LMArena提出智能体交互评测新范式

LSVOS挑战赛MUMU赛道报告发布

第八届LSVOS挑战赛MUMU赛道报告公布，前三名方案均基于Florence-2-base构建。

技术研究 · 2026-11-130 阅读

西湖大学发布Awomo-0.5，6项评测登顶

西湖大学成立世界模型研究中心，施一公揭牌，同时发布40亿参数通用物理世界模型Awomo-0.5，在6项国际公开评测中登顶。

行业动态 · 2026-11-130 阅读

AI同行评审基准：前沿LLM检测率差50点

论文提出审计AI同行评审员的基准，向真实论文注入357个错误并评估12个评审系统，发现模型选择对检测率影响最大。

技术研究 · 2026-11-130 阅读

LEAP框架让通用LLM形式数学解题率达70%

论文提出LEAP智能体框架与Lean-IMO-Bench基准，通用LLM一次形式化解题率从低于10%提升至70%，并解出2025 Putnam全部12题。

技术研究 · 2026-11-130 阅读

腾讯混元Hy4网络安全评测居首

腾讯混元Hy4在Artificial Analysis Cyber Index以58%排第3，并以76%居CWE-Bench-AA榜首。

技术研究 · 2026-11-130 阅读

无界前沿开源生物信息模型Fx-Bio-1031

无界前沿开源生物信息大模型Fx-Bio-1031，开放完整权重，在BioMysteryBench困难子集取得70.59% Pass@5，超越GPT-6-Astra与Claude Opus-5。

行业动态 · 2026-11-130 阅读

Visual Cipher Bench评测8个模型视觉推理

新基准Visual Cipher Bench用40个视觉谜题评测8个前沿模型，最强的GPT-6 Astra准确率仅26.7%，提供机制提示后可大幅提升。

技术研究 · 2026-11-130 阅读

Geodesic发布全原子结构预测模型NovaAtom-Lite

Geodesic推出NovaAtom-Lite，面向蛋白质、核酸及配体的全原子结构预测，在FoldBench抗体-抗原界面预测成功率达79.07%。

行业动态 · 2026-11-130 阅读

GPT-6 Astra改65行词嵌入修复机器人指令失灵

斯坦福研究显示，GPT-6 Astra通过修改65行词嵌入，使机器人对改写指令的成功率从74.3%提升至87.5%，论文与代码已开源。

产品应用 · 2026-11-130 阅读

星尘智能发布多机协同框架CoMind

星尘智能发布多机协同框架CoMind，让机器人主动交换任务关键信息，隔墙配合拿笔成功率从0%升至100%，盲盒置物准确率达88.9%，信息传输量减少80%。

产品应用 · 2026-11-130 阅读

Gemini自动化应用清单曝光：共134款

Android Authority曝光谷歌Gemini任务自动化适配应用清单，共134款App，稳定版安卓17 QPR2含114款，Canary版额外覆盖20款。

产品应用 · 2026-11-130 阅读

Cerebras签约微软，成第三家超大规模云客户

Cerebras在2026Q3财报电话会上宣布与微软签约，成为继AWS和Oracle后第三家超大规模云客户，剩余履约义务达261亿美元。

行业动态 · 2026-11-130 阅读

论文：Claude Code调试数据库卡在访问权限

arXiv论文报告Claude Code调试生产数据库的实地观察，发现访问权限比推理更关键。

技术研究 · 2026-11-130 阅读

DashBench评测25个视频LLM驾驶极端情况

新基准DashBench评测25个视频LLM在1709条驾驶视频上的极端情况理解，发现所有模型均低于安全关键应用所需阈值。

技术研究 · 2026-11-130 阅读

Nemotron-Labs-Sigma开源连续扩散语言模型

NVIDIA团队发布首个大规模连续扩散语言模型系列Nemotron-Labs-Sigma，权重开源，推理加速与基准表现均有可核实提升。

技术研究 · 2026-11-130 阅读

清华CoACT压缩Coding Agent三成Token开销

清华团队提出CoACT方法，在SWE-bench Verified上平均减少33.0%总token消耗，任务表现与未压缩时相近，已被ICSE 2027接收。

产品应用 · 2026-11-130 阅读

IBM更新Granite 4.1小模型，引入LLMON标记语言

IBM更新Granite 4.1的3B与8B小模型，引入LLM原生标记语言LLMON。

模型进展 · 2026-11-130 阅读

ACERL用经验交接强化学习提升智能体性能

arXiv论文提出ACERL方法，通过评估经验交接产物对未来rollout的影响并协同优化角色行为，在智能体基准上取得更高留出性能。

技术研究 · 2026-11-130 阅读

SoScale提出二阶尺度搜索降低FP4量化损失

SoScale提出面向FP4量化的二阶尺度搜索方法，在Qwen3上降低多种格式的量化损失。

技术研究 · 2026-11-130 阅读

ASAP框架提升二进制反编译重执行率至71.9%

arXiv论文提出ASAP框架，通过汇编-源码对齐精化反编译伪代码，重执行率与重编译率均显著提升。

技术研究 · 2026-11-130 阅读