Yann LeCun 发新论文挑战 Scaling Law：1.09 亿参数胜过 720 亿，模型越大不一定越懂世界
Yann LeCun 与其合作者提出了一种新的跨模态表征对齐方法，通过实验证明了一个仅有 1.09 亿参数的文本模型在跨模态表征对齐测试中超过了包括 Qwen2.5-72B、Llama-3-70B 在内的大型语言模型。
推荐理由：LeCun 的论文挑战了 AI 行业中模型规模与理解能力的关系，提出了新的跨模态表征对齐方法，对 AI 理论研究有重要意义。
#数据/训练
#数据/训练
今日 0 条InfoQ中文精选AI 评分7070
IT之家精选AI 评分7575 北京大学团队优化 ABACUS 软件提升鲲鹏 920 性能
北京大学团队完成了 ABACUS 在鲲鹏 920 全系列平台上的适配，并对 19 类材料领域核心算子进行了优化，使得在相同硬件配置下，性能提升了 1.3 至 10.7 倍。
推荐理由：原文详细介绍了北京大学团队对 ABACUS 软件的优化过程，包括对 19 类材料核心算子的优化，以及与业界主流 CPU 的性能对比，读者可以从中了解优化方法和性能提升情况。
Solidot精选AI 评分6060 研究发现非英语token成本更高：AI经济参与范围的限制和语言不平等问题
研究发现，AI模型处理部分语言提示所需的token量远超英语，导致小语种用户的AI成本更高，限制了AI经济的参与范围。
推荐理由：研究发现非英语的token成本更高，揭示了AI经济参与范围的限制和语言不平等问题。
Show HNAI 评分3030 StockBot：利用Claude模型分析Reddit股票讨论的探索性软件研究
StockBot是一款探索性软件，通过分析Reddit股票讨论，使用Claude模型进行买卖建议。该系统在100天内收集了717,205条股票提及和78次模型调用，结果显示股票在10个交易日内平均下跌7.3%。StockBot包含两个不同的选择路径：系统选择和用户选择，并通过Telegram发送简报。该研究旨在了解语言模型在处理市场数据时的行为，但不应被视为投资建议。
IT之家精选AI 评分6565 国家脑机接口高质量数据集建设项目启动
华中科技大学同济医学院附属同济医院牵头的脑机接口高质量数据集建设项目正式启动，旨在破解数据碎片化问题，并建成我国自主可控的脑机接口高质量数据库。
推荐理由：该项目聚焦于脑机接口高质量数据集建设，对于推动脑机接口技术的发展具有重要意义。
Google DeepMind精选AI 评分7070 Google DeepMind 发布全球森林类型地图
Google DeepMind 与合作伙伴发布了 Forest Typology (ForTy) 2020，这是一张全球森林类型的高分辨率地图，可帮助监测和保护森林资源。
推荐理由：该研究提供了对全球森林类型的高分辨率地图，有助于监测和保护森林资源。
InfoQ中文精选AI 评分7575 上下文语言模型：通过自主管理上下文提升性能、降低计算成本
Meta、麻省理工学院与华盛顿大学的研究人员提出上下文语言模型（CLM），一种使语言模型能够自主管理和编辑自身上下文的新方法。该方法在性能和计算效率方面均取得显著提升，并探索了三种不同的上下文管理方法。
推荐理由：该研究提出了上下文语言模型，通过自主管理上下文提升性能和降低计算成本，对语言模型领域有重要意义。
InfoQ中文精选AI 评分6060 FlashQLA：面向 Qwen 系列模型线性注意力的高性能优化实践
FlashQLA 是一个针对 GDN 线性注意力的高性能 GPU 算子库，本文详细介绍了其定位、背景、序列并行方案、滑动窗口性质利用、硬件友好代数改写以及 warp specialization 实现等核心技术，并给出了性能基准和生态集成进展。
推荐理由：本文介绍了 FlashQLA，一个针对 GDN 线性注意力的高性能 GPU 算子库，对 Qwen 系列模型线性注意力的高性能优化实践进行了详细阐述，读者可以了解其性能提升和应用场景。
IT之家精选AI 评分7070 浙大团队实现硅-28 同位素丰度超过 99.99% 的自主量产
浙江大学杭州国际科创中心量子信息硅团队首次实现硅-28 同位素丰度超过 99.99% 的自主量产，为硅基量子芯片研发提供重要支持。
推荐理由：该研究首次实现了硅-28 同位素丰度超过 99.99% 的自主量产，对硅基量子芯片研发具有重要意义。
IT之家精选AI 评分6565 中国科学院智能锂电池研究取得重要新进展，可预警锂枝晶
中国科学院化学研究所提出了一种具有枝晶传感功能的复合固态电解质，能够实现锂枝晶的识别和预警，为智能锂电池设计提供了新范式。
推荐理由：该研究提出了一种新的固态电解质，能够实现锂枝晶的识别和预警，对提升锂电池的安全性和智能化具有重要意义。
Solidot精选AI 评分7070 Linus Torvalds 使用大语言模型辅助开发 Linux 补丁
Linux 作者 Linus Torvalds 在大模型帮助下开发了一系列补丁，用于增强 folio 的查找机制，并在测试中实现了性能提升。
推荐理由：Linux 作者 Linus Torvalds 使用大语言模型辅助开发补丁，展示了 AI 在软件开发中的应用潜力。
IT之家精选AI 评分7070 中国科大利用拓扑探针实现交错磁体原子尺度自旋成像
中国科学技术大学科研团队成功利用拓扑材料制成扫描隧道显微镜针尖，实现了交错磁体原子尺度自旋成像，为量子材料研究提供了新的方法和技术。
推荐理由：该研究利用拓扑材料实现原子尺度自旋成像，为量子材料研究提供了新的方法和技术。
Show HN精选AI 评分7070 GPT-3.5 和 GPT-4 的实验结果及 AGI 研究新框架
某研究者进行了 GPT-3.5 和 GPT-4 的实验，发现 GPT-4 在某些情况下会返回空响应，并提出了 AGI 的新定义和相关的研究框架。
推荐理由：原文提出了 AGI 的一个新定义，并介绍了相关的实验和基础设施，读者可以了解 AGI 研究的最新进展。
开源中国AI 评分3535 ClickHouse 产品负责人 Sai Srirampur 在 POSETTE 2026 上发表演讲：Postgres 不慢，是你的存储慢
ClickHouse 产品负责人 Sai Srirampur 在 POSETTE 2026 演讲中提出，PostgreSQL 性能瓶颈在于存储，通过对比本地 NVMe 和 EBS 存储的测试，NVMe 性能远超 EBS，差距达 9.24 倍。
IT之家精选AI 评分8585 华为与华东师大联合研发时序预测基础模型登顶国际权威评测榜单
华为与华东师范大学联合研发的时序预测基础模型登顶国际权威评测榜单TIME-leaderboard和GIFT-Eval（Pretrained类目），标志着国内时序基础模型达到全球领先水平，具有重大研究价值。
推荐理由：华为与华东师范大学联合研发的时序预测基础模型登顶国际权威评测榜单，标志着国内时序基础模型达到全球领先水平，具有重大研究价值。
IT之家AI 评分2222 中国团队全球首次构建水稻全生命周期三维时空细胞图谱
中国多个科研机构协作，在全球范围内首次构建覆盖水稻从种子萌发到开花结实全过程的三维时空细胞图谱，成果于10月6日晚在线发表于《细胞》（Cell）。该图谱整合基因组测序、单细胞测序与空间转录组测序，并配套建设了可供全球研究者使用的数据库与水稻单细胞基础模型，支持基因查询、空间表达展示和比较分析。研究有望开辟精准设计育种新路径，减少性状改良中“顾此失彼”的连锁反应。
The Decoder精选AI 评分6262 研究者将 LeCun 的 JEPA 扩展为跨物理到生物的通用世界模型 JEPA-Anything
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything，把标准 JEPA 的单一预测拆成四个正交因子、各由独立预测模块处理，再重组为完整世界状态，在物理、机器人、天气、单细胞和临床等七个领域共用同一套原则。
推荐理由：JEPA-Anything 把单一预测拆成多个正交预测模块，在物理动力学任务上误差最多降约 35%，并给出跨领域复用的具体路径。
Simon WillisonAI 评分2727 Qwen3.8 27B 用英文单词做加法的基准测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 能否仅用英文单词表达整数加法结果。禁用推理时 5,070 个用例数值准确率仅 23.57%，一至三位数操作数从 97.04% 降至十至十三位数的 6.44%，格式合规率 96.17%。启用推理后 169 次配对测试答对 167 次。
量子位精选AI 评分6262 Hinton等22人发表首篇RSI论文，讨论AI研发自动化是否会触发智能爆炸
Hinton、Bengio、Andrew Barto、Jakub Pachocki等22位作者发表论文《What if automating AI R&D triggers an intelligence explosion?
推荐理由：论文汇总了头部实验室的内部数据，给出AI研发自动化与智能爆炸之间还差哪些条件的判断框架。
Show HN精选AI 评分6262 DoubtBench 发布：用人类分歧评测 System One 模型的不确定性
DoubtBench 是一个基于 NVIDIA HelpSteer2 多人标注数据构建的基准，把标注者的分歧转化为约 7,500 道 Score、Choice 和 Noul 题目，同时考察模型答对率和概率是否与人类分歧对齐。
推荐理由：DoubtBench 用 HelpSteer2 的多人标注衡量模型概率是否与人类分歧一致，并给出可复现的评测命令与榜单。
Microsoft ResearchAI 评分3636 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院实习生开发了一套机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的区域性空间天气风险估计。
Microsoft ResearchAI 评分4040 微软在 Nature 发布 RetroChimera：开源逆合成模型，专家盲测优于既有模型
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补预测。
Microsoft ResearchAI 评分4040 微软 Skala 1.1 发布：训练数据增 2.5 倍，已接入 CP2K 并推进 Psi4、FHI-aims、ORCA、VASP 集成
微软研究院发布深度学习 DFT 交换关联泛函 Skala 1.1，训练数据比首个公开版本多 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正被集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软推出持续追踪各版本计算性能的 living benchmark。
Microsoft ResearchAI 评分4040 微软研究院发布 CARE-X：面向临床可用的放射学 VLM，融合辅助监督、奖励对齐学习与工具增强测量
微软研究院推出放射学研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、疾病存在与否定判断、病灶定位及多标签分类等任务，并支持生成式与双推理两种模式。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的摘要更新
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务上，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
OpenAI NewsAI 评分2222 OpenAI 推出 GeneBench-Pro 基准
OpenAI 推出 GeneBench-Pro，一个用复杂真实数据集测试 AI 在基因组学、生物学和科研领域表现的新基准。
OpenAI News精选AI 评分4848 OpenAI 与 Molecule.one 用 GPT-5.4 近自主 AI 化学家改进药物合成反应
OpenAI 与 Molecule.one 展示了一个使用 GPT-5.4 的近自主 AI 化学家，改进了药物制造中的一项关键反应，推进了药物化学研究。
推荐理由：OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物合成反应，可看 AI 在实验科学中的落地方式。
OpenAI NewsAI 评分3030 OpenAI 推出 LifeSciBench：面向生命科学研究任务的专家评测基准
OpenAI 发布 LifeSciBench，一个由专家撰写并评审的基准，用于评估 AI 系统处理真实生命科学研究任务与决策的能力。该基准聚焦真实科研场景，而非通用问答。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 助力 Calico 衰老研究
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。
Google DeepMindAI 评分2828 Google DeepMind Co-Scientist 加速肝病机制发现
爱丁堡大学团队用 Google DeepMind 的 Co-Scientist 研究 MASH 肝病，系统整合肝生物学与药理学证据，锁定 NLRP3 炎症小体作为连接炎症与代谢的分子桥梁，解释 resmetirom 为何仅对少数合格患者有效。该假设经实验验证，或为靶向联合疗法铺路。
Google DeepMindAI 评分3838 Google DeepMind Co-Scientist 助力发现抗肝纤维化药物
斯坦福大学医学院 Gary Peltz 团队用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物，其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生，而 Peltz 自行挑选的 2 个药物均无效。表现最突出的是抗癌药 vorinostat，阻断了 91% 可驱动肝硬化的损伤反应。相关研究已发表于 Advanced Science。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为解耦的计算岛并异步传输数据，从而隔离局部硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并自动重新接入，用 Gemma 4 模型验证其基准 ML 性能与传统训练方法持平。
推荐理由：原文给出分布式训练在带宽、故障隔离和跨代硬件上的实测结果，可据此判断大规模预训练基础设施的演进方向。
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型的更长视野梯度规划方法
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索，并重塑梯度让动作获得清晰信号、避免穿过高维视觉模型的脆弱“状态-输入”梯度。该方法针对长视野规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题，使长视野规划更稳健。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分3636 伯克利 AI 研究：用信息量直接评估与优化成像系统
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化后的设计在更少内存和算力下达到与端到端方法相当的水平，相关成果发表于 NeurIPS 2025。
Google DeepMindAI 评分3838 Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite，系统评估大语言模型事实准确性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共 3513 个公开样例。
Google DeepMindAI 评分3636 Google DeepMind 用 AlphaFold 改造光合作用关键酶，培育耐热作物
密歇根州立大学团队借助 AlphaFold 预测植物与嗜热藻类的甘油酸激酶（GLYK）三维结构，发现植物版 GLYK 的三个柔性环在高温下会变形失稳。研究人员用藻类 GLYK 中更刚性的环替换这些不稳定片段，构建的杂合酶中有一款在高达 65 °C 时仍保持稳定，为培育耐热作物提供了新路径。
Google DeepMind精选AI 评分5252 Google DeepMind 在 Nature 发表研究：让 AI 视觉表征更接近人类
Google DeepMind 在 Nature 发表新论文，分析 AI 视觉模型与人类在组织视觉世界上的差异，并提出一种三步对齐方法。该方法先用 THINGS 数据集训练一个冻结主模型的小型适配器作为教师模型，再生成包含百万张图像、数百万条类人判断的 AligNet 数据集，最后微调其他学生模型。
推荐理由：DeepMind 在 Nature 发表视觉对齐研究，读者可了解人类与模型表征差异及三步对齐方法。
Google DeepMindAI 评分3636 Google DeepMind 用 AI 绘制物种分布、预测森林砍伐并升级生物声学模型 Perch
Google 发布森林砍伐风险预测基准数据集，基于纯卫星输入和 vision transformers 架构，可在 30 米尺度上预测 2000-2024 年森林流失风险。
Berkeley AI ResearchAI 评分3232 word2vec 究竟学到了什么？伯克利提出可定量预测的学习理论
伯克利 AI 研究团队证明，在若干温和近似条件下，word2vec 的学习问题可化简为无权重最小二乘矩阵分解，其梯度流动力学有闭式解，最终学到的表示等价于对特定矩阵 M* 做 PCA。