#論文/研究
RSS 訂閱#論文/研究
RSS
Rohan Paul@rohanpaul_ai品質評分6464
Rohan Paul@rohanpaul_ai品質評分5353
Rohan Paul@rohanpaul_ai品質評分5252
Rohan Paul@rohanpaul_ai品質評分5858aihot精選品質評分7171 METR 研究模型能否看出自己正在接受對齊評測
模型如果看得出自己正在接受對齊測試,評測結果可能就無法反映它在真實情境中的行為。METR 讓調查型 AI 助理探索 19 個對齊評測和 36 個能力評測,再判斷環境在測什麼。研究發現,模型會留意環境是否像模擬場景,以及任務是否像在引誘它做出不當行為;在這組資料中,Opus 5.5 把每個對齊評測的分數都排在能力評測之上。作者也提醒,直接問模型是否身處對齊評測,可能影響它的回答;這項研究沒有判斷這些線索是否會改變模型實際執行任務時的行為。
推薦理由:研究比較 19 個對齊評測與 36 個能力評測,呈現模型辨認評測型別的線索,也說明這種辨認可能讓對齊測量偏離真實部署情境。
Hacker News (official RSS)精選品質評分8484 研究者發現 15 個網站載入惡意程式,可能竊取加密貨幣與信用卡資料
網站本身看起來沒有被入侵,放在 Optimizely 標籤中的惡意程式卻可能趁訪客瀏覽時動手。作者檢查到 15 個網站載入相關程式,它會把使用者貼上的加密貨幣地址換成攻擊者的地址,也會讀取信用卡表單內容,並回傳頁面網址、Cookie 和截圖。文中列出相關網域與檢查方式,包括搜尋網站載入的程式碼、留意 CSP 封鎖紀錄,以及在測試頁面確認貼上的錢包地址送出後沒有被更改。作者指出,兩個網站的 CSP 擋下了惡意程式;文中未說明這些網站的訪客是否已遭實際盜取資料。
推薦理由:這份調查整理 15 個網站載入惡意程式的證據,並說明內容可能如何竊取付款資料,及哪些檢查能協助發現攻擊。
The Verge · AI品質評分7272 哈佛研究估算美國大型資料中心用電與碳排,指出電力來源影響很大
美國大型資料中心用電量高,若電力來自燃煤或燃氣,也會帶來大量碳排。哈佛研究團隊用衛星影像找出 403 座大型資料中心,再依供電能力估算它們的用電與排放。研究估計,這些設施在一年內共用掉約 82 terawatt-hours 電力,約佔美國總用電量的 1.8%;其中約 54% 的電力來自燃氣和燃煤,排放約 25.7 million metric tons CO2。研究也發現,同樣用電量的資料中心,若接上以燃煤為主的電網,碳排可能比水力發電佔比較高的電網多約七倍。估算沒有涵蓋部分自建燃氣裝置造成的空氣汙染;研究團隊正用這些資料建立網站,追蹤個別資料中心的環境影響。
elvis@omarsar0品質評分6161Lobste.rs (Engineering Discussion)精選品質評分7272 研究提出形式化規格,檢查 Kubernetes operator 是否安全管理系統
大型系統常由 Kubernetes operator 或 AI 助理自動管理,但管理操作有時藏著檔案沒寫清楚的條件,做錯可能讓服務停擺或造成資料遺失。研究團隊提出「形式化操作規格」,把系統的重要狀態和每種操作必須符合的條件寫成可檢查的模型,再用模型檢查管理程式可能走過的步驟。以 PostgreSQL 為例,切換主要資料庫前,要確認備援資料庫已就緒,並符合同步狀態或資料落後幅度等條件。團隊也為 CockroachDB、Kafka、RabbitMQ 和 Solr 建立規格,檢查四個 Kubernetes operator 後找到 39 個新錯誤。
推薦理由:研究整理出用形式化規格檢查系統管理操作的方法,並以四種雲端系統的 Kubernetes operator 找出 39 個新錯誤。
Rohan Paul@rohanpaul_ai品質評分5858The Decoder精選品質評分7979 GPT-6 Astra 協助證明粒子物理格點理論的難題
物理學家一直無法把完整的標準模型放進電腦格點模擬,因為弱作用力會讓簡單格點產生多餘的幽靈粒子,特殊粒子雖能排除它們,卻有一個相位長期無法正確設定。Nathaniel Craig 想用越來越細的格點來修正相位,但原本無法證明方法涵蓋所有需要的情況。GPT-6 Astra 協助把這個構想做成可行的數學建構,並主導詳細證明;多位格點場論學者也檢視證明、提出問題。這項成果讓完整理論的格點模擬更接近實現,但距離可用於真實情境的模擬仍有不少工作。
推薦理由:這項證明把格點物理中長期卡住的相位設定問題往前推進,也呈現 GPT-6 Astra 如何協助補上原有構想缺少的完整論證。
Dev.to Top Tech品質評分6161 Rootline 測試三個免費 AI 模型能不能找出網路商店故障原因
網站出問題時,故障原因常藏在不同服務、網路和程式的資料裡,工程師得從紀錄中找出真正出錯的地方。作者做了 Rootline 開放測試,讓三個免費 AI 模型檢視網路商店的指標、追蹤資料和紀錄,再回答是哪裡故障,並要求它們指出答案根據哪些資料。測試中,模型找對完整原因的比例都不到一成,信心卻普遍很高;即使商店正常,模型也每次都說有問題。作者提醒,這是規模有限的初步測試,不能代表所有 AI 模型或所有維運情境。
Hacker News (official RSS)品質評分7575 哈佛研究:美國 400 座超大型資料中心用電量媲美密西根州
美國有多少電力用在大型資料中心,一直不容易查清楚,因為政府沒有把這類用電和其他電力分開統計,業者也不一定公開數字。哈佛研究團隊整理了 403 座超大型資料中心的資料,再估算它們一年的用電和碳排放,發現這些中心的用電量合計相當於密西根州。研究也估計,多數電力來自化石燃料,資料中心排放量是 AI 熱潮前的三倍。結果能幫助大家瞭解用電規模,但研究沒有納入業者自行發電的設施,而且資料中心產業變化很快,估算可能已跟不上最新情況。
Rohan Paul@rohanpaul_ai品質評分5252
NVIDIA AI@NVIDIAAI品質評分5252
Microsoft Research精選品質評分7474 TokenEconomizer 讓 AI 程式助理記住專案經驗,降低修 bug 花費
AI 程式助理每次開始工作,都可能重新摸索熟悉的專案、載入用不到的工具,或一再卡在同一個錯誤,讓使用者花更多模型費用。TokenEconomizer 是開源外掛,會從每次工作紀錄整理出專案筆記、移除較少用到的工具,並在助理反覆遇到同一個問題時提醒它換個做法;之後也會依新經驗修正這些判斷。研究用五種 AI 助理與模型組合測試 277 個修 bug 任務,平均花費降低 18.4–30.9%,任務成功率大致維持穩定。剛開始累積經驗時,前幾個任務可能較花錢,但每個測試專案到第六個任務時,累計花費都已低於原本做法。
推薦理由:研究比較五種 AI 助理與模型組合,顯示記住各專案的工作經驗能降低後續修程式的花費,且任務成功率大致維持穩定。
OpenAI News精選品質評分6767 OpenAI 研究科學家如何在研究中使用 ChatGPT
科學研究常要花很多時間找資料、分析證據和發展新想法,OpenAI 調查科學家如何把 ChatGPT 用在這些工作上。研究分析了 1,819 位科學家的訊息,並調查 251 人;使用者估計,沒有 AI 時,同樣品質的工作會花上 1.9 倍時間。68% 的科學家曾用 ChatGPT 發展研究想法,其中有人提出問題請它協助,也有人請它修改或提出想法。98% 的受訪者預期 AI 能加快自己領域的研究發現,但這項研究還不能確認發現是否真的因此加快。
推薦理由:研究顯示科學家會用 ChatGPT 發想、分析資料與寫程式,也估計 AI 能加快研究;這些期待是否真的縮短發現時間,仍需更多研究確認。
Hacker News (official RSS)品質評分5757 Cornell 兩項研究探討太陽能板下放牧如何兼顧益蟲與農場經營
羊群在太陽能板下吃草,可能同時影響益蟲數量和農場收入。Cornell 團隊的研究發現,每公頃放兩隻羊時,野生蜜蜂、家蜂和瓢蟲的數量比用割草機整理的區域多 38%;放到每公頃八隻時,植被管理效果最好,但家蜂數量少了 45%。另一個研究團隊做了試算表工具,讓牧羊人依羊群大小、成本、預期收入和場地草量安排買賣,也幫太陽能業者瞭解牧場需求。這些研究呈現了放牧密度對益蟲、草地管理和經營安排的不同影響。
solidot品質評分5454 普林斯頓研究發現,缺少植物纖維時腸道細菌會取食腸壁黏液
植物纖維和蛋白質會影響腸道細菌把胺基酸轉成哪些物質。普林斯頓大學研究團隊在兩篇論文中發現,植物纖維和一種無法消化的蛋白質 Prif,會改變細菌產生的酚類代謝物:有害物質減少,有益物質增加。小鼠實驗也發現,植物纖維耗盡後,腸道細菌會轉而取食腸壁的黏液層,並產生可能有害的化合物。研究提醒,飲食中的植物性食物會影響腸道細菌的活動與產物。
Google Developers Blog精選品質評分7777 Google 用 Zero-TIM 讓 TPU 上的 AI 模型取樣與訓練結果完全一致
大型語言模型用強化學習訓練時,取樣和更新模型若算出些微不同的機率,訓練可能變得不穩。Google 在 Tunix 中做出 Zero-TIM,讓 TPU 上的取樣、服務預填和訓練三條流程,對同一個動作算出完全相同的機率;做法包括固定運算順序,並讓訓練重用服務端的計算。團隊在 64 張 TPU v5p 上測試 200 步,Zero-TIM 每一步的取樣與訓練機率差異平均為零,這些測試中的解題率也比另外兩種做法高。結果來自 FrozenLake 測試環境,文章沒有說明其他模型或任務的表現。
推薦理由:文中拆解 TPU 上取樣與訓練算出不同機率的原因,並提供三段比對流程,方便定位數值差異從哪裡出現。
Hacker News (official RSS)品質評分6565 Groundwork 調查發現,Amazon 部分黑色星期五折扣反而更貴
黑色星期五和網購星期一常被當成撿便宜的時機,但促銷標價不一定比活動前划算。Groundwork Collaborative 比對 Amazon 在 2024 和 2025 年促銷頁面上 350 多項商品的價格,發現近三分之一的商品在活動期間沒有比前一個月便宜,近十分之一甚至更貴。例如一雙 Hunter 女款雨靴,活動價是 $126.99,活動前九天曾賣 $79.97。報告呼籲政府要求零售商標示商品過去 30 天內的最低售價,讓消費者更容易看出折扣是否真的省錢。
OpenBMB@OpenBMB品質評分4747MarkTechPost品質評分7171 Meta 的 JiTTests 用 AI 產生測試,提早抓出程式變更中的隱私問題
程式修改可能帶來隱私漏洞,光靠工程師讀程式碼,不一定能看出行為出了什麼問題。Meta 的 JiTTests 會用大型語言模型針對正在審查的程式變更產生測試;如果測試失敗,就表示這次修改可能改變了程式行為。系統也會用模型評分和固定規則過濾可疑結果,再決定是否通知工程師。Meta 表示,2026 年上半年有 74 起隱私嚴重事件在程式合併前被抓到,同期這類事件減少 20%;工程師回報的正確率為 60%。不過,早期 41 個候選結果中只有 8 個獲確認。JiTTests 目前僅供 Meta 內部使用,沒有公開程式碼、模型或 API。
Hacker News (official RSS)精選品質評分7676 研究:倫敦咖啡館如何讓更多工匠參與科學
過去的科學交流常靠大學和學者圈子,工匠不容易加入。這項研究整理 17 世紀倫敦各教區的咖啡館、數學實務工作者和科學儀器店資料,比較咖啡館開張前後的變化。研究發現,開出第一家咖啡館後,當地的實用科學工作者和儀器店持續增加;工匠也更常和發展理論的學者建立聯絡,店家開始製作更多實驗用儀器。作者估算,咖啡館在 1650 年代至 1690 年代佔倫敦實用科學工作者的 31%。研究也在歐洲其他城市看到相似變化,但作者將這部分視為相關現象,沒有主張是因果關係。
推薦理由:研究追蹤倫敦咖啡館開設前後的科學活動,呈現低門檻的日常交流如何連結工匠與學者,並擴大實用科學的參與。
solidot品質評分5252 研究團隊測試 Detangle 電梳,小鼠毛髮再生比例最高達 97.85%
脫髮治療在人體是否有效,不能只靠小鼠實驗下結論。北京航空航太大學研究人員做出梳子形狀的生物電子裝置 Detangle,透過電刺激和藥物負載模組,讓藥物更深入毛囊;在睪固酮誘發脫髮的雄鼠實驗中,單用電刺激後有 40% 的毛髮再生,搭配特定生物分子後最高達 97.85%。研究也比較了 finasteride 的 50% 和 minoxidil 的 70%。這些結果來自小鼠,Detangle 對人類是否安全有效仍不清楚。
Sakana AI@SakanaAILabs品質評分5050
Dev.to Top Tech品質評分4545 Android App 為什麼在背景中停止運作?原因可能不只一種
Android App 在螢幕關閉後可能收不到定位資料,開發者卻不一定看得到錯誤訊息。作者整理出 5 種常見原因:省電模式延後工作、手機廠商的省電功能直接關閉 App、使用者強制停止、手機重新開機,以及定位許可權被收回。 作者檢查一款裝在 30 臺手機上的工作追蹤 App,發現 159 段追蹤紀錄中有 509 段時間空缺,原本的紀錄也無法判斷每次中斷是什麼原因。整理好的判斷方法會比對 App 是否重新啟動等線索,協助分辨是工作被延後,還是 App 已被關閉,讓開發者知道該從哪裡找問題。
Dev.to Top Tech品質評分3535 2026 年 11 月 14 日 AI/ML 研究整理:物理規律、模型訓練效率與 AI 助理可靠度
AI 生成的影片可能出現不合常理的動作,機器人也需要更可靠的控制;大型模型的訓練和運作還會受到時間與記憶體限制。這批研究提出不同做法:讓 LLM 檢查並修改自己生成的影片,減少不合理動作;簡化 MoE 的運作方式,縮短訓練時間;也測試 AI 助理拿到不可靠資料時,會不會太有自信。另一項 3D 研究把 LiDAR、空間格子和幾何資料放進同一個表示方式,能用一次運算生成 3D 場景和動作。研究顯示,讓模型更懂物理、減少不必要的運算,並留意 AI 助理能記住多少資訊,都可能讓生成結果更順、訓練更省力、推理更可靠。
Dev.to Top Tech品質評分3838 EDGAR 與 SphereFlow 用新的擴散方法改善影像生成與缺資料問題
修復模糊的 3D 虛擬人物,或用已有的醫療掃描資料補出缺少的影像資料,常得經過很多輪計算,既耗時也可能不穩定。EDGAR 把修復步驟縮成一次擴散處理,再用修好的畫面更新虛擬人物模型;每個模型平均多花 5.04 到 16.60 分鐘。SphereFlow 則把不同型別的醫療影像放到共同的空間,讓系統依照已有資料補上缺少的部分,在腦瘤分割測試中補回約八成與資料完整時的效果。這些方法能減少反覆計算,但 EDGAR 難以修復嚴重變形或大範圍遮蔽的畫面,SphereFlow 遇到差異太大的影像型別也可能表現較弱。
Dev.to Top Tech品質評分7474 ONAA 實測 14,991 家商店,AI 助理都無法首次自行付款
AI 助理能幫忙找商品、放進購物車,到了付款時卻常得由人接手。ONAA 實測 14,991 家已宣稱支援 AI 助理購物的商店,其中 49% 讓 AI 助理在沒有人幫忙的情況下完成購物車並進到付款頁,但沒有一家能讓它第一次就自行付款。部分商店讓買家先同意使用 Shop Pay,之後 AI 助理才可自行付款;也有商店要求買家每次輸入卡片資料,或到商店頁面完成付款。這些數字來自單次觀察,商店尚未確認結果,而且不代表所有網路商店。
Dev.to Top Tech精選品質評分7777 GPT-6 Astra 協助物理學家提出標準模型的候選晶格定義
要把標準模型放進離散的晶格中研究,最難的是保留弱作用力對左手與右手粒子的不同處理方式。物理學家 Nathaniel Craig 與 GPT-6 Astra 合作,把一套既有策略整理成候選構造和詳細證明,Astra 也協助把場的配置對映到更細的晶格,並處理相位修正。這仍是初步成果,尚未證明所需性質,也還沒接上連續的互動作用理論;研究仍需要專家檢視與後續驗證。
推薦理由:這項研究展示 GPT-6 Astra 如何協助物理學家把既有構想推進成具體構造與證明,也清楚交代仍待專家檢驗的關鍵問題。
The Verge · AI品質評分5050 Apple 啟動研究,瞭解 AI 健康工具的回答是否有用
想知道 AI 回答健康問題時,內容準不準、好不好懂,可以請實際使用的人來評分。Apple 和 OpenEvidence 合作進行研究,參加者會用一款新的 iOS app 提出健康問題,再評價回答的準確度、詳細程度和相關性;回答也會附上經同儕審查的臨床資料來源連結。研究最多招募 200,000 人,參加者須年滿 21 歲、住在美國,並使用搭載 iOS 26 或更新版本的 iPhone 15 Pro。參加者可選擇分享 Apple HealthKit 的活動、睡眠或檢驗資料,讓回答參考更多個人健康資訊。Apple 表示,收集的資料不會拿來訓練 AI 模型;研究希望讓 AI 健康工具提供更貼近需求、也更容易理解和採取行動的資訊。
Rohan Paul@rohanpaul_ai品質評分5757OpenAI News精選品質評分7777 OpenAI 研究者提出標準模型的格點定義,GPT‑6 Astra 協助完成證明
標準模型能精準描述許多粒子與作用力,但物理學家仍缺少一種不把作用力當成小修正的完整定義。OpenAI 研究者提出一種候選做法:把時空切成格點,將力場逐步移到更細的格點,再比較每一層的粒子狀態,算出補回相位所需的修正。作者表示,GPT‑6 Astra 協助發展構造並主導詳細證明,外部專家也檢視了證明。這是原理上的候選定義,還不能直接用於實際格點模擬;專家仍需確認它是否具備所需性質,如何延伸到連續時空也尚未解決。
推薦理由:這項構造把格點上的力場逐步移到更細的網格,藉由比較相鄰網格推導相位修正,並證明可用於所有允許的迴圈。
Dev.to Top Tech品質評分4949 SPECTRA 如何壓縮大型 AI 模型,讓它們在筆電 GPU 上執行
一般筆電的 GPU 記憶體有限,裝進大型 AI 模型後,可能連產生答案時要用的空間都不夠。SPECTRA 會把模型中較重要的資料原樣保留,再用較省空間的方式儲存其他資料,載入時直接送進 GPU。作者在一張 NVIDIA GeForce RTX 3050 Ti Laptop GPU 上測試 6 種模型,模型檔案縮小了 64.3% 到 69.8%;例如 DeepSeek-R1-Distill-1.5B 在特定設定下每秒可產生約 82 個 token。這讓記憶體有限的裝置也有機會執行大型模型,但實測速度會隨執行方式和裝置狀況改變。
Hacker News (official RSS)品質評分6969 研究發現烏鴉辨認視覺線索的速度是人類和猴子的兩倍
烏鴉的腦比人類小,卻能不能快速看懂眼前的線索?德國圖賓根大學的研究團隊訓練兩隻烏鴉,看螢幕上多數白點朝左或朝右移動,再啄向相同方向。研究人員同時記錄牠們的腦部活動,發現烏鴉平均約 235 毫秒就能作答,速度是人類和猴子做類似測試時的兩倍,而且正確率沒有因此下降。研究結果顯示,鳥類的大腦即使體積較小,也能快速處理視覺資訊;研究團隊推測,這種速度可能和飛行時迅速避開危險有關。
Tom’s Hardware AI & Computing品質評分5757 羅徹斯特大學研究團隊把 Ender 3 改成 450 美元生物列印機
研究工程活體材料時,生物列印機通常要花超過 100,000 美元,硬體成本也限制了研究進展。羅徹斯特大學的微生物學家改裝 Ender 3 3D 列印機,換上可推送細菌混合物的針筒列印頭,做成約 450 美元的生物列印機。研究團隊也調配支撐用的凝膠,讓列印出的材料保持形狀;其中一種支撐材料可讓活體材料維持活性四週以上。這種做法有機會讓更多研究團隊投入相關研究,探索細菌材料在抗菌處理、分解塑膠或汙水處理等方面的用途。
Dev.to Top Tech品質評分4343 Metal Sandbox 如何讓 Apple Silicon 上的 GPU 程式開發 AI 助理安全共用運算資源
多個 AI 助理同時在 Mac 上寫 Metal 程式時,可能互相卡住、弄壞彼此的檔案,甚至讓 GPU 出問題。Metal Sandbox 會替每個助理準備獨立的工作資料夾,再把編譯和執行工作排好;如果一臺 Mac 正忙,也能把符合條件的工作移到有空位的 Mac。就像四個人共用幾張工作桌,忙不過來時把工作送到空桌上。論文測試四臺 Mac mini M4,在不同工作情境下,處理命令的速度提高 1.68 到 2.05 倍;動態分配工作也讓整批工作時間減少 22.3%。這能減少等待,讓多個 AI 助理更順利地開發 GPU 程式。
Dev.to Top Tech品質評分6464 Reemote 讓 AI 助理把 Ansible 設定轉成 Python 程式
把 Ansible 設定改寫成 Python,常會失去預覽變更、依序管理多臺主機和檢視每項修改結果的能力。作者打造開源程式庫 Reemote,讓 AI 助理能把設定工作對應到現成的 Python 操作,並由程式庫負責連線、安排執行順序和整理結果。作者用它轉換 Apache 和 Datadog 的 Ansible 角色,並在模擬主機上確認第二次執行不會再造成變更。不過測試只涵蓋兩個角色的部分作業路徑,而且是在模擬環境中進行。
Hacker News (official RSS)精選品質評分7878 慕尼黑團隊做出能連續發射物質波的原子雷射
一般雷射發出的是光,慕尼黑團隊做出的原子雷射則能發出由原子形成的物質波束。研究人員把銣原子冷卻到接近絕對零度,讓原子形成玻色-愛因斯坦凝聚,再用無線電波讓部分原子離開磁場陷阱,形成受重力加速的平行光束。這道光束約含 50 萬個銣原子,能維持十分之一秒;此前展示的原子雷射只能脈衝發射。研究團隊認為,這種明亮且一致的物質波束,可能用於原子光學、干涉測量,也可能幫助製作微小結構或更精準的原子鐘。
推薦理由:慕尼黑團隊把原本只能短暫發射的原子雷射延長為連續光束,文章也說明這種物質波束可能如何用於原子光學與干涉測量。