跳到正文
实时
一手#论文/研究
10月24日周六
  1. Hugging Face Blog

    LitPivot：在文献景观中通过动态上下文开发研究想法

    LitPivot帮助研究人员通过阅读先前文献来调整研究方向，将研究想法分为问题、贡献和评估计划，并为每个部分提供基于文献的批评和修订建议。在涉及17名研究人员的实验室研究中，领域专家评价新颖想法的文献基础比使用文本编辑器和AI聊天工具开发的想法更好，参与者也报告了更强的文献理解和对想法新颖性和实用性的提升。

10月23日周五
  2. Hugging Face Blog66

    微软与 Hugging Face 用 ThinkingBox 数据库校验作 RL 奖励训练智能体

    微软与 Hugging Face 发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的确定性校验直接当作强化学习奖励，用 GRPO 对 Qwen3.8-27B 训练 50 步。

    推荐理由: 微软与 Hugging Face 把数据库终态校验直接当作强化学习奖励，并公开了任务筛选与训练代码，可迁移到其他有状态智能体训练。

  3. Microsoft AI News78

    微软发布医疗诊断系统 MAI-DxO 与分步诊断基准 SDBench

    微软的 Health MAI 团队发布了 AI 诊断系统 MAI-DxO 及配套基准 SDBench，成果发表于《科学》杂志。在 304 个 NEJM 复杂病例上，MAI-DxO 诊断准确率为 83%，医生在有外部资料时为 36%，无资料时为 22%；在 MIMIC-IV-ED 的急诊常见病例上为 80%，医生为 47%。

    推荐理由: 原文给出分步诊断基准与多智能体编排的量化对比，读者可据此理解医疗 AI 评测从考试题转向交互式诊断的路径。

  4. Anthropic Research82

    Anthropic 研究：LLM 使大规模形式化软件验证变得可行

    Anthropic 与 Theorem 合作，用 Claude 对 123 个 OSS-Fuzz 开源库的 239 个入口点完成 RISC-V 汇编层的形式化证明，证明这些程序在小于 64 MB 的任意输入下都不会崩溃，证明代码约 1.8 亿行 Rocq。

    推荐理由: Anthropic 使用 Claude 在 123 个开源库的 RISC-V 汇编层完成形式化证明，并给出成本与复用数据，可据此判断该方法能否进入日常开发流程。

  5. Anthropic Newsroom28

    Anthropic 向生命科学领域发出合作邀请

    Anthropic 邀请生命科学领域的首席研究员及其研究团队申请使用 Claude 模型，合作探究因果人类生物学、结构及计算分子生物学、药物化学、药物发现和临床科学等关键问题。客座研究员将在 8-12 周内与 Anthropic 研究人员直接合作，共同分析、产出研究工具，并开源相关数据和代码，研究成果归研究员所有。申请需说明如何从合作中获益及产出成果的可行性。

  6. Microsoft Research58

    Flint-interactive：一种用于创建交互式数据可视化的语言

    Flint-interactive 使 AI 生成的图表具有丰富的交互性，用户可通过点击、筛选、缩放、高亮和跨图表交互来探索数据。它通过高级语义事件和更新操作简化复杂交互的构建，并利用 Flint 编译器处理交互逻辑和视觉依赖，提高可靠性和开发效率。Flint-interactive 支持创建交互式数据故事、仪表板和连接体验，AI 代理可使用其生成带交互功能的图表，帮助用户更高效地分析数据。

  7. AWS Machine Learning Blog34

    Rescale 如何用 Strands Agents 和 AI-DLC 构建智能 AI 分流代理

    Rescale 利用 Strands Agents 和 AI-DLC 框架在 AWS 上五天完成智能分流代理的搭建，并在数周内投入生产。该代理通过调用 Claude Opus 4.8 对夜间端到端测试失败进行分类，检索知识库中的历史失败模式，查询 MCP 日志获取运行时证据，生成包含文件引用、函数名和推荐修复方案的整改报告供工程师审核。

10月22日周四
  1. Google DeepMind

    谷歌DeepMind发布Forest Typology (ForTy) 2020全球森林类型地图

    Google DeepMind 与 Google Research 联合发布 Forest Typology (ForTy) 2020 全球地图，将地球每 10x10 米土地分类为六种森林和土地利用类型，并追踪 2017-2025 年变化。该地图基于联合国粮农组织定义，准确区分原生林、人工林、单一物种林浆、经济作物林和其它土地，支持欧盟防砍伐法规，准确率达 90%。

  4. Microsoft Research

    Microsoft 研究者与协作者结合新数学思想与人类指导 AI 解决高维几何与概率的核心问题 KLS 猜想。

    Microsoft 研究者与协作者结合新数学思想与人类指导 AI 证明高维几何与概率的核心问题 KLS 猜想，该猜想提出 31 年，被广泛视为该领域中心未解问题。AI 工具探索候选方法并执行详细推导，研究者评估、修剪并重新定向搜索，最终证明高维空间几何原则，使障碍随维度增加不再无界增长。独立研究者确认该成果，识别出关键标准，并完成机器检查的正式验证。

10月21日周三
  1. AWS Machine Learning Blog58

    vLLM 通过双向 KV 传输提升多轮智能体工作负载的 TTFT 性能

    vLLM 的双向 KV 传输机制通过让解码节点在后续对话回合中返回先前计算的 KV 缓存给预填充节点，减少了重复计算，在 AWS EC2 P5en 实例上的多轮基准测试中将 Qwen3-32B 的 TTFT 提升了 1.6 倍，zai-org/GLM-5-FP8 提升了 3.3 倍。该功能通过扩展 NIXL KV 连接器实现，并利用 KV 缓存感知路由器协调跨对话回合的 KV 重用。

  4. AWS Machine Learning Blog34

    在 AWS 上使用 Strategy Mosaic 和 Amazon Bedrock AgentCore 构建 AI 智能体语义层

    Strategy Mosaic 作为语义层，通过两个链接模型在 Amazon Redshift 和 Amazon Aurora 上无 ETL 地建模 C360 领域，其度量语法捕获智能体推理的业务定义，并通过 Mosaic MCP 服务器向 AgentCore 托管的 Strands 智能体暴露模型，支持用户身份传递以实现端到端行级和对象级安全。

  7. AWS Machine Learning Blog40

    在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 以实现多语言推理

    GPT-OSS-20B 是一个开源推理模型，默认用英语思考，在多语言推理测试中仅 22% 符合目标语言要求。通过在 Amazon SageMaker HyperPod 上使用监督微调（SFT）和强化学习（GRPO），团队可提升模型在法语、德语、西班牙语和意大利语中的推理能力，其中 SFT 负责主要行为教学，GRPO 在有提升空间时进行优化。

10月20日周二
  1. Hugging Face Blog58

    ALTK-Evolve如何通过学习记忆在τ²-bench客户服务任务中超越前沿模型

    ALTK-Evolve 使用 GPT-4.1 学习并应用客户服务剧本，在 τ²-bench 客户服务代理基准测试中超越零售领域所有零售条目，得分达 67.5% Pass^4，且无需更新模型权重。该模型基于基本 ReAct 代理和 GPT-4.1，通过分析任务尝试并使用 GPT-4.1 将成功与失败蒸馏为简短行为规则，然后将这些指南添加到代理的系统提示中，无需权重更新或人工标注。

  4. Anthropic Research

    Anthropic 使用 Claude 减少 code 的攻击面

    Anthropic 使用 Claude 分析 25 个开源项目（逾 500 万行代码），发现 493 个安全问题。Claude 在 11 个受保护项目中识别出 191 个未授权可达的代码点，包括 93 个默认配置下可访问的预认证表面、37 个认证前执行代码或记录状态的位置，以及 61 个导致预认证控制被管理员配置弱化的配置组合。

10月19日周一
10月17日周六
  1. AWS Machine Learning Blog

    Amazon Bedrock AgentCore 构建可信赖 AI 智能体：生产就绪评估框架

    Amazon Bedrock AgentCore 评估框架帮助 AWS 内部销售团队用多智能体系统处理业务问题，发现智能体在演示和实际生产中表现差异；通过 Amazon Bedrock Guardrails、Amazon CloudWatch 等服务，该框架在发布前和持续生产中验证答案准确性，将错误溯源至数据、提示词或代码，避免因智能体回答看似自信却错误导致用户信任破裂。

  2. Google Research

    Google Research 探索将 AI 智能体与生物学现实相结合构建自主湿实验室

    Google Research 发布 VERID 框架，使 AI 智能体能在基于物理测量的安全、资源高效的实验中运行；在适配体和从头蛋白质设计原型上展示闭环智能体科学发现；通过 3 轮设计-测试-迭代循环，在肌红蛋白和 α-凝血酶两个靶点上，AI 驱动的合理和从头设计将确认的靶向命中率分别提高到 33.5% 和 42.1%。

10月16日周五
  1. Anthropic Research

    Claude 揭示 ECDSA 曲线起源

    Claude 在不到半小时内发现 NIST P-192、P-224、P-256、P-384 和 P-521 曲线种子来自 C 库的 lrand48 随机数生成器，而非任何哈希算法，用 Unix 时间戳初始化。这一发现并未构成密码学漏洞，反而增强了对曲线参数选择无后门或故意弱点的信心。

  4. Microsoft Research

    Magnetar 实现基于证明的通用计算

    Magnetar 证明 Rust、Go 或 C 编写的程序，平均比最快可比系统快 10 到 39 倍，并仅依赖标准哈希函数实现安全，解决了零知识证明的三大挑战：效率、通用性和可用性。它通过利用重复性计算和早期终止证明过程，大幅降低了证明开销，使生成证明变得像运行程序一样常规，可用于 AI 智能体行为验证、金融交易校验等场景。

10月15日周四
  1. Apple Machine Learning Research

    基于选择的结构化推理：一种面向高效多模态搜索智能体的框架

    选择式结构化推理 (SSR) 框架将推理重构为选择而非开放式生成，在每次行动前从预定义的推理候选中选择最可能的方案，显著降低推理成本。使用 2B 和 4B 模型在七项多模态搜索基准测试中验证，SSR 实现了平均成功率与同等规模领先搜索智能体相当，单步推理延迟降低 90%，单题总推理延迟减少 28-54%。