CanopyCore 整理 Diddy Kong Pilot GBA 原型的反向工程研究
已取消發行的 GBA 遊戲 Diddy Kong Pilot,留下的程式難以直接讀懂。作者花了 17 天分析這款 2003 年原型,將成果整理成唯讀研究資料庫,包含 151 份技術檔案和核心引擎的 C11 參考實作。作者記錄了畫面、精靈圖、飛行物理、遊戲 AI、碰撞和音效系統,並用模擬器及差異測試比對原始程式與重建版本。這份資料不會編譯成 ROM,也不包含遊戲素材,可供儲存研究與日後進一步比對。
已取消發行的 GBA 遊戲 Diddy Kong Pilot,留下的程式難以直接讀懂。作者花了 17 天分析這款 2003 年原型,將成果整理成唯讀研究資料庫,包含 151 份技術檔案和核心引擎的 C11 參考實作。作者記錄了畫面、精靈圖、飛行物理、遊戲 AI、碰撞和音效系統,並用模擬器及差異測試比對原始程式與重建版本。這份資料不會編譯成 ROM,也不包含遊戲素材,可供儲存研究與日後進一步比對。
只看最後寫好的程式碼,AI 助理學不到遇到錯誤後怎麼繼續。Sumama-Jameel 整理出 66 段實際執行的程式開發過程:AI 助理在 Docker 沙盒裡處理真實專案任務,使用工具、碰到錯誤再修正,工具輸出和失敗紀錄都保留下來。每段資料都會檢查專案測試,也能在自己的電腦上重新驗證。作者公開與四份大型資料集的比較,並說明這份資料在規模和部分指標上落後;用它訓練的小型模型有一項分數從 43% 升到 80%,其他分數則退步。
調整 CAD 零件尺寸時,最佳化工具常得反覆重建模型,才能估算尺寸變動會怎麼影響重量或模擬結果。這篇研究介紹 vcad 的做法:先固定目前的網格,再計算孔洞、圓角等設計引數變動時,網格各點如何移動,並把結果用在質量計算和剛體模擬。作者以有限差分檢查結果,也展示梯度可用於尋找合適的零件尺寸。不過,算出的梯度只對固定網格精確;網格太粗會有誤差,若改動讓模型拓樸改變,計算就會回報錯誤。
推薦理由:把 CAD 引數的梯度延伸到圓角與剛體接觸,並以有限差分檢查結果;文中也說明網格解析度和拓樸變動會帶來的限制。
血糖會隨時間變化,研究者想知道能不能用自己的資料預測接下來的血糖。他用自己的資料和公開資料測試 15 種模型,其中自己做的 T1DMAI 是小型 Transformer,會預測未來 2 小時的血糖;再用少量真實資料微調後,在自己的資料測試中,60 分鐘預測的分數接近表現最好的 XGBoost。可是換到公開資料時,結果就不一樣,也有模型很難抓到低血糖。這些測試目前只適合研究和教學,模型沒有經過臨床驗證,不能拿來決定用藥或治療。
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。
BudgetMix RL 透過在訓練時隨機調整回合預算,提升 LLM 代理在不同回合限制下的穩健性。 - Pass@(K,T) 評估:結合嘗試次數 K 與單次最大回合 T,揭示 RL 訓練優勢主要來自錯誤恢復與長序列韌性。
SPECTROview 是一個開源的 Python 桌面應用,提供光譜資料的匯入、基線校正、多峰擬合與視覺化。\n\n- 核心技術:向量化批次擬合(VBF)引入 NumPy,將 N 條光譜堆疊成 N×M 矩陣,利用一次 LAPACK 呼叫完成所有擬合。
MarathonDocBench 由百度推出,針對 100–300 頁中英檔案的跨頁解析進行評測。 - 資料規模:100 篇檔案、約 18,000 頁、205,000 標註佈局元素。
研究顯示,GPT‑6 Astra 能直接編輯 Qwen3.5‑0.8B 的權重,將其 MATH‑500 成績從 7.9% 提升至 48.1%,僅改動 0.016% 的引數,無需梯度或訓練迴圈。
評估套件 透過實驗證明能捕捉失效基準中的 12 個植入缺陷,並以 11/12 的成功率展示其效能。 - 測試套件:60 個任務(算術、抽取、分類),同一套件植入 12 個故障。
StateBench 是一個針對長文本狀態追蹤的基準測試,涵蓋四個難度層級,旨在評估模型在長依賴下的表現。 - 四層級:r‑trivial、aperiodic、soluble、general finite。
推薦理由:StateBench 透過多層級長文本追蹤測試,揭示 Transformer 在長依賴下的侷限,並證明 Gated DeltaNet 等混合架構可突破此瓶頸。
Vesuvius Challenge 社群參與者 Liam Warner 與 Nicola Bodill 從 PHerc. 306B 的微型 CT 掃描中辨讀出古希臘文字,並獲得 $50K First Letters Prize。
推薦理由:這次辨讀把字形辨析、微型 CT 影像與墨跡模型串連起來,也公開資料與模型,呈現碳化古卷文字復原的實作路徑。
本文提出將 KV cache 分頁化,提升 LLM 服務吞吐量 2-4 倍,對高效部署具有實際參考價值,並可直接應用於現有 vLLM 服務。 - 核心概念:PagedAttention 將 KV cache 分割為固定 token 區塊,僅在需要時分配 GPU 記憶體。
summary_zh: 在本研究中,研究者對兩種代理安全層—一個使用正則式注入偵測器的工具支援代理與一個使用驗證後批准閘門的 SQL 代理—在系統性突變攻擊下進行評估,並以攻擊成功率 (ASR)、錯誤拒絕率 (FRR) 與攻擊下完成度為三項指標。
summary_zh: 作者將 BERT‑base(110M 引數,SST‑2 92.55%)蒸餾為 11M 的 BERT‑Mini,發現除非移除標籤,蒸餾對模型精度無顯著提升。
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%。
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)。
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。
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。
Amazon Web Services 團隊發表名為 Priming 的新方法,能以不到傳統預訓練 0.5% 的成本,將預訓練 Transformer 轉換為混合狀態空間模型。
推薦理由:原文提出無需從頭訓練即可將 Transformer 轉換為混合狀態空間模型的 priming 方法,讀者可據此評估如何大幅降低架構探索與訓練成本。
LittleBit 將大型語言模型壓縮至每個權重 0.1 位,並保留原始架構。\n\n- 核心技術:將密集權重矩陣分解為低秩潛在因子,再二值化並使用輕量級學習尺度恢復幅度。
Microsoft Research 推出了開源的可擴充套件AI 助理框架 Orchard,其核心是提供可重用環境服務的 Kubernetes 架構 Orchard Env,支援在真實部署 harnesses 中直接訓練AI 助理。專案同步開源了三個領域的訓練方案與資料,其中 Orchard-SWE 在 SWE-bench Verified 上取得了 69.7% 的表現。
推薦理由:微軟研究院開源了可擴充套件AI 助理框架 Orchard,並提供覆蓋軟體工程、網頁瀏覽和個人助理的完整訓練方案,降低了AI 助理研究的基建門檻。
微軟研究團隊推出了 Echoverse,這是一個包含 10 個深度領域世界和 2 個能力世界的訓練環境集合,旨在為計算機操作AI 助理提供高保真、狀態相干且具備可信資料庫驗證的合成訓練世界。
推薦理由:微軟開源了用於訓練計算機操作AI 助理的深度演化環境 Echoverse,通過提供高保真和可複用的訓練世界,為提升模型在複雜閉環工作流中的泛化能力提供了新途徑。
Google Research 推出了名為 MoGen 的開源神經形態生成模型,利用 point cloud flow matching 模擬逼真的 3D 神經元形狀以增強訓練資料。將 MoGen 生成的合成數據加入訓練管道,使重構錯誤率降低了 4.4%,並顯著減少了未來全腦對映所需的人工校對工作量。
LLM 重新評估資料庫查詢成本,透過演化式補丁搜尋顯著降低執行時間與記憶體佔用。 - 核心方法:使用 DBPlanBench 將 DataFusion 物理計畫序列化為 JSON,並以 LLM 產生 JSON Patch 進行區域性最佳化。
推薦理由:本文展示利用 LLM 重新評估資料庫查詢成本,透過演化式補丁搜尋顯著降低執行時間與記憶體佔用,為資料庫最佳化提供可複製的實務方法。