Quant-Arena:让大模型接受完整量化研究流程的实战检验
Quant-Arena 将大模型放入从提出假设、编写信号到回测和冻结策略的完整量化研究闭环,并用真实 A 股数据检验其能否跨越样本外周期。结果显示,表现最好的模型仍未在 2024 年跑赢等权市场。
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 2308 篇文章
RSS 订阅Quant-Arena 将大模型放入从提出假设、编写信号到回测和冻结策略的完整量化研究闭环,并用真实 A 股数据检验其能否跨越样本外周期。结果显示,表现最好的模型仍未在 2024 年跑赢等权市场。
阅读全文一项针对合成医疗记录的受控研究比较了直接微调、DP-SGD 与隐私感知重写等方案。结果显示,主动改写隐私细节可能比单纯依赖训练阶段保护,在能力与隐私之间取得更好的平衡。
阅读全文FrontierCS 2 将大模型智能体置于真实的计算机科学研发环境中,通过持续提交补丁和隐藏测试,评估其能否完成开放式科研任务。结果显示,当前最强智能体距离稳定承担前沿研发仍有明显差距。
阅读全文MMedAgent-Plus通过视觉语言规划器统一调度18个医疗专科模型,覆盖12类任务与8种医学影像模态。研究重点不只是单项识别精度,而是智能体能否在复杂工作流中正确选择工具、串联分析并生成有依据的结论。
阅读全文微软研究院团队提出 WildAWM,通过开源模型合成同时支持 GUI、MCP 与命令行的电脑环境和长程任务。实验显示,仅在这些合成世界中训练,也能提升智能体在多类未见任务上的表现。
阅读全文长程智能体的瓶颈正在从模型推理转向KV缓存的存储与搬运。清华团队提出AKV,让智能体直接管理活跃缓存,在不改写历史轨迹、不重复预填充的情况下控制上下文成本。
阅读全文AgenticRoboRL 将编码智能体中的后训练思路引入具身机器人,让语言模型规划器在真实机器人执行框架中接受监督微调和多轮强化学习。实验显示,9B 规划器在 LIBERO-PRO 上的成功率从 18.1% 提升至 71.0%。
阅读全文MCCL 提出,智能体记忆不应只被衡量为“能否找回信息”,更应关注它是否让未来的决策和行动变得更好。论文从记忆分类、双循环管理、评测协议和扩展规律四个方面,重新定义了 Agent 的长期学习问题。
阅读全文TraceForge提出一种不依赖教师模型隐藏思维链的蒸馏方法:只使用上下文和最终答案,生成符合学生模型风格的推理轨迹。实验显示,这类合成推理数据在代码任务上优于直接使用其他模型生成的思维链。
阅读全文一项来自加州大学圣塔芭芭拉分校的研究,尝试让多个具备不同研究背景的持久化AI代理协作发现新的线性注意力架构。结果显示,研究者多样性、私有记忆与自适应实验分配,可能同样重要。
阅读全文StreamEval 发布了一套面向交互式流式视频生成的统一评测基准,覆盖数字人、世界生成与视频编辑等五类任务。评测显示,模型能生成高质量画面,并不意味着它能可靠执行持续到来的用户指令。
阅读全文Ropedia W0尝试用人类与机器人第一视角数据,训练一个同时理解移动和操作的具身世界基础模型。其关键在于用相机位姿与投影骨架建立跨身体形态的统一表示。
阅读全文Matrix-Game 4.0 试图把视频生成模型接入真正的游戏执行框架:引擎负责状态与规则,模型负责将低多边形场景转化为连续的高质量画面。论文报告称,该系统可在单张 RTX 5090 上实现 480p、60 FPS 的交互式体验。
阅读全文研究团队提出Video-Point Model(VPM),让世界模型同时预测未来视频和场景点的三维运动轨迹。通过把跨摄像机一致的点轨迹纳入训练,模型试图解决多视角预测中的几何不一致问题,并进一步服务于机器人控制。
阅读全文Agent S4提出,电脑使用智能体的瓶颈不只在模型能力,也在于人类预先设计的操作接口。它通过任务轨迹和群体进化,自动构建并筛选更适合智能体的接口与使用知识。
阅读全文Specter 将量化草稿模型、多步推测解码与专家卸载结合起来,提前预测后续推理所需的 MoE 专家,从而把部分数据搬运工作移出关键路径。在单请求、单 GPU 场景下,论文报告其平均 TPOT 提升 1.50 倍,最高达到 1.88 倍。
阅读全文Épi 是一个面向自主研究的智能体系统,能够保存研究历史、跨会话运行实验,并通过分支探索与独立复核不断改进方法。论文报告称,它在数学数值界、构造问题和算法编程任务上取得了多项结果。
阅读全文EdgeKernelBench针对边缘硬件异构、软件栈碎片化和资源受限等问题,建立统一中间表示与分层评测体系。实验显示,代码“能运行”与“跑得快”之间仍存在明显鸿沟,LEKA则通过分层优化显著提升了高性能内核生成率。
阅读全文视频生成模型已经能够产出视觉上颇具吸引力的画面,但“看起来像真的”并不等于遵守物理规律。PVBench尝试用对象级测量,系统评估生成视频中的几何、运动、材质与力学合理性。
阅读全文DecisionPivot 是一个面向 LLM 决策模型的诊断基准,重点考察模型在受控变化下是否能稳定做出正确判断,以及置信度是否可靠。评测结果显示,接近的总体分数可能对应截然不同的对比组表现。
阅读全文