的正确性。

11月7日周六
  1. The Decoder72

    Nous Research 微调 Qwen3.8-27B 推出 Arete-27B，宣传性回答占比从 22% 降至 0.9%

    Nous Research 使用约 5300 万 token 对阿里 Qwen3.8-27B 进行监督微调，得到开源权重模型 Arete-27B，其宣传性回答占比从 22% 降至 0.9%，事实准确率从 2.32 升至 2.98。

    同一件事 · 2 家

    推荐理由: 原文给出了微调前后的宣传率与事实准确率对比，读者可据此判断中文开源模型的政治倾向是否只停留在表层。

  3. IT之家 · AI70

    谷歌 AI-PPG-ACC-HTN 研究登 Nature：用消费级智能手表无袖带检测高血压

    谷歌发布多模态 AI 系统 AI-PPG-ACC-HTN，无需袖带校准，用普通消费级智能手表被动检测持续高血压，成果发表于 Nature。研究在 5 个临床中心纳入 196 名受试者，以 24 小时动态血压监测为参照，初步筛查特异度 90.0%、阳性预测值 80.6%、灵敏度 65.8%；确诊性检测阳性预测值 96.7%、特异度 90.9%、灵敏度 78.4%。

    同一件事 · 2 家