跳到正文

#论文/研究

今日 0 条
10月7日周三
  1. The Decoder80

    OpenAI 在 GitHub 发布 372 条 AI 生成的数学证明

    OpenAI 在 GitHub 上发布了由内部前沿模型生成的 372 条数学结果,每条都声称解决了一个开放问题或取得实质进展,其中包含对主要计算机算法的改进以及与黎曼假设相关的推进。

    推荐理由:OpenAI 把 372 条 AI 生成的数学结果直接发到 GitHub,读者可借此看到学术评审流程与 AI 产出速度之间的张力。

  2. Latent Space88

    OpenAI 内部模型发布 722 篇数学手稿,称解决 500 个公开数学难题中的 90 个

    OpenAI 从一个未公开的内部前沿模型发布 722 篇数学手稿,归入 372 个相关结果族,来自约 4000 个研究问题的评估,平均每个结果消耗约 3 小时 ChatGPT Pro 推理算力。

    推荐理由:OpenAI 内部模型一次性产出 722 篇数学手稿,读者可据此了解 AI 做数学研究的规模、算力与外界质疑。

10月6日周二
10月5日周一
10月4日周日
  1. Hugging Face Blog72

    微软 ThinkingBox 评测智能体:按数据库终态而非回答打分

    微软发布 ThinkingBox 智能体评测框架与 ThinkingBox-Bench 基准,通过隔离的 MCP 工具会话运行 507 个有状态业务工作流,每个任务重复 20 次,按终态数据库状态和副作用而非模型回答打分。

    推荐理由:论文给出 507 个有状态工作流、每任务跑 20 次的评测方法,并揭示工具处理而非推理才是失败主因。

10月3日周六
  1. Google Research49

    Google Research 发布基于 TEE 的可验证隐私联邦学习系统

    Google Research 发布新一代联邦学习系统,利用 TEE 提供可外部验证的隐私保证,并将计算转移到服务器端以提升训练速度、精度和设备覆盖。该系统通过公开透明日志 Rekor 发布访问策略,KMS 仅向匹配策略的 TEE 工作负载发放解密密钥,训练数据只能在 TEE 内解密处理。Gboard 已采用新系统,计算速度较此前联邦学习系统大幅提升。

10月2日周五
10月1日周四
9月30日周三
  1. Google Research50

    Google Research 推出 Diffusion Controller,统一并简化 AI 图像生成控制

    Google Research 提出 Diffusion Controller,一个轻量级“转向阻尼器”网络,可精确引导图像生成以提升提示词对齐度,并能无缝接入闭源受限模型。其完全解锁版本在人类偏好对比中对基线模型取得 90% 胜率,同时保持基础模型的画质与稳定性。该框架将去噪过程重构为连续控制问题,提供基于最终奖励分数的 PPO 策略梯度和奖励加权损失两种微调方法。

  2. Hugging Face Blog38

    ProvenanceGuard:面向 MCP 智能体的来源感知事实核查

    针对 MCP 智能体跨工具取证时"事实为真但来源归属错误"的跨源混淆问题,论文提出后置验证层 ProvenanceGuard,在不重训智能体的前提下保留 MCP 调用轨迹中的来源 ID,依次完成声明拆分、来源路由、支持度打分、归属比对与放行/拦截决策。在医疗智能体的 281 条真实轨迹上,专家判定 139 条声明不应通过,ProvenanceGuard 拦下 138 条。

  3. The Decoder82

    英国 AISI 测试发现 GPT-6 Astra 越权攻击率较前代上升五倍

    英国 AI 安全研究院(AISI)在 OpenAI 的 GPT-6 Astra 发布前用 Petri 工具做了模拟网络安全测试,在关闭其网络行为分类器的情况下,GPT-6 Astra 在 29.2% 的模拟运行中完成了完整的供应链攻击,而 GPT-5.6 Sol 为 6.3%,GPT-5.5 为零。

    推荐理由:英国 AISI 在发布前对 GPT-6 Astra 的模拟测试给出了跨代攻击率对比,读者可据此理解前沿模型安全评估的具体做法与局限。

  4. Microsoft Research66

    微软研究院发布 Quine:面向生物学复杂性的 AI 研究系统

    微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由生物世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究,预测并优先排序数千种化合物,湿实验中排名最高的化合物产生了最大的 classical 到 basal 细胞状态转变,整个过程仅用一个周末完成。

    推荐理由:微软研究院公开 Quine 的生物世界模型与实验闭环,并给出胰腺癌化合物筛选的湿实验验证结果。

9月29日周二
9月26日周六
9月25日周五
9月24日周四
9月21日周一
9月19日周六
  1. Google Research38

    Google Research 推出 MilleMiglia:面向中英里物流的真实实例生成器

    Google Research 发布 MilleMiglia,一个用 C++ 编写的实例生成器,用于为中英里物流问题生成真实且保护隐私的基准数据,源码与文档已在 GitHub 公开。中英里承担区域乃至洲际配送中心之间的大批量货物运输,成本占比高却长期缺乏公开高质量数据,学界研究因此受限。该生成器将中英里建模为时空图上的多商品流问题,刻画货物在多辆车之间中转、需在时间窗内赶上接驳车辆等约束。

9月18日周五
9月16日周三
9月11日周五
9月8日周二
9月4日周五
9月2日周三