Skip to content
Artwork for 每日AI

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
  • 92 episodes
  • daily
  • Avg 19 min
  • Chinese
Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.
  • October 23 · 19 min

    Princeton等:跨拓扑骨骼动画的统一生成模型 文本驱动任意3D骨骼动画

    为了解决现有动作生成模型受限于特定骨骼拓扑结构或需要繁琐测试时优化的难题,研究人员开发了 UniMate 这一统一的动画基础模型。该模型能够仅凭带骨骼的3D资产和文本提示,为任意骨骼拓扑结构直接合成流畅自然的动作。为了支持跨拓扑的有效训练,团队构建了包含超过一万三千条动作序列的 UniML3D 数据集,涵盖了从生物到机器人的多样化形态。此外,UniMate 核心引入了拓扑感知扩散变压器(TADiT),通过图感知注意力偏置、Spec-RoPE 谱旋转位置编码以及全局拓扑调节器,完美实现了骨骼结构与动态动作的联合推理。在无需重新训练或微调的情况下,该模型不仅在生成质量上超越了现有方法,还零样本支持了动作迁移、补帧、扩展以及文本驱动编辑等多种下游任务。

  • October 22 · 22 min

    Raven:可组合智能的智能体框架生态系统 干掉AI群聊

    Raven 的开源多智能体生态系统,旨在通过构建、演化和组合专门的模型-构件对来解决复杂的跨领域任务。该系统利用 Host Agent 动态分解目标、编排有向无环图(DAG)执行任务,并通过持续的经验记忆和 Skill Forge 实现跨会话的技能复用。文章从理论上推导了多智能体协作在资源预算内扩展可靠任务覆盖范围的条件,并引入了多智能体编排基准(MAOB)来评估其在规划、研究、编码、设计及运维等领域的卓越性能。

  • October 21 · 20 min

    Tencent - GameHorizon:多时空维度的AAA游戏数据与评估基准 4亿次按键教AI打3A大作

    GameHorizon Suite 是一个专为评估人工智能在AAA级视频游戏中表现而设计的统一数据与评估套件。该系统主要由三部分组成:能够自动生成多层级自然语言指令的 GameHorizon-Annotator、包含由人类专家录制的 5000 小时视频及对齐动作的 GameHorizon-Data,以及结合离线多项选择题和在线逐步测试的 GameHorizon-Bench。通过对 47 个模型进行超过一百万次的调用测试,该研究揭示了不同任务的难度层级和模型能力的显著差异。研究发现,在视觉输入中引入文本指令能够显著提升模型的动作感知和未来行动规划能力。这一框架不仅为跨模态和跨模型评估提供了标准化的标尺,也为未来游戏智能体的发展奠定了基础。

  • October 20 · 21 min

    Tencent - WorldCrafter:基于隐式三维感知存储的视频世界模型 治愈AI金鱼记忆

    WorldCrafter 是一种创新的视频世界模型,能够通过单张图像或文本提示支持实时交互式场景探索。该系统引入了一种隐式 3D 感知记忆机制,利用特殊的记忆编码器将历史视频帧和摄像机姿态压缩为紧凑的表示,从而在长视野探索中保持极高的视觉一致性。此外,结合姿态引导的记忆读取与快速金字塔蒸馏技术,该模型在保证精确的摄像机控制和场景结构还原的同时,实现了流畅的流式生成。实验表明,该方法在重访一致性和摄像机控制精度方面均显著优于现有的同类模型。

  • October 19 · 15 min

    浙大 - Spatial-Interactor:通过物理交互学习空间推理 AI如何建立物理世界的时空感

    Spatial-Interactor 的创新视觉语言模型(VLM)框架,旨在通过与物理世界的交互来增强模型的空间推理能力。为了解决现有模型在长序列环境和动态状态变化中容易迷失的问题,研究团队设计了一个涵盖被动世界状态、主动自我状态及长视野交互轨迹的三阶段渐进课程,并构建了包含108K条验证性问答对的 LSI-108K数据集。该方法通过两阶段训练策略,结合监督微调与 策略上蒸馏(OPD),有效提升了模型在局部状态建模和长视野轨迹整合方面的表现。多项基准测试结果表明,该框架在显著改善视觉语言模型的空间推理能力方面具有广泛的通用性和出色的性能。

  • October 16 · 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。

  • October 15 · 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。

  • October 14 · 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。

  • October 13 · 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。

  • October 12 · 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。

  • October 11 · 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。

  • October 11 · 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。

Showing 21–40 of 92 episodes