NEWS DESK·新闻资讯
人工智能日刊 · 第 30 页
最近发布的产品动态、研究进展与行业消息。
订阅
切换主题
- 研究·
arXiv·
模型会算一步,不代表能连续跟踪状态
WMIP 用程序生成答案,测试语言模型在多次更新后能否正确报告最终或中间状态。它在相同题目上比较不同输出规则,避免把题型差异混入结论。 论文测试 18 个模型,发现单步算术成绩与连续状态跟踪之间存在明显落差;要求写出中间步骤后,表现大幅改善。结果说明,输出协议会显著影响此类能力的测量。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。

- 研究·
arXiv·
量化研究用低秩与稀疏补偿保留模型信息
一项模型压缩研究把权重拆为量化矩阵、低秩部分和处理离群行的稀疏部分,尝试用少量额外存储补偿低比特转换损失。 团队通过模拟退火搜索候选分解,在多款 Llama 与 Qwen 模型上比较 4 位量化表现。论文报告优于直接量化的结果,实际开销取决于所选补偿结构。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。

- 研究·
arXiv·
方言进入生成式 AI,标准语言之外还有哪些难题
一篇跨学科研究以南蒂罗尔方言和库尔德语变体为例,讨论生成式 AI 如何处理非标准化语言。作者结合社会语言学与计算语言学视角,分析数据、技术与语言规范之间的关系。 论文不仅关注模型能否生成这些语言,也讨论数字工具怎样影响语言多样性与使用者的表达空间。这是一项研究讨论,不是新语言模型的发布。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。

- 研究·
arXiv·
BRACE 同时检查医学陈述、报告与引用证据
BRACE 研究为医学陈述核验构造训练样本,不只替换引用,还同时考察患者报告是否支持模型说法。系统利用公开放射报告和相关医学条目生成对照例子。 作者在多组胸片数据上发现,只通过传统测试的核验器可能仍接受与报告矛盾的文字;加入矛盾样本后,错误放行有所减少。核验结果仍属于辅助检查,不能代替临床专业判断。
- 研究·
arXiv·
AI 生成的调查样本,不能只用一个准确率判断
一项社会科学方法研究用欧洲晴雨表中的 AI 态度数据,比较模型合成调查样本的个体预测、总体分布和变量关系。 作者发现,有些样本无法准确复现某个受访者的回答,却保留了部分群体差异和变量结构。因此,研究建议依据实际用途需要的统计特性评估合成样本,而不是把一种分数当作通用有效性证明。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 研究·
arXiv·
Taurus 将 CT 标注从自由生成改为重点复核
Taurus 研究比较语言模型自由编写分割程序,以及先自动标注再由模型审核两种方式。团队使用六个公开主动脉 CT 数据集进行盲标注恢复评测。 研究发现,较多收益来自自动化流程本身的改进。最终方案用固定规则处理表面平滑,并针对常见大错误生成带候选修正的选择题,让模型集中复核,而不是全面重做标注。
- 研究·
arXiv·
研究回顾:BPE 分词为什么能压缩文本
一篇关于 BPE 的理论研究分析了分词背后的压缩问题。作者证明,寻找最优的成对编码属于 APX 完全问题,同时给出 BPE 在所有输入上都成立的最坏情形近似保证。 这份论文最早于 2024 年公开,此次因进入趋势列表重新受到关注。它解释的是压缩效用,而不是宣称 BPE 在所有语言或下游任务中都最优。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 研究·
arXiv·
RE-SciVQA 用检索和小模型读懂论文图表
RE-SciVQA 将论文的章节标题、图表引用和图注纳入检索,再用 LoRA 微调较小的语言模型回答科学图表问题。它没有另建复杂的大型模型,而是先改善模型读到的上下文。 作者在 SciVQA 基准上报告了优于普通 RAG 的匹配表现,并发现针对部分图表问题,提取图中数据比生成概括性图注更有效。结果来自论文中的特定评测设置。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 研究·
arXiv·
先制造错误,再检验 AI 修复图数据的能力
一项图数据研究提出更系统的修复评测方法:从符合规则的图开始,按形式化规则引入错误,再检查修复系统能否恢复约束。这样可以知道测试覆盖了哪些错误,而不只依赖临时收集的坏数据。 作者用这套框架比较了包含大语言模型在内的多种修复方法。论文发现,不同方法对不同约束的表现存在明显差异,单一总分难以反映实际能力。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 研究·
arXiv·
AI 能预测材料性质,化学键仍然有用
一项材料研究讨论了深度学习是否会取代化学键概念。作者通过线性探针发现,Allegro 和 MACE 的内部表示仍能恢复化学键相关描述,说明模型可能以自己的方式学到了这类信息。 团队还在 MEGNet 中加入电子结构和成键信息,报告部分材料性质预测误差有所降低。论文主张把化学键视为可学习、可检验的表示,而不是因为模型预测准确就将它抛弃。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 开发工具·
arXiv·
TokenEconomizer 帮编程智能体减少重复消耗
TokenEconomizer 是编程智能体外部的成本控制器。它从连续任务中积累经验,选择注入哪些操作技巧、移除长期无用的工具,并在失败循环中介入,避免每个任务都重新试错。 论文覆盖 Claude Code、Codex 与 GitHub Copilot CLI 等组合。作者报告,在任务成功率相近的设置下,平均 token 成本降低约 18.4% 至 30.9%;这些是实验结果,实际节省比例仍受项目和工作流影响。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 商业·
arXiv·
TradingAgents:把多角色讨论引入交易研究
TradingAgents 用多智能体模拟交易团队的分工,包括基本面、情绪、技术分析、风险管理及交易决策。看多和看空角色分别提出理由,再由其他角色综合信息。 这是一项早期公开的研究框架,此次重新出现在论文趋势列表。论文中的回测结果用于检验架构,并不等同于真实交易收益;项目更适合用来研究多角色协作和风险审查流程。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 开发工具·
arXiv·
Harness² 让智能体逐步改进自己的执行框架
Harness² 将智能体改进分成两层:当前任务中提出、测试并组合执行框架的修改;跨任务再提取这些修改的经验,帮助处理之后遇到的新场景。 研究针对开放任务缺少标准答案、难以在线验证的问题设计了对比式探测流程。作者在多组职业任务基准上报告了提升,但这仍是有限实验中的执行框架优化,不等于模型可以无限自我进化。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 研究·
arXiv·
Unlimited OCR 尝试用固定缓存处理长文档
Unlimited OCR 针对长文档识别中缓存不断增长的问题,引入参考滑动窗口注意力 R-SWA。解码时保留所需参考信息,让 KV 缓存保持恒定,而不是随输出文本持续扩张。 论文以 DeepSeek OCR 为基础,在标准 32K 长度设置下处理多页文档,并公开代码与权重。作者还讨论了这种解析注意力在语音识别、翻译等序列任务中的潜在用途。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 视频·
arXiv·
HairDeck 从一张图生成可做动画的发型
HairDeck 面向游戏和虚拟角色的风格化头发,将发片视为一组无序的几何单元,通过集合扩散模型一起生成,而不是逐个预测很长的控制点序列。 系统同时生成驱动发片的弹簧骨骼链,输出可以进入后续动画流程。论文在指定测试集上报告了形状误差、方向误差和速度的改善;它处理的是风格化发片,并非所有真实发丝重建场景。
- 研究·
arXiv·
Edge0 从 SSD 调入专家,降低模型内存占用
Edge0 为消费级设备运行混合专家模型设计了预路由机制:提前预测下一层需要的专家权重,再从 SSD 加载,尽量让读盘与计算重叠。团队还训练了恢复适配器,缓解量化和路由替换带来的质量损失。 作者报告,在一台 24GB 内存设备上,35B 级模型的峰值活动内存约 3GiB、速度约每秒 20 token。这里的活动内存不是整台设备总内存需求,结果也依赖论文中的模型与硬件设置。
- 开发工具·
arXiv·
AgentScope 把工具调用、评测和运行环境接起来
AgentScope 1.0 的论文介绍了面向开发者的智能体应用框架:统一模型和工具接口,以异步设计支持人与智能体、智能体之间的交互,并将 ReAct 工作方式作为基础。 框架还提供可视化评测、运行沙箱和部署支持。较早的相关论文讨论了分布式多智能体模拟及批量角色配置;这些材料可用于了解 AgentScope 的架构演进,并非今天刚刚发布的新版本。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 开发工具·
arXiv·
研究回顾:vLLM 如何减少推理缓存浪费
PagedAttention 借鉴操作系统的虚拟内存分页方式,管理推理请求不断增长的 KV 缓存,减少碎片和重复副本,并允许请求之间共享适当的数据。vLLM 建立在这类机制之上。 这篇 2023 年论文再次进入趋势列表。作者当时在指定基线和负载上报告了吞吐提升;对于今天选择推理服务的开发者,它更重要的价值是解释缓存利用率为什么会限制批处理能力。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 开源·
arXiv·
MOSS-Image 瞄准长文字与复杂版式生成
MOSS-Image 技术报告提出一套面向图文密集场景的生成系统。团队从头训练 5B 扩散 Transformer,并用意图感知的提示增强模块,把用户要求展开成内容和版式细节。 研究同时提出中英文长文本和复杂布局评测。作者报告了文字覆盖率等结果,并表示将公开模型、训练方法与评测框架;技术报告中的计划不应直接当作所有资产已经可下载。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 开发工具·
arXiv·
OpenHands:让 AI 在沙箱里写代码、用终端
OpenHands 的早期论文介绍了通用软件开发智能体平台,支持编写代码、使用命令行和浏览网页,并把执行过程放入沙箱环境。它也允许多个智能体协作和接入评测基准。 该项目原名 OpenDevin,采用 MIT 许可证。此次收录来自趋势列表中的研究回顾,重点是理解其工作环境和扩展方式,不代表今天新发布了论文中的版本。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 研究·
arXiv·
IDM 改善少步生图中的文字和细节
Intrinsic Distribution Matching 在分布匹配蒸馏中加入显式的特征统计约束,用生成器自身的指数移动平均副本提供特征,避免额外引入独立的特征编码器。 作者在 Z-Image-Turbo 与 Qwen-Image 上测试完整参数和 LoRA 调整,在两次网络计算预算下报告了长文本生成的改善。论文关注的是少步生成时如何保留提示中的细节,结论限于其评测条件。
- 开源·
arXiv·
nanoMuse 探索跨手机和电脑的个人智能体
nanoMuse 技术报告提出跨设备共享对话的个人智能体,由用户自行运行中继服务,并选择底层模型。记忆以可阅读文件保存,动作经过专门的检查环节。 报告以 GPL-3.0 开源方案为方向,区分当前实现、成本估计和后续路线图。它试图把账号、设备、长期记忆连接起来,但不能把规划中的评测和开放模型视为已经交付。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 研究·
arXiv·
MinerU2.5 先看版式,再识别文档细节
MinerU2.5 的研究采用两阶段文档解析:先在低分辨率图像中识别全局结构,再根据版式从原图裁出文字、公式和表格,进行局部精细识别。 作者用这一方式减轻整页高分辨率计算的负担,并在多个基准上评估了准确率与效率。这份较早公开的技术报告此次重新进入趋势列表,可用于理解文档解析为什么需要同时兼顾布局与细节。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。
- 研究·
arXiv·
投资研究基准给 AI 加上信息时间边界
Investor’s Last Exam 用带版本和时间戳的金融数据库测试智能体,要求模型只能使用决策时已经存在的材料,避免在预测过去事件时偷看后来的结果。 基准包含 86 项研究任务,并结合专业分析交付物、预测准确率和模拟投资表现评分。作者发现,研究报告写得好不必然转化为预测能力,强调应追踪证据、假设与判断之间的联系。 配图为 GETAI.APP 原创编辑插画,采用主题示意设计,非新闻现场实拍、官方产品界面或实测图表。




















