投稿 提交工具 投放合作
技术研究

新论文:推理模型过度思考致正确率降3.6点

arXiv新论文提出承诺-判决差距指标,识别推理模型已得出正确答案后因继续思考而失效的现象。实验显示,在DeepSeek-R1-Distill-Qwen-1.5B全部379个已答对的点上,继续思考平均损失3.6个百分点。研究在三个模型家族六个推理模型上验证,准确率下降源于剩余链条构成变化。

评论

新论文指面部隐私方法90%保护率评测有缺陷

arXiv论文指出已发布面部隐私方法的90%以上保护率源于有缺陷的评测协议,重新评估后标准迁移攻击规避保护率损失56%。

技术研究 · 2026-11-180 阅读

论文:六个开源视频世界模型存相机高度回退

arXiv论文提出EyeHeight基准,发现六个开源视频世界模型在生成交互视频时会将相机高度回归至人眼水平。

技术研究 · 2026-11-180 阅读

MIT与Cornell用测试时自适应提升AI文本检测

MIT与Cornell研究人员用测试时自适应(TTA)训练AI文本检测器,在实验中把伪装AI文本的识别率从商用检测器的约27%提升到93%。在模拟人类写作习惯自然变化的场景中,TTA检测器准确率为85%,传统方法为73%。该方法可让已部署的检测模型利用无标注新数据在线调整,无需从头重训。

技术研究 · 2026-11-180 阅读

研究:CoT可控性训练降低思维链可监控性

arXiv论文发现persona-control训练使模型思维链更难被监控,gpt-oss-20b可监控性指标从0.94降至0.68。

技术研究 · 2026-11-180 阅读

Databricks:开源权重AI占企业Token用量30.9%

Databricks AI Index显示开源权重AI在企业Token用量占比4个月内从7.3%升至30.9%,DeepSeek V4.1与GLM-5.3编程智能体评测并列第三。

模型进展 · 2026-11-180 阅读

斯坦福:8款LLM评审医疗答案偏袒自身

斯坦福论文发现8款主流LLM在匿名评审医疗答案时均偏袒自己的回答,平均高出1.22个名次。

技术研究 · 2026-11-180 阅读

审计员难识别AI研究破坏,AUROC仅0.59

arXiv论文显示,人类审计员在AI安全研究破坏检测中AUROC仅0.59,仅17%案例识别出具体破坏方式,前沿模型Fable 5.1表现更好。

技术研究 · 2026-11-180 阅读

VisHead-Spec头路由注意力提速多模态投机解码

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

MoE扩散解码提速2.7倍,采样流水线成瓶颈

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数学推理模型开源,AIME达94.01%

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

两篇论文揭示LLM防护评测证据缺口

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

Abelio AI科研提案胜过四个前沿大模型

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

腾讯混元开源Hy4 flash:224B参数1M上下文

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

纯像素空间生成模型展现类LLM推理能力

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

RSI-Prime数据集发布:GLM-5.3性能提升31.95%

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定价上调至80美元以上

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 · 2026-11-181 阅读

Atlas将首次进格罗方德半导体厂测试

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发布:硬件感知投机解码提速2.01倍

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

英伟达将对AI公司投资执行更严格审查

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微调Llama 3.2 1B超越表格分类模型

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