跳到正文
实时
#数据/训练
11月10日周二
  4. Hugging Face Daily Papers

    ReproBridge：为机器学习研究工件构建可复现性

    ReproBridge通过标准化设计（精炼代码库、环境设置、实验启动器和复现指南）提升机器学习实验复现成功率，在ReproBridge-Bench上使四款模型的平均复现率从76.4%提升至92.6%。精炼工件使下游API成本平均降低19.7%，缩小模型间成功率差距至3.9个百分点，所有模型均达到90%以上成功率。移除代码或环境组件会显著降低复现效果。

  7. 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。

  8. Claude · YouTube68

    Claude Mythos 5.2 预测出完整 AAV 衣壳结构

    Claude Mythos 5.2 预测出完整的 AAV 衣壳结构，该衣壳由 60 条相同的蛋白链组成。它编写代码让开源折叠模型处理相邻五链的重叠分组，再利用衣壳对称性把 60 条链拼接起来。在 AAV2 上，其预测与实验结构的偏差约为一个原子的宽度。

    推荐理由: 原文给出了模型在真实科研任务中的具体做法与精度，读者可据此判断它在结构预测类工作里的可用边界。

  9. 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
  4. 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。

  5. 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。

  6. 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%。

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。

  2. 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%。

    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。

  3. 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。

  4. SemiAnalysis62

    中国内蒙古 Stargate 数据中心：规模、成本与垂直整合的惊人速度

    Envision Group 在内蒙古乌兰察布建设的 Galaxy 数据中心一期 120MW 项目在一年内以美国成本的五分之一交付，整个 800MW 校园专为两大互联网巨头定制。该中心采用 800V 直流架构和液冷服务器设计，体现了中国数据中心建设的速度、规模和深度垂直整合，其中 Envision 不仅建设数据中心，还自建风电场和配套电力设施。

11月7日周六
  2. 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。

    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。

  4. 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
  5. The Decoder71

    Google AI 用普通智能手表无袖带检测高血压

    Google Research 的 AI 无需血压袖带校准，仅凭智能手表已有的脉搏和运动传感器即可检测高血压迹象，相关研究已发表于 Nature。该神经网络通过对比近 50 万小时传感器数据中的短片段、判断哪些片段属于同一人，从而学到脉搏与心跳模式，再对多日数据取平均并计算高血压概率。

    推荐理由: 读者可了解一项无需袖带校准的智能手表血压检测研究，及其在 196 人试验中与传统测量的对比结果。

  6. Hacker News · 300+ 热帖60

    一个能请求 Opus 帮助的 Jev 可让 Opus 准确度以 4 倍低成本实现

    Jev 和 Luna 模型在身份解析结果评分上表现尚可（88.8–97.3% 准确率），但 Jev+Opus 混合模型达到前沿准确率的同时成本降低 4 倍。Luna 初始表现优于 Jev，但在复杂案例中差距消失；Jev 的置信度校准更佳，其错误多伴随低置信度，而 Luna 错误多伴随高置信度。

  8. Databricks Blog38

    OpenSharing：用开放协议替代 SFTP 和 API 数据馈送

    OpenSharing 是一个基于 Delta Lake 和 Iceberg 开发的开放协议，用于直接读取客户表而不复制数据。它支持增量拉取变更数据、实时访问最新数据以及平滑回填历史数据，同时降低客户和消费方在数据管理、存储和访问控制上的成本。消费方无需维护 SFTP 或 API 连接，客户通过授权即可共享表格，并可通过系统表追踪访问记录。

  10. Anthropic Research62

    Anthropic 拆解智能体记忆的组成与 dreaming 机制

    Anthropic 发布研究文章，把 Claude 的智能体记忆拆成记忆笔记、dreaming 离线整理和记忆层级提升等组成部分，并说明记忆指跨会话保留、可再次读取的上下文，不包括权重更新、单次对话内的上下文学习和 compaction。

    推荐理由: Anthropic 公开了智能体记忆的分层设计与 dreaming 机制，并用 CL-Bench、宝可梦和内部文档语料给出可对照的实测结果。

  12. AWS Machine Learning Blog42

    AWS 发布无服务器 MCP 服务器，用于在 Amazon ECS Fargate 上访问 AI 代理数据湖

    AWS 为解决 AI 应用中 LLM 代理访问企业数据湖的集成挑战，在 Amazon ECS Fargate 上推出无服务器 Model Context Protocol (MCP) 服务器。该服务器通过元数据驱动的方式实现配置化数据湖访问，无需为每个数据集编写集成代码，并支持多租户环境下的弹性扩展。

  15. Google Developers Blog

    代理分心

    13% 的代理会因 inline TODO(bug/...) 或 FIXME(bug/...) 而被误导，其中 83% 的行动完全未获开发者提示。41% 的代理追踪已关闭的 bug，57% 触发范围蔓延，导致每会话步骤增加 70%、token 增加 77%、等待时间增加 105%。通过交叉比对 TODO 状态和用户提示，可自动分离有效工作与浪费路径。

  16. TechCrunch · AI71

    Ramp数据显示AI支出停滞，正值Anthropic临近IPO。

    Ramp报告显示，8月至9月企业token支出仅增长1.5%，而7月环比增长42%，同期token用量仍在上升。Ramp首席经济学家Ara Kharazian认为，OpenAI与Anthropic的降价和企业折扣让AI使用更便宜，支出最高的前1%企业也略低于夏季峰值的人均每月1万美元。 Ramp数据显示AI支出停滞，正值Anthropic临近IPO。 Ramp的支出数据给出一个与用量增长相反的价格信号，可用来观察模型公司收入与IPO估值之间的张力。

    推荐理由: Ramp的支出数据给出一个与用量增长相反的价格信号，可用来观察模型公司收入与IPO估值之间的张力。

11月6日周五
  1. vLLM Blog72

    REINFORCE Zero：对齐 kernel 让异步 RL 在 lag 64 下稳定训练

    NVIDIA Research 与 Inferact 的 REINFORCE Zero 提出先对齐 rollout 与训练 kernel，再用不裁剪的 token 级重要性采样修正权重滞后，在 16 张 GPU、12K 次更新下训练步吞吐为同步训练的 2.40 倍。

    推荐理由: 论文把异步 RL 的 rollout 与训练差距拆成权重滞后和 kernel 不一致两项，并给出对齐后免裁剪重要性采样的做法。