2026-10-02
让AI手机助手学会反思：一个训练时代之外的可能性
本文介绍EvoSkill-GUI，一个训练免费的GUI智能体技能进化框架，通过结构化技能包、即时修订、信息隔离的批评诊断和元数据检索，让智能体从执行失败中自我反思并持续改进，在多个手机电脑基准测试上取得显著成功率提升。
2026-10-02
脑子换了个地方，Dice就掉了7个点：一个AI肿瘤分割模型的诚实自白
研究团队用标准nnU-Net模型测试脑肿瘤分割在跨病种场景下的泛化能力，发现验证集表现比内部测试低7.47个百分点，集成与增强等技巧收效甚微，小体积且碎片化的肿瘤是主要失败原因。
2026-10-02
把35B大模型塞进24GB内存：一场关于"预测"的豪赌
本文介绍AutoArk团队的Edge0推理引擎，通过训练预路由器提前一步预测专家路由、结合可拆卸恢复LoRA补丁，让35B参数混合专家大模型能在24GB内存的普通电脑上流畅运行，速度提升超80%。
2026-10-02
AI写的GPU内核跑分更高，但真正能上线的只有专家调教过的那一版
MIT 博士生 Alex Zhang 以 Recursive Language Models 和 GPU Mode 社区闻名，在 Latent Space 播客中回顾了自己从一次无聊实习误打误撞进入 GPU 编程社区的经...
2026-10-02
当审查开始蔓延进美国，这位互联网老兵决定重写底层协议
Barrett Lyon 曾经历飞机引擎空中骤停的生死瞬间，如今他把同样的冗余思维用在了重建互联网协议上。这篇文章梳理了他创办 DoxxNet 的动机：协议层创新停滞、VPN 治标不治本、运营商级 NAT 扼杀应用潜力，...
2026-10-02
PANORAMA：给AI装上一双能"指认"万物的眼睛
论文提出全景接地式描述任务，构建人工标注数据集PanoCaps与gPQ评价指标，并提出PANORAMA模型，将短语接地转化为掩码候选选择，在多项分割与描述基准上取得领先表现，兼顾描述完整性与定位精确度。
2026-10-02
把每一块显存都榨干：训练超长上下文MoE模型的四个隐藏陷阱
本文解读Salesforce提出的四种显存优化技术，针对MoE长上下文训练中专家调度、词表投影、梯度检查点、优化器状态四大内存瓶颈逐一攻克，实现百万token上下文训练，吞吐量最高提升10.4倍。
2026-10-01
技术与社会转型时代的政策分析变革
RAND Corporation发布21页政策分析报告，指出AI驱动的变革、公众对专业知识信任的侵蚀及政治权威格局的转变，正动摇政策分析的制度基础，呼吁该领域回归基本原则，推动制度设计、培训与研究治理现代化。
2026-10-01
机器人学会了"预演未来"：一个能读懂28种动作的世界模型
北京人形机器人创新中心提出Pelican-Sim 1.0，一个通用世界模型模拟器，融合28维统一动作数值与URDF渲染动作视频，配合稀疏MoE架构，实现跨机器人型号的动作预测，并在数据生成、策略评估、动作选择等下游任务中...
2026-10-01
ReMoMask-2：当AI生成人体动作时，它到底在"抄"什么？
本文解读ReMoMask与ReMoMask-2，一种检索增强的文本驱动人体动作生成方法，提出分层双向动量对齐、拓扑结构化掩码、语义时空注意力等模块，并将检索空间迁移至生成器潜变量空间，实现更高保真度与更快推理速度。
2026-10-01
AI智能体上岗前，要不要先自学？
AI智能体在正式接任务前能否自主决定如何预习陌生环境?论文提出任务无关的环境预处理框架,用元智能体在六大基准上对比固定策略,发现开放式自主学习总体更优,且能省去测试时的重复尝试。
2026-10-01
你玩游戏时突然想往左转，屏幕却硬是让你的角色又往前走了半秒才反应过来，这个体验是不是很熟悉？
论文提出ActionSplice框架，通过反事实状态迁移技术，让交互式视频世界模型能在生成过程中即时响应新动作指令，无需等待或重复计算，大幅提升画面响应速度与准确度。
2026-10-01
花了591次训练，得出的结论是：什么都没有变得更好
北大团队用591次训练实验严格测试了8种RLVR数据挑选方法和3种自适应策略，发现它们均未能稳定超越简单的均匀随机训练，同时揭示评测题库覆盖不全会导致排名结论截然相反。
2026-10-01
泰语TTS的"蒸馏"实验：如何用15秒的声音训练出一个82M的语音模型
本文解读了一份泰语语音合成技术报告，研究团队用大型声音克隆模型OmniVoice处理15秒参考音频生成合成语料，训练出仅82M参数的固定音色学生模型Wayu-Paxa-TTS-Edge，在关键词准确率和停顿精度上部分超越...
2026-10-01
Benchmark Radar：当AI评测基准多到数不清，谁来帮你查清楚它们的底细？
Benchmark Radar是一个每日更新的AI基准测试搜索引擎，整合1283条来自四大权威源的评测记录，揭示近四成基准无分数、分数量纲难比较等真实问题，帮研究者查清评测证据来源。
2026-10-01
机器人学会了"看图说话"，却也学会了"投机取巧"
机器人操作模型在实验室里表现优异,但换个摄像头角度就大幅失效。本文提出的潜在接口训练方法,通过先无图像训练动作逻辑、再用姿态监督的窄通道引入视觉信息,在四种主流架构上均提升了泛化能力,真实机器人实验成功率提升超60个百分...
2026-10-01
一份文档存下来，到底要花多少钱
视觉文档检索靠“后期交互”实现高精度，但每页要存上千个向量，存储代价巨大。KAUST团队发现向量分布其实只有五六维自由度，提出GLIE，仅存4个向量即可复原全部信息，压缩比大幅提升且无需重训模型。
2026-10-01
给AI视频出一道完形填空题，它考砸了
研究者发现视频AI能看懂视频"发生了什么"，却分不清"什么时候发生"。TempCloze通过让AI从视频片段中挑选正确的缺失中段，揭示了当前视频大模型在时间对齐能力上的系统性短板，远逊于其内容识别能力。
2026-10-01
给AI装保安，还是给每个AI配一个专属保安？
这篇论文提出EvoSafeHarness框架,针对不同AI模型和应用场景自动搜索定制化安全护栏,而非套用统一方案。在四个测试集上验证,攻击成功率大幅下降且不影响正常任务完成率,同一防御方案在不同模型场景下效果差异显著。
2026-10-01
World in World：一段视频，怎么变成一整个可以自由探索的世界
西湖大学团队提出World in World，一种无需训练的接口，让冻结的视频世界模型通过原生注意力机制读取多种视觉证据，实现对已录制视频的自由视角探索和事件同步重渲染，性能超越现有方法。