跳到正文
只看论文
11月11日周三
  1. IT之家 AI66

    谷歌 DeepMind 发布 AlphaGenome 2 基因序列模型：识别致病变异能力提升近一倍

    IT之家 11 月 11 日消息，谷歌 DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2 ，可预测 DNA 序列及其变异对特定人体细胞类型的影响，为科研人员挖掘疾病的细胞驱动因素提供全新工具。 人体每个细胞携带相同的 DNA 蓝图，但不同细胞类型会通过开关不同基因完成特定功能。全球的人类细胞图谱项目已对数百万细胞的基因表达进行绘制，但预测细微 DNA 变异如何影响细胞基因表达，仍是尚未解决的难题。 此前谷歌已推出初代 AlphaGenome ，可预测 DNA 变异对宽泛组织的分子活性影响，并推出了覆盖人类基因组全部 90 亿种单字母变异预测的 AlphaGenome Atlas ，助力罕见病、复杂性状与基础生物学研究。 AlphaGenome 2 从宽泛组织平均水平缩小至单个细胞类型与状态，并重构了模型架构，变异预测性能实现阶跃式提升，可捕捉宽泛组织模型中遗漏的疾病相关细胞中的变异效应，还能对模型未见过...

    推荐理由：来自IT之家 AI的《谷歌 DeepMind 发布 AlphaGenome 2 基因序列模型：识别致病变异能力提升近一倍》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 11 日消息，谷歌 DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2 ，可预测 DNA 序列及其变异对特定人体细胞类型的影响，为科研人员挖掘疾病的细胞驱动因素提供全新工具。 人体每个细胞携带相同的 DNA 蓝图，但不同细胞类型会通过开关不同基因完成特定功能。全球的人类细胞图谱项目已对数百万细胞的基因表达进行绘制，但预测细微 DNA 变异如何影响细胞基因表达，仍是尚未解决的难题。 此前谷歌已推出初代 AlphaGenome ，可预测 DNA 变异对宽泛组织的分子活性影响，并推出了覆盖人类基因组全部 90 亿种单字母变异预测的 AlphaGenome Atlas ，助力罕见病、复杂性状与基础生物学研究。 AlphaGenome 2 从宽泛组织平均水平缩小至单个细胞类型与状态，并重构了模型架构，变异预测性能实现阶跃式提升，可捕捉宽泛组织模型中遗漏的疾病相关细胞中的变异效应，还能对模型未见过...

  2. IT之家 AI68

    AI 提升飓风预报精度，人类气象专家仍不可替代

    IT之家 11 月 11 日消息，人工智能经常因为数据中心能耗巨大而受到批评。数据中心对电力的庞大需求推动了化石燃料的使用，也进一步加剧了气候变化。 但与此同时，AI 也正在帮助气象学家显著提高天气预报的准确性，其中就包括飓风预测。这类天气系统以预测难度极高著称，而在全球变暖的背景下，飓风带来的威胁也日益加剧。 据 Techxplore 报道，美国国家飓风中心（NHC）去年开始使用谷歌 DeepMind 的 AI 模型，目前正与该公司合作开发下一代模型。 今年，这项技术的价值进一步凸显。受强厄尔尼诺天气模式影响，太平洋地区出现了创纪录数量的飓风；上个月，飓风伊萨亚斯（Isaias）也以强风暴的形式袭击了美国东南部。 负责 DeepMind 气旋研究工作的研究科学家费兰 · 阿莱特（Ferran Alet）解释称，谷歌并没有专门针对飓风开发独立模型，而是使用与日常天气预报相同的模型，只不过将其能力推向了极限。 他在接受法新社采访时...

    推荐理由：来自IT之家 AI的《AI 提升飓风预报精度，人类气象专家仍不可替代》。重点看模型能力与工程。摘要提到：IT之家 11 月 11 日消息，人工智能经常因为数据中心能耗巨大而受到批评。数据中心对电力的庞大需求推动了化石燃料的使用，也进一步加剧了气候变化。 但与此同时，AI 也正在帮助气象学家显著提高天气预报的准确性，其中就包括飓风预测。这类天气系统以预测难度极高著称，而在全球变暖的背景下，飓风带来的威胁也日益加剧。 据 Techxplore 报道，美国国家飓风中心（NHC）去年开始使用谷歌 DeepMind 的 AI 模型，目前正与该公司合作开发下一代模型。 今年，这项技术的价值进一步凸显。受强厄尔尼诺天气模式影响，太平洋地区出现了创纪录数量的飓风；上个月，飓风伊萨亚斯（Isaias）也以强风暴的形式袭击了美国东南部。 负责 DeepMind 气旋研究工作的研究科学家费兰 · 阿莱特（Ferran Alet）解释称，谷歌并没有专门针对飓风开发独立模型，而是使用与日常天气预报相同的模型，只不过将其能力推向了极限。 他在接受法新社采访时...

  3. IT之家 AI66

    大水冲了龙王庙？AI 编程工具 Grok Build 漏洞导致 SpaceXSI 敏感资料暴露

    IT之家 11 月 11 日消息，网络安全公司 Claroc 发现，SpaceXSI 旗下的 AI 编程工具 Grok Build 存在安全漏洞，导致数千名用户的敏感数据泄露， 连 SpaceXSI 自己的内部资料也未能幸免 。 Claroc 向外媒 Ars Technica 透露，Grok 生成的应用分享链接 可以通过某些 DNS 服务被公开检索 ，造成一家医院集团、一家消防部门以及 SpaceXSI 的员工信息泄露。 研究人员在博客中写道：“我们感到震惊。 开发 Grok 的公司竟然让任何拿到链接的人都能查看自己的内部资料 。” Claroc 将此类页面称为“GhostShares”，因为即使没有收到分享链接，外人也能自行找到并访问这些页面。 SpaceXSI 泄露的内部资料，包括新员工入职计划、涉及 594 个重点客户的销售区域分布图、8 份 X 平台广告提案、4 个仍在使用的广告客户账户管理看板，以及两份 X 品牌安全操...

    推荐理由：来自IT之家 AI的《大水冲了龙王庙？AI 编程工具 Grok Build 漏洞导致 SpaceXSI 敏感资料暴露》。重点看编码、论文/研究、政策/监管。摘要提到：IT之家 11 月 11 日消息，网络安全公司 Claroc 发现，SpaceXSI 旗下的 AI 编程工具 Grok Build 存在安全漏洞，导致数千名用户的敏感数据泄露， 连 SpaceXSI 自己的内部资料也未能幸免 。 Claroc 向外媒 Ars Technica 透露，Grok 生成的应用分享链接 可以通过某些 DNS 服务被公开检索 ，造成一家医院集团、一家消防部门以及 SpaceXSI 的员工信息泄露。 研究人员在博客中写道：“我们感到震惊。 开发 Grok 的公司竟然让任何拿到链接的人都能查看自己的内部资料 。” Claroc 将此类页面称为“GhostShares”，因为即使没有收到分享链接，外人也能自行找到并访问这些页面。 SpaceXSI 泄露的内部资料，包括新员工入职计划、涉及 594 个重点客户的销售区域分布图、8 份 X 平台广告提案、4 个仍在使用的广告客户账户管理看板，以及两份 X 品牌安全操...

  4. IT之家 AI68

    彭博测算：AI 贡献英国今年约四分之一经济增长

    IT之家 11 月 11 日消息，据彭博经济研究（Bloomberg Economics）经济学家测算，人工智能今年推动了英国约四分之一的经济增长。这也意味着，如果全球 AI 相关资产估值出现大幅回调，英国经济可能面临一定风险。 从数据中心建设到 AI 模型研发，与人工智能相关的经济活动在 2026 年为英国经济增长贡献了 0.45 个百分点。彭博经济研究周三发布的报告显示，今年英国经济整体增幅约为 1.8%，这意味着 AI 相关产业贡献了其中约四分之一。 经济学家安娜 · 安德拉德（Ana Andrade）表示：“这项技术正在为英国经济注入增长动力。” 报告指出，英国受到近期 AI 相关股票抛售潮的影响有多大，取决于这轮市场调整最终会演变成什么局面：究竟是类似金融危机的“无序下跌”，还是相对平稳、有序的估值重新调整。 目前，人工智能对英国经济增长的贡献， 仍主要来自 AI 技术本身的生产和研发，而不是这项技术在整个经济体系中的...

    推荐理由：来自IT之家 AI的《彭博测算：AI 贡献英国今年约四分之一经济增长》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 11 日消息，据彭博经济研究（Bloomberg Economics）经济学家测算，人工智能今年推动了英国约四分之一的经济增长。这也意味着，如果全球 AI 相关资产估值出现大幅回调，英国经济可能面临一定风险。 从数据中心建设到 AI 模型研发，与人工智能相关的经济活动在 2026 年为英国经济增长贡献了 0.45 个百分点。彭博经济研究周三发布的报告显示，今年英国经济整体增幅约为 1.8%，这意味着 AI 相关产业贡献了其中约四分之一。 经济学家安娜 · 安德拉德（Ana Andrade）表示：“这项技术正在为英国经济注入增长动力。” 报告指出，英国受到近期 AI 相关股票抛售潮的影响有多大，取决于这轮市场调整最终会演变成什么局面：究竟是类似金融危机的“无序下跌”，还是相对平稳、有序的估值重新调整。 目前，人工智能对英国经济增长的贡献， 仍主要来自 AI 技术本身的生产和研发，而不是这项技术在整个经济体系中的...

  5. IT之家 AI72

    消息称字节跳动发力智能体赛道，计划推出类似 Meta Muse 的 AI 助手

    IT之家 11 月 11 日消息，据彭博社报道，字节跳动计划在未来几周内推出一款类似 Meta Muse 的 AI 助手，巩固其在 AI 视频生成领域的领先优势。字节跳动希望借此加快追赶美国顶尖 AI 实验室的步伐，目标是在未来三年左右缩小双方差距。 知情人士透露，字节跳动联合创始人张一鸣近日在一次面向 AI 团队的全员会议上，向研究人员、工程师及相关支持人员介绍了这一计划，并明确了接下来的重点工作。 张一鸣认为，字节跳动有能力在 AI 前沿领域与 Anthropic、OpenAI 等行业领先企业展开竞争。不过，他也提醒团队，真正达到这些公司的水平，至少还需要等到 2029 年或 2030 年。 字节跳动计划推出的新款 AI 智能体，将承担与 Meta 今年 9 月推出的 Muse 类似的角色。Muse 上线后在美国市场获得了不错的反响，它将 Meta 长期积累的 AI 研究成果整合为一款语音交互助手，并配有动画虚拟形象，可以帮...

    推荐理由：来自IT之家 AI的《消息称字节跳动发力智能体赛道，计划推出类似 Meta Muse 的 AI 助手》。重点看智能体工作流、产品发布。摘要提到：IT之家 11 月 11 日消息，据彭博社报道，字节跳动计划在未来几周内推出一款类似 Meta Muse 的 AI 助手，巩固其在 AI 视频生成领域的领先优势。字节跳动希望借此加快追赶美国顶尖 AI 实验室的步伐，目标是在未来三年左右缩小双方差距。 知情人士透露，字节跳动联合创始人张一鸣近日在一次面向 AI 团队的全员会议上，向研究人员、工程师及相关支持人员介绍了这一计划，并明确了接下来的重点工作。 张一鸣认为，字节跳动有能力在 AI 前沿领域与 Anthropic、OpenAI 等行业领先企业展开竞争。不过，他也提醒团队，真正达到这些公司的水平，至少还需要等到 2029 年或 2030 年。 字节跳动计划推出的新款 AI 智能体，将承担与 Meta 今年 9 月推出的 Muse 类似的角色。Muse 上线后在美国市场获得了不错的反响，它将 Meta 长期积累的 AI 研究成果整合为一款语音交互助手，并配有动画虚拟形象，可以帮...

  6. IT之家 AI66

    曝 SpaceX 探索服务器机架层“去英伟达化”：只买芯片，更多配套硬件自行采购

    IT之家 11 月 11 日消息，半导体研究机构 SemiAnalysis 今天（11 日）上午在 X 平台发文披露，SpaceX 正在开发一款名为 Kessel 的定制 AI 服务器机架， 计划保留英伟达芯片，但自行采购更多配套硬件 。Kessel 将同时用于地面数据中心和太空轨道计算。 采用 Kessel 设计后，SpaceX 仍将使用英伟达芯片，但能 自行决定更多配套硬件的选型 。据介绍，Kessel 还将改变硬件采购模式。SpaceX 计划 直接向英伟达购买芯片封装件，其余组件自行采购，不再经过英伟达的 L6 计算板卡 。这意味着 SpaceX 能够更自主地选择供应商和采购组件。 Kessel 还将重新设计内部布局。英伟达标准版 Vera Rubin NVL72 机架依靠内部铜缆模块连接计算设备和交换机，Kessel 则计划取消这些模块，改用一块位于机架中央的无源电路板作为连接中板。 Kessel 仍采用 Oberon ...

    推荐理由：来自IT之家 AI的《曝 SpaceX 探索服务器机架层“去英伟达化”：只买芯片，更多配套硬件自行采购》。重点看论文/研究。摘要提到：IT之家 11 月 11 日消息，半导体研究机构 SemiAnalysis 今天（11 日）上午在 X 平台发文披露，SpaceX 正在开发一款名为 Kessel 的定制 AI 服务器机架， 计划保留英伟达芯片，但自行采购更多配套硬件 。Kessel 将同时用于地面数据中心和太空轨道计算。 采用 Kessel 设计后，SpaceX 仍将使用英伟达芯片，但能 自行决定更多配套硬件的选型 。据介绍，Kessel 还将改变硬件采购模式。SpaceX 计划 直接向英伟达购买芯片封装件，其余组件自行采购，不再经过英伟达的 L6 计算板卡 。这意味着 SpaceX 能够更自主地选择供应商和采购组件。 Kessel 还将重新设计内部布局。英伟达标准版 Vera Rubin NVL72 机架依靠内部铜缆模块连接计算设备和交换机，Kessel 则计划取消这些模块，改用一块位于机架中央的无源电路板作为连接中板。 Kessel 仍采用 Oberon ...

  7. IT之家 AI68

    腾讯全新搜索产品“元宝搜索”正式上线：能搜微信公众号、视频号，广告与答案明确区分

    IT之家 11 月 11 日消息，腾讯云今日宣布， 腾讯全新搜索产品「元宝搜索」正式上线 。在任意浏览器地址栏输入网址 so.qq.com 即可使用；也可将 QQ 浏览器升级至最新版本，在引擎设置选项中切换为“元宝搜索”。 IT之家获悉，元宝搜索基于元宝的大模型能力，重新构建了从理解、检索、排序到答案组织的整条搜索链路。依托千亿级索引， 搜索范围覆盖全网网页、公众号、视频号等腾讯生态内容和学术文献 。 在结果呈现上，元宝搜索优先展示权威机构与官方来源的内容， 并将广告与答案明确区分 ，支持「收起广告」，整块折叠。 据介绍，元宝搜索接入 157 个权威信源；能搜公众号、视频号；学术内容更好搜，通俗解读论文结论、保留原文依据，支持英文一键翻译，标题、摘要直接读；支持打字、说话、拍照等方式进行搜索。 此外，元宝搜索会通过“递归自我进化”（RSI）机制，从实际使用和反馈中发现问题，持续改进搜索体验。

    推荐理由：来自IT之家 AI的《腾讯全新搜索产品“元宝搜索”正式上线：能搜微信公众号、视频号，广告与答案明确区分》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 11 日消息，腾讯云今日宣布， 腾讯全新搜索产品「元宝搜索」正式上线 。在任意浏览器地址栏输入网址 so.qq.com 即可使用；也可将 QQ 浏览器升级至最新版本，在引擎设置选项中切换为“元宝搜索”。 IT之家获悉，元宝搜索基于元宝的大模型能力，重新构建了从理解、检索、排序到答案组织的整条搜索链路。依托千亿级索引， 搜索范围覆盖全网网页、公众号、视频号等腾讯生态内容和学术文献 。 在结果呈现上，元宝搜索优先展示权威机构与官方来源的内容， 并将广告与答案明确区分 ，支持「收起广告」，整块折叠。 据介绍，元宝搜索接入 157 个权威信源；能搜公众号、视频号；学术内容更好搜，通俗解读论文结论、保留原文依据，支持英文一键翻译，标题、摘要直接读；支持打字、说话、拍照等方式进行搜索。 此外，元宝搜索会通过“递归自我进化”（RSI）机制，从实际使用和反馈中发现问题，持续改进搜索体验。

  8. IT之家 AI66

    微软游说美国政府放弃中国光模块进口限制，担忧拖慢 AI 数据中心建设

    11 月 11 日，据路透社报道，微软正游说特朗普政府放弃限制进口中国新型号光收发器的计划。微软与其他科技企业及行业组织认为，中国光收发器一旦遭到限制，可能造成关键零部件短缺，进一步拖慢美国 AI 数据中心建设。 知情人士称，微软等企业今年 9 月曾与白宫科技政策办公室及美国国家安全委员会官员会面，就潜在禁令可能造成的供应链问题提出担忧。市场研究机构 Cleanview 的数据显示，微软目前在美国有 35 座数据中心正在建设，另有 134 座处于规划阶段。 美国联邦通信委员会正在研究相关限制，但尚未公布最终规则。美国政府提出限制的理由是，中国制造的新型号光模块可能被用于窃取数据、植入恶意软件或干扰数据中心服务。两名消息人士称，FCC 正在考虑将传输速率达到 3.2Tbps 的中国光模块纳入限制范围。摩根士丹利预计，这类产品将在 2028 年进入规模化生产，2029 年开始广泛部署。 Counterpoint Research 的...

    推荐理由：来自IT之家 AI的《微软游说美国政府放弃中国光模块进口限制，担忧拖慢 AI 数据中心建设》。重点看产品发布。摘要提到：11 月 11 日，据路透社报道，微软正游说特朗普政府放弃限制进口中国新型号光收发器的计划。微软与其他科技企业及行业组织认为，中国光收发器一旦遭到限制，可能造成关键零部件短缺，进一步拖慢美国 AI 数据中心建设。 知情人士称，微软等企业今年 9 月曾与白宫科技政策办公室及美国国家安全委员会官员会面，就潜在禁令可能造成的供应链问题提出担忧。市场研究机构 Cleanview 的数据显示，微软目前在美国有 35 座数据中心正在建设，另有 134 座处于规划阶段。 美国联邦通信委员会正在研究相关限制，但尚未公布最终规则。美国政府提出限制的理由是，中国制造的新型号光模块可能被用于窃取数据、植入恶意软件或干扰数据中心服务。两名消息人士称，FCC 正在考虑将传输速率达到 3.2Tbps 的中国光模块纳入限制范围。摩根士丹利预计，这类产品将在 2028 年进入规模化生产，2029 年开始广泛部署。 Counterpoint Research 的...

  9. IT之家 AI74

    谷歌迄今最强模型 Gemini 4 Carbon 登场：主打复杂编程、科学研究与网络安全

    IT之家 11 月 11 日消息，当地时间 11 月 10 日，谷歌宣布正式开放 Gemini 4 Carbon 模型，面向开发者、企业、科研人员和消费者提供服务。 谷歌高级副总裁、DeepMind 首席 AI 架构师 Koray Kavukcuoglu 介绍称，该模型是谷歌目前能力最强的推理模型，重点面向复杂软件工程、多步骤智能体任务、科学研究和网络安全等场景。 Gemini 4 Carbon 于 10 月 28 日首次公布，此前通过 Fairwind Program（网络安全合作计划）向部分网络安全防御人员开放。此次则进一步扩大使用范围。 谷歌称，相较于同期推出的 Gemini 4 Argon，Carbon 能够在复杂任务中投入更多推理 Token，进行假设探索、结果验证和边缘情况检查，更适合多步骤编码、复杂调试以及开放式科学研究。 在开发者工具方面，Gemini 4 Carbon 已通过 Gemini API 和 Goog...

    推荐理由：来自IT之家 AI的《谷歌迄今最强模型 Gemini 4 Carbon 登场：主打复杂编程、科学研究与网络安全》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到：IT之家 11 月 11 日消息，当地时间 11 月 10 日，谷歌宣布正式开放 Gemini 4 Carbon 模型，面向开发者、企业、科研人员和消费者提供服务。 谷歌高级副总裁、DeepMind 首席 AI 架构师 Koray Kavukcuoglu 介绍称，该模型是谷歌目前能力最强的推理模型，重点面向复杂软件工程、多步骤智能体任务、科学研究和网络安全等场景。 Gemini 4 Carbon 于 10 月 28 日首次公布，此前通过 Fairwind Program（网络安全合作计划）向部分网络安全防御人员开放。此次则进一步扩大使用范围。 谷歌称，相较于同期推出的 Gemini 4 Argon，Carbon 能够在复杂任务中投入更多推理 Token，进行假设探索、结果验证和边缘情况检查，更适合多步骤编码、复杂调试以及开放式科学研究。 在开发者工具方面，Gemini 4 Carbon 已通过 Gemini API 和 Goog...

  10. arXiv AI56

    Medical Image Segmentation: Foundation Model Adaptation versus Task-Specific Training

    基础模型在大量自然图像集合上进行预训练，日益被用于医学图像分割，预期能取代为每个任务专门训练的模型。然而，大多数比较使用训练分布的数据和单一任务特定的基准，其配置很少被合理说明，因此无法提供在新临床站点上性能的充分证据。此外，仍不清楚基础模型需要多少部分进行适应，以及是什么因素决定了这一程度。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  11. arXiv AI23

    TorchCurves: Differentiable Parametric Curves

    我们介绍 TorchCurves，一个 PyTorch 库，将向量值参数曲线视为可学习的基本单元。其核心操作将标量输入批量映射到 B 样条或 Legendre 多项式基表示的曲线上的点，支持输入和系数的求导。曲线系数可与周围模型联合优化，或由另一网络生成。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  12. arXiv AI58

    Contrastive Discovery: Open-Ended Scientific Discovery over Competing Explanations

    为恢复该替代方案，我们引入对比发现，它用一组对比假设替代单一假设，每组假设包含一个科学问题及其互斥且整体穷尽的解释。每个实验根据其证据如何重新分配信念来评分，当信念集中于某一解释时问题得到解决。因为对比集仅改变代理提出的单位及评分，现有代理可使用它们重新评估已收集的证据或引导其搜索。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  13. arXiv AI58

    Pyrite: Building and Benchmarking Protein-Ligand Pose Ranking Agents

    我们引入Pyrite，一个包含1,500对配体-蛋白质复合物的配对姿态排名基准，专家化学家使用3D可视化工具和基于物理的评分进行近似随机，凸显解读可用化学信号的难度。为研究自动化排名，我们引入PyriteRep，一种分子几何、蛋白质-配体相互作用和物理化学评分的结构化表示，并开发两个基于LLM的代理：PyriteReasoner，通过文本推理直接比较姿态，PyriteFeaturizer，生成可执行代码构建逻辑回归特征，可选择性整合LLM子调用生成的特征。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  14. arXiv AI25

    When Does the Real Wiring Win? Testing connectome structure-function claims against unmeasured physiology

    连接图约束模型常被用来论证，测得的连接图优于随机或重构的连接图，从而说明结构影响功能。此类比较可能混淆连接方式与模型的调参方式：连接图固定连接谁与谁，而非调节兴奋性、获得或可塑性率等模型参数，模型开发者通常需调整这些参数，直到真实连接图模型运行正常。我们区分三种估计量：基于真实连接图调参并传输到零（P1），各自独立调参（P2），且P2限制在与独立数据一致的生理学参数（P3）。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  15. arXiv AI58

    Emergent Biological Capabilities in a Foundation Model for Molecular Interactions

    原文摘录（自动中文摘要暂不可用）：Emergent Biological Capabilities in a Foundation Model for Molecular Interactions Foundation models trained on large unlabeled corpora develop emergent capabilities, tasks that go beyond the training objective. We extend this paradigm to multimodal biology with Bonbon, a foundation model for molecular interactions trained on approximately 3.2 trillion tokens

    推荐理由：自动中文摘要尚未通过校验，请核对原文与完整来源。

  16. arXiv AI58

    Comparative Analysis of Agent Evaluation Frameworks: Stability, Detection, and Discovery in Enterprise Analytics Agents

    我们提出了一项三阶段比较研究，分别评估三种评估框架，每种框架代表不同的评估范式（基于追踪的LLM评分、仅文本的LLM评分并结合红蓝对抗、确定性启发式），在受控研究环境中应用冻结执行轨迹。阶段1通过重复测量量化评估套件的稳定性，发现97%种配置满足稳定性阈值，且稳定性模式与代理无关。阶段2测量已知风险检测在72个真实测试用例上的表现，基于追踪的框架在精度-召回平衡上表现最佳（F1=0.90），而仅文本评估在召回率上匹配但生成5倍更多的假警报。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

11月10日周二
  1. arXiv AI24

    Generalizing Causal Decision-Making: Markov Equivalence, Transportability and Counterfactuals

    结构因果带宽使用因果知识引导探索，当奖励机制未知时。本文扩展方法，应用于部分已知的因果结构、其他环境的信息以及可实现的反事实动作。首先，我们开发图论标准，用于最小干预集在马尔可夫等价下的判定，并刻画可能最优的最小干预集，用于最大祖先图。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  2. arXiv AI53

    Where Do Vision-Language Models Get Left and Right? Position-Code Counterfactuals in Qwen2.5-VL, Qwen3-VL and InternVL3

    原文摘录（自动中文摘要暂不可用）：Where Do Vision-Language Models Get Left and Right? Position-Code Counterfactuals in Qwen2.5-VL, Qwen3-VL and InternVL3 A vision-language model may take left-right direction from the orientation of image content within patches, its vision transformer's (ViT) position code, or token positions and order in its language model (LLM). Ablations show the ViT code

    推荐理由：自动中文摘要尚未通过校验，请核对原文与完整来源。

  3. arXiv AI53

    HandsOnAid: Building and Evaluating an Offline First-Aid Assistant for Emergency Response Scenarios

    紧急情况可能发生于无电话信号且附近无救护车的地方。手机上的小型语言模型在这种情况可提供帮助，但其建议需安全且准确。我们构建了HandsOnAid，一个4位Gemma 2B模型，基于FirstAidQA数据集（包含5,550条首 aid 问答对）进行微调。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  4. IT之家 AI68

    我国算力总规模达 310 万 PFLOPS，位居世界第二

    IT之家 11 月 10 日消息，据央视新闻报道，今天，全国数据标准化技术委员会 2026 年第二次“标准周”活动在福建厦门举行。据相关负责人介绍，全国数据标准化技术委员会此次正式成立具身智能数据标准起草工作组及气象、卫生健康、电力、商务等 4 个行业应用标准起草工作组，加快推进“十五五”期间数据领域相关标准制定，赋能行业产业数字化发展。 IT之家从报道中获悉，最新数据显示，我国算力总规模已 达到 310 万 PFLOPS，位居世界第二 。 2025 年 8 月的信息显示，近年来， 我国算力总规模年增速达到 30% 左右 。在人工智能的快速发展带动下，智能算力需求呈现迅猛增长态势。中国电信研究院发布的《智算产业发展研究报告（2025）》显示，随着人工智能大模型加速赋能行业应用和智能终端，将进一步助力智能算力产业蓬勃发展。 根据国家数据局在今年 6 月公布的数据，截至 2025 年底，全国在用算力设施机架数超过 1373 万标准机...

    推荐理由：来自IT之家 AI的《我国算力总规模达 310 万 PFLOPS，位居世界第二》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 10 日消息，据央视新闻报道，今天，全国数据标准化技术委员会 2026 年第二次“标准周”活动在福建厦门举行。据相关负责人介绍，全国数据标准化技术委员会此次正式成立具身智能数据标准起草工作组及气象、卫生健康、电力、商务等 4 个行业应用标准起草工作组，加快推进“十五五”期间数据领域相关标准制定，赋能行业产业数字化发展。 IT之家从报道中获悉，最新数据显示，我国算力总规模已 达到 310 万 PFLOPS，位居世界第二 。 2025 年 8 月的信息显示，近年来， 我国算力总规模年增速达到 30% 左右 。在人工智能的快速发展带动下，智能算力需求呈现迅猛增长态势。中国电信研究院发布的《智算产业发展研究报告（2025）》显示，随着人工智能大模型加速赋能行业应用和智能终端，将进一步助力智能算力产业蓬勃发展。 根据国家数据局在今年 6 月公布的数据，截至 2025 年底，全国在用算力设施机架数超过 1373 万标准机...

  5. arXiv AI24

    Can KV Cache Be Reused Across Model Updates? A DeepSeek-V4-Flash Case Study

    为揭示这些结果背后的认知差异，我们引入功能缓存分歧，该方法比较在重复缓存和原生缓存下下一个token的分布。直接KV缓存复用在自然文本延续中更好地保留原生模型行为，而兼容性则随单token检索任务中前缀长度的增加而下降。答案边缘分析有助于解释正确检索决策如何在显著内部状态变化中存活。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  6. arXiv AI26

    Structured Confidence Perturbation via Fisher Geometry for Adversarial Training

    为了解决此问题，我们提出两种互补的方法，直接攻击并防御信心结构变形。首先，基于传统损失最大化视角，我们引入一种混合目标，整合交叉熵和KL散度，鼓励对抗样本同时破坏预测准确性和分布一致性。其次，通过生成使信心曲面上的分布距离最大化扰动，几何重构对抗训练。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  7. arXiv AI49

    MISO-BR: An Open Corpus for Misogyny Detection in Brazilian Portuguese

    我们引入MISO-BR，一个开放、文档化且版本化的平衡社交媒体文本集，用于二元性别歧视的标注，随其构建协议和可复现的基础线发布。该文本集结合了X平台的词典引导爬取与OLID-BR的项目导入，后者由大型语言模型进行筛选，其提示和解码参数已公开，并由三位标注者根据书面指南进行手动标注。标注者间信度达到Fleiss' kappa值0.788，覆盖816项文本。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  8. arXiv AI24

    Few-Step Streaming Video Generation via Condition Shifting

    分步采样可降低流媒体视频生成的成本。分布匹配蒸馏（DMD）通过一个独立的假分数网络监督分步生成器，增加训练内存和计算量，并需跟踪生成器的演变。我们通过条件位移估计生成分布的流速场，从而扩展APEX用于流媒体视频。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  9. arXiv AI59

    Program-Aided Patchable Skill Evolution

    为解决此局限性，我们提出PASE（程序辅助技能进化），一种程序辅助框架，通过将技能与可执行程序关联，迭代地进化技能。不同于以往方法主要将轨迹推导的经验编码在自然语言中，PASE将可复用的程序逻辑分离为可编辑的程序，使可执行组件可针对性更新，同时减少重复修订自然语言技能的需要。在多种模型和基准测试中，广泛实验表明PASE consistently outperforms all baselines，实现超过2.8%的改进。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  10. IT之家 AI70

    借助 AI 工具，安全研究员在英国政府公开代码中发现上百个高危漏洞

    IT之家 11 月 10 日消息，据《连线》报道，一名安全研究人员在英国政府公开发布的代码中发现了 100 多个严重安全漏洞。由于相关部门缺乏基本的网络安全维护，这些漏洞可能导致敏感数据暴露，甚至为数据窃取和勒索软件攻击打开大门。 据IT之家了解，过去约 10 年，英国政府一直默认公开发布使用公共资金开发的代码。一方面，这是为了提高政府工作的透明度；另一方面，也有助于其他机构重复利用代码，降低开发成本。采用这一做法的机构包括英国卫生与社会关怀部、内政部以及地方政府部门。 但近年来，资金紧张导致多个政府部门忽视了现有技术系统的维护和升级。安全公司 ControlPlane 的研究人员克里斯 · 内斯比特-史密斯（Chris Nesbitt-Smith）利用 Claude Opus 和 Sonnet AI 模型扫描政府公开代码，发现了大量安全问题。 他强调，自己使用的只是运行在笔记本电脑上的消费级 AI 模型，而许多漏洞甚至可以通过...

    推荐理由：来自IT之家 AI的《借助 AI 工具，安全研究员在英国政府公开代码中发现上百个高危漏洞》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 10 日消息，据《连线》报道，一名安全研究人员在英国政府公开发布的代码中发现了 100 多个严重安全漏洞。由于相关部门缺乏基本的网络安全维护，这些漏洞可能导致敏感数据暴露，甚至为数据窃取和勒索软件攻击打开大门。 据IT之家了解，过去约 10 年，英国政府一直默认公开发布使用公共资金开发的代码。一方面，这是为了提高政府工作的透明度；另一方面，也有助于其他机构重复利用代码，降低开发成本。采用这一做法的机构包括英国卫生与社会关怀部、内政部以及地方政府部门。 但近年来，资金紧张导致多个政府部门忽视了现有技术系统的维护和升级。安全公司 ControlPlane 的研究人员克里斯 · 内斯比特-史密斯（Chris Nesbitt-Smith）利用 Claude Opus 和 Sonnet AI 模型扫描政府公开代码，发现了大量安全问题。 他强调，自己使用的只是运行在笔记本电脑上的消费级 AI 模型，而许多漏洞甚至可以通过...

  12. IT之家 AI80

    全球最强 AI 模型：Claude Fable 5.2 登场，编程超 GPT-6 Astra、登顶多项基准

    IT之家 11 月 10 日消息，Anthropic 今天（11 月 10 日）发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款前沿 AI 模型。官方称，新模型在编码、推理、科学研究、网络安全及机器人等领域均有显著提升，同时输出速度最高提高 30%，成本下降 20%。 根据官方披露的跑分数据，在面向“智能体编码”的 FrontierCode 2.0 基准测试中，Claude Fable 5.2 取得 49.1% 的成绩，超过 OpenAI 的 GPT-6 Astra（42.8%）、Google 的 Gemini 4 Carbon（41.1%）以及 Anthropic 自家的 Opus 5.5（45.5%）。 在“Humanity's Last Exam”多学科推理测试中，Fable 5.2 也以 74.2% 领先 GPT-6 Astra 的 57.2%。 Anthropic 展示了 Fable...

    推荐理由：来自IT之家 AI的《全球最强 AI 模型：Claude Fable 5.2 登场，编程超 GPT-6 Astra、登顶多项基准》。重点看智能体工作流、模型能力与工程、评测与基准。摘要提到：IT之家 11 月 10 日消息，Anthropic 今天（11 月 10 日）发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款前沿 AI 模型。官方称，新模型在编码、推理、科学研究、网络安全及机器人等领域均有显著提升，同时输出速度最高提高 30%，成本下降 20%。 根据官方披露的跑分数据，在面向“智能体编码”的 FrontierCode 2.0 基准测试中，Claude Fable 5.2 取得 49.1% 的成绩，超过 OpenAI 的 GPT-6 Astra（42.8%）、Google 的 Gemini 4 Carbon（41.1%）以及 Anthropic 自家的 Opus 5.5（45.5%）。 在“Humanity's Last Exam”多学科推理测试中，Fable 5.2 也以 74.2% 领先 GPT-6 Astra 的 57.2%。 Anthropic 展示了 Fable...

  13. IT之家 AI74

    35 秒内“叫停”失控的 AI 智能体，OpenAI 部署“控制室”系统

    IT之家 11 月 10 日消息，OpenAI 今天宣布，公司已在内部研究设施中部署“控制室”系统，用于停止可能存在风险的 AI 任务，可在 35 秒内“叫停”失控的 AI 智能体。 据介绍，这套系统将智能体训练、评估和数据处理任务等负载接入中央服务，然后由系统负责决定任务能否继续输出。 IT之家了解到，这套系统与负责标记可疑行为的传统监控不同，它可以主动阻止风险研究任务进一步请求输出。当研究员启用某一项任务时，需要向控制室请求唯一任务 ID。然后该标识符会附加到发送给推理引擎的请求中。接着引擎会咨询控制室，确认相关任务是否可以运行。 如果研究员或监控系统下令停止指示，控制室服务就会拒绝下一次推理请求，让推理引擎不再为任务声称任何模型输出。 OpenAI 表示， 这套系统从收到停止指令 ， 到阻止任务进一步继续的最长延迟为 35 秒 。这种延迟源于推理授权请求的缓存层，公司正努力将延迟缩短至 0。 该系统还具备自动化监控机制集成...

    推荐理由：来自IT之家 AI的《35 秒内“叫停”失控的 AI 智能体，OpenAI 部署“控制室”系统》。重点看智能体工作流、模型能力与工程。摘要提到：IT之家 11 月 10 日消息，OpenAI 今天宣布，公司已在内部研究设施中部署“控制室”系统，用于停止可能存在风险的 AI 任务，可在 35 秒内“叫停”失控的 AI 智能体。 据介绍，这套系统将智能体训练、评估和数据处理任务等负载接入中央服务，然后由系统负责决定任务能否继续输出。 IT之家了解到，这套系统与负责标记可疑行为的传统监控不同，它可以主动阻止风险研究任务进一步请求输出。当研究员启用某一项任务时，需要向控制室请求唯一任务 ID。然后该标识符会附加到发送给推理引擎的请求中。接着引擎会咨询控制室，确认相关任务是否可以运行。 如果研究员或监控系统下令停止指示，控制室服务就会拒绝下一次推理请求，让推理引擎不再为任务声称任何模型输出。 OpenAI 表示， 这套系统从收到停止指令 ， 到阻止任务进一步继续的最长延迟为 35 秒 。这种延迟源于推理授权请求的缓存层，公司正努力将延迟缩短至 0。 该系统还具备自动化监控机制集成...

  14. Apple Machine Learning Research72

    Evaluating the Evaluators: Investigating LLM Judges for Personalized Writing Style Assessment

    本文在NeurIPS 2026 上获得接受，评估大语言模型（LLM）在个性化写作任务中的判断能力。当用户偏好写作风格已知（如‘欢快’）时，LLM判断是否符合该偏好具有重要意义。我们研究写作任务、生成器与判断器LLM的组合、评估目标以及通用常识与推理能力对LLM判断性能的影响。为此，我们为三种长文本任务生成文本，使用四种LLM进行评估。

    推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。

  15. Apple Machine Learning Research72

    Weighted State Souping for Efficient Long-Context Retrieval

    本文被接纳于NeurIPS会议的个性化、对齐、长期记忆对于AI系统工作坊(PALM) 2026。状态空间模型(SSMs)结合快速推理与固定状态大小，同时具备竞争性的语言建模性能。最近，状态蒸馏被提出作为一种流程，其中SSMs独立编码如文档、工具定义或记忆记录的token块。结果的状态编码可缓存并重组，以低成本构建下游查询的上下文。然而，状态蒸馏和传统SSMs在长且拥挤的...

    推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。

  16. Apple Machine Learning Research70

    On the Importance of Gating: Memorization vs. In-Context Learning in State Space Models

    状态空间模型（SSMs）作为Transformer的有力替代方案，能够以常量内存和线性计算实现序列建模。尽管SSMs在性能和计算特性方面表现良好，但它们在需要上下文学习和精确检索的任务中仍落后于Transformer，从而影响了大规模语言建模的推广。本工作中，我们证明了SSMs在这些领域的成功与失败均可通过研究门控机制的作用来解释，该机制是现代循环神经网络中普遍存在的组件。

    推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。

  17. arXiv AI58

    Guiding Data Allocation for Robust Subpopulation Generalization

    机器学习模型在训练数据中通常能获得较高的平均准确率，但在测试数据上表现不佳，这可能是由于子群体偏移。一种常见的数据导向解决方案是强制子群体比例均衡，但完全均衡可能成本高、不可行，且不一定必要。在本工作中，我们研究是否均衡的训练数据是实现稳健子群体泛化唯一最优配置。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  18. arXiv AI52

    Kolmogorov-Chapman Maps: Trajectory-Free Learning for Simulating Molecular Dynamics

    在本工作中，我们引入Kolmogorov-Chapman地图（KC-Maps），一种仅依赖轨迹自由边际样本以及已知的漂移和扩散系数来学习SDE的转移核的方法。给定过程的初始时间与状态，KC-Maps模型其分布整合到任意给定时间，对应SDE的弱解。为恢复正确的动力学，KC-Maps满足两个关键性质：(i) 它满足边界条件，我们直接将其纳入神经网络架构；(ii) 它尊重Kolmogorov-Chapman方程，该方程提供高效的训练目标。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  19. arXiv AI54

    HiVe-Mem: Interleaving Horizontal Memory Expansion and Vertical Evidence Composition for Multimodal Agents

    我们引入了 extbf{ extsc{H}}or extbf{ extsc{i}}zontal Memory Expansion与 extbf{ extsc{Ve}}rtical Evidence Composition相结合的多模态记忆框架 extbf{ extsc{H}}ivemem。对于水平记忆扩展， extbf{ extsc{H}}ivemem使用文本和视觉锚点将记忆片段组织成关系图，通过相关邻居扩展语义检索的种子，以恢复互补信息。对于垂直证据组合，每个检索到的记忆保留多种证据形式，包括紧凑摘要、标题、基于视觉的视图、原始图像和交互历史。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  20. arXiv AI56

    Vendi Anomaly Scores for Efficient and Accurate Anomaly Detection

    在本工作中，我们通过从多样性的角度提出异常检测的新范式。我们提出Vendi异常得分（VAS），通过量化样本移除后如何改变数据集的多样性，即Vendi得分，来检测异常。VAS同时捕捉局部冗余和全局数据结构，而不依赖密度估计或分区启发式方法。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  22. arXiv AI54

    Is Persona Generalization Predictable?

    人设泛化发生时，微调语言模型在一个领域会引发其他领域的行为变化——例如，观察到的普遍不安全行为。我们发现人设泛化中存在一种“在一条线上”的现象：在不同微调超参数下，内域和外域人设的比率遵循近似线性关系，且具体的线性关系在模型家族和模型规模中意外地一致，包括Qwen和Llama。训练选择使可训练参数集保持不变，如学习率、权重衰减和训练时长，主要通过削弱内域学习来减少迁移。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  23. arXiv AI58

    WorkflowArena: Benchmarking Executable Workflow Orchestration in LLM-Based Multi-Agent Systems

    大型语言模型代理越来越多地作为多智能体系统部署，而非作为单个模型在单一上下文中运行。最近的代理工具允许模型实例化工作者代理，并编写协调它们的可执行工作流，使系统结构的设计在运行时由模型决定。这种组织方式因此构成了一种独特的能力，但现有基准测试要么测量端到端任务完成情况，要么在预先指定的结构下评估协调能力。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。

  24. arXiv AI58

    What kills $v$-prediction? A Patch-wise PCA Perspective on Pixel-Space Flow Matching

    潜在扩散模型在生成建模中占据主导地位，但面临两阶段训练复杂性和预训练自动编码器固有的重建限制。像素空间流匹配提供了一种简化端到端的替代方案，但当使用标准$v$预测目标时，常遇到训练困难。近期研究将这一困难归因于噪声目标的离散化特性，从而推动了$x$预测的采用。

    推荐理由：请对照arXiv AI原文，核对完整说明及适用条件。