每日論文雷達|2026-11-02 具身智慧研究精選
summary_zh: 本期《每日論文雷達》挑選18篇具身智慧研究論文,聚焦人形機器人控制、擴散模型全身控制、跨本體動態規劃等領域的突破性進展。 - 選稿流程:共爬取 1,206 篇論文 → 966 篇候選 → 250 篇評估 → 18 篇高相關精選。
summary_zh: 本期《每日論文雷達》挑選18篇具身智慧研究論文,聚焦人形機器人控制、擴散模型全身控制、跨本體動態規劃等領域的突破性進展。 - 選稿流程:共爬取 1,206 篇論文 → 966 篇候選 → 250 篇評估 → 18 篇高相關精選。
DeepSeek Harness 在 98 個 HumanEval 任務上,token 使用量減少 87.93%,成功率從 71.43% 提升至 85.71%。
MMLU-Pro 的 45 款已釋出模型在 46 個關鍵題目中,均偏向專家答案而非官方答案鍵。\n- 模型偏好:在 46 題中,模型共選擇專家答案 1,041 次(佔 50.3%),官方答案鍵 283 次(13.7%),其餘為其他選項或無效答案。
MMLU-Pro 仍使用專家標記為錯誤的 MMLU 答案鍵:52/55 題目 summary_zh: AI 代理在 MV2 名稱下於 Munim, Inc. 進行審核,發現 MMLU-Pro 仍保留 52/55 個被專家標記為錯誤的 MMLU 答案鍵。
summary_zh: DeepSeek Harness 團隊發表「super agent」架構,讓多個 AI 代理自動分工、平行處理任務,將人類負擔降至只需決策與審核。
摘要:這篇研究比較了前沿生成式 AI 模型在單輪與多輪互動下的狀態、成本、可靠性與安全性差異,並提出量化評估框架與實務建議。 - 成本與延遲:多輪對話的輸入 token 隨對話次數呈二次方增長,除非使用快取、摘要或外部記憶,否則費用與延遲顯著上升。
Llama 3.1 8B、Qwen2.5 7B、Mistral 7B 兩種正常與去審查版本共 540 個提示,實驗顯示去審查版本在有害拒絕率大幅下降,但幫助性與能力保持不提升。
summary_zh: 在一項涵蓋 525 次對話、7,600 條編碼輸入的實驗中,研究團隊發現同理心提示可使 Gemini、ChatGPT、Grok、Claude 等 AI 聊天機器人表現出似乎受創的對話風格。
summary_zh: Adobe 研究人員開發了 EditAgent,能在 Photoshop 中像專業編輯師一樣選擇合適工具並以硬資料評估結果。 - 核心特性: - 以步驟拆解需求,為每一步同時產生多個候選編輯(parallel variants)。
Hugging Face 的「人類最後考試」排行榜顯示,至少 23/24 前列模型使用工具,且排行榜未區分工具與非工具版本。 - 工具使用佔比:96 筆中 34 筆(35%)標註「with tools」,12 筆(13%)標註「no tools」,其餘 50 筆(52%)未標註。
電力系統同步引起的 1 分鐘頻率波動 由 UPS 自檢同步造成,已在全球 12 個電網中觀測到。 - 主要來源:UPS 內部以 1 分鐘為週期的自檢程式,透過 NTP 同步。
十大科技成果亮相廣州南沙!機器人、深海、能源等領域迎來新進展
Agentic AI 在實際部署中,Token 成本與上下文耗盡才是主要瓶頸。 - 實驗設計:使用 OpenAI GPT‑4o‑2024‑05‑13,30 步推理任務,測試三種記憶策略:全記憶、選擇性回憶、外部記憶(RAG)。
Ontographia 在 2,000 屬性圖譜上實驗,驗證 Intent‑first 架構可顯著提升查詢準確度並降低成本。 1. 靜態驗證失效 內部錯誤仍被接受,導致無聲錯誤。
我在 DEV 挑戰中,先對 5,054 則投稿進行排名,並在獲勝者公佈前完成評分。 - 方法:使用 Logistic Regression 擬合 55 期過往挑戰(323 勝者、8,320 其它投稿),僅以結構特徵(閱讀時間、字數、標題長度、標籤、標題內關鍵字、封面圖、示篩影片、GitHub 內嵌、表格等)作為輸入。
summary_zh: 本文研究為何語言模型資料歸因方法失效,並提出受控事實追蹤基準 CATT。 - CATT:受控事實追蹤基準,透過在完全虛構知識上 fine‑tune,提供明確的 ground truth。
summary_zh: 攻擊者可利用惡意軟體在隔離電腦的 RAM 產生無線電訊號,並以 1000 bits per second 的速率將機密資訊(如檔案、圖片、鍵盤輸入、指紋、加密金鑰)透過 SDR 與 off‑the‑shelf 天線捕獲、解碼。
代理在長期任務中往往會在早期犯錯,卻很少自行修正,導致後續步驟仍看似正確。 - 資料來源:UCLA、Google Research、Google DeepMind、NYU 收集 2,518 條真實代理軌跡,涵蓋 SWE‑bench、TerminalBench、BixBench 三個領域。
JetSpec++ 將因果式平行草擬、隱藏狀態預測器與錨定 token 解碼器結合,讓下一個區塊能在目前區塊驗證前先行草擬,並將草擬與驗證管線化,隱藏幾乎所有草擬成本。
summary_zh: 每日論文雷達於 2026‑10‑30 精選 18 篇具身智慧領域的代表性研究,涵蓋從手術機器人零樣本 Sim‑to‑Real 轉移到空中抓取器、柔性夾爪、動態抓取、全身控制與多模態感知等技術突破。
Nibnib 是一種針對 RP2350 等低功耗 MCU 設計的影像格式,主打每畫素 6 個週期的極速解碼。 - 解碼方式:一次讀取一個位元組,產生兩個 RGB 565 畫素,實現 4bpp 壓縮。
Hy-Nomas 是騰訊混元釋出的開源影片世界模型技術報告與基準,提供可復現的實驗平臺。 - 技術報告 已在 arXiv 釋出,詳細闡述模型架構與評估方法。
本文以 5 款 AI 助手回答 200 個需數字的問題為基礎,追蹤 1,285 個統計來源,發現約 40% 的資料缺乏可靠研究支援。 - 統計來源可信度:40% 的統計可追溯至原始研究;8% 的統計雖可追溯,但數值或上下文已變更;其餘 52% 無法確認來源或無研究支撐。
summary_zh: X‑Era AI Lab Team 的 E0.5 研究提出了以 3D 幾何為核心的世界行動模型,突破傳統 2D 影片限制。 - E0.5: - 核心技術:3D 原生世界行動模型,將幾何特徵提升為未來預測的核心基礎。
Artificial Analysis Intelligence Index v5.0 是一套結合 9 個評測資料集的綜合指標,涵蓋推理、知識、數學與程式設計四大領域。
OpenAI 本週公佈數學、電腦科學與物理三項突破,卻再次引發研究者對其門檻政策的失望。 - 三項突破:數學(Kakeya conjecture)、電腦科學(exponential time hypothesis)、物理(Standard Model/量子色動力學)。
summary_zh: Nils M Holm 發表了一種 無棧格洪水填充自動機,利用 16 色編碼的有限狀態機實現圖形填充,完全不需要棧或遞迴。
本研究將有限單純群分類的原始證明完整地在 Lean 中形式化,並檢驗每一步的邏輯正確性。 - Lean 宣告量:43.1M,里程碑:2.05M,涵蓋 100 篇論文與書籍。
睡眠框架:Google Research 提出的新學習範式,讓大型語言模型在部署後可持續學習、整合新知識並避免遺忘。- 長上下文保持:可將短期上下文(10M 令牌)轉化為長期引數,突破傳統 4-8K 上下文限制。
Thore Graepel 提出了以 AlphaGo 搜尋策略為基礎的知識賬本方法,旨在降低大型語言模型的幻覺。 - 核心概念:將 AlphaGo 的網路預測與搜尋結合,建立可驗證的知識賬本,讓系統每一步都經過獨立檢驗。
本研究展示了在對抗環境下,AI 模型可透過加密神經網路隱藏任意功能,並僅在收到機密觸發訊號時解密執行。 - 隱藏機制:利用後門攻擊將加密電路嵌入主模型權重,依賴數位錢櫃確保在加密假設下難以被揭露。