论文评测14个模型临床引文佐证能力

SchemaBridge基准评测LLM数据库模式设计能力

arXiv论文提出SchemaBridge基准，评测6个LLM在数据库模式设计与还原任务上的表现。

技术研究 · 2026-11-130 阅读

CauProphet让智能体像人类一样积累因果认知

arXiv论文提出CauProphet智能体，通过因果认知框架持续更新因果知识，金融场景预测准确率从21.3%提升至28.6%。

技术研究 · 2026-11-130 阅读

Skill Adapter论文：智能体技能路由成功率提升11.43点

arXiv新论文提出Skill Adapter，通过个性化修改与在线路由优化LLM智能体技能选择，三项基准上较SkillRL平均提升11.43个百分点任务成功率。

技术研究 · 2026-11-130 阅读

Anthropic最严Claude封号机制11月12日生效

Anthropic被称为Claude史上最严的账号封禁机制于11月12日生效，收紧地区准入穿透式审查，覆盖Claude.ai、Claude Code、API等全部渠道，并设置从警告到永久封禁的梯度处罚。

融资并购 · 2026-11-130 阅读

中科院团队提出肺结节诊断M³Net模型

中国科学院合肥物质院团队提出M³Net多尺度3D神经网络，用于肺结节良恶性AI辅助诊断，研究发表于Information Fusion。

技术研究 · 2026-11-130 阅读

论文提出光学广播内存，省PB级HBM

arXiv论文提出光学广播内存OBM架构，用集中式内存服务器向推理节点广播模型权重，评测显示在8万加速器规模下可省PB级HBM且吞吐与能耗具竞争力。

技术研究 · 2026-11-130 阅读

Ropedia Xperience 2发布：1589个3D扫描支撑物理AI

arXiv论文提出Ropedia Xperience 2数据集，包含1589个3D扫描与4230条第一视角记录，可用于物理AI环境与机器人行为学习。

技术研究 · 2026-11-130 阅读

可验证AI硬件论文：实测六证明系统成本

arXiv论文提出可验证AI四层框架，实测六个证明系统与七个内核，指出主导成本随证明系统与输入长度变化。

技术研究 · 2026-11-130 阅读

论文测6款LLM国际象棋评估稳定性

arXiv论文用变形关系测试6款大模型在国际象棋评估中的几何稳定性，全部在180度旋转测试上失败。

技术研究 · 2026-11-130 阅读

Ballad用bandit路由LLM，成本降65.6%

arXiv论文提出Ballad，用在线bandit算法路由多个LLM完成自动化启发式发现，在5个NP-hard问题上匹配或超越最佳单模型，API成本最多降低65.6%。

技术研究 · 2026-11-130 阅读

腾讯混元实时语音模型Hy Realtime上线

腾讯混元发布实时语音模型Hy Realtime，已在元宝语音通话与腾讯客服上线，新增工具调用与唱歌能力。

模型进展 · 2026-11-130 阅读

SPADE用软提示提升AI文本检测OOD性能

arXiv论文提出SPADE框架，通过软提示与PMI信号检测AI生成文本，在分布外基准上达到SOTA性能。

技术研究 · 2026-11-130 阅读

论文测试CodeQL污点跟踪鲁棒性：26.2%告警被静默

arXiv论文用LLM对CodeQL告警做保留漏洞的自然重写，发现26.2%的告警被静默，缺口集中在库建模边界。

技术研究 · 2026-11-130 阅读

Zero-HLM让仿真训练人形机器人零样本迁移真机

北京通用人工智能研究院等推出Zero-HLM，将45条仿真示范扩展为4800条数据，训练策略零样本迁移至宇树G1，泛化成功率69%，并开源Zero-HLM-Bench评测基准。

产品应用 · 2026-11-130 阅读

RoboScience发布云端具身智能体Visics-Agent

RoboScience推出云端具身智能体Visics-Agent，支持语音指令教学与经验积累，L3连续任务成功率达78%，计划12月上线。

产品应用 · 2026-11-130 阅读

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 · 2026-11-131 阅读

LMArena提出智能体交互评测新范式

LMArena介绍Interaction-as-a-Judge评测范式，研究智能体直接操作游戏与应用的交互能力。

产品应用 · 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