测试时记忆演化能否在科学发现中胜过测试时训练？
论文提出测试时记忆演化（TTME），在科学发现任务中以更低计算成本超过测试时训练（TTT）。该方法持续更新外部记忆并蒸馏经验以指导后续发现，不更新模型权重。在同一发现框架下仅替换适配方法的评测中，TTME 在五项数学任务上均胜过 TTT，FLOPs 降低 82.8-84.6%，运行时开销降低 47.7-58.4%。
推荐理由：统一发现框架下仅替换测试时适配方法，五项数学任务的对照结果量化了 TTME 相对 TTT 的性能与计算效率差异。
内容类型
论文研究 最新动态
值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展。
637 条精选近 30 天 601 条共收录 748 条
更新
精选归档 · 第 10 页
HF Daily Papers精选AI 评分5151 Hacker News精选AI 评分4646 布里斯托大学团队用三个脑类器官解码盲文，准确率达 83%
布里斯托大学团队让三个脑类器官协同处理触觉传感器采集的盲文刺激，并以支持向量机解码字母，准确率达到 83%。单个脑类器官的准确解码率为 61%，三组协同还比直接处理受噪信号更能抵抗人工噪声。实验只表明脑类器官接收并响应盲文信号，尚未证明其能随时间学习或产生长期变化。
推荐理由：对比单个与三个脑类器官的盲文解码准确率，并说明实验尚未验证学习能力，为生物混合计算的可行边界提供参照。
Hacker News精选AI 评分4444 论文分析 AI 对科学文献公地的圈占
该论文认为，AI 提供了此前难以实现的工具，可将无人独占且由所有人共享的科学文献信息公地转化为私人财富。作者以 ~1600--1800 年英国农业圈地运动作历史类比，指出 AI 圈地虽不同于物理圈地，却会通过“slop spam”削弱支撑信息公地的社会系统。
推荐理由：文章以科学文献这一信息公地及其圈地史为框架，帮助读者理解 AI 生成内容如何冲击共享知识生态及其制度基础。
HF Daily Papers精选AI 评分5151 DeepEvolve 提出开放世界递归自我改进预测系统
论文提出 DeepEvolve，一种以未来事件预测为基础、在动态开放环境中持续实现递归自我改进的智能体系统。它在按周更新、以真实世界结果验证预测的 FutureX 榜单中连续 3 周位居所有系统第一，评分最高提升 195%。在合成评测中，它在 4 个基础 LLM 上均进入前三，较最强基线最高领先 10.7 Bradley--Terry points。
推荐理由：论文把开放环境中的递归进化机制与 FutureX 榜单及合成评测结果对应呈现，便于比较其设计思路和量化表现。
The Verge · AI精选AI 评分7373 Microsoft 称 Diagnostic Orchestrator 在病例测试中诊断准确率高于医生
Microsoft 的多智能体系统 Diagnostic Orchestrator 在病例测试中诊断准确率高于医生，相关研究已发表于 Science。该系统由 OpenAI GPT-5 驱动，在《新英格兰医学杂志》病例测试中准确率约 83%，使用参考资料的医生约 36%，未使用时约 22%；急诊病例中分别为 80% 和医生平均 47%。
推荐理由：文章汇总 SDBench 与医生对照的测试结果和临床验证缺口，为评估多智能体诊断系统进入真实临床的适用边界提供依据。
Hacker News精选AI 评分5959 Biograph首项美国研究称AI分析CT发现42.9%无症状低风险成人有冠状动脉炎症
Biograph完成首项美国研究，以AI驱动的CaRi-Heart分析CCTA扫描，发现42.9%的无症状低风险成人存在冠状动脉炎症。17.9%的参与者在至少一条主要冠状动脉中炎症水平很高，未检出冠状动脉斑块者中也约47%出现炎症升高。
推荐理由：研究比较了AI冠脉炎症分析与斑块、狭窄影像及常规血液指标，为认识传统低风险筛查的局限提供数据参照。
HF Daily Papers精选AI 评分4646 AW-0 智能体世界动作模型框架联合建模代码、视频与机器人动作
AW-0 提出智能体世界动作模型框架，将基于代码的规划与未来视频和机器人动作作为三类耦合生成流统一建模。其混合 Transformer 架构由代码专家生成参数化技能程序和控制逻辑，视频与动作专家生成未来视觉状态及低层电机指令；自动整理流程还会用对齐程序标注机器人与人类视频轨迹，并将重复流程汇入技能库。
推荐理由：论文将代码规划、未来视频与机器人动作纳入同一生成架构，并报告任务表现相较 VLA 和 WAM 基线有所改善。
HF Daily Papers精选AI 评分3939 LoopRec 论文提出面向序列推荐的物品级自适应递归
LoopRec 论文提出一种面向序列推荐的逐物品自适应递归方法，让每个历史物品学习所需处理深度。该方法递归复用权重共享骨干块，由轻量门控逐物品决定退出或继续，无需辅助深度标签；在 Amazon Office 的三层 SASRec 诊断中，76.14% 的物品一层后稳定，6.72% 需要三层。
推荐理由：论文在 3 个 Amazon 基准和 4 种骨干模型下报告 48 组排序比较均改善，其中 44 组统计显著，并公开代码供复核。
Hacker News精选AI 评分6161 ModelCompare 测试 12 个 AI 模型对人类的争议观点，29/35 次回答指向群体归属
ModelCompare 对 12 个文本 AI 模型各提问 3 次，35 个回答中有 29 个认为人类把归属、身份或地位置于真相与原则之上。7 个模型每次都给出这一观点，4 个模型给出过不同答案，Grok 4.7 有 1 次拒答；另测 6 个图像模型各生成 2 张图，12 张中有 10 张围绕沉迷手机、消费与地球展开。全部 60 次调用成本为 $1.54。
推荐理由：文章以 12 个文本模型和 6 个图像模型的对照测试，呈现模型在争议性观点上的共同模式，以及图文输出在主题选择上的差异。
HF Daily Papers精选AI 评分4444 Quant-Arena 发布 LLM 智能体量化交易研究评测基准
Quant-Arena 发布公开基准和排行榜，评测 LLM 智能体能否基于真实 A 股数据完成端到端量化研究并构建交易策略。模型仅获得 2022--2023 年的反馈，随后冻结策略并在密封的 2024 年接受评估；现金账户评估器会计入交易约束、成本和基于模拟订单簿估算的市场冲击。
推荐理由：Quant-Arena以历史反馈迭代策略、以密封年份检验收益，并纳入交易成本和约束，为比较LLM智能体的量化研究能力提供统一基准。
HF Daily Papers精选AI 评分4444 Harness Scaling 通过多样化执行配置提升智能体强化学习泛化能力
Harness Scaling 通过在多样化执行配置上训练，提升智能体强化学习对未见执行框架的泛化能力。研究构造了因子化的框架空间，以平衡因子覆盖选择紧凑训练子集，并组织兼顾全局覆盖与同一任务受控变化的跨框架训练。跨多个基准、模型规模和 RL 算法的结果显示，经过结构化白盒配置变化训练的模型可迁移到未见的外部黑盒框架，优于仅在单个复杂黑盒框架上训练的模型。
推荐理由：论文把智能体训练从固定执行框架扩展到多样化配置，并给出兼顾覆盖与变化的组织方法，为跨框架泛化提供可复用思路。
HF Daily Papers精选AI 评分3636 SpatialBrain：基于经验积累的空间推理框架
SpatialBrain 提出一种分离场景证据与推理经验的空间推理框架，在保持视觉语言骨干网络固定的同时提升空间推理能力。3DFusionMemory 将当前场景观测融合为可查询的空间关系，Spatial Skill Library 提供可复用的工具流程，Spatial Cognition 关联任务条件与使用记忆和技能的经验。
推荐理由：论文将场景证据与推理经验分离，并在固定视觉语言骨干网络下对比直接回答，为空间推理系统积累和复用经验提供了具体路径。
HF Daily Papers精选AI 评分4141 RealMe 从稀疏低分辨率采集生成沉浸式体积视频
RealMe 提出统一框架，利用高分辨率视频扩散模型将稀疏、低分辨率多视角采集增强为 2K、4D 一致的体积视频。框架采用适配多视角布局的时空注意力、布局感知位置嵌入和潜空间频域损失，以改善分辨率与时空一致性。在 DNA-Rendering 和自采 RealVV 数据集上的实验显示，其视觉保真度和 4D 一致性优于已有最先进方法。
推荐理由：论文以高分辨率视频扩散模型、布局感知注意力和潜空间频域损失，将有限采集增强为 2K、4D 一致的体积视频。
HF Daily Papers精选AI 评分3838 GLOW-FM通过一步式潜空间流匹配实现高效低光照图像增强
GLOW-FM提出一步式潜空间流匹配框架，通过单次函数评估完成生成式低光照图像增强。该框架在冻结的Tiny-VAE潜空间中进行条件传输，并采用Terminal Velocity Matching（TVM）。实验显示，小型版本仅需34 GFLOPs，在真实世界基准上取得有竞争力的图像质量和SOTA跨数据集泛化表现，代码将在论文发表后公开。
推荐理由：GLOW-FM以单次函数评估完成低光照增强，小型版本计算量为34 GFLOPs，并展示跨数据集泛化能力。
HF Daily Papers精选AI 评分3838 PAPAV：从计算机使用到机器人使用的多模态具身智能体统一能力框架
论文提出PAPAV框架，用感知、预判、规划、行动和验证五项能力统一比较多模态智能体、机器人系统与多模态具身智能体。对64项基准的分析显示，显式评测主要集中在行动，只有5项评估预判、3项评估验证。论文还指出，从数字环境转向物理环境时，5项约束会减少预先固定的选择和纠错空间。
推荐理由：PAPAV以五项能力统一比较多模态智能体、机器人系统与多模态具身智能体，并显示64项基准中仅5项评估预判、3项评估验证。
Hacker News精选AI 评分5858 WorldTUI：作者微调 360M 参数模型模拟可交互终端
WorldTUI 将 Qwen2.5-Coder-0.5B 微调为约 360M 参数的终端世界模型，接收原始按键并预测屏幕行与光标变化，背后没有真实 shell 或文件系统。
推荐理由：文章拆解了真实终端数据构造、模型错误修正和屏幕行并行解码的实现路径，并给出 ShellBench、记忆测试与浏览器延迟数据。
HF Daily Papers精选AI 评分4343 ALLOT 提出按输出敏感度分配视频扩散 Transformer 块稀疏注意力的免训练方法
ALLOT 是一种免训练方法，可在延迟预算下按层与去噪步骤分配视频扩散 Transformer 的块稀疏注意力密度，以最大化输出保真度。该方法通过 cell probing 和 trajectory calibration 估计各层与步骤组合对最终视频误差的贡献，并保留现有选择策略和 kernel，仅替换分配组件。
推荐理由：论文将块稀疏注意力的分配从启发式规则转为输出敏感度驱动，并说明如何仅替换分配组件接入现有策略与 kernel。
HF Daily Papers精选AI 评分5757 DONIC：基于人类演示的通用灵巧双手追踪控制
DONIC 提出一种从多样人类动作数据训练的通用双手追踪器，结合强化学习、回收成功演示和逐手奖励，在无需微调的情况下跟踪未见物体。论文同时提出 BiHOI 多视角数据集，包含 1,575 个序列、覆盖 229 个物体，重点关注持续双手交互。
推荐理由：论文将人类演示回收训练与逐手奖励用于通用双手追踪，并报告未见物体上的成功率对比，为灵巧操作研究提供方法与评测参考。
HF Daily Papers精选AI 评分5151 研究溯源推理模型中的 {wait} 标记：其来自训练数据，RL 效应因配方而异
一项对开放模型训练历程的研究发现，推理模型中的 {wait} 标记可由训练数据继承，而非由强化学习（RL）自行发明。在缺少该词的基座上，RL 显著提升 MATH-500 准确率时，{wait} 仍接近缺席；该词会在 OLMo-3 的中期训练阶段出现，并能由推理轨迹微调植入大多数缺少该词的基座。
推荐理由：论文区分了 {wait} 的训练继承与特定 RL 配方的放大作用，并指出标记频率和 LLM 评审可能误判推理趋势。
HF Daily Papers精选AI 评分3535 自回归视频扩散提出 Future Chunk Prediction 辅助目标，在更低训练算力下提升物理合理性
本文提出 Future Chunk Prediction（FCP），一种用于自回归视频扩散模型的辅助训练目标，通过在 teacher-forced 去噪之外预测时间上分离的视频片段来强化未来块监督。
推荐理由：文章提出一种无需额外视觉编码器的辅助训练目标，在更低训练算力下提升自回归视频扩散的物理合理性。