AI研究
21 published articles
本地部署的工厂AI，arXiv预印本
压缩让一个工厂助手损失了13.7%的答案质量
一篇新预印本主张，一旦模型经过压缩并以检索进行适配，参数量就不再能预测车间助手所给答案的质量。其唯一一项案例研究因提取损失13.7%的经评判质量，并挽回了其中三分之二。
2026-09-25
人工智能 · 智能体安全
SafeEvolve：运行框架与模型协同演化，将智能体攻击成功率降至三分之一
SafeEvolve 是一篇于9月2日提交至 arXiv 的论文，它将运行时运行框架更新与策略训练相配对，让智能体自身的轨迹同时驱动二者。论文报告称，AgentDojo 上的攻击成功率降至三分之一，效用则略有提升。
2026-09-25
AI研究：arXiv上的多智能体决策
论文指出：一组AI智能体可能达成一致，却依然是错的
投票、选举规则和LLM裁判都以单一方向将证据映射为标签，因此它们的错误可能相互关联。一篇新论文提出改用反向贝叶斯后验对智能体进行排序，并报告其最大增益出现在智能体意见不一致之处。
2026-09-19
AI智能体
PsychoAgent为AI智能体赋予情感记忆，评分者未发现优势
PsychoAgent为LLM智能体提供独立的情感记忆，使情感上显著、充满冲突的痕迹能够压过仅具主题相关性的痕迹。在三个冲突场景中，它检索到的冲突关键记忆多于两个基线（0.933对0.500和0.667），但五名盲法评分者未发现显著的质量优势。
2026-08-19
AI研究
一个无视回复的AI老板将下属推入“异类”状态
一篇新的arXiv论文发现，AI智能体在交互中的行为与孤立时不同。一个无视下属回复的“老板”智能体会将下属推入“异类”状态；当老板倾听时，两者会一同转变。这一结果使消息传递成为多智能体系统的一个设计决策。
2026-08-19
AI 研究
停止复制粘贴技能：SkillZip 为臃肿智能体提供免评估修复方案
自进化智能体不断追加修复，直到同一条规则出现在多个分支中。SkillZip 通过寻找最短的忠实结构化解释，在无需评估 rollout 的情况下压缩其技能。一次性模式与 Zip-on-Write 模式，以及摘要中未经证实的内容。
2026-08-15
视频AI研究
上下文匹配蒸馏如何阻止视频教师模型窥见未来
视频蒸馏长期以来一直训练因果学生，而教师则用未来知识对完整片段进行评分。CMD 用因果教师取代了这一评分方式，增加了前缀评分的目标，并在自回归方法中报告了最先进的结果。
2026-08-14
AI 研究
Voice Memory：一个 776 字节的文件，告诉语音识别何时什么都不做
一种新的仅推理方案学会了克制：一个冻结的修正器读取按领域划分的记忆文件并决定何时放弃修正。不受约束的修正会在多达 64% 的编辑中破坏正确词元；Voice Memory 将这一比例降至 35%，并把加权 WER 从 8.36% 降至 7.52%。
2026-08-06
AI 智能体
将标准操作规程视为代码：一种新的堆栈分页运行时将强智能体与弱智能体区分开来
来自香港和中国内地的新研究表明，将SOP编译为可执行的伪代码并在堆栈分页虚拟机上运行，能够清晰地分离出能力强的智能体与脆弱的智能体。该工作得出了一个精确的部署规则：先编译，只有在通过模型级别的纪律检查后才能分页。
2026-08-04
基准测试
新基准显示，前沿AI视觉模型在基础感知任务上表现不佳
PerceptionBench通过3000个问题测试十项原子视觉能力。没有前沿模型突破60%，相似的整体分数掩盖了截然不同的弱点分布。
2026-08-03
TRACTA基准
基准测试发现：神经符号推理在时序任务上优于纯神经模型
TRACTA基准揭示，神经符号AI在三个时序推理任务上击败纯神经模型，在早期预警和模式检测任务上差距最大。
2026-08-02
人工智能
为什么你的AI思维链在浪费令牌，以及最优停止如何解决这个问题
麻省理工学院研究人员提出OS-Pruner，这是一个插件，能在后续计算不值得令牌成本时动态停止思维链推理。测试显示，在最小化准确率牺牲的情况下，长度减少20-60%。
2026-07-29