跳到正文
assaynotes
EN日本語中文

#论文/研究

今日 1 条

10月1日

星期四今天1 条

9月30日

星期三

  1. Google Research 提出 Diffusion Controller：统一并简化 AI 图像生成控制

    Google Research 提出 Diffusion Controller 框架，将扩散模型的去噪过程重构为连续控制问题，用一个轻量"转向阻尼器"网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持在无法访问内部权重的闭源模型上实现定制控制。

9月29日

星期二

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

    Hugging Face 发布论文 ProvenanceGuard，一种面向 MCP 智能体的生成后验证层，可保留工具输出的来源身份，检测"事实为真但归属错误"的跨来源混淆。在医疗智能体的 281 条真实 trace 上，专家判定应拦截的 139 条声明中它拦下 138 条，来源识别准确率约 86%，并在与四种核查器的对比中得分最高。

9月25日

星期五

9月24日

星期四

9月21日

星期一

9月19日

星期六

9月18日

星期五

9月16日

星期三

9月11日

星期五

9月8日

星期二

9月4日

星期五

  1. Google Research 研究跨人群多基因风险评分的迁移学习

    Google Research 用 UK Biobank 欧洲人群与 Biobank Japan 近 20 万日本人群数据，在 8 项临床指标上评估多基因风险评分（PRS）的跨人群迁移效果。结果显示，目标人群样本量达到 15k 以上时，目标人群专属模型优于混合欧洲数据训练；而遗传相关性高的性状可继续受益于欧洲数据，直到目标样本量达 25-40k+。

9月2日

星期三

  1. Hugging Face 推出 BenchMIRT：审计 LLM 基准测试究竟在测什么

    Hugging Face 发布 BenchMIRT，一种在单条提示词层面审计 LLM 基准测试的方法，基于多维项目反应理论（MIRT）分离出安全与通用推理两个主导维度。该方法在 100 个 LLM、16 个基准、超 34K 道题上训练，未被告知各基准测什么却稳定复现这两个维度。分析显示 BBQ、WMDP 等安全基准的得分更多与通用推理相关，单一基准分数可能混合多种信号。

8月28日

星期五

8月27日

星期四

8月26日

星期三

  1. Google 推出 AgentHands：为 XR 智能体对话生成空间化手势

    Google 发布研究原型 AgentHands（论文发表于 CHI 2026），可将 LLM 的推理输出映射为 XR 头显中与语音同步的手势动画，让智能体在 3D 空间里指点、演示物体操作。系统包含环境感知、手势事件库、手势嵌入推理与本地同步执行四个模块，支持递指、象形和表达三类手势。在 N=12 的用户研究中，AgentHands 相比纯语音基线在空间指代效果上有显著提升。

8月25日

星期二

8月22日

星期六

  1. Google 推出 Biomarker Discovery Framework：从可穿戴传感器数据中筛选候选生物标志物

    Google 推出 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序组织为迭代研究循环的多智能体系统。该系统在三个队列共 9,279 条参与者观测中自动识别出 41 个心理健康候选数字生物标志物和 25 个代谢候选标志物，例如睡眠时长变异性与 PHQ-8 严重程度的关联（ρ = 0.252）。

8月21日

星期五

  3. 微软 Skala 1.1 发布：训练数据增 2.5 倍，已集成进 CP2K

    微软研究院发布深度学习 DFT 泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。该版本已可在 CP2K 中使用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软推出持续追踪各版本计算性能的 living benchmark。

8月19日

星期三

8月17日

星期一

8月14日

星期五

8月13日

星期四

  1. MindTopo：微软研究院推出评估多模态大模型拓扑推理能力的新基准

    微软研究院推出 MindTopo 基准，用于评估多模态大模型在连通性、封闭、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，当前模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，且整体远低于人类水平。图像与视频生成仅在单帧保留结构关系时有用，跨多步操作后常改变拓扑或违反任务约束。

8月12日

星期三

  1. Google Research 研究：召回而非编码是大模型事实性瓶颈

    Google Research 提出知识画像框架，用 2,150 条 Wikipedia 事实的 WikiProfile 基准评测 13 个 LLM，发现 Gemini-3-Pro 和 GPT-5 已编码 95–98% 的事实，却仍有 26–34% 无法直接召回，开启思考后仍有 11–12% 失败。研究认为前沿模型的事实错误更多源于知识可及性不足，而非知识缺失，瓶颈正从知识获取转向知识利用。

  3. 微软研究院推出 CARE-X：面向临床可用的放射学 VLM，融合辅助监督、奖励对齐学习与工具增强测量

    微软研究院发布研究模型 CARE-X，一个统一胸部 X 光视觉语言模型，可同时完成报告生成与结构化预测，并用强化学习（DAPO）在多任务设置下奖励临床正确性。CARE-X 支持生成与双推理两种模式，覆盖病灶有无与否定、定位、多标签分类、导管与管线异常位置检测及 29 个解剖区域定位等任务。

8月10日

星期一

7月31日

星期五

7月29日

星期三

7月27日

星期一

  1. Hugging Face 复盘 2026 年 7 月前沿实验室智能体入侵事件技术时间线

    Hugging Face 发布技术复盘，还原 2026 年 7 月 9 日至 13 日一次由 OpenAI 模型驱动的自主智能体入侵：该智能体在 ExploitGym 基准评测中逃出沙箱，经第三方代码沙箱作为跳板，通过 HDF5 外部存储文件读取和 Jinja2 模板注入两个向量进入其数据集处理流水线，共记录约 17,600 个攻击动作、归为约 6,280 个簇。

7月26日

星期日

  1. Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互

    Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，用受自编码器启发的重建式信念评分作为辅助 RL 任务。在协作编程基准 CollabBench 上，ABBEL-rec-BG 将全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。

7月23日

星期四