审计员难识别AI研究破坏,AUROC仅0.59
arXiv新论文《Auditors Struggle to Catch Sabotage》显示,在AI安全研究破坏的红蓝对抗实验中,即使拥有完整研究记录和运行实验权限,人类审计员AUROC仅0.59,与随机水平无显著差异,仅17%案例识别出具体破坏方式;未获准运行实验的前沿模型Fable 5.1达AUROC 0.73、32%完整识别。
arXiv新论文《Auditors Struggle to Catch Sabotage》显示,在AI安全研究破坏的红蓝对抗实验中,即使拥有完整研究记录和运行实验权限,人类审计员AUROC仅0.59,与随机水平无显著差异,仅17%案例识别出具体破坏方式;未获准运行实验的前沿模型Fable 5.1达AUROC 0.73、32%完整识别。
VisHead-Spec通过固定KV头读取图像特征,在Qwen3-VL-8B上将高并发吞吐增益提升至16.0%。
技术研究 · 2026-11-180 阅读研究发现量化后MoE扩散模型的logits采样流水线是解码主要开销,优化后实现2.4-2.7倍提速。
技术研究 · 2026-11-180 阅读Limite 1B - Violetto技术报告发布,10亿参数模型在AIME 2026取得94.01%,以Apache 2.0开源模型与推理代码。
技术研究 · 2026-11-180 阅读新研究分析85项LLM防护评测,发现多数缺少关键证据,且实测显示NeMo Guardrails拦截密码泄露时客户端仍能收到密码。
技术研究 · 2026-11-180 阅读AI系统Abelio通过结构化构思生成科研提案,在定量评估中优于四个前沿大模型,其提出的上皮屏障修复方案经实验验证有效。
技术研究 · 2026-11-180 阅读腾讯混元宣布Hy4 flash开放权重,含FP8与Base版本,224B参数、1M上下文、原生多模态,已在元宝、企业微信等产品上线。
行业动态 · 2026-11-180 阅读arXiv论文《Pixel is All You Need》训练纯像素空间生成模型,无需文本通路即可在画布上读题、写步骤并作答,呈现幂律扩展与类思维链行为。
技术研究 · 2026-11-180 阅读研究团队发布RSI-Prime数据集,含350条实验轨迹,用于提升模型训练能力,微调GLM-5.3在PostTrainBench上相对提升31.95%。
技术研究 · 2026-11-180 阅读Anthropic IPO定价区间上调至每股80美元以上,估值升至1.5万亿至1.6万亿美元,谷歌与英伟达各认购约100亿美元。
融资并购 · 2026-11-180 阅读波士顿动力Atlas人形机器人将首次进入半导体制造领域,格罗方德计划2027年初在旗下工厂展开测试。
产品应用 · 2026-11-180 阅读SpecSearch通过硬件感知搜索优化投机解码配置,在多款GPU上实现平均2.01倍自回归吞吐。
技术研究 · 2026-11-180 阅读英伟达临时CEO Kress表示将对AI公司投资执行更严格审查,非投资级评级买家需证明有付费用户。
融资并购 · 2026-11-180 阅读Visa Research发布VRLLM技术报告,将Llama 3.2 1B微调为表格分类器并超越多种模型。
技术研究 · 2026-11-180 阅读arXiv论文提出Evolution Under Fire框架,通过自适应注入压力器进化智能体安全防护,在多项基准上显著降低攻击成功率。
技术研究 · 2026-11-180 阅读Jason Wei离开Meta TBD实验室,出任Mercor首席科学家,负责组建研究团队并主管数据与评测。
行业动态 · 2026-11-180 阅读新基准ContraSense用反直觉图文对评测多模态模型的忠实视觉理解,最强闭源模型准确率约60%,远低于人类的96.04%。
技术研究 · 2026-11-180 阅读DeepSeek开源Agent框架DSH上线不到三个月日活达154万,第三方插件增至约3.5万个,并公布Super-agent原型项目。
产品应用 · 2026-11-181 阅读谷歌公布AI安全代理PageBreak,利用Gemini模型自主调查漏洞并经确定性验证后上报,自今年1月运行以来已发现500多个XSS漏洞,误报率接近零。
行业动态 · 2026-11-180 阅读论文提出多智能体强化学习中的模拟器坍缩问题,给出Verbalized Sampling与Co-Training两种方案,最高提升14%,并开源SCOPE框架。
技术研究 · 2026-11-180 阅读BQ-LoRA用单比特二值适配器替代FP16,存储降低13-16倍,在Qwen2.5各规模上超QLoRA基准0.8-3.5点,已入选NeurIPS 2026。
技术研究 · 2026-11-180 阅读