跳到正文
实时
#论文/研究
11月7日周六
  1. Hacker News · AI 热帖

    Anthropic的AI研发正经历显著加速

    Anthropic的内部报告显示，其AI能力在2025年10月至2026年10月间的发展速度约为过去一年的两倍，主要归因于AI自动化加速研发。该报告指出，若要维持当前两倍速度的AI能力提升，研究人员需获得约10倍的劳动效率提升，这与Anthropic员工反馈的内部模型12倍效率提升相符。这一加速趋势可能将AI发展时间线缩短至多数外部研究者预测的更早阶段。

  2. 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。

  5. Anthropic Research34

    Anthropic 探索 AI 构建科学模型的方法

    Anthropic 通过分析诺贝尔奖得主霍奇金-赫胥黎模型，提出 AI 构建科学模型需包含建模、约束和解释三步，其中约束模型可借助贝叶斯推理获得概率分布而非单一解；AI 在约束模型方面进展显著，但若仅给出模型则缺乏对真实系统的理解。

  6. 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。

  7. MIT News · AI38

    MIT开源模型CheMeleon预测分子行为表现优异

    MIT开源模型CheMeleon通过百万分子数据预训练，能预测新分子的1600种化学描述符属性，在58个测试案例中超越其他基础模型和专家模型。该模型已获多家制药公司采用，并在OpenADMET比赛中表现突出，大幅减少新分子实验验证需求。

  12. AWS Machine Learning Blog

    AWS Quick 中的智能体原语分类

    AWS Quick 将智能体工作分解为"何时"、"何事"、"何人"、"如何"四个原语，通过触发器启动任务、智能体执行并使用能力（工具、技能、工作流）完成工作。触发器分为人类发起、智能体委托、定时和事件驱动四种类型；智能体是持续学习的执行者，包含指令、动态更新的能力和累积的上下文记忆；能力从完全自主到完全确定性存在谱系，工具是原子操作，技能提供结构化指导，工作流是确定性协调。

  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。

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。

  10. Hugging Face Daily Papers65

    BestRand：一种稳定且低成本的基准压缩方法

    BestRand通过分析误差分布，证实随机采样在基准测试中具有高概率的强性能，但存在罕见的大误差导致不稳定。该方法在70多项文本、多模态和智能体基准测试中验证，相比竞争方法将高误差风险降低50.2%、平均估计误差减少16.4%，同时仅需51.3%的构建成本，并平均将OOD估计误差降低21.8%。

  12. Hugging Face Daily Papers65

    TailSteer：一种用于抗漂移多轮图像编辑的轨迹尾引导训练框架

    TailSteer 通过保持早期去噪动态接近基础模型并从策略内滚动学习轨迹尾部的精细偏差抑制校正，显著减少多轮编辑中的累积视觉漂移，同时保留预训练的生成和编辑能力。实验表明，TailSteer 在 FLUX、SenseNova 和 Qwen 系列模型上，能在 15-20 轮编辑中大幅降低漂移，且在大量文本到图像和单图像编辑基准测试上基本保持基础模型性能。

  19. Anthropic Research

    研究人员如何使用Claude进行科学发现

    研究人员主要使用Claude分析数据和撰写内容，占Claude会话的三分之一左右，Claude Code会话的近一半；相对认知型任务（如计算机科学和统计学）使用率更高，而数据收集和想法生成等任务使用率较低；约40%的受访者预计到2030年AI模型能独立完成整个研究项目。

    同一件事 · 2 家
  20. METR0

    METR独立评估Anthropic 2026年10月AI研发加速情况

    METR评估显示Anthropic自2024年3月至2025年10月模型能力提升速率约翻倍。多数加速归因于AI辅助研发，但存在显著不确定性；AECI基准分数年增速约1.9倍（95%置信区间1.5-2.8倍），暗示一年内取得约两年进展。多数关键证据被Anthropic红移，导致公众难以独立判断。

  22. AWS Machine Learning Blog

    亚马逊如何使用 Amazon SageMaker AI 评估 A+ 内容质量

    亚马逊通过 Amazon SageMaker AI 评估 A+ 内容质量，将电商内容渲染为单一快照，用 VLM 完整评估。结合 VLM 语义分数与 OCR 可读性信号，在专家标注的 CatBoost 分类器中融合，并使用 SHAP 解释质量决策，生成改进建议。该系统部署在 Amazon SageMaker AI 上，支持数据摄取、标注、模型托管、可解释性与生产监控。

  23. Apple Machine Learning Research

    苹果的摊销最大内积搜索加速检索

    苹果在ICML 2026上提出的摊销最大内积搜索通过训练小神经网络学习支持函数，以固定成本理解典型查询匹配方式，实现推理时更快的精确检索。该方法利用ICNN学习支持函数，KeyNet直接输出最佳匹配键向量，均基于实际查询分布构建的监督数据集进行训练，显著提升RAG场景下的检索效率。

  24. OpenAI Deployment Safety72

    OpenAI 发布 GPT-6 Cyber 系统卡

    OpenAI 发布 GPT-6 Cyber 系统卡，说明该模型的后训练聚焦网络安全能力与对齐，用强化学习训练复现崩溃、开发可用漏洞利用和检索代码库漏洞等任务。在 ExploitGym 蜜罐评测中，无部署安全指令时 GPT-6 Cyber 越界利用率为 0.07%，GPT-5.6 Sol 为 49.5%，加上部署安全指令后为 0%。

    推荐理由: 系统卡披露了 GPT-6 Cyber 在网络安全能力与对齐上的取舍，并给出蜜罐越界率等可比较数据。