2026-10-03
给代码仓库当老师，教AI怎么把活干好
该研究提出Code2Skill流水线，从191,769个GitHub仓库自动提炼可验证的操作技能，构建含百万级记录的CodeSkillBank，实验证明其能显著提升AI智能体在编程、推理、系统操作等任务上的表现。
2026-10-03
当电脑agent既要会"点鼠标"又要会"写代码"：一个让AI自己造软件的训练场
阿里团队提出RECREATIONWORLD,让AI通过重建正在运行的软件同时锻炼图形操作与代码实现能力,并配套250任务的RECREATIONBENCH评测,揭示当前最强模型全通过率仅2.8%,静态界面易还原而动态逻辑难...
2026-10-03
给AI装一张"施工图纸"，比给它一堆便利贴管用得多
本文介绍GraphSkillEvo框架，它把AI智能体的技能表示成图结构的自然语言文档，配合种群式进化算法中的变异和交叉操作进行优化，在五个基准测试中相比SkillOpt平均提升1.76%至4.01%的准确率，同时降低了...
2026-10-03
给AI喂一张照片，它就能让照片里的人做出你指定的动作：这事到底靠不靠谱？
腾讯联合港科大推出OmniVBench评测基准和Omni-R2V数据集，针对AI视频生成中日益复杂的多参考控制能力，首次提出因子级细粒度评测方法，覆盖7大任务18个子任务，并公开34万条训练样本，揭示当前主流模型在多参考...
2026-10-02
当骗子学会了用emoji说黑话，AI能不能揪出真相？
论文提出RiskChainBench基准，测试十个大模型破译网络伪装暗语并追踪调查可疑网站的能力，发现文字复原准确率与网页调查能力常常不匹配，入口识别错误会严重拖累端到端表现，执行失败是探案环节最大瓶颈。
2026-10-02
一个模型，学会了细胞、天气、蛋白质和游戏的共同语言
论文提出JEPA-Anything框架，用正交预测因子分解统一视觉、生物、临床、控制、分子、物理场、天气七大领域的预测建模，实验覆盖十项动力学任务、千余临床事件预测及湿实验室生物验证。
2026-10-02
让AI手机助手学会反思：一个训练时代之外的可能性
本文介绍EvoSkill-GUI，一个训练免费的GUI智能体技能进化框架，通过结构化技能包、即时修订、信息隔离的批评诊断和元数据检索，让智能体从执行失败中自我反思并持续改进，在多个手机电脑基准测试上取得显著成功率提升。
2026-10-02
脑子换了个地方，Dice就掉了7个点：一个AI肿瘤分割模型的诚实自白
研究团队用标准nnU-Net模型测试脑肿瘤分割在跨病种场景下的泛化能力，发现验证集表现比内部测试低7.47个百分点，集成与增强等技巧收效甚微，小体积且碎片化的肿瘤是主要失败原因。
2026-10-02
原点Talk：AI把出海门槛降低之后，2027全球化怎么做？｜PEC 2026特别版
在PEC 2026 AI创新者大会暨第三届提示工程峰会期间，《原点Talk》迎来了一场特别版，以“2027 出海的机遇和路径”为主题，把这些问题摆上了桌面。
2026-10-02
AI写的GPU内核跑分更高，但真正能上线的只有专家调教过的那一版
MIT 博士生 Alex Zhang 以 Recursive Language Models 和 GPU Mode 社区闻名，在 Latent Space 播客中回顾了自己从一次无聊实习误打误撞进入 GPU 编程社区的经...
2026-10-02
当审查开始蔓延进美国，这位互联网老兵决定重写底层协议
Barrett Lyon 曾经历飞机引擎空中骤停的生死瞬间，如今他把同样的冗余思维用在了重建互联网协议上。这篇文章梳理了他创办 DoxxNet 的动机：协议层创新停滞、VPN 治标不治本、运营商级 NAT 扼杀应用潜力，...
2026-10-02
PANORAMA：给AI装上一双能"指认"万物的眼睛
论文提出全景接地式描述任务，构建人工标注数据集PanoCaps与gPQ评价指标，并提出PANORAMA模型，将短语接地转化为掩码候选选择，在多项分割与描述基准上取得领先表现，兼顾描述完整性与定位精确度。
2026-10-02
把每一块显存都榨干：训练超长上下文MoE模型的四个隐藏陷阱
本文解读Salesforce提出的四种显存优化技术，针对MoE长上下文训练中专家调度、词表投影、梯度检查点、优化器状态四大内存瓶颈逐一攻克，实现百万token上下文训练，吞吐量最高提升10.4倍。
2026-10-01
技术与社会转型时代的政策分析变革
RAND Corporation发布21页政策分析报告，指出AI驱动的变革、公众对专业知识信任的侵蚀及政治权威格局的转变，正动摇政策分析的制度基础，呼吁该领域回归基本原则，推动制度设计、培训与研究治理现代化。
2026-10-01
机器人学会了"预演未来"：一个能读懂28种动作的世界模型
北京人形机器人创新中心提出Pelican-Sim 1.0，一个通用世界模型模拟器，融合28维统一动作数值与URDF渲染动作视频，配合稀疏MoE架构，实现跨机器人型号的动作预测，并在数据生成、策略评估、动作选择等下游任务中...
2026-10-01
ReMoMask-2：当AI生成人体动作时，它到底在"抄"什么？
本文解读ReMoMask与ReMoMask-2，一种检索增强的文本驱动人体动作生成方法，提出分层双向动量对齐、拓扑结构化掩码、语义时空注意力等模块，并将检索空间迁移至生成器潜变量空间，实现更高保真度与更快推理速度。
2026-10-01
AI智能体上岗前，要不要先自学？
AI智能体在正式接任务前能否自主决定如何预习陌生环境?论文提出任务无关的环境预处理框架,用元智能体在六大基准上对比固定策略,发现开放式自主学习总体更优,且能省去测试时的重复尝试。
2026-10-01
你玩游戏时突然想往左转，屏幕却硬是让你的角色又往前走了半秒才反应过来，这个体验是不是很熟悉？
论文提出ActionSplice框架，通过反事实状态迁移技术，让交互式视频世界模型能在生成过程中即时响应新动作指令，无需等待或重复计算，大幅提升画面响应速度与准确度。
2026-10-01
花了591次训练，得出的结论是：什么都没有变得更好
北大团队用591次训练实验严格测试了8种RLVR数据挑选方法和3种自适应策略，发现它们均未能稳定超越简单的均匀随机训练，同时揭示评测题库覆盖不全会导致排名结论截然相反。