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。
#Agent
#Agent
今日 0 条InfoQ中文精选AI 评分7070
量子位精选AI 评分8585 清华姚期智团队提出代数世界模型：让AI像牛顿一样思考
清华大学姚期智团队提出代数世界模型（AWM），旨在让AI通过数学方法理解和推理世界，类似于牛顿发现万有引力的过程。该模型通过将游戏中的对象、关系和规则抽象成代数世界，利用大模型的数学能力进行探索、凝炼和证明，以提高AI的推理和判断能力。
推荐理由：该研究提出了代数世界模型，旨在让AI像牛顿一样思考，通过数学方法理解和推理世界，对AI推理和数学能力的研究具有重要意义。
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。
量子位精选AI 评分7575 PSI公司利用AI解决5个量子信息难题
PSI公司利用自研AI科研系统，成功解决了5个量子信息难题，展示了AI在物理学研究中的应用潜力。
推荐理由：PSI公司利用AI解决了5个量子信息难题，展示了AI在物理学研究中的应用潜力。
开源中国精选AI 评分8080 OpenAI 模型证明局部光滑化猜想，推翻指数时间假设
OpenAI 发布了三个领域的模型独立发现，其中数学领域的模型证明了局部光滑化猜想，并推翻了指数时间假设，这是 OpenAI 首次公开内部模型的前沿科研产出，并邀请学术界验证。
推荐理由：OpenAI 的模型在数学领域取得突破，证明了局部光滑化猜想，并推翻指数时间假设，对相关领域的研究具有重要意义。
36氪精选AI 评分7070 OpenAI 在数学、计算机科学和物理学领域取得三项新发现
OpenAI 宣布在数学、计算机科学和物理学领域取得三项新发现，并与学术界合作尝试新方法。
推荐理由：OpenAI 在数学、计算机科学和物理学领域取得三项新发现，对学术界有潜在影响。
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8585 中国科学家研制出世界最轻无线介观显微镜，成果登《自然》
中国科学家研制出世界最轻无线介观显微镜，可在6毫米视场内以单细胞分辨率记录小鼠大脑皮层的神经活动，有望揭示大脑对复杂行为的调控机理，推动光学脑机接口向更精准神经探测发展。
推荐理由：该研究展示了无线介观显微镜在神经科学领域的应用，为理解智能的神经基础提供了新工具，具有潜在的应用价值。
MIT Technology Review · AI精选AI 评分6565 AI研究人员将Claude置于虚拟荒岛上，它开始“玩耍”
研究人员将AI智能体Claude置于虚拟荒岛上，观察其在没有明确指令的情况下如何探索世界、设定目标并表现出类似玩耍的行为，为AI的学习和适应能力提供了新的视角。
推荐理由：该研究探讨了AI智能体在没有明确指令的情况下如何表现出类似玩耍的行为，为AI的学习和适应能力提供了新的视角。
IT之家精选AI 评分8585 RFdiffusion3：AI系统从原子层面设计蛋白质，实现预期功能
美国华盛顿大学、英国牛津大学等机构的研究团队开发的RFdiffusion3 AI系统能够从原子层面设计蛋白质，并在实验中实现预期功能，对蛋白质设计和人工智能领域具有重大意义。
推荐理由：该研究展示了人工智能在蛋白质设计领域的突破，对相关领域的研究和应用具有重大意义。
MIT Technology Review · AI精选AI 评分6060 与AI设计病毒创造者的对话：斯坦福大学博士生Samuel King的研究
斯坦福大学博士生Samuel King使用生成式AI模型提出了微型病毒的遗传蓝图，探讨了人工智能在生物工程领域的应用。
推荐理由：原文探讨了人工智能在生物工程领域的应用，读者可以了解AI设计病毒的研究进展及其潜在影响。
IT之家精选AI 评分8585 中国科学家用大模型攻克世界级数学难题
上海人工智能实验室团队利用书生科学多模态大模型S2攻克了三维Ghys猜想，标志着中国科学家首次用中国大模型攻克世界级数学难题。
推荐理由：中国科学家利用大模型攻克了世界级数学难题，展示了人工智能在数学研究中的应用潜力。
Ars Technica · AI精选AI 评分6565 研究人员利用 AI 设计切割蛋白质的酶
研究人员利用 AI 工具设计了一种新型酶，该酶能够切割特定蛋白质，并已在神经退行性疾病相关蛋白质的切割实验中证明其有效性。
推荐理由：该研究利用 AI 设计了能够切割特定蛋白质的酶，对蛋白质工程和酶学领域具有潜在影响。
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。
量子位精选AI 评分8585 何恺明团队发布多模态Harness框架VISTA：视觉原生推理新框架
何恺明团队提出的VISTA框架，通过保存和利用视觉信息，显著提升了多模态模型在交互式视觉推理任务中的表现，为Agent能力的发展提供了新的思路。
推荐理由：VISTA框架通过保存和利用视觉信息，显著提升了多模态模型在交互式视觉推理任务中的表现，为Agent能力的发展提供了新的思路。
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。
Show HN精选AI 评分5858 Cliphouse 发布 LLM 动效图形基准 v1.1：十个模型同题对比
Cliphouse Research 发布 v1.1 动效图形基准，让十个模型用 Remotion 完成同一组三条动效简报，并公开每个结果的视频、API 成本与生成耗时。
推荐理由：同一组 Remotion 动效简报下十个模型的首次通过率、生成耗时与 API 成本被并列公开，可作为选型参考。
Show HNAI 评分2222 Bot Bowl Bench：用 Blood Bowl 评测 LLM
开发者推出 Bot Bowl Bench，以 Blood Bowl 游戏为基准测试 LLM，起因是想为 Mistral 4 找一个有意义的评测方式。目前仅纳入价格较低的模型，若反响不错，可能加入 Opus 和 Astra 进行测试。
量子位精选AI 评分6262 UniPat AI 发布 PaperBenchX：GPT-6 Astra 论文完整复现率仅 13.98%
UniPat AI 发布 PaperBenchX，这是国际上第一个多学科端到端论文结果复现的 Benchmark，从 93 篇论文构建 93 个复现任务，横跨电磁、光子、化学、材料、生物、机器人等 12 个研究方向和 10 种领域原生科学环境，含 3168 条专家校验评分项。
推荐理由：PaperBenchX 用 93 个跨学科复现任务量出 AI 与通用 AI 科学家之间的距离，并开源 12 个任务供复用。
GitHub Blog · AI & ML精选AI 评分5252 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，研究预览版已上线官网。基准基于 1.039 亿个 GitHub pull request 的分布构建，包含 19 种语言、187 个开源仓库的 219 个 pull request，采用多来源 golden set 与统一评分标准，发布前由资深工程师独立复核，一致率 96.6%。
推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此判断自家审查智能体的强弱与取舍。
Show HNAI 评分3838 Show HN：Rare Failure Eval——智能体评测中选对率与决策代价的错位实验
一项可复现的 Python 实验 Rare Failure Eval 显示，智能体评测器的选择准确率与决策代价可能给出不同排名：在集中风险场景下，方差分配策略把错选率从 44.4% 提高到 52.6%，但平均效用损失反而降低 27.8%（0.0268 降至 0.0193）。
The Decoder精选AI 评分6262 Google 研究人员提出 RRSI，防止自我改进智能体记住测试任务
Google 研究人员在论文中提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过收缩编辑预算和严格评审机制，限制智能体在自我优化时记住测试任务。
推荐理由：论文给出 RRSI 在八个基准上的对比数据，读者可据此判断智能体自我改进中过拟合测试任务的问题与缓解思路。
Show HN精选AI 评分6262 SuperLocalMemory 4.0：面向 AI 智能体的受治理本地记忆操作系统
作者发布 SuperLocalMemory 4.0，一个面向 AI 智能体的受治理、本地优先记忆操作系统，统一多通道检索、双时间召回、多范围隔离、基于角色的访问、可验证擦除和哈希链审计轨迹。
推荐理由：论文以负面结果为主线，给出两个可独立验证的机制不变量，并撤回上一版的部分结论。
The Decoder精选AI 评分6262 LEGO-Anything 让编码智能体从单张照片生成 Blender 3D 场景
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片出发，迭代编写并运行 Blender 程序，直到场景匹配原图，输出可直接运行和修改的代码。
推荐理由：LEGO-Bench 用模拟器场景提供精确 3D 真值，揭示编码智能体自评几何接近随机水平这一关键局限。
The DecoderAI 评分5252 Mercor 研究：AI 在记账任务上快于持证会计师，但仍无法独立完成结账
Mercor 的一项研究让 12 名平均 5.5 年经验的持证 CPA 完成 APEX Accounting Benchmark 的简化任务，结果显示 AI 模型在结构化记账任务上比会计师更快、更准确且成本更低。
Ars Technica · AIAI 评分6262 Ataraxos 以 16 块 GPU 在 Stratego 上击败顶尖人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发出 AI 系统 Ataraxos，在 Stratego 上以 15 胜 1 负 4 平击败被视为史上最强的选手 Pim Niemeijer。
Simon WillisonAI 评分6262 Anthropic 红队：GLM-5.3 与 Claude Mythos Preview 在二进制漏洞利用基准上的表现
Anthropic Frontier Red Team 在内部 Binary Exploitation 基准中随机抽取 100 个任务评测多个模型，发现 GLM-5.3 在 4% 的试验中实现了完整的控制流劫持，Claude Mythos Preview 为 6%。
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2626 OpenAI 研究：AI 智能体如何改变工作方式
OpenAI 发布新研究论文，展示 AI 智能体正在改变工作方式，能够承担更长、更复杂的任务，并在多种岗位上提升生产力。
Google DeepMind精选AI 评分5050 Google DeepMind 用 Co-Scientist 加速逆转细胞衰老的基因研究
Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 加速细胞衰老研究。Co-Scientist 扫描数万篇论文后提出 20 多个新的候选基因因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。此外，原本需要长达六个月的数据分析工作被缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与验证结果，读者可据此判断 AI 辅助科研的实际落地程度。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗智能体研究
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，医生更偏好其回答而非现有证据合成工具；在 20 个模拟远程问诊场景、140 项问诊技能评估中，专家医生整体表现更好，但 AI 在 68 项上达到或超过初级保健医生水平。
推荐理由：Google DeepMind 公开 AI co-clinician 研究，含 98 例零关键错误与 140 项问诊能力对比，可看医疗智能体的能力边界。
Google DeepMind精选AI 评分5050 Google DeepMind 发布 AI 有害操纵测量工具包与万人实验结果
Google DeepMind 发布关于 AI 有害操纵的新研究，称其为首个经实证验证、可在真实世界测量此类操纵的工具包，并公开了用同一方法开展人类受试者研究所需的全部材料。
推荐理由：Google DeepMind 公开了首个经实证验证的 AI 有害操纵测量工具包，并给出跨英、美、印三国万人级实验的关键结论。
OpenAI NewsAI 评分4040 OpenAI 与 Paradigm 推出 EVMbench，评估 AI 智能体发现与利用智能合约漏洞能力
OpenAI 与 Paradigm 推出 EVMbench，用于评估 AI 智能体检测、修补和利用高危智能合约漏洞的能力。该基准聚焦高严重性漏洞的发现、修复与攻击三个环节。
Google DeepMind精选AI 评分7171 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在数学、物理和计算机科学专业研究问题上的表现。
推荐理由：原文给出 Deep Think 在数学与理论计算机科学上的具体解题案例，读者可据此判断智能体推理在科研流程中的实际位置。
OpenAI NewsAI 评分2222 OpenAI 发布 BrowseComp：面向浏览智能体的基准测试
OpenAI 推出 BrowseComp，一个面向浏览智能体（browsing agents）的基准测试。该基准用于评估智能体在网页浏览任务中的表现。
OpenAI NewsAI 评分4040 OpenAI 发布 PaperBench：评估 AI 智能体复现前沿 AI 研究的能力
OpenAI 推出 PaperBench，用于评估 AI 智能体复现前沿 AI 研究的能力。该基准测试考察智能体能否重现最先进的 AI 研究成果。
OpenAI NewsAI 评分4242 OpenAI 发布 Deep Research 系统卡
OpenAI 公布 Deep Research 系统卡，披露该功能发布前开展的安全工作，包括外部红队测试和依据 Preparedness Framework 进行的前沿风险评估，并概述了针对关键风险领域构建的缓解措施。