每日AI

每日新闻

畅读AI学术论文，聚焦前沿趋势，普及人工智能

Play

Open in

67 episodes
daily
Avg 20 min
Chinese

Episodes 67

Newest Oldest Longest

All20 Unplayed20 In progress0 Played0

Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.

Today · 17 min
NUS：基座模型时代的AI游戏全景综述 AI不再打游戏而是造世界
大语言模型和基础模型正深刻改变着游戏开发生命周期的各个阶段。最新的学术文献将人工智能在游戏中的应用梳理为六大核心角色：即玩家与行动代理、玩家与游戏建模、游戏设计、游戏构建与维护、运行时内容生成与自适应，以及游戏测试与评估。这些研究虽然传统上各自独立，但如今正通过跨角色的能力迁移和制品复用实现深度融合。然而，由于游戏引擎、交互界面、规则机制和玩家背景的差异，当前的大多数应用在实际落地时仍面临着环境特异性和泛化能力的严峻挑战。因此，未来的研究亟需在保持游戏特异性结构的前提下，进一步提升人工智能在跨任务协作与持续动态环境中的实用价值。
Yesterday · 20 min
GAE：几何原生潜在空间下的感知与生成统一终结AI视频融化
几何原生自编码器（GAE），这是一个将多层几何特征重新参数化为紧凑潜空间的共享基础，旨在统一视觉感知的几何结构与生成模型的表观表现。通过在冻结的几何编码器与稠密预测头之间引入学习瓶颈，并结合标记级语义对齐和空间关系匹配，该编码器能够同时输出真实感图像、深度、相机姿态和点云。在相同的扩散Transformer架构下，与传统的像素、语义和原生几何潜在空间相比，GAE在图像质量、三维一致性以及相机轨迹控制方面均有显著提升。此外，该方法通过纯净参考条件标记、度量Plücker射线编码和文本联合训练，有效避免了训练与推理的不匹配，实现了高质量的长序列三维世界生成。
Wednesday · 17 min
Edge0：基于预训练路由预测的SSD流式MoE推理系统 3G内存跑通350亿大模型
Edge0 是一项专为消费级硬件设计的流式 MoE（混合专家模型）推理引擎，通过将专家权重存储在 SSD 上并按需加载，成功解决了大模型参数量巨大而本地内存不足的“内存墙”难题。为了消除传统的磁盘加载延迟，该系统创新性地引入了**预测路由（prerouter）**机制，利用浅层网络提前预测下一层的专家路由，从而实现数据读取与计算过程的重叠。同时，系统采用未经合并的 LoRA 适配器来补偿量化和路由替换带来的精度损失，并在训练中结合学生路径学习与强化蒸馏。最终，该框架在保持接近原模型 fp16 精度水平的同时，大幅降低了峰值活跃内存占用，实现了极高的本地推理吞吐性能。
Tuesday · 17 min
NeoHorse-1：基于路由架构的代理原生模型递归自我演进让AI告别高分低能
NeoHorse-1 系列智能体原生模型，通过递归自我改进（RSI）与智能路由监督微调实现了 AI 性能的持续提升。系统利用路由体系记录交互轨迹并将其转化为分阶段的课程学习与在线蒸馏数据，形成评估-选择-更新的闭环反馈。在多个基准测试中，该模型在 4B 和 9B 规模下均取得了显著的分数提升，缩小了小模型与更大基础模型之间的性能差距。
Monday · 22 min
Google - RRSI：智能体架构的正规化递归自我改进破解AI进化陷阱
RRSI（正则化递归自改进代理框架），旨在解决大语言模型代理在自主优化代理外壳（Agent Harness）时容易产生的过拟合与噪声适应问题。传统外壳演化方法往往只关注特定任务的表现，容易导致在未知任务上的泛化能力减弱且推理成本增加，而 RRSI 通过引入提案侧约束和选择侧正则化，有效控制了更新规模并筛选出更具复用性的机制。实验表明，该方法在编码、工作空间和工程设计等多个领域的未知基准测试中均取得了显著的性能提升和更好的泛化效果。
Sunday · 17 min
Anthropic - 当AI构建自身：递归自我改进的未来 Claude自主编写80%核心代码
Anthropic 正在积极推进递归自我改进（recursive self-improvement），让人工智能逐步接管自身的开发与设计。目前，像 Claude 这样的 AI 模型已经具备了自主编写绝大部分公司代码、执行并优化实验，甚至开展自主研究的能力。这种效率的大幅提升不仅极大地加速了研发进程，也让代码量和生产力呈指数级增长。然而，这一趋势也引发了人类可能失去对 AI 系统的控制以及安全监管等深远担忧。因此，研究人员呼吁建立全球协调机制与监管暂停选项，以应对未来人工智能完全自主构建其继承者所带来的潜在风险。
Sunday · 17 min
诺奖得主Hinton携手Bengio等：人工智能研发自动化与智能爆发政策研究软件驱动的智能爆炸
随着人工智能系统在软件研发中扮演越来越核心的角色，专家们正密切关注智能爆发的可能性，即AI的自主研发可能引发一场自我完善的递归反馈循环，使多年的技术进步压缩至数月甚至更短。如果这一爆发成真，它不仅能加速有益技术的诞生，还将带来巨大风险，包括AI能力增长超出人类控制、监督机制失效以及国家与企业间的权力制衡遭到严重侵蚀。尽管目前在计算资源、数据供应和某些难自动化任务上仍存在摩擦与不确定性，但初步证据表明软件驱动的加速并非不可能。面对如此高风险的转折点，论文作者呼吁政策制定者采取紧急行动，重点实现提高AI研发自动化可见性、建立约束与引导机制以及提前为智能爆发带来的社会冲击做好适应准备。
October 9 · 21 min
NVIDIA - SPEED-Bench：全方位投机采样评估基准揭穿AI测速作弊
SPEED-Bench，这是一个专为投机解码（Speculative Decoding）设计的统一且多样的基准测试套件。该工具包含一个用于评估草稿模型准确性的定性数据集和一个用于在真实服务场景中测量系统加速比的吞吐数据集。通过集成 vLLM、TensorRT-LLM 和 SGLang 等生产级引擎，该框架能够有效解决现有基准测试中任务多样性不足、缺乏吞吐量导向评估以及高层实现无法反映真实生产环境的问题。文章还通过实验展示了不同文本域、输入序列长度（ISL）以及词汇表剪枝对模型性能的影响。
October 8 · 20 min
美团 - LongCat-Video-Avatar 1.5 技术报告：凭细节硬刚HeyGen
LongCat-Video-Avatar 1.5，这是一个旨在缩小学术原型与商业应用差距的开源音视频生成框架。该版本通过升级 Whisper-large 音频编码器和实施严谨的数据清洗流程，显著提升了唇形同步的精准度、动作的连贯性以及对复杂场景的泛化能力。为了兼顾生成质量与推理效率，研究团队引入了 GRPO 强化学习优化与 DMD 蒸馏技术，使模型能在仅需 8 步推理的情况下产出高保真视频。实验结果表明，该系统在真实感、物理合理性及身份一致性等维度上，表现出优于 HeyGen 和 Kling 等主流闭源系统的竞争力。此外，报告还详细阐述了针对多角色对话、静默状态及情感表达所设计的专项数据管线，为构建工业级数字人提供了技术支撑。
October 7 · 21 min
RSIAgent：新环境下智能体的递归自我演进靠自我试错击败GPT6
RSIAgent 是一种专为数字智能体设计的无需训练的多智能体自我改进框架，旨在解决预训练模型在面对未知软件环境和工具时的适应性难题。该框架通过课程智能体、执行智能体与验证智能体的协同工作，模拟人类“探索-实践-总结”的学习过程，从而自主构建可重用的环境知识记忆。其核心采用先广后深的探索策略，首先通过并行探索建立对环境的整体认知，随后通过深层迭代攻克复杂约束与边界条件。实验结果证明，RSIAgent 能够显著提升开源模型（如 Kimi-K3 和 GLM-5.3）的性能，使其在 OSWorld-v2 等基准测试中超越 GPT-6 等顶级闭源模型。这种方法无需更新模型参数，仅靠持久化存储和因果关系发现即可实现跨任务的自我进化。最终，这种通过自主探索形成的记忆被冻结并直接用于下游任务，有效地缩小了开源与闭源基础模型之间的能力差距。
October 6 · 19 min
VoiceMem：实时语音交互的双脑式记忆系统实现AI双脑极速记忆
VOICEMEM 是一种专为实时语音交互设计的创新双脑记忆系统，旨在解决智能体在对话中缺乏情感深度和响应延迟的问题。该架构模仿人类大脑，通过左脑处理事实信息，同时利用右脑捕捉情感轨迹与个性特征。凭借其独特的流式查询机制，该系统能在 134 毫秒内完成检索，确保在不产生感知延迟的情况下提供精准的个性化回复。实验数据证明，它在信息检索准确度和情感共鸣方面均大幅超越了现有技术。此外，其高度解耦的框架支持多种后端切换，为构建更具人性化的实时语音助手奠定了技术基础。
October 5 · 23 min
ZGCM-1：极简高效的数学与智能搜索模型 7B小模型跨级碾压GPT4o
中关村学院和中关村人工智能研究院开发的 ZGCM-1，这是一个完全开源且极其高效的 7B 参数数学与智能体搜索基座模型。该模型核心理念是结合深入的内部思考与主动的外部工具调用，以突破小参数模型在知识储备上的局限。技术上，它采用了由门控滑动窗口与全局注意力构成的混合架构，并结合 FP8 混合精度训练和 Muon 优化器，实现了约 4.2 倍的训练效率提升。研究团队还构建了AI 原生研发流程，利用智能体集群自主管理数据和集群运维，并实现了从 16K 到 256K 的超长上下文扩展。测试结果显示，ZGCM-1 在多项数学推理和智能体搜索基准测试中表现卓越，性能足以比肩规模大其数十倍的闭源顶尖模型。为了促进学术研究，该项目全面开源了模型权重、训练代码、数据配方以及实验日志。
October 2 · 22 min
Atria Dawn：智能体驱动的科研与工程新范式当AI开始主导自己的研发
Atria Dawn Preview 的全新智能体基础语言模型，该模型专为科学研究和工程工作流而设计。通过一种可验证经验流水线进行训练，该模型在 16 项全球基准测试中展现出顶尖性能，尤其在自动化任务、网络安全和数据科学领域表现卓越。除了技术参数，研究还深入探讨了人机协作模式的演变，指出人工智能正从单纯的工具转变为能够主动提案和迭代的项目级合伙人。尽管 AI 在执行和方法建议上的参与度显著提高，但人类研究员在设定目标、进行高层级判断以及决定研究方向方面依然发挥着不可替代的作用。总体而言，这些资料展示了自主 AI 研究的最新进展，并强调了在追求递归自我改进的过程中，保持人类监管与决策权威的重要性。
October 1 · 26 min
Tencent AuK技术报告：开源语音生成与编辑基座模型像改文档一样改录音
AuK是由上海交通大学与腾讯等机构联合开发的开源语音生成与编辑基座模型。该模型通过统一的自然语言指令界面，实现了语音合成、声学属性调整、副语言变换、内容编辑以及音频增强与分离五大功能。研发团队构建了包含30亿条指令音频实例的大规模数据集，并结合多模态大语言模型与混合流变换器架构进行训练。通过人类反馈偏好优化与强化学习，AuK在生成质量和指令遵循方面均达到领先水平。此外，经过蒸馏加速的AuK-Flash版本显著提升了推理效率，支持更快速的实际应用。这一成果已全面开源，旨在促进语音技术领域的复现与后续研究。
September 30 · 24 min
NVIDIA：SoL-Pi 高效能低成本的自动科研迭代环 AI自主优化外壳砍掉三成账单
SoL-Pi 是一项由英伟达开发的创新研究，旨在通过递归式自动研究循环（Auto-Research Loop）来优化智能体装备，从而提升 LLM 智能体在处理长周期任务时的Token 使用效率。该系统通过 AI 优化器自动观察执行轨迹并提出改进方案，最终筛选出操作融合、在线上下文压缩、观察包和保证证据的归约器这四项核心机制。实验结果表明，在 EdgeBench 等基准测试中，SoL-Pi 能在保持性能稳定的前提下，将 API 成本降低约三分之一，并大幅减少近 50% 的 Token 流量。这项研究不仅显著降低了模型调用成本，还证明了自动搜索发现的优化机制具有极强的跨模型泛化能力，适用于 GPT-5.6 Sol 和 Claude Opus 5 等不同后端。通过在智能体集群中的应用，SoL-Pi 进一步展示了如何将固定预算转化为更高效的集体探索。
September 29 · 16 min
Google：Dream-RSI 通过演化世界实现递归自我提升探索 AI靠做梦省下百倍算力
Dream-RSI 是一种旨在提升自主 AI 智能体性能的递归自我改进（RSI）框架。该技术的核心创新在于将历史发现记录转化为回放模拟器，使智能体能够通过“做梦”式的离线模拟来优化探索策略。通过在模拟器中快速评估数千种替代方案，智能体无需进行昂贵的在线实验即可获得即时反馈，从而显著降低了元策略改进的成本。这种闭环机制通过在线探索、模拟器构建和基于梦境的策略改进三个阶段不断迭代，有效解决了大规模搜索空间下的探索效率瓶颈。实验证明，该方法在算法工程、数学优化和 GPU 内核设计等复杂领域中，均实现了更优的发现质量和显著的计算资源节省。
September 28 · 26 min
3D高斯泼溅：实时辐射场渲染技术
该研究提出了一种名为3D高斯泼溅（3D Gaussian Splatting）的新型渲染方法，旨在实现高质量、实时性的辐射场渲染。通过将场景表示为可优化的各向异性3D高斯体，该技术能够精准捕捉复杂的几何细节与光影变化，且无需依赖昂贵的神经网络。研究引入了自适应密度控制机制，从稀疏的点云出发，通过自动增删高斯体来优化场景表层细节。配套开发的瓷砖化栅格化器（Tile-based Rasterizer）支持高效的排序与混合操作，确保在1080p分辨率下达到每秒30帧以上的流畅速率。实验证明，该方法在保持极短训练时间的同时，渲染视觉质量达到了行业领先水平，有效解决了以往技术在速度与清晰度之间难以兼得的瓶颈。
September 25 · 23 min
Prime Agent：自我提升的递归语言模型框架给AI装上硬盘与分身术
Prime Agent 的开源自进化智能体架构，旨在解决语言模型在处理长周期任务时面临的计算与信息管理局限。该系统通过构建递归语言模型（RLM）和持续性框架，实现了模型权重之外的 L2 级持久交互空间和 L3 级外部存储，使智能体能够自主管理代码执行、技能积累与多代理协作。实验数据表明，Prime Agent 显著提升了模型在 ARC-AGI-3 等高难度基准测试中的性能，表现出极强的任务扩展性。通过集成 IPython REPL 和直接代理间通信，它将传统的线性推理转变为一种可编程、可恢复且能持续改进的系统化工程流程。该研究强调了环境框架在释放前沿模型最大潜能方面的核心作用，并为未来实现完全自主的 AI 研究提供了通用底座。
September 24 · 23 min
FreeToken：端侧MoE模型带宽自适应推理系统家用显卡流畅跑大模型
FreeToken 是一个专为个人电脑设计的开源 MoE（混合专家模型）推理服务系统，旨在打破顶级 AI 模型对数据中心硬件的依赖。该系统通过带宽自适应执行技术，巧妙地将计算任务在 GPU、CPU 与显存、内存之间进行动态分配，从而在消费级硬件上流畅运行超大规模模型。针对智能体（Agent）频繁修改上下文的特性，它引入了语义感知状态缓存和双缓冲预取机制，显著降低了首字延迟并提升了生成速度。实验证明，FreeToken 能够让普通笔记本电脑运行 35B 模型，甚至支持单台工作站运行高达 753B 的顶级模型，性能远超同类系统。通过对硬件资源的弹性管理，它成功将昂贵的先进人工智能转化为人人皆可部署的本地软件。
September 23 · 24 min
Apodex 1.1：复杂长程任务的智能体扩展模型让AI真正学会干活
Apodex 1.1，一个专为处理复杂、长周期任务而设计的智能体模型与执行系统。该系统通过环境缩放（模拟真实文件、搜索和代码世界）与协作缩放（训练多智能体进行任务拆解与协调）两大核心维度，显著提升了 AI 在金融、科研和专业办公等领域的实操能力。其核心架构包含 AgentOS 操作系统，能够维持任务状态并支持异步人工干预与自动错误恢复。测试结果显示，仅拥有 35B 参数的 Apodex 1.1 Mini 即可在多项基准测试中达到尖端模型性能水平。这种设计标志着 AI 从简单的问答模式向能够承担责任、交付可验证成果的重型问题求解器进化。

Showing 1–20 of 67 episodes