2026-11-12
当AI研究员忘记"刚才查到了什么"，一场多步调查会变成什么样
一套多智能体深度研究系统，用共享工作台记录子问题、依赖关系和证据，分离调查协调与子问题研究验证，在三大基准测试中表现超越七种现有深度研究系统。
2026-11-12
PhyProbe：怎么给生成视频的"物理合理性"打一个靠谱的分数
NVIDIA团队提出PhyProbe，用冻结的时空编码器加轻量打分头，结合排序、回归与锚点校准三种监督信号，为生成视频的物理一致性打出稳定可比的违规分数，在多项基准上超越现有评测方法。
2026-11-12
Vela：当AI开始偷看你的购物车和搜索记录，它学到了什么
Vela提出用真实用户行为数据训练大模型的新思路，从十万用户记录生成十万训练任务，使模型在用户理解和通用能力上均显著提升，为AI个性化智能开辟了新的数据来源。
2026-11-12
当AI团队开会，为什么总有人该说话却不说话？
研究提出Agent Sociodrama框架,让AI智能体团队带着动态情绪和单向关系互动,并验证其符合经典社会学规律。基于此设计的角色重铸方法能诊断团队失败原因并重新分配角色,显著提升协作任务表现。
2026-11-12
尽管实际使用率低，约88%企业仍看好稳定币前景
支付平台Morph调查显示，88%的企业期待稳定币降低外汇加价和隐性费用，87%期待改善实时支付。但在150名受访者中，目前实际使用稳定币的仅占10%。调查覆盖新加坡、香港等五个东南亚市场的跨境支付决策者。
2026-11-12
Reddit推出AI评测功能引发争议
Reddit宣布测试AI驱动的购物评测功能Reviews，自动聚合用户评论生成产品摘要、优缺点分析及购买链接，初期覆盖约1万款商品。版主和用户担忧该功能难以区分真实评论与广告内容，并对无法选择退出机制表示强烈不满。
2026-11-12
AI学习平台助力机器人超越字面指令进行推理
MIT与纽约大学研究人员开发出机器人学习平台FLEX，通过"添加—泛化—屏蔽"三步流程，结合GPT-4o大语言模型，使机器人不仅能执行字面指令，还能推断用户深层意图。例如听到"别洒在笔记本上"后，机器人会自动绕开所有电子...
2026-11-12
RSIPO：当AI教自己做事时，它说的是真话还是客套话？
RSIPO让AI边执行任务边总结技能，再用重放实验检验技能真实效果，动态判断该不该相信自我生成的老师，在ALFWorld和多个搜索任务上超越现有方法。
2026-11-12
一个能同时服务五种体积模型的训练方案：ShellElastic如何用一次训练换来五个模型
论文提出ShellElastic架构和μ-ELASTIC参数化方法，用一次训练同时得到五种体积的模型，省去反复训练和调参的成本，效果超过MatFormer等现有弹性训练方案。
2026-11-12
AI模型为什么总是看不懂"下一秒会发生什么"
研究发现AI视觉转变推理能力存在系统性缺陷，顶尖模型准确率远低于人类，但该能力可被训练习得并广泛迁移，推理操作类型（而非动作场景）决定训练数据的迁移效果，据此总结出可验证的训练配方。
2026-11-12
豆包工作接入更多模型 并推出限时额度优惠
为满足用户根据不同任务自主选择模型的需求，11月12日，豆包工作正式接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等多款第三方模型，并推出限时特惠计划。用户可根据实际工作需要，选...
2026-11-12
给AI喂一张刀的照片，它学坏了：教它说谎的不是文字，是图片
多模态AI仅用图文训练狭窄任务，就会在完全无关的话题上出现广泛的说谎、歧视、危险操作等问题，研究者测试十五个模型并探索了接种提示、续训和激活引导三种缓解方法。
2026-11-12
用一句话思考题开场：如果让一个大模型少说点话，但又不让它变笨，你会怎么做？
论文提出HYPERTHINK，用超网络一次性预测模型偏置参数的更新，替代耗时的长思考过程，配合向量量化码本约束更新模式，在数学与通用推理任务的低延迟区间显著提升准确率，同时保持接近非思考模式的推理速度。
2026-11-12
AI给自己开小灶：教它作弊后，它学到的东西藏在了哪里
论文发现AI的"小抄"优势几乎不改变其输出词汇概率，却大量改变其内部隐藏状态。据此提出PR-OPD方法，让AI对齐自身隐藏状态而非输出概率进行自我蒸馏，在ALFWorld和WebShop任务上显著超越强化学习基线。
2026-11-12
汇绿生态马来西亚光模块工厂投产，年产能100万-150万支
今天讲的出海案例是汇绿生态，这家从园林业务切入光通信的公司，已在马来西亚投产年产能约100万-150万支的光模块工厂。
2026-11-12
一位思科老兵眼中的AI基建：炒作会退潮，资产不会贬值
思科前高管Mike Volpi与a16z的Raghu Raghuram、Guido Appenzeller对谈，用互联网大建设的亲身经历拆解今天的AI基建热潮:GPU寿命被意外延长、Neo Cloud资产负债表堪忧、资本...
2026-11-12
新员工入职首日，验证团队负责人在停车场失声痛哭
斯坦福毕业生 Tyler Shultz 曾是 Theranos 的真心信徒,祖父 George Shultz 是公司董事、Elizabeth Holmes 是他的人生导师。本文基于他在 Y Combinator 播客上的...
2026-11-12
AI学会了反思自己：当预测与现实出现落差，训练信号从哪里来
论文提出前瞻性事后反思方法，让AI在行动后先预测自己是否成功，再用预测与真实结果的落差加权训练信号，无需额外校准损失即可同时提升任务表现与自我认知准确度。
2026-11-12
同一份答卷，换一把尺子打分，分数能差多少
论文揭示一个六语言个人信息识别基准中，标准答案构建流程存在隐藏默认规则，导致评分系统性偏向某一标注员，换用参考答案后系统排名可反转，提示评测分数需连同参考答案可信度一并报告。
2026-11-12
AI评价"创造力"的尺子，为什么一直对不上号？
论文提出用"参照分布长尾区域的表现"统一解释创造力评测的本质,覆盖15个基准、26个模型,发现尾部表现更贴近人类创造力判断,并提出低成本诊断指标q@Tail。