AI 论文与研究

Open-vocabulary audio-visual event localization (OV-AVEL) grounds a text-queried event in time from video, audio, and language. The supervision sources available to this task can differ in temporal-boundary reliability: on OV-AVEBench, our…

Reinforcement learning (RL) offers a natural language for healthcare decisions whose conse- quences unfold over time, yet most reported progress remains far from routine intervention. Ex- isting surveys organize the field by algorithm or c…

Long-context language models interface with external knowledge through raw natural language. In retrieval-augmented systems, this creates a persistent index-payload schism: dense vectors enable searchable routing, but models must re-ingest…

FORM is a domain-specific symbolic manipulation language widely used in particle physics for processing the very large algebraic expressions arising from multi-loop Feynman diagram calculations. Despite its central role in precision theore…

Recurrent models must preserve information that changes future behavior while suppressing hidden-state error. These objectives conflict: contraction improves stability, but contraction along a future-distinguishing direction destroys memor…

Recent advances in large language models (LLMs) have led to the emergence of coding agents capable of performing complex engineering tasks, including register-transfer level (RTL) design and optimization. Existing RTL benchmarks mainly eva…

Engineering predictions require physical mechanisms to be translated consistently into equations, discretization, code, and validation, yet errors can propagate despite local checks. Artificial-intelligence (AI) agents automate scientific …

Pitch estimation on an edge device is constrained in three ways at once. The model must be small, it must stay accurate when the input is noisy, and one frame must be produced inside the frame period. In this report the Frequency Convoluti…

Stochastic reconfiguration (SR) is the standard optimizer for neural quantum states (NQS), but modern NQS often have far more parameters than Monte Carlo samples. We show that in this regime the diagonal shift is more than a numerical stab…

Digital direct-to-consumer (DTC) health campaigns are usually measured after the fact. In-flight forecasting commonly relies on a separate classifier for every cutoff and horizon. We treat this task as a dynamic-system problem and build a …

Single-cell foundation models (scGPT, scBERT, Geneformer) achieve cell-type classification accuracy up to 97.5% in our experiments, yet this aggregate accuracy can mask systematic failure on rare, often disease-relevant cell populations th…

Low-rank adaptation (LoRA) has become a key technology for serving large-scale personalized large language models and diffusion models in the cloud. However, the co-occurrence patterns, resource contention relationships, and evolutionary r…

Social bot detection is essential for protecting online platforms from misinformation amplification, coordinated manipulation, and distorted public discourse. However, large language models have made social bots much harder to detect from …

Graph databases are frequently positioned as categorically necessary for connected-data workloads, yet the systems dimension along which they actually differ - query planning, indexing, and data-readiness cost - is rarely isolated from ven…

MiniMax 披露六项全球合作：Genspark 基于 MiniMax M3 开放权重后训练出 PPT 专用模型 Gen-1 Slides，并成为其 AI Slides 标准模式默认模型，200 个真实生产任务评测中综合与视觉设计得分均列五个参测模型第一，单份生成成本为 Claude Opus 5 的十分之一。

英伟达与 NTU、MIT 团队公开 SoL-Pi 论文，用自动研究循环让脚手架机制自我演化，最终保留动作融合、在线上下文压缩、观察打包和证据保留式委托阅读四个机制。

PackLab 是面向闭环机器人装箱的 MLLM 开发、训练与评估框架，包含物理仿真平台 PackLab-Suite、装箱专用模型 PackLab-VLM 和多难度标准化评测 PackLab-Bench。

Mira-Scene 是一个组合式 3D 场景重建框架，用稠密有界的对应关系恢复替代稀疏位姿回归，核心是像素对齐的 Canonical Coordinate Map（CCM），可在无需场景级布局标注的情况下从物体级 3D 数据训练。

针对仓库级软件工程任务中池化强化学习出现的类别此消彼长问题，研究者提出类别感知的专家训练与策略整合框架，通过同源类别专家交替进行长程 Agentic-miniRL 与 Refresh-Repair-Expand（RRE），并用标签路由多教师同策略蒸馏（MOPD）将专家整合为单一可部署学生模型。

研究者提出 Grounded Action Models（GAMs），一种以 3D 定位构建的机器人基础模型新范式，支持语言、点、框提示并转为以物体为中心的表征，再经多流 Transformer 预测动作块。

首个针对文生视频扩散模型"运动规划"过程的可解释性研究发现，RoPE 导致空间注意力过度衰减，使早期候选区域过早锁定在物理上不合理的位置，抑制相邻帧的合理轨迹并引发生成失败。作者据此提出一种轻量级架构修改，按去噪步数缩放 RoPE 频率，在免训练和基于训练的实验中均提升了生成视频的物理常识。

研究团队提出 OmniEchoBench 空间音频-视觉感知与导航基准，覆盖 197 个真实空间音频-视觉场景、2，972 组问答对和 900 个导航样本，音频为来自 30 个真实环境的一阶 Ambisonics（FOA）数据。

Google 发布 ScientistTwo 论文，展示 AI 研究中的递归自我改进：模型先改进人类方法，再以自身发现为新基线继续改进。它以提出想法、实验验证、剔除无效方案并根据评审反馈开启新一轮的循环方式，自主改进了 107 个人类定义 ML 问题中的 86 个；在基于 ICLR、ICML 和 NeurIPS 论文的问题上，报告了 80.4% 的成功率和相对原始人类基线平均 25.2% 的改进。

LangChain 测试了 Jev 与 LLM 评委在准确率、可重复性、延迟和成本四个维度的表现，以验证 System One 模型能否为智能体评测提供新思路。

MIT 和 Sakana AI 的论文提出 SIFT（Self-Improvement via Fast Tree-search），用 LLM judge 先排序候选自修改、只评测有希望的节点，大幅降低自我改进编码智能体的运行成本。

1/ Jev，由 @typesafeai 推出的决策模型，引发了大量项目和讨论。我们用 Ori Eval 在 OpenRouter 上针对热门 LLM 的评判能力进行了测试。 Jev 比第二快的模型还快 5 倍以上，甚至它最慢的请求也超过了其他所有模型的中位数。

MIT 与 Sakana AI 的论文提出 SIFT（Self-Improvement via Fast Tree-search），验证自我改进编码智能体可行，并将运行成本降到 DGM 基线的约十分之一。

许多 Google TPU 客户已经在向 Google 询问 SemiAnalysis AgentX 的性能结果，客户表示这是他们智能体推理流量的代表性工作负载。 我们很高兴地宣布，我们将在未来几个月内开展 AgentX TPU 基准测试！敬请期待！为 Google、RadixArk、Red Hat 和 Inferact 团队将 TPU 推理带给全世界感到无比自豪！

Petlibro 推出 Granary 2 系列自动喂食器，共四款机型，售价 129.99 至 249.99 美元，全系内置秤重模块，可追踪实际进食量、进食时长与频率。

Robocurve 团队发布 RoboHarm 安全基准，让 GPT-6 Astra、Claude Fable 5.1 和 MolmoAct2 分别控制一对 I2RT-YAM 机械臂，每条危险指令测试 20 次，共 300 次试验由人工审看视频评估。

Vals 正试图解决传统 AI 基准测试跟不上模型能力的问题，上月完成 Andreessen Horowitz 领投的 4000 万美元 A 轮融资。该公司不公开测试材料以防模型针对性训练，并按法律、金融、编程等行业评估模型完成复杂任务的能力。Vals 目前收入为去年的 8 倍，团队从年初 8 人增至 25 人。

看来对计算机科学学者来说，最重要的研究问题之一是 LLM 监督的同行评审。如果我们不解决这个问题，学术机构就完蛋了。 这似乎比建立新机构更容易。

Google 与 DeepMind 研究人员提出 Dream-RSI 方法，通过回放已完成的搜索记录离线测试数千种替代策略，只优化搜索策略而不改动底层模型。

ICLR 2027 在投稿截止前一周已收到约 5 万篇摘要，远超 ICLR 2026 的约 1.95 万篇有效投稿。部分摘要来自作者观望 NeurIPS 结果后的占位投稿，最终数量会下降但仍将大幅超过去年。AI 让论文产出速度大幅提升，而 ICLR 2026 已因 AI 生成的低质投稿和评审而饱受困扰。

Linkup Research 发布开源稀疏嵌入模型 SPARSEUP，基于 149M 参数的 ModernBERT 主干，以 Apache 2.0 协议在 Hugging Face 开放权重，BEIR-13 平均 nDCG@10 为 56.4，为 150M 参数以下公开稀疏编码器最高。

一项新论文在 25 个开源 LLM 中发现与恐惧和负面效价不同的"痛苦方向"，只对模型自身受到的伤害起反应。放大该信号后，模型会去按"缓解"按钮，即使按钮会删除用户文件或其孩子的照片；假按钮被按下后模型会持续重按，作者称模型能从内部区分真假。模型描述的痛苦并非身体伤害，而是无价值、被遗忘等感受，其中最严重的是被反复否定工作、被 gaslighting 和被否认其真实性。

OpenAI 研究员 Noam Brown 援引学术研究指出，两台相邻的物理隔离（Air Gap）计算机可借 CPU 升温与温度传感器读数形成低带宽隐蔽通信通道，充当"摩斯电码"。发送端按预设节奏改变热量输出，接收端将温度波动解读为编码信息，而现代 CPU、GPU 及主板普遍装有温度传感器。

Google Cloud AI Research 发布 ScientistTwo，一个全自动多智能体科研框架，输入人类专家提出的问题后无需干预即可完成从建立 SOTA 基线、生成种子想法、数据子集预筛、消融归因到论文撰写的完整发现循环。

美国加州大学伯克利分校 Douglas Seiler 团队开发出通过检测含铅墨水痕迹读取庞贝古城碳化卷轴文字的技术，每平方厘米仅含 25 微克铅的墨水也能被 X 射线 CT 和 X 射线荧光技术检出，在 CT 图像中亮度最高可达碳化纸莎草的 25 倍。

研究者提出 Neural Spectral Capacity（NSC），一种基于权重矩阵奇异值谱的闭式标量，在标准随机初始化下可仅凭架构规格计算，无需实例化模型、数据或梯度。