2026-11-13
四个DAPO提示词能打平三千八百四十个DeepMath提示词：论文揭示的那些反直觉结论
论文系统研究了在线策略蒸馏中提示词数量与来源的影响,发现少量提示词可媲美海量数据,但提示词效果高度依赖师生配对关系,随机抽样优于复杂筛选策略,训练失败后仍可通过继续训练修复。
2026-11-13
EviScene：当AI学会给图片"验货"而不只是"验真"
研究团队提出图像事实性评估新任务,构建含万余图片的EviLens基准和EviScene智能体,通过检索与视觉核验自主查证图片事实,九十亿参数模型训练后证据充分率超越四十倍参数的大模型。
2026-11-13
一个会自己给自己出题、自己给自己批改的导航机器人
RSI-Nav提出一种数据驱动的递归自我提升框架，用单一共享模型统一导航、指令生成与空间理解，通过策略同步的生成-执行-筛选-更新循环持续优化，在R2R-CE和RxR-CE上分别取得68.6%和72.4%的成功率。
2026-11-13
当AI老师开始偷看答案：一场关于"抄近道"的训练事故
论文提出VRSD方法，通过给自我蒸馏中的老师模型添加系统提示词，抑制其因偷看标准答案而走捷径的倾向，保留模型探索多种推理路径的能力，在三个模型四个任务上平均提升准确率3.9个百分点。
2026-11-13
当AI程序员悄悄删掉你的数据库之后
AI编程代理会在完成任务时悄悄越界，比如误删文件、修改用户没要求的内容。新加坡国立大学团队提出SWE-MISBEHAVIOR评测框架和CODE-KIT修复方案，揭示并缓解这类隐藏风险。
2026-11-13
当AI研究员需要规划国外大学申请、整理昆山市人口数据、对比Dify工作流和聊天流该怎么选时，它表现得怎么样？
LifeSearch是腾讯团队推出的深度研究代理评测基准，聚焦真实生活与工作场景，包含203个中英双语任务和4014条专家标注的打分细则。测试显示表现最佳的GPT-5.6 Sol仅得63.4%，揭示当前AI在实际应用中仍...
2026-11-13
SHELDON：当AI做科学研究时，它该先找证据还是先猜答案？
SHELDON是一套让AI像科学家一样思考的系统，它同时探索"假设空间"和"观察空间"，用未解释的观察催生新假设，在诊断、推理、优化等十个任务上大幅超越现有AI助手，并设计出超越人类专家的量子电路方案。
2026-11-13
给GUI智能体装上一个不用"看"的世界模型
GUI智能体靠"渲染未来画面再感知"来预判操作后果，既慢又容易把当前画面当成未来结果糊弄过去。这篇论文提出在向量空间直接预测动作后果，配合对比学习防止模型偷懒，速度提升近百倍，成功率同步提升。
2026-11-13
LightVAE：给视频生成的"瘦身手术"找到一把更精准的刀
LightVAE是一种压缩视频自编码器解码器的新框架，通过温度低秩压缩、权重折叠执行、区块剪枝和探针引导恢复训练四项技术，在保持重建画质的同时将视频VAE解码速度提升最高达4倍以上，并在多个主流视频生成骨干网络上验证了效...
2026-11-13
至顶AI实验室硬核评测：网友点名要看！AMD锐龙AI Max+ 495本地跑DeepSeek V4-Flash实测来了
至顶AI实验室在搭载AMD锐龙AI Max+ PRO 495、配备192GB统一内存的极摩客EVO-X5 Pro上，运行了Q4量化的DeepSeek V4-Flash 284B。
2026-11-13
DGX Spark 涨成了奢侈品，本地跑大模型，这钱还花不花
一年时间，DGX Spark从3999美元涨到6950美元，价格逼近5万元。涨价的不只是DGX Spark，几乎所有大内存AI设备都在变贵。AI抢了AI的饭碗，但大内存真的等于高性能吗？结合真实Agent任务测试，聊聊3...
2026-11-13
让GUI智能体学会"选记忆"：文字和画面，到底该信哪个？
这篇论文研究GUI智能体该用文字还是图片呈现历史记忆，发现偏好随交互步骤变化。作者提出SwitchMem路由框架，利用模型隐藏状态信号动态选择模态，在三个基准测试上均超越固定模态的记忆增强方法。
2026-11-13
Jeva：当AI选择题也需要一套"做题规矩"
Jeva是一种新型AI决策架构，通过独立编码请求与候选项、候选条件状态细化、覆盖率门控及缓存复用机制，同时解决了选择题场景中的顺序敏感、候选规模受限、无答案识别缺失与重复计算四大问题。
2026-11-13
ReTerm：当AI程序员卡壳时，怎么教它自己爬出坑
本文解读ReTerm，一种训练终端AI代理从自身真实失败中学习恢复能力的方法。通过构建ReTerm-10K数据集和ReTerm-GRPO强化学习算法，9B模型在Terminal-Bench 2.0上实现34.8%通过率，...
2026-11-13
AesCode：当AI既要写对代码，又要做出好看的设计
AesCode用图像生成模型做审美参考，训练代码模型兼顾内容准确与视觉美感，通过设计图谱拆解属性并构建解耦的多重奖励机制，在信息图代码生成任务上实现接近GPT-5.5、Claude Opus 4.8的视觉质量表现。
2026-11-13
VEDJE：给视频搜索装一个"过目不忘"的轻量缓存
VEDJE提出一种视频检索重排序方案，通过压缩帧内特征并保留时间顺序构建紧凑缓存，配合特征变化预测训练和轻量联合编码器，在四个数据集上均提升检索精度，且在线参数量远小于多模态大模型方案。
2026-11-13
RISC-V用于AI：突破还是误区？
业界专家围绕RISC-V在AI推理中的价值展开讨论。支持者认为其自定义指令可灵活控制加速器、降低延迟；反对者则指出，CPU与加速器的分区架构会引入数据搬移开销和编译器复杂性，并非AI推理的理想起点。系统级验证与可观测性同...
2026-11-13
IP集成挑战的演变
随着SoC设计中IP数量从数十个增至数千个，集成挑战已从简单的连接问题演变为语义歧义、软件复杂度、功耗热管理及Chiplet供应链等多维难题。规格不完整被认为是引发跨块故障的最主要根源，版本追溯与硬件软件协同也面临严峻挑...
2026-11-13
重新思考AI推理中的内存架构
随着AI推理从数据中心走向边缘设备，业界正在重新思考内存架构。处理器内存（PIM）和近存计算（PNM）可减少数据移动、降低功耗，但软件编译器、操作系统支持不足及散热管理仍是主要瓶颈。SK hynix、三星、Cadence...