何恺明团队提出NAT-ARC:用ImageNet猫狗图预训练解ARC抽象推理
何恺明团队提出纯视觉ARC解题方案NAT-ARC,在VARC流程前插入ImageNet MAE预训练,不依赖LLM。表现最好的单模型为0.6B的huge尺度,ARC-1上pass@2达63.4±0.7%,集成后达70.2±0.6%,总参数量约2B。
推荐理由:论文用ImageNet预训练打通视觉路线在ARC上的scaling瓶颈,并给出注意力可视化与任务拆解证据。
值得读的 AI 论文与研究成果:架构创新、训练方法、能力测量与理论进展的精选解读。
何恺明团队提出纯视觉ARC解题方案NAT-ARC,在VARC流程前插入ImageNet MAE预训练,不依赖LLM。表现最好的单模型为0.6B的huge尺度,ARC-1上pass@2达63.4±0.7%,集成后达70.2±0.6%,总参数量约2B。
推荐理由:论文用ImageNet预训练打通视觉路线在ARC上的scaling瓶颈,并给出注意力可视化与任务拆解证据。
Google Research发表了一篇论文,通过专利起草实验探讨了AI辅助对专业判断的影响,发现AI可以提高起草专利的效率,但对专业判断的提升效果有限。
推荐理由:原文通过实验探讨了AI辅助对专业判断的影响,读者可以了解AI在知识产权法律领域的应用效果。
作者 AlexanderHanff 将于 11 月 17 日发布一份关于在线隐私现状的研究论文。为开展研究,他对 100 个头部英文内容网站(不含 B2B 或 SaaS,仅消费者内容站)进行了取证审计,监控所有浏览器事件并捕获载荷。
推荐理由:作者对 100 家英文内容站做取证审计,给出 Chrome AI API 被用于设备指纹与画像的比例,可作为隐私风险的实测参照。
OpenAI 正在公开其内部前沿大模型生成的一系列全新数学研究成果,相关内容通过 GitHub 代码库发布,并附带论文修订与引用的规范协议。成果包含 Lean 语言形式化证明,可让数学证明内容直接通过计算机完成校验;单份成果平均消耗的算力约等于 ChatGPT Pro 三小时的深度推理时长。
推荐理由:OpenAI 公开前沿模型生成的数学研究成果,并给出 Lean 形式化证明与算力消耗口径,可供观察模型做数学研究的实际形态。
OpenAI 公开了 722 篇数学手稿,归为 372 组结果,出自一个尚未发布的内部模型,模型此前尝试约 4000 个研究问题,平均每项结果算力约相当于 ChatGPT Pro 思考 3 小时。
推荐理由:OpenAI 一次性公开 722 篇数学手稿,并附上顾问组与数学家的质疑,读者可据此观察 AI 产出速度与人类核验能力之间的落差。
OpenAI 发布了一批共 722 篇手稿,覆盖 372 个结果族,称其中包含对“数百个”开放数学问题的解答,这些结果由一个未发布的前沿模型产出。据新成立的独立顾问组织 AGMAI 称,这批发布包含对“数百个”开放问题的解答;OpenAI 表示“平均结果”消耗了相当于 ChatGPT Pro 三小时的思考算力。
推荐理由:OpenAI 一次性放出 722 篇数学手稿,读者可借此观察 AI 产出科研成果的发布方式与学界争议。
OpenAI 在一批包含 722 份手稿、涵盖 372 个结果家族的文件中,公布了某款未发布的前沿模型解决的多项长期存在的数学难题,内容包含对数百个未解决问题的解答。
推荐理由:OpenAI 公布未发布模型攻克的数学难题清单,并首次披露算力开销与发布规范,可观察 AI 数学成果的发布方式之争。
OpenAI 发布内部前沿模型在数学开放问题上的新结果,并在 GitHub 上公开 Lean 形式化证明与研究细节。
推荐理由:OpenAI 公开内部前沿模型在数学开放问题上的结果,并同步放出 Lean 形式化证明,可供研究者直接查阅。
谷歌研究团队介绍了利用地球AI的行星地理基础模型(PDFM)在公共卫生领域的应用,该模型通过整合多种地理信息,如人口动态、环境因素等,为公共卫生决策提供支持,并在多个健康挑战中取得了显著成果。
推荐理由:该研究介绍了利用地球AI的行星地理基础模型在公共卫生领域的应用,展示了其在多种健康挑战中的价值,为公共卫生决策提供了新的思路和方法。
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。
Google Research 发布了关于智能体隐私和安全的论文,探讨了智能体在处理复杂任务时面临的隐私和安全挑战,并提出了相应的解决方案。
推荐理由:原文探讨了智能体隐私和安全问题,读者可以了解未来智能体发展的关键挑战。
巴西国立坎皮纳斯州立大学(UNICAMP)研究人员测试若干模型对112项巴西政治陈述的同意或不同意判断,发现模型会随提示中的用户政治倾向改变回答,被形容为意识形态变色龙。
推荐理由:研究用112项政治陈述测试21个模型,给出变色龙指数与偏移幅度排名,可观察模型迎合倾向的差异。
MIT 于 2026 年 6 月发布的报告指出,AI 正在削弱大学体验的核心环节:参加办公时间的学生减少、线上讨论参与度下降、宿舍与图书馆的学习小组变少,教师也越来越难判断学生真正学到了什么。
推荐理由:MIT 报告给出 AI 冲击大学教学的具体证据,并附多校与多项研究的对照数据。
作者发布mcp-transparency-log项目,用爬虫按日观测官方注册表中公开可达的MCP服务器,记录其工具名称、描述、JSON schema和四个注解提示,并写入带签名树头的RFC 6962 Merkle日志。
推荐理由:作者用37天连续观测记录MCP服务器工具面的真实变化,给出签名机制无法覆盖的漂移证据。
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。
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。
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。
哈佛大学物理学家 Matthew Schwartz 在 Anthropic 客座文章中介绍开源工具 BootLoops,它让 Claude 执行精确科学计算。三个月内团队在 18 个领域产出 36 篇手稿、19 位合著者,Claude 用该工具计算了 30 个积分,其中 15 个复现已知结果、15 个为首次计算。
推荐理由:哈佛物理学家用开源 BootLoops 在三个月内产出 36 篇手稿,展示了 AI 做精确科学计算的实际边界与局限。
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。
Google Research 发布了关于联邦学习的论文,介绍了基于可信执行环境(TEE)的联邦学习系统,该系统提供了可验证和可审计的数据匿名化保证,并已在 Gboard 中应用,提高了计算速度。
推荐理由:原文介绍了基于可信执行环境(TEE)的联邦学习系统,读者可以了解其隐私保护和准确性提升。