CrossSWE:代码智能体真正的难题,是跨仓库协同
CrossSWE 将软件工程评测从单仓库任务扩展到多仓库联合开发。结果显示,即使是表现最好的模型,在需要同步修改多个相互依赖的仓库时仍会频繁失误。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2275 篇文章
RSS 订阅CrossSWE 将软件工程评测从单仓库任务扩展到多仓库联合开发。结果显示,即使是表现最好的模型,在需要同步修改多个相互依赖的仓库时仍会频繁失误。
阅读全文CUA-Master提出嵌套双循环递归改进框架,试图解决计算机使用智能体训练数据多样性、可控性和可靠性不足的问题。该方法结合开放世界任务挖掘、轨迹合成与反馈式回滚机制,推动数据和模型持续迭代。
阅读全文BYOD 提出一套仅训练 LoRA 适配器的方案,将 Gemma、Llama、Qwen 和 Ministral 等自回归模型转换为双向掩码扩散语言模型。实验显示,这种转换可在单张 Colab GPU 上数小时内完成,但低推理步数下的开放式生成质量仍明显落后。
阅读全文一项来自斯坦福大学团队的研究,将AI智能体放进类似真实团队的协作场景中评估。结果显示,单体能力强并不意味着善于配合,顶尖模型在判断、谈判和接手他人工作时仍存在明显短板。
阅读全文苹果面向开发者测试Apple Watch的Audio Intelligence功能,支持回看刚刚错过的对话、生成会议摘要,并识别声音和歌曲。新功能试图在“环境聆听”的便利性与旁人隐私之间建立边界。
阅读全文一项新研究提出 SimpleLoRIF,用梯度表示定位那些表面无害、却可能推动大语言模型产生不安全行为的微调样本。研究还据此构建 SafeTulu,在减少部分高风险数据后提升了模型对 GCG 攻击的抵抗力。
阅读全文单人从零训练的 Metis-1.6 试图用混合架构、参数激活和训练方法弥补规模差距。它没有击败前沿模型,却在数学能力、训练数据效率和主动参数规模之间展示了有价值的折中。
阅读全文Wizard 将角色骨骼、场景几何与显式游戏状态引入视频世界模型,使智能体能够实时控制陌生角色的复杂动作,并动态修改虚拟环境。该系统在多样化场景和角色上实现零样本泛化,目标是让玩家拥有更自由的世界构建与交互能力。
阅读全文Venus-DefakerOne2试图突破单一深伪检测器的边界,将数字篡改、物理欺骗以及图像和视频内容纳入同一视觉取证基础模型。论文报告显示,该模型在六类基准任务上取得较高检测成绩。
阅读全文Anthropic在修订版上市文件中警告,利用AI加速AI研发可能很快达到其定义的“递归自我改进”阈值。但该公司同时强调,目前没有模型被认定越过这一门槛,前沿模型研发仍将保留实质性的人类监督。
阅读全文纽约时报联合其他出版商起诉隐私浏览器Brave,指控其抓取版权内容,并将其提供给Anthropic、Perplexity等人工智能公司。案件将内容抓取、付费墙绕过和广告利益冲突同时推上法庭。
阅读全文据报道,苹果正在推进代号为J595的家庭机器人,主打移动式FaceTime、自动开灯等功能,售价可能超过1000美元。产品最早或于2027年上市,但开发延期也可能推迟到2028年。
阅读全文一项早期研究显示,前沿大语言模型不仅能从原始权重推断小型网络的功能,还能绕过梯度训练直接修改权重。研究团队称,Astra对Qwen3.5-0.8B的少量权重编辑显著提升了数学与指令跟随表现。
阅读全文Ray宣布成立面向硬件加速器的特别兴趣小组,计划联合硬件厂商、贡献者和应用开发者,推进跨厂商的加速器支持。其首批工作聚焦开发测试基础设施、硬件感知调度,以及高速网络与数据传输。
阅读全文YC W24 创业公司 Momentic 正在开发面向 Web、iOS 和 Android 的 QA 代理,让 AI 自主规划操作路径、探索用户流程并报告潜在缺陷。它试图减少传统端到端测试对 XPath、文本和 aria 属性等实现细节的依赖。
阅读全文以色列初创公司42AI宣布完成6250万美元种子融资,并推出一套试图预测个人决策概率的“行为世界模型”。该系统目前主要服务金融经纪商,但其数据使用和潜在利益冲突仍值得关注。
阅读全文CaPtain 将代码即策略引入机器人操作,通过监督微调、多轮强化学习和物理评论家,把原本零样本失败的小型开源 VLM 转化为可执行的机器人智能体。
阅读全文香港中文大学(深圳)团队提出 R²Orch,通过“内层自博弈+外层元改进”训练智能体编排器,试图摆脱人工设计课程和长期依赖技能库。其核心机制是递归可学习性与技能撤回。
阅读全文一篇新研究提出,提升AGI效率不一定只靠更大的模型和更多推理算力,也可以让轻量级System-1先筛选值得执行的交互。研究将这种协作概括为“预测—门控—执行—更新”循环,并提出用有用交互密度衡量扩展效率。
阅读全文ServiceNow AI 发布 Apriel Voice 27B Preview,尝试在共享推理骨干中统一语音理解、上下文推理和工具使用。该模型基于 Gemma 4 26B-A4B,并通过两阶段训练获得语音交互能力。
阅读全文