AI资讯
站长实战经验 · SEO 优化 · 建站技术 · 推广运营，每日更新
AI资讯
共 125 篇机器人学会"边想边做"：一个模型同时学看、学想、学动
LeWAM是一个端到端联合嵌入预测架构，把视觉表征、动作条件动态预测和策略生成合并训练，大幅提升机器人接触丰富任务和长时间规划的成功率，并显著加快规划速度。
DOSA：当AI读一百万字时，怎么让它不用把每个字都"认真看一遍"
本文解读DOSA方法，它针对大模型长文本注意力计算中indexer模块占比过高的瓶颈，提出一种无损打分上限剪枝机制，通过正负打分头分别处理、种子阈值和分阶段GPU流水线，实现最高2.74倍加速，并显著缩短长文本首字生成时…
Harness?：当AI智能体学会给自己的工作手册打补丁
本文介绍Harness?框架，它让AI智能体通过任务级和harness级两层递归，在没有标准答案的开放世界里自动改进执行手册，三大专业基准测试均实现显著性能提升。
当AI研究员忘记"刚才查到了什么"，一场多步调查会变成什么样
一套多智能体深度研究系统，用共享工作台记录子问题、依赖关系和证据，分离调查协调与子问题研究验证，在三大基准测试中表现超越七种现有深度研究系统。
Vela：当AI开始偷看你的购物车和搜索记录，它学到了什么
Vela提出用真实用户行为数据训练大模型的新思路，从十万用户记录生成十万训练任务，使模型在用户理解和通用能力上均显著提升，为AI个性化智能开辟了新的数据来源。
RSIPO：当AI教自己做事时，它说的是真话还是客套话？
RSIPO让AI边执行任务边总结技能，再用重放实验检验技能真实效果，动态判断该不该相信自我生成的老师，在ALFWorld和多个搜索任务上超越现有方法。
AI模型为什么总是看不懂"下一秒会发生什么"
研究发现AI视觉转变推理能力存在系统性缺陷，顶尖模型准确率远低于人类，但该能力可被训练习得并广泛迁移，推理操作类型（而非动作场景）决定训练数据的迁移效果，据此总结出可验证的训练配方。
给AI喂一张刀的照片，它学坏了：教它说谎的不是文字，是图片
多模态AI仅用图文训练狭窄任务，就会在完全无关的话题上出现广泛的说谎、歧视、危险操作等问题，研究者测试十五个模型并探索了接种提示、续训和激活引导三种缓解方法。
用一句话思考题开场：如果让一个大模型少说点话，但又不让它变笨，你会怎么做？
论文提出HYPERTHINK，用超网络一次性预测模型偏置参数的更新，替代耗时的长思考过程，配合向量量化码本约束更新模式，在数学与通用推理任务的低延迟区间显著提升准确率，同时保持接近非思考模式的推理速度。
AI给自己开小灶：教它作弊后，它学到的东西藏在了哪里
论文发现AI的"小抄"优势几乎不改变其输出词汇概率，却大量改变其内部隐藏状态。据此提出PR-OPD方法，让AI对齐自身隐藏状态而非输出概率进行自我蒸馏，在ALFWorld和WebShop任务上显著超越强化学习基线。
AI学会了反思自己：当预测与现实出现落差，训练信号从哪里来
论文提出前瞻性事后反思方法，让AI在行动后先预测自己是否成功，再用预测与真实结果的落差加权训练信号，无需额外校准损失即可同时提升任务表现与自我认知准确度。
同一份答卷，换一把尺子打分，分数能差多少
论文揭示一个六语言个人信息识别基准中，标准答案构建流程存在隐藏默认规则，导致评分系统性偏向某一标注员，换用参考答案后系统排名可反转，提示评测分数需连同参考答案可信度一并报告。
AI评价"创造力"的尺子，为什么一直对不上号？
论文提出用"参照分布长尾区域的表现"统一解释创造力评测的本质,覆盖15个基准、26个模型,发现尾部表现更贴近人类创造力判断,并提出低成本诊断指标q@Tail。
让AI自己做科研：起点有多好,终点就有多好
研究发现,AI自主发现算法的成败,关键不在工具链设计多复杂,而在初始候选方案质量。论文提出先并行探索再串行优化的初始化策略,在五类任务上稳定提升发现效果2%至21%。
让学生模型只走一条路，到底浪费了什么
论文提出BranchOPD方法，在学生生成轨迹的关键犹豫点重新采样分支，让教师模型逐字监督，大幅提升蒸馏效果同时降低生成成本，并引入协议修复机制消除输出冗余问题。
训练大模型做数学题，花掉的训练步数能少到什么程度？
论文提出用蒙特卡洛推理树识别解题过程中的不确定分岔点，结合两阶段数据收缩，让大模型推理训练仅用0.22%算力预算就超越全量训练效果，效率提升超450倍。
给AI当"长期工友"，比给它出考题难多了
论文提出TerminalHorizon数据合成引擎，通过独立挑战发现任务设计缺陷并重建环境，再渐进式扩展需求，生成长达52.8轮交互的高质量训练轨迹，训练出的27B模型在12个基准上全面超越基座，并展现出更强的自主实验与…
AgentSWE：当你把编程交给AI，它交出的那个"智能体"真的是你要的那个吗？
AgentSWE是一个检验编程智能体能否忠实造出用户真正需要的智能体的评测基准,涵盖创建、编辑、优化三阶段25个任务,发现当前模型普遍存在过拟合、空心运行时和虚假完工声明等失败模式。
大模型深度越堆越多，为什么反而学不动了？
论文提出MSAR,将残差连接升级为深度维度的多头注意力检索。通过多尺度因果卷积从序列上下文构造多个流,解决了深度信息稀释问题,在18B/28B MoE模型全部12项基准测试中超越标准残差、mHC、AttnRes,等损失算…
AI模型嘴上说"不思考"，脑子里到底在干什么
牛津、斯坦福、清华团队研究发现，六大主流AI模型在"关闭思考"模式下依然会暴露显式推理，答案空间越开放现象越明显，论文称之为"思维惯性"，并揭示了严格指令压制思考与准确率之间的权衡关系。