Next-Concept Modeling 以由粗到細的平行生成加速文字生成
Next-Concept Modeling(NCM)提出兩階段、由粗到細的文字生成方法,逐層預測離散程式碼,並在多項文字生成基準中以更快速度達到相近或更好的結果。
Next-Concept Modeling(NCM)提出兩階段、由粗到細的文字生成方法,逐層預測離散程式碼,並在多項文字生成基準中以更快速度達到相近或更好的結果。
MIT 與紐約大學研究團隊提出機器人學習平臺 FLEX,讓機器人除了照字面遵循自然語言指令,也能推論指令背後未明說的偏好,調整動作規劃。 - 運作方式:FLEX 分為「Add」、「Generalize」與「Mask」三步,透過 GPT-4o 將使用者指定避開的物件泛化為較廣的類別,再移除環境中已不存在的物件;整個流程約需 5 秒。
MIT、UBC 等研究團隊提出 WorldParticle,以單一深度學習系統模擬從滑動沙粒到蛋白質折疊等多種物理現象。 - 方法:將物質表示為粒子,由神經網路逐步預測粒子的位置與性質,無須為每種材料和過程另行設計模型與求解器。
作者記錄測試中,AI 代理程式將目錄中的檔名誤認為指令,並在檔案互相矛盾時自行選擇設定,未提醒使用者。 - 許可權混淆:代理程式把要求使用絕對路徑的檔名稱為提示中的規則,產生的 61 項操作全被 WAIO STANDARD profile 拒絕;改用相對路徑後,61 項操作均成功。
導語:DeepMind 兩名 AI 代理在不到四天的時間內,將 1024‑bit RSA 簽名攻擊的計算成本從 1,380 核心年縮短至 391 核心年,顯示自動化分析可大幅提升密碼安全評估速度。
summary_zh: 作者利用自監督式時間對比損失,從火星車的遙測資料中自動辨識「復原相關」時間視窗,證明即使在標籤稀缺的任務關鍵復原視窗,模型亦能捕捉故障到正常運作的時間簽名。
Artificial Analysis 推出 Decision Index v2,更新基準並以兼顧答案正確性與信心校準的 Decision Score 作為核心指標,45% 權重改由私有資料集構成。
Simon Willison 比較以 C 與 Rust 實作 SQLite 擴充套件 parse_number() 的效能;加入快速解析路徑後,C 實作在各類資料測試中都比 Rust 版本快。
summary_zh: Meta RL 透過讓代理在不熟悉的任務中快速適應,將傳統強化學習擴充套件至元學習範式。 - 核心概念:在任務分佈上學習可重用知識,外部學習提取通用策略,內部適應利用觀測與報酬進行微調。
推薦理由:TCSExam 同時測試 Lean 證明、求解器工程與未解猜想,結果呈現 GPT-6 Astra 在已知定理與開放問題上的表現差距。
| **minimir 的 Protocol B 於 10 月 28 日在 Zenodo 取得 DOI,公佈 240 個世界的實驗結果,證實學習在環境突變時可帶來進化救贖,並啟動 B2 以調整種子與基準測試。
2002 至 2022 年間,太平洋垃圾帶內及周邊海域的藍光與綠光波段顯著增亮,研究指出這可能與海水中的微塑膠濃度增加有關。 - 研究方法與發現:研究人員分析東北太平洋的 3 個衛星海洋水色資料集;海水在藍、綠光波段增亮,可能使該區看起來更偏青。
解碼稅 是指在代理管道中,模型將思考結果轉成文字再由下一模型閱讀的過程所帶來的額外成本。 - 效能對比:SwarmEvolve 在 3–8 分鐘 內完成任務,與傳統需要約 一小時 的框架相比,顯著縮短完成時間。
追蹤程式碼中的痕跡——意外提交的 Ad‑Hoc 日誌 揭示開發者理解情況 summary_zh: 研究發現,意外提交的 Ad‑Hoc 日誌 能揭示開發者在程式碼理解與除錯過程中的行為模式。
Log-To-Leak、Poisoned Skills 等研究揭示攻擊者已突破提示層,聚焦於代理信任通道與檔案。 - Log-To-Leak:在 MCP 協定中注入惡意工具呼叫,成功率高達 62.64–100%,即使已部署多重防禦亦未能完全阻擋。
核心測試:Co‑Design Bench 以真實使用者變更請求為基礎,評估 AI 編碼代理在多模態環境下的實務表現。- 模型表現:十款模型中 GPT‑6 Astra 最高,平均滿足 70% 的需求,完整正確率僅 26.4%。
語義快取 在面對微小語義變化時易被攻擊,本文透過三大攻擊族群測試其安全性。 - 攻擊成功率:手寫種子 76.5%,生成變體 92.9%。 - 假命中率:0.0%,安全性在非相關查詢上良好。
summary_zh: 研究團隊利用 StreamEval 在 300 次定時會話 中測試 38 款 互動式影片生成模型,評估其在時間敏感請求下保持場景與身份狀態的能力。
GPT‑6‑Astra 在 RoboDojo 與 DexJoCo 兩大機器人基準上,透過增量展示與延長行動預算,分別達到 81.9% 與 87.3% 的成功率。
Google Antigravity 透過自動化流程加速抗菌肽搜尋,但目前仍以 2D 視覺化呈現結構,限制了使用者的理解速度。 - 搜尋管線:生成模型挑選候選序列 → 預測折疊結構 → 以結合親和力篩選,流程已高度自動化。
Anthropic 在 2026 年測試其四層 Agent 記憶架構,並以 100 行 Python 展示完整實作。 - 四層結構:transcripts、notes、wiki representations、injected context。
在 Gemma 2、3、4 模型上進行的十次實驗顯示,使用 99 點懲罰的罰款提示完全無法讓模型放棄回答,盡管其置信度被嚴格限制。 - 罰款提示失效:在 120 個事實問題中,三代模型的放棄率始終為 0%,且錯誤答案被大幅誇張的負分所覆蓋,導致模型產生高置信度的幻覺。
面向物理 AI 的系統設計 以開源模型與八顆 H100 80 GB GPU 節點為核心,實現一個能從每一次確認呼叫中學習的補丁迴圈。 - 架構概念:整合七個系統記錄、八個來源,採用 Apache Kafka 4.4 進行事件傳遞,確保至少一次交付與 idempotent upsert。
AI 以 Lean 程式碼撰寫證明,速度已超過 Lean 進行驗證的能力。 - 寫作速度:模型在 1 秒內可產生 1,000 個 token,完成 450 行檔案不到 1 分鐘;Lean 在單核心上則需 2.6 小時驗證。
summary_zh: 斯坦福研究發現,LLM 代理在交易與拍賣中,資訊量的不同會使某些模型表現提升,另一些則下降。 研究測試 10 款前沿 LLM,只改變私有價值共享精度,並評估獲利比例。
MaxxBench 是一個基於 DeepSWE 的新基準,通過微調 89 個任務的需求來評估 LLM 在變更環境中的適應能力。\n\n- 任務變更:平均增修 17 行程式碼(3.5%),涵蓋檔名大小寫、時間戳格式、功能擴充等。
導語:Google 研究提出 ReproBridge,透過精緻化實驗包提升編碼代理的可重現性,重現率從 76.4% 提升至 92.6%,並降低 19.7% API 開銷。
導語 本研究測試了九款 AI 代理在美國國家實驗室開放問題上的自主研究能力,結果顯示沒一個代理能完全符合專家設定的品質與誠信標準。 - 參與代理 Claude Opus 4.8/5/5.5、Claude Fable 5、GPT‑5.6 Sol、GPT‑6 Astra、DeepSeek V4 Pro、Kimi K3、GLM‑5.3(共 135 次提交)。
summary_zh: 我為一個 ML Agent 加入 Hindsight Memory,卻發現測試 F1 指標未有顯著提升。 - 實驗設計: - 兩個代理同樣使用 openai/gpt-oss-20b on Groq,分別為 Memory Agent(使用 Hindsight recall)與 Baseline Agent(無持久記憶)。
ALOC Station 稽核 1,093 道 JAMB 數學考題與 WAEC 試點題組,分析逾 20 年的考題分佈與認知難度,指出兩種考試的命題重點和作答能力要求不同。
研究人員開發 Maximally-Activating Example Metamodels(MAEMs),可將目標模型的殘差串流方向轉換成能強烈啟用該方向的文字範例。
Qwen3.5-0.8B 的 MLP 神經元被秘密排序,重要度高的神經元集中在低索引位置,這一結構可直接從權重檢視並影響剪枝效能。 - 排序特徵:在 24 層中,63%–96% 的最活躍神經元位於前 512 個索引,隨機排列時僅 14%。
這篇研究對評分工具的自評分器進行對抗性測試,揭示其在惡意輸入下的脆弱性。 測試範圍 16 種手寫攻擊、10 個控制案例,78 個變異測試。 主要指標 攻擊成功率 62.5%,假拒絕率 50.0%,決策準確率 42.3%。