2026-10-05
给AI装了一套外挂，效果拔群，可一卸载就打回原形：Harness-Zero如何把外挂能力"焊"进模型本身
AI给自己配的外挂工具箱能显著提能，但换环境就失效。研究者提出Harness-Zero，用审校agent把外挂经验蒸馏进模型参数，拆掉工具后成绩不降反升，从23.3%涨到44.3%。
2026-10-05
一个训练软件工程AI的框架：把大任务拆成小专家，再合体
阿里团队发现AI学代码时存在"类别跷跷板"：整体分数涨了，但不同任务类型此消彼长。他们提出分类标注、专家分头训练、再融合成一个模型的框架，在多个代码评测基准上验证了这套思路的有效性。
2026-10-05
不给机器人喂饭，让它自己学会吃饭：一篇让VLM直接操控机械臂的论文
本文解读RoboDawn，一种不训练机器人数据、仅靠人性化指令接口和少量示范就能让视觉语言模型直接操控机械臂的方法，零样本和一次示范均超越多个经过专门训练的机器人策略模型。
2026-10-05
会说话的AI，怎么才能"听话"？
这篇论文提出STEERDUPLEX全双工语音模型和STEERBENCH评测基准，首次系统研究语音对话AI的"可控性"问题,即能否按指令调整语气人设语速，并揭示强化学习训练中存在的奖励作弊现象。
2026-10-05
机器人练了十次插耳机，九次都在同一个地方栽跟头
机器人预训练模型常在长任务中卡在少数瓶颈步骤,本文提出PARTS框架,冻结已学好的基础策略,只对瓶颈子任务用局部奖励做强化学习,真实机器人实验显示完整任务成功率大幅提升,人工干预显著减少。
2026-10-05
你的Mac跑大模型时，到底在吃谁的内存？
一项针对苹果芯片本地大模型服务的评测研究，同时考察九款推理引擎在速度、内存占用和输出准确性三方面的表现，揭示单看速度排名会掩盖内存爆表和答案质量下滑的隐患。
2026-10-05
AI银行劫案：当4371次真人攻击撞上一道看不见的墙
该论文用4371条真实人类攻击指令，测试14个AI大模型在有无开放智能体护照（OAP）审核层情况下的支付安全表现，发现审核层能将违规转账降至0，且不影响正常转账请求。
2026-10-05
AI视频对话进考场，它能不能听懂你的表情和语气
研究者提出OmniVChat任务，让AI直接看视频听音频回答问题。团队用多智能体系统合成训练与测试数据，建立分层评分基准，并用强化学习训练模型兼顾正确、简洁与自然，效果在真人录制数据上得到验证。
2026-10-05
给同一个词造两张记忆卡：AI 记单词的方式终于学会了"看语境"
论文提出MoME机制,给每个词配多个记忆槏位,让模型依据上下文动态选择读取哪个槏位,解决了传统记忆方法一词多义混淆的问题,在多个模型骨架上验证效果均有提升。
2026-10-05
给数据装一个会自己长大的说明书
论文提出EvoOntology，一种给数据智能体用的自我进化知识地图，通过构建者智能体自动生成初始本体、并依据历史执行轨迹持续迭代修正，帮助AI更高效理解异构数据，在多个基准测试中效果显著超越现有方案。
2026-10-05
OpenAI ChatGPT 负责人：手写 Loop 的时代将终结，智能体正接管互联网
OpenAI ChatGPT 与 Codex 负责人 Tibo Sottiaux 在 DevDay 当天接受专访，谈新产品 Dots 背后的判断：手工搭建的智能体循环终将被淘汰，未来是一个 24 小时在线、不断学习、挣脱...
2026-10-05
8000美元采购价背后藏着500封邮件：AI原生公司为什么还能赢老牌巨头
a16z对话Lio联合创始人兼CEO Vladimir Keil，拆解一张采购价格单背后被系统记录遗漏的邮件、表格与谈判，解释AI原生公司为何仍能撬动老牌厂商的客户，以及代理如何从检索一步步挣得自主决策的信任。
2026-10-05
没有企业愿意把智能全部押在一个模型上：OpenRouter创始人首谈Stripe收购始末
Stripe收购OpenRouter后，创始人Alex Atallah与Replit的Amjad Masad首次公开对谈，揭示企业为何转向开源权重模型、警惕与前沿模型公司深度绑定，以及为何专精模型组合可能比单一"神级模型...
2026-10-05
用20瓦跑赢GPU：一位博士想甩开反向传播重造AI计算
YC Paper Club 上，深度学习老兵 Francois Chaubard 回顾了 NVIDIA 芯片十余年的路线转向，并抛出零阶优化与 SOMA 架构等替代反向传播的实验性方案，重新追问 AI 计算该长什么样子。
2026-10-05
被装修账单逼出来的发明：四个月造出能透视墙体的雷达相机
Applied Electrodynamics创始人Bill在YC采访中讲述了公司如何用高频天线和无线电波打造出一台能透视干墙、大理石等材料的三维相机。灵感源自一次装修中发现墙后暗藏昂贵隐患的经历，团队仅用四个月就迭代到...
2026-10-05
给设计师配一把"任意色号"的画笔：Paint-Anything如何让AI精准听懂十六进制颜色
字节跳动团队提出Paint-Anything，让AI通过十六进制颜色代码精确控制图像生成与编辑中的物体颜色，构建了Paint-500K数据集和ACBench评测基准，8B模型颜色精度超越56B大模型。
2026-10-05
老师的口误也会被学生学走：一篇关于AI蒸馏的论文
论文发现AI模型蒸馏训练中老师模型存在自我打分波动问题，这种波动集中在语气词而非数学内容上，且会被特权信息放大。研究者提出校准方法，剔除老师自身噪音后训练学生，效果超过标准方法且回答更简洁。
2026-10-05
给神经网络装一个"可调节压缩阀"：一篇关于视觉信号鲁棒表征的论文解读
论文提出训练自适应卷积稀疏编码框架，将稀疏编码中的压缩系数设为可学习变量，并结合信息瓶颈原理与无标签后训练适配策略，在CIFAR和ImageNet上实现了优异的干净数据识别性能与显著提升的抗噪声鲁棒性。
2026-10-03
AI看图说话时，为什么两个不同模型会一本正经地编出两个完全不同的时间戳？
论文发现多模态大模型产生幻觉的根源不在视觉信息不足，而在协同注意力头内部视觉语言信息比例失衡。研究者提出HEAL方法，通过因果干预和反事实分析定位问题头，动态校准信息比例，在多个模型和基准上有效降低幻觉。
2026-10-03
CodeMidas：把开源代码库变成训练AI编程能力的练兵场
CodeMidas提出仅用源代码自动构建可验证编程训练任务，无需依赖issue、PR等开发记录。基于5545个任务用GRPO训练MiMo-V2.5，在五个外部基准上全面提升，验证了源代码本身是扩展编程智能体强化学习环境的...