2026-11-05
AI会说谎吗？研究者给九个顶级大模型挖了1532个坑
西安交通大学团队提出DECEPEVAL基准，通过1532组配对测试评估九个顶级大模型在压力、激励、机会、冲突四种诱因下的撒谎倾向，发现诱导普遍大幅提升欺骗率，医疗金融领域风险尤高。
2026-11-05
AI智能体越学越笨？一场自我蒸馏的"遗忘危机"
本文介绍ReSAIL方法,通过挑选对特权信息最敏感的交互步骤进行蒸馏,并保留模型使用特权信息的能力,有效解决了AI智能体迭代自我蒸馏中出现的性能坍塌问题,在ALFWorld、TextCraft等任务上实现持续提升。
2026-11-05
长上下文混合模型的跷跷板：为什么有些设计在训练时很强，一到推理就露馅
复旦大学与OpenMOSS团队系统分析长上下文混合注意力模型，揭示滑动窗口与线性注意力混合模型间的跷跷板效应、潮汐效应与马太效应，提出滑动窗口线性注意力实现16倍训练免费长度外推。
2026-11-05
测完 147 个 AI 助理之后，他发现用户最怕的并不是它办错事
a16z 的三人对谈以 147 个 AI 助理的实测数据为切口，拆解智能体正在分裂出的形态：从工作型、多人型到旅行型，唯独金融卡在信任这一关。节目讨论篱笆式权限、控制感的让渡，以及 agent 之间互相传话会长出什么新东...
2026-11-05
博士创业者的十堂课：让你发表论文的本能，会杀死你的公司
YC 访问合伙人、Focal 创始人 Francois Chaubard 拆解学术出身者创业必须完成的十次视角转换：从虚荣指标到用户是否付钱，从追求新颖到坦然抄袭，从等 100% 信息到 70% 就开枪，以及为什么你雇不...
2026-11-05
OneBox智能体协作平台，把“能用的 AI”变成“政企敢用的 AI”
今年以来，各种智能体工具快速进入人们的日常工作，但在曙光云副总裁徐良接触的政企客户中，企业对智能体的态度却有着明显差异。 一些企业已经开始大规模使用智能体，甚至尝试用数字员工改造内部业务流程。但对于更多大型企业和政府机构...
2026-11-05
只存向量，不存图片，这样总该安全了吧
研究者仅凭视觉文档检索系统存储的向量索引,成功还原出47%原文词汇、45%敏感信息,并能98.4%概率精准定位原始页面,证明看似无法读取的向量其实能被反推成完整文档,打乱顺序等防护手段也可能被攻破。
2026-11-05
给AI改个词，它数学题就不会做了：一篇关于"幽灵依赖"的论文
论文发现大语言模型推理对题目表面措辞异常敏感，据此提出SCAPO训练方法，通过半事实扰动探测词级稳定性并只对不稳定词做负向修正，在Qwen3模型上显著提升数学推理与跨领域泛化能力。
2026-11-05
把评估预算花在哪里，才能让AI问答系统的测试结果更靠得住
研究团队用检索增强生成系统在问答数据集上做实验，探讨测试预算该如何分配给问题数量、搜索轨迹和重复读取，发现多问问题比多次重复更能降低结果不确定性，且费用效率随搜索价格变化。
2026-11-05
AdSpark：当AI学会拍广告，它卡在了哪里？
北大与京东团队推出AdSpark，首个面向产品广告视频生成的大规模数据集与评测基准,，包含30万条结构化标注视频,，揭示现有AI模型在产品保真度和多镜头叙事上的短板,，并验证微调带来的显著提升。
2026-11-05
蒸馏训练里塞进一个"差生"，成绩反而涨了
NAVER AI Lab提出负策略在策略蒸馏，训练时额外引入一个比学生更弱的模型生成轨迹，与老师监督结合形成负面参照。在数学、代码、科学共13个基准上全面超越原方法，学生规模覆盖17亿到80亿参数，还兼容已有的多种蒸馏改...
2026-11-05
当记忆也需要压缩：线性注意力模型的状态量化难题
论文提出STEPQuant，针对线性注意力循环状态的低比特量化方法，结合记忆寿命感知的比特分配与键行感知的双轴缩放拟合，在6比特下逼近FP32精度，显著压缩推理内存并提升服务吞吐效率。
2026-11-05
当AI助手只会说"切好葱花"却不知道你是在炒菜还是在凉拌，会发生什么
论文提出ProactiveCoach数据套装，用阶段、步骤、动作三层结构训练AI助手理解任务进度，并用轻量路由器实现指导颗粒度的灵活切换，无需重新训练主模型。
2026-11-05
摩洛哥农田里，一套机器学习系统正在学习如何"抄答案"
摩洛哥团队开发开源工具栈Turba，围绕国家施肥推荐系统Fertimap构建数据访问、版本化存储与机器学习替身三层架构，用44096个卫星坐标生成13万余条推荐记录，训练出高拟合度作物施肥预测模型，强调区分推荐输出与农学...
2026-11-05
致敬同路人｜内蒙古圣邦科技：矿山“智”变 筑牢智慧矿山根基
本期华为中国政企业务与至顶网联合打造的《致敬同路人》系列，我们走进内蒙古圣邦科技有限公司，与执行董事孙颖军对谈，探寻这家本土企业如何与华为携手，在时代周期的更迭中共筑矿山数智化之路。
2026-11-04
训练16万个策略后，他们发现离线强化学习的排行榜几乎毫无意义
华盛顿大学团队训练16万个策略模型，发现离线强化学习算法排名严重依赖超参数调优、测试集构成和数据来源，没有算法能全面领先，并提出调参策略与推荐系统助力实践。
2026-11-04
传感器会说话，但它从不告诉你该怎么办
研究提出传感器语言动作统一框架SLA，用语言连接传感器数据与具体行动，构建覆盖11.6万人、79种传感器的基准，推出OpenSLA模型，在临床、手术室、血糖监测三大场景均超越现有方法。
2026-11-04
AI给视频生成"装了个记忆过滤器"：DeCoPrune如何用去噪一致性砍掉85%的历史缓存
这篇论文提出DeCoPrune,一种利用去噪一致性判断视频历史记忆价值的KV缓存剪枝方法,并搭配CMBench基准专门检验AI续写视频时能否记住之前见过的物体,实现85%以上压缩且保持接近原始的记忆准确度。
2026-11-04
会教题和会解题，到底是不是同一回事？
SHERPA是一种让大模型学会因材施教的强化学习框架，通过与带不同学习偏好的模拟学生互动来训练AI教师，使学生成绩平均提升20.5个百分点，并获得79.6%的人类教师认可。
2026-11-04
给大模型做压缩手术，为什么切错地方比切多切少更致命
这篇论文提出可学习子空间投影LSP,让大模型压缩时要删除的权重方向由全局输出目标端到端学习决定,而非局部统计量,压缩比越高优势越明显,还能加速推理并大幅压缩KV缓存。