跳到正文
只看论文

索引

全部动态

按发布时间排列的全部收录，按天分组；筛选和搜索都在这一页。

共 373 条 · 第 6 / 10 页 · 更新于 19:17

10/26

星期一10 条

  1. 掘金34暨南大学发布 HANS 数据集：让文档解析模型学会忽略学生涂改
  2. 掘金71DeepMind 论文指出 PyTorch、JAX 等框架 softmax 与交叉熵存在两个浮点 Bug
  3. 掘金71FAU 实测 8 个 7B 以下 VLM 抽取 JSON：OCR 专用模型零分，通用指令模型微调后领先
  4. 掘金62腾讯 EVIE 把视觉文档检索索引从 488 GiB 压到 3.81 GiB，ViDoRe V3 精度只降 7 分
  5. 掘金58哈工大实测六个开源 VLM 的检索-阅读差距，证据页全召回仍答错
  6. 掘金45GAD-RL：用状态感知蒸馏解决 OCR 模型「改错别字」问题
  7. 掘金67上交大等提出编码 Agent 自适应技能粒度框架，宏技能失败后降级到微工具
  8. 掘金41EVICALC 系统报告：同一文档问答系统验证 92.17%、终测联合准确率仅 8.61%
  9. Hacker News · AI 讨论37研究揭示测试评分型编程智能体基准的规格与测试落差
  10. Hacker News · AI 讨论58Keln 对比 OpenRouter、Vercel、Ramp 四家 AI 网关跑 DeepSeek V4.1 Flash 的基准测试

10/25

星期日9 条

  1. Hacker News · AI 讨论29用伪造工具输出的 LLM 对 AI 智能体监控器做红队测试
  2. MarkTechPost71斯坦福与 UC Berkeley 发布 TokenGate，长上下文 prefill 最高提速 11.3x
  3. 掘金58山东大学研究：代码智能体复杂 harness 主要提升 token 消耗而非性能
  4. The Decoder67南京大学与商汤发布 OpenMobile-2 开源手机智能体，27B 版 AndroidWorld 达 79.9 分
  5. Hacker News · 首页81GVS5H 编排框架让 Qwen3.8-27B 在 LiveCodeBench 上从 66.8% 升到 92.4%
  6. 掘金59OPPO SP-DocReader 用自博弈三轮把文档 OCR 的 CER 从 2.40 降到 1.11
  7. Hacker News · AI 讨论28研究称 Claude Opus 5.5 等前沿模型在真实场景中仍未对齐人类生命安全
  8. Hacker News · AI 讨论22Show HN：在智能体模拟中运行的一项随机对照试验
  9. Hacker News · AI 讨论22METR 与 Redwood Research 对 OpenAI 内部智能体监控系统开展红队测试

10/24

星期六21 条

  1. Hacker News · AI 讨论20面向 OT Agent Arena 基准、编译到 WGSL 的类型化 Tibia 规则模拟器
  2. 掘金60Nano World Models（NanoWM）分析笔记：世界模型与视频生成模型的区别及扩散强迫实现
  3. The Decoder64研究：复杂 harness 让编码智能体更贵但没更强
  4. 钛媒体22哈佛研究：Claude Opus 4.8 审稿意见全面胜过高水平人类同行评审
  5. Hacker News · AI 讨论8Pew 调查：仅 8% 美国成年人用 AI 聊天机器人查 2026 中期选举信息
  6. 掘金58SmolVLA-MoE 论文解读：只改动作专家 FFN，500M 激活逼近 3.3B 的 π0
  7. MarkTechPost58Kyutai 开源 CADRE 视频自编码器，世界模型动作延迟降至 230 ms 以内
  8. Hacker News · AI 讨论20AI 在 UX 工作中的应用调查：效率提升，但从业者态度复杂
  9. 掘金74ESPO 提出先诊断再提案后投票的提示词优化法，平均超 GEPA 3.76 个点且提示词短 47%
  10. Hacker News · AI 讨论22Show HN：ForensicDbg 用 Claude Code 举办 AI 崩溃转储调试对决
  11. Hacker News · AI 讨论22Berget AI 联合 SEI 等机构推出 AI 请求碳排放计算法：同一 Kimi K3 请求在得州排放是瑞典的 8 倍
  12. Hacker News · AI 讨论18研究：为何 AI 模型建议左翼选民支持日本共产党
  13. Hacker News · AI 讨论22Agent Security League：AI 编程智能体安全基准测试榜单
  14. Hacker News · AI 讨论12ModelCompare 测试 12 个 LLM 对人类的看法：都认为人类是盲从的道德动物
  15. Hacker News · AI 讨论30写代码与交付代码：不同代际 AI 编程工具的生产力差异
  16. Hacker News · AI 讨论36智能体生成的代码需要多少维护？一项实证研究
  17. Hacker News · AI 讨论20微软 MAI-DxO 诊断准确率超医生两倍，成果登上 Science
  18. Hacker News · 首页12Show HN：在含随机性的解谜游戏 Drop7 中搜索最优策略
  19. Databricks60Databricks 实测 Spark 声明式管线与过程式 PySpark 的 agent 编写差异
  20. Hacker News · AI 讨论22用同态加密实现私有 LLM 推理（PDF）
  21. Hacker News · AI 讨论47研究：LLM 多智能体系统易受从众行为与失控级联影响