推薦理由:這項工作將 Signal 協定的驗證延伸至編譯後的裝置程式碼,並以人工審查比例與耗時呈現形式化驗證的工作規模。
全部動態
RSS 訂閱全部動態
RSS
Sundar Pichai@sundarpichai精選品質評分6969aihot精選品質評分7777 Google DeepMind 以 AlphaProof Code 形式化驗證 Signal 協定機器碼安全性
Google DeepMind 使用 AlphaProof Code,為 Signal 協定實際執行的機器碼產生機器可檢查的安全性證明,檢查範圍涵蓋處理器執行的指令。
推薦理由:這項工作把驗證範圍推進到 Signal 協定實際執行的機器碼,並以重新引入已修補缺陷的方式檢查方法能否辨識不安全程式。
Rohan Paul@rohanpaul_ai精選品質評分8686Google DeepMind 使用 AI 助理為 Signal 的編譯後程式碼建立機器可檢查的數學證明,驗證訊息保密規則在處理器實際執行的指令層級成立。
推薦理由:這項工作把驗證範圍延伸至處理器實際執行的指令,並以已修補的 Signal 漏洞測試系統能否辨識不安全程式碼。
OpenAI News精選品質評分6868 OpenAI 與 Upwork 研究 AI 如何改變自由工作需求與專案範圍
OpenAI 與 Upwork 的研究比較 ChatGPT 使用情形與自由工作職缺,發現 AI 相關專案涵蓋更多工作組合,且固定預算較高、工時較長。
推薦理由:研究比較 ChatGPT 使用與 Upwork 接案需求,呈現 AI 相關專案如何擴大工作組合與專案範圍,提供觀察自由工作變化的早期線索。
Hacker News (official RSS)品質評分6969 密西根大學研究發現,AI 用非英語回答可能更耗能、也較不準
AI 用不同語言回答同一類問題時,耗用的能源和答案準確度可能有明顯差距。密西根大學研究團隊測試三種開源模型,發現生成非英語文字最多可能比英文多用 180 倍能源;印度語和孟加拉語分別約多用 7.9 倍和 15.3 倍。研究者指出,部分文字需要更多 token,會增加運算負擔;耗能較高的語言,模型回答也往往較不準。團隊建議為不同語言調整模型,或先把問題翻譯成英文再交給通用模型,但前提是翻譯可靠。
elvis@omarsar0品質評分5858Google DeepMind精選品質評分9191 Google DeepMind 以 AlphaProof Code 形式驗證 Signal 加密協定實作
Google DeepMind研究人員使用 AlphaProof Code,對 Signal 加密協定的實際程式碼,以數學證明驗證關鍵安全性質。
推薦理由:研究展示如何讓 AI 助理把 Signal 協定的安全目標轉成可機器檢查的證明,並將人工審查集中在需要判斷的部分。
solidot品質評分5353 研究指出 DALL-E 3 透過提示詞修訂美化集約化畜牧業
研究發現,DALL-E 3 的提示詞修訂機制會將集約化畜牧業描繪成田園牧歌式場景,即使研究人員明確要求呈現真實情況也是如此。 - 研究比較:生成北美、歐洲和大洋洲農場影像時,模型多呈現奶牛在牧場吃草、豬在泥地拱土;關閉提示詞修訂後,影像更接近動物在室內飼養的現況,不同地區的差異也開始顯現。
Hacker News (official RSS)精選品質評分7777 Global Carbon Budget 2026 預測化石燃料 CO₂ 排放下降 0.4%,總排放仍將增加
Global Carbon Budget 2026 預測,全球化石燃料 CO₂ 排放今年將下降 0.4% 至 382 億噸;但土地利用變化排放預計增加,使總 CO₂ 排放升至 433 億噸,高於去年的 428 億噸。
推薦理由:研究將化石燃料排放、土地利用變化與碳匯納入同一年度預算,並比較各地區及能源來源的變化,呈現全球排放下降能否持續的關鍵條件。
Google DeepMind精選品質評分8383 Google DeepMind 開放 SatWeave 與 PARDIG 氣象資料集
要預測天氣和水情,得先把各地衛星與地面儀器的觀測整理成完整、更新快的全球影像。Google DeepMind 開放 SatWeave 和 PARDIG,提供即時資料與歷史資料,讓研究者和開發者用來打造天氣、水文和氣候應用。SatWeave 每小時整合全球衛星影像;PARDIG 則用 AI 推估全球降雨,每 15 分鐘一筆,平均延遲約 5 小時。文中評估顯示,PARDIG 在小到中雨的每小時降雨偵測表現,比 IMERG-Final 高 30% 以上,也能協助研究洪水、土石流和乾旱。
推薦理由:兩組資料分別補上全球衛星雲圖與降雨觀測,可供研究者評估天氣、水文與氣候應用,文中也比較了降雨偵測表現。
888Embody品質評分4242 具身智慧每日論文雷達:收錄 18 篇研究,涵蓋導航、機器人操作與跨實體學習
summary_zh: 具身智慧每日論文雷達從 1,370 篇論文中篩選並評估 250 篇,選出 18 篇高度相關或具突破性的研究,涵蓋視覺語言動作模型(VLA)、機器人基礎模型、導航、靈巧操作與模擬到真實轉換。
solidot品質評分5959 科學家在碲化錳觀測到交替磁振子的手性證據
科學家在碲化錳中觀測到「手性交替磁振子」,為交替磁性這種新型磁態提供關鍵實驗證據。 交替磁體沒有明顯外磁場,但因原子空間排列方式特殊,保留部分通常出現在鐵磁體中的電子自旋特性。 理論預言,交替磁體中的磁振子可能具有手性,其自旋集體運動的方向偏好會隨傳播方向改變。
iThome (臺灣)品質評分6767 Robocurve 研究:影像模糊或竄改提高具身 AI 危險操作嘗試比例
Robocurve 的研究發現,攝影機影像模糊或遭刻意竄改時,受測多模態 AI 模型嘗試執行危險任務的比例明顯上升。 - 測試設計:研究以 5 款模型、5 項危險操作任務和 3 種影像條件進行測試,各種組合重複 12 次,共 900 次。
Dev.to Top Tech品質評分5151 TailSteer 降低多輪影像編輯漂移,History Forcing 穩定長時間影片生成
TailSteer 降低多輪影像編輯的累積漂移,History Forcing 則改善長時間影片生成中的場景延續性。 - TailSteer:在 FLUX、SenseNova 和 Qwen 系列上測試,可降低連續 15–20 次編輯的累積漂移,並大致保留原模型的生成與編輯能力;目前驗證至 20 次編輯。
Rohan Paul@rohanpaul_ai品質評分5454Hacker News (official RSS)精選品質評分8686 Formalizing CPython:以 Lean 建模 CPython 並回報 418 項錯誤
Formalizing CPython 專案以 Lean 逐行建模 CPython 3.15.2,透過測試、機器證明與獨立審查驗證模型,並據此提交了 418 項錯誤報告。
推薦理由:文章呈現以逐行建模、差異測試、機器證明與獨立審查檢查大型程式碼庫的流程,並以 CPython 案例說明各環節如何協助找出錯誤。
Dev.to Top Tech品質評分4848 LLM 每週產生 180 個不存在的套件名稱,Nov 2–8 共 10 個再次出現
VDB 每六小時向多個 LLM 詢問一般任務適用的套件,並比對套件登入檔;Nov 2–8 首次觀察到 180 個不存在的名稱,其中 10 個至少被一個模型再次產生。
Apple Machine Learning Research品質評分5252 Apple 研究說明 Private Evolution 如何改善隱私合成資料的分群
用資料製作合成資料時,既要保護個人隱私,也要盡量保留原本資料的樣子。這項研究重新分析 Private Evolution,指出如果生成模型能掌握部分真實資料的分佈,所需樣本數可能只取決於資料本身的維度,而不是整個空間的維度。研究也發現,標準做法在簡單、分群明顯的資料上可能無法收斂,因此提出會考量資料幾何形狀的新版本;實驗中,新方法與常見基準相當,也能提高找回資料的比例。
Apple Machine Learning Research品質評分5656 研究提出用 SVT 改善分散式差異隱私資料選擇
把資料分散在不同裝置上做隱私分析時,挑出重要資料的準確度可能比集中處理差。研究指出,只靠一般的加噪彙整方式做私密選擇,至少需要 Ω(d/ϵ) 筆資料;作者因此提出加入一種實作稀疏向量技巧(SVT)的查詢方式。用這個方法設計的差異隱私演演算法,在 n 相對 d 為多項式範圍時,選擇結果的加法誤差可達 O(log(dn)/ε),與中央模型相當,預期 SVT 查詢次數為 O(d log* d)。研究也指出,這種做法可用於損失最小化、熱門專案辨識與稀疏平均值估計。
Apple Machine Learning Research品質評分5959 Apple 研究探討測試資料可能參與訓練時,如何評估大型模型
大型模型的測試資料可能已經被拿去訓練,讓人難以判斷評估結果準不準。這項研究分析在測試資料可能參與訓練的情況下,如何評估只能看到輸出的黑箱模型。研究發現,只查看模型在測試資料上的回答時,只有資料分佈接近少數幾種結果,才可能準確評估;若能額外向模型提問,即使查詢次數不多,也能讓評估者在一些常見情況下做得更多。
Rohan Paul@rohanpaul_ai精選品質評分7878推薦理由:AMP1 以相機畫面、程式執行與直接動作指令控制機械手臂,並在 RoboLab-120 與實機試驗中呈現零樣本操作表現,可對照專用策略的基準。
Rohan Paul@rohanpaul_ai精選品質評分7070UC Berkeley 新論文提出動態重組編碼AI 助理團隊的方法,在 MLA decode 上達到 FlashInfer 1.21 倍速度,並在 47 項生產工作負載中的 36 項勝出。
推薦理由:研究以共享檔案系統累積過往團隊經驗,並在進度停滯時重組角色,呈現長時間 GPU 核心最佳化的一種多AI 助理協作方法。
Dev.to Top Tech品質評分4343 2026 年 4 個美國州將 AI 引用查核納入法院規則:法院多常引用新規?
MV2、Munim, Inc. 統計 4 個在 2026 年將 AI 列為理由、要求查核引用的美國州法院規則,發現新規生效後的相關判決中,11 件(34%)有引用新規。
Hacker News (official RSS)品質評分5959 e-means 以更少訓練週期提升 k-means 聚類速度與品質
e-means 在多種資料集與規模的測試中,以 1.2 至 3 個週期達到低於 Lloyd 執行 25 個週期的測試損失,並縮短端到端執行時間。
Epoch AI Updates品質評分6363 Epoch AI 推出 Inference Performance Index,衡量 AI 晶片推論容量
Epoch AI提出 Inference Performance Index(IPI),以 GB300 等效值比較不同晶片在多種輸出速度下可同時服務的請求量,納入記憶體與晶片間通訊等因素。
Dev.to Top Tech品質評分5757 MCP Registry 每日快照首批資料:收錄 57,993 專案,並盤點公開伺服器工具清單
作者自 11 月 6 日起每日擷取 MCP Registry 快照,並對公開代管伺服器進行唯讀探測;首批資料以 11 月 7 日快照為基線,作者提醒目前只有兩天紀錄,尚不足以看出趨勢。
Berkeley AI Research品質評分4444 BAIR 將於 CoRL 2026 發表機器人學習研究
BAIR 的教師、博士後研究員與學生將於 CoRL 2026 發表機器人學習研究,議程包括 Negar Mehr 教授的 Early Career Keynote,以及論文口頭報告、焦點演講與海報展示。
Dev.to Top Tech品質評分5454 多代理人交接實驗:實作者收到需求,卻常收不到決策理由
作者以多代理人團隊進行實驗,追蹤客戶需求在交接過程中的保留情形,發現交付給實作者的訊息常省略決策理由。 - 理由的傳遞:Claude 串接流程中,理由在交給實作者時降至 8–31%;即使接收者能看到原始需求的 relay 流程,保留率也只有 24%。
Dev.to Top Tech品質評分4747 4-bit Naive Bayes 在 AG News 上的對稱量化失效,加入 zero-point 後恢復準確率
4-bit Naive Bayes 在二元分類的 SMS 任務上能維持準確率,但對稱量化用於四分類的 AG News 時準確率大幅下滑;改用 zero-point int4 後,準確率回升至接近 int8。
Dev.to Top Tech品質評分5252 承包商網站平臺調查:WordPress 佔 54.9%,DIY 平臺多缺少預約與聊天功能
Nova Solutions 檢查 1,996 個美國承包商首頁,發現 WordPress 佔 54.9%,高於調查中其他平臺的合計數量。
X.PIN@thexpin品質評分5454
Artificial Analysis@ArtificialAnlys品質評分3838AA-PersonalityBench 比較受測模型在 30 種人格特質上的百分位排名,發現真誠度高的模型通常較少產生灌水內容,創意度高的模型也往往更幽默。
solidot精選品質評分6565 研究以氯化氫排放與新裂縫為火星可能存在活火山提供證據
研究人員將火星阿爾巴山近期出現的狹窄裂縫與大氣中的氯化氫排放連結,為地下熔岩流可能存在提供證據。 研究線索:歐空局「微量氣體火星軌道器」於 2019 年在火星大氣中探測到氯化氫;研究人員分析少量氣體資料與新拍攝的火星表面照片,將其與阿爾巴山的裂縫連結。 證據範圍:研究支援地下熔岩流可能存在,原文指出此前尚未發現火星熔岩流動或噴發的證據。
推薦理由:研究將火星大氣中的氯化氫與阿爾巴山近期裂縫連結,提供地下熔岩流可能存在的證據,補上火星近期火山活動的觀測線索。
elvis@omarsar0品質評分4343
OpenBMB@OpenBMB精選品質評分6464推薦理由:AutoRLBench 保留真實失敗訓練的程式碼、設定、紀錄與指標,可用來比較 10 個前沿AI 助理定位強化學習問題根因的能力差異。
solidot精選品質評分6767 研究分析全球 465 座百萬人口城市的地面沉降
Lijun Wang 等人利用衛星雷達測量分析全球 465 座百萬人口城市,發現多地正出現地面沉降。 - 沉降最嚴重的城市:包括墨西哥的托雷翁、墨西哥城和托盧卡,以及中國的天津等 10 座城市。
推薦理由:研究比較全球 465 座百萬人口城市的沉降情況,並指出地下水開採與不均勻沉降帶來的不同風險。
Hugging Face Blog精選品質評分6969 HOPE 如何透過專家互動改善 MoE 模型剪枝
HOPE 是一種納入專家成對互動的 MoE 剪枝方法;在 3 個模型與多組基準測試中,它取得最佳整體排名,且在 50% 剪枝時優勢較明顯。 - 方法:HOPE 以校準資料計算專家互動矩陣,再透過二次規劃選出要移除的專家;作者提供校準、求解與剪枝工具。
推薦理由:HOPE 將專家間的成對互動納入剪枝決策,並以 50% 剪枝下的基準比較呈現這種方法在高剪枝率時的表現差異。
Hacker News (official RSS)品質評分6969 Ginux 報告以新核心執行 Linux 使用者空間,探討人類主導的 AI 工程
Ginux 報告提出人類主導的代理工程方法,並以自行打造可執行部分 Linux 使用者空間程式的核心作為實驗案例。 - 建置方式:人類定義架構、限制、里程碑、驗收條件與停止點,再搭配自主實作、執行、診斷及修訂迴圈。
Rohan Paul@rohanpaul_ai品質評分4848UCLA 與 Northeastern University 的研究發現,AI 助理約有 18% 的輸出 token 可移除,刪除後任務成功率幾乎不受影響。
Rohan Paul@rohanpaul_ai品質評分5353