2026-11-02
当AI开始替自己的回答“招供”：OmniConfess如何让多模态大模型不再瞎编
全模态大模型常因依赖错误证据产生幻觉。研究者提出训练无关方法OmniConfess，通过锚定候选答案、逐通道审问证据、生成词级口供表来定位并修正幻觉，在新建的3540例基准上全面超越现有方法，适用于判断与自由生成任务。
2026-11-02
长视频AI理解的隐藏账单：你以为省的是token，其实在烧时间
长视频AI理解一直在纠结该选哪些帧，这篇论文发现分辨率本身也能换，解码延迟更是被忽视的大头，三条经验教训催生了训练免费的LoHi框架，准确率提升超10%，延迟最多降7倍。
2026-11-02
给AI智能体换零件：当工具箱变成了插件商店
论文提出PluginRSI,把AI智能体的工作框架拆解成可独立改进、积累和复用的插件,通过变异和重组两阶段循环优化,在代码修复、命令行操作和问答任务上均显著超越现有harness优化方法,且优势能跨模型迁移。
2026-11-02
AI给电脑打工，到底干得怎么样？一套新评分标准掀了桌子
NVIDIA团队提出OSWorld-Pro，一套基于6.7万条人工标注的过程评测体系，拆解300多个长任务为2800多个依赖子目标，揭示顶尖AI模型如Claude Opus在电脑操作任务中的具体失败环节与效率问题，弥补传...
2026-11-02
AI客服学会了自己改进自己，结果却把自己学坏了
论文提出ASCENT方法，让AI智能体在部署时用固定的初始模型作教师，对自己验证成功的任务经历做自蒸馏式学习，解决了直接模仿或强化自身输出导致策略崩溃的问题，在多个长链条任务基准上大幅提升成功率与效率。
2026-11-02
PaLoRA：给持续学习的每一步踩刹车，踩多重该让数学说了算
论文提出PaLoRA方法，针对LoRA持续学习中固定学习率难以应对知识累积的问题，推导出配速定律s*=√(R/c)，结合自适应秩压缩与零空间投影，在50任务长周期场景下准确率提升近4个百分点。
2026-11-02
给AI一个终端，它就能自己造工具：CUAWright如何用命令行重新定义电脑智能体
本文解读CUAWright,一个仅用约3000行代码构建的终端原生AI智能体系统,它用终端命令取代GUI点击、用文件系统管理记忆与自建工具,在OSWorld等六大基准测试中大幅超越主流GUI与混合方案,同时显著降低运行成...
2026-11-02
机器人学会的世界模型，为什么到了新环境就"失灵"了？
机器人世界模型在新环境里失灵怎么办？本田与约翰斯·霍普金斯团队提出JEPA-TTT，让机器人边干活边修正内部预测器，八种物理规律变化场景下规划性能平均提升153%。
2026-10-30
长鑫G6平台完成工程样片验证，前三季度研发投入同比增长73%
10月30日，长鑫科技2026年三季报发布，第三季度（7-9月）实现营业收入约1,187.14亿元，环比增长约19.30%；实现净利润约889.83亿元，环比增长约19.38%。同时，三季报披露了最新技术进展：基于第六代...
2026-10-30
让机器人学会一只手拿杯子、一只手拿水壶浇花，到底难在哪里
PointWAM是一种三维世界动作模型，将场景与手部统一表示为三维点轨迹，支持在人类演示视频上大规模预训练，显著提升灵巧机器人操作成功率，在模拟与真实机器人实验中均超越主流基线方法。
2026-10-30
当VLM开始"做梦"：一个让AI在脑海里转魔方的实验
研究给视觉语言模型加装内部世界模型,让AI像人一样在脑海中想象视觉变化再做空间推理。在2D和3D心理旋转任务上,新方法WM-VLM比纯文字推理的微调模型最高提升39.25个百分点,并证实模型确实依赖生成的视觉状态进行推理...
2026-10-30
给大模型做知识编辑这件事，为什么能把事实说对，却答不对问题
论文发现大模型知识编辑存在"背得出整段话却答不对单个问题"的缺陷，揪出背后的上下文诱导难度低估现象，并提出FOVEATED框架，通过扰动位置编码打破上下文捷径，显著提升模型对编辑知识的准确回忆能力。
2026-10-30
让终端智能体学会修齿轮和修机器人，这家公司是怎么做到的
腾讯团队提出"软件在环重建"方法,用科学软件自身生成参考答案和验证标准,解决终端智能体在科学领域缺乏训练数据的难题,构建500工作流的SWR数据集并验证了训练效果提升。
2026-10-30
当每个Transformer层都想"开小会"，内存就要爆炸：Extender的解法
论文提出Extender架构，将Transformer残差流拆分为预测通道和注意力记忆通道，仅用32维扩展特征即可媲美标准模型短文本表现，并在长文本任务上超越它，持久注意力内存占用缩小104倍。
2026-10-30
AI能看懂视频里的物理世界吗：当机器人试图"写代码复原"一碗意大利面
这篇论文提出4DCodeBench基准,测试18个AI编程模型能否根据视频写代码重建出会动的三维场景。结果发现AI静态重建得好,动态物理推理普遍偏弱,揭示了当前AI"看懂"与"理解"物理世界之间的真实差距。
2026-10-30
AppsFlyer 发布《广告平台综合表现报告 - 2026 版》：Apple Ads 与 AppLovin 领跑 iOS，Google Ads 主导 Android，Meta Ads 登顶再营销榜
现代营销云平台 AppsFlyer 今日正式发布 2026 版《广告平台综合表现报告》（Performance Index）。
2026-10-30
把稀有的失败，用对的方式去问
论文提出尾部影响采样方法，针对强化学习策略和语言模型工作流的CVaR风险评估，通过学习可查询模块的尾部影响分数优化采样预算分配，在多个基准上显著降低估计误差。
2026-10-30
KeyRec：给视频AI装一个会取舍的记忆
KeyRec是一种训练-free的视频记忆压缩框架，将视觉记忆拆分为最近缓存与结构化事件库，配合文本路由器按问题动态读取，仅用10%视觉token预算便在多项流媒体与长视频基准上超越现有压缩方法。