跳到正文

热点

过去 48 小时科研圈讨论最多的 10 件事 · 11月13日 16:40 更新
NO.01↓ 16%

Google发布Gemini 4 Hydrogen并接入搜索

Google DeepMind 发布 Gemini 4 Hydrogen，定位为面向日常编码与智能体工作流的快速执行模型，并同步接入 Gemini API、AI Studio、Gemini app 和 Google Search。Google 称该更新正向全球所有搜索用户推送，并称这是其“迄今对搜索最大的一次模型改进”。 据 Google 说法，Hydrogen 完成任务比上一代快速模型 Gemini 3.8 Flash 快 2.5 倍；在 Artificial Analysis Intelligence Index 默认 high 思考档位上得 51 分，高于更大的 Gemini 4 Argon 的 50 分，最高 xhigh 档位可达 54 分。 使用范围上，所有用户可在 Gemini app 和 Google Search 中使用；开发者通过 AI Studio、Android Studio 和 Gemini API 接入；付费 AI Pro、Ultra 订阅者可在 Antigravity 中使用；企业客户通过 Gemini for B…

最新进展Google 发布 Gemini 4 Hydrogen，默认思考档位在 Artificial Analysis 指数上超过更大的 Argon

The Decoder、TechCrunch · AI 等 3 个来源·3 位参与者
20
热度指数
NO.02暂不比较

CoReMem：按下一任务实测价值设计编码记忆

Peiwen Li 等作者提出面向连续编码任务的 CoReMem 记忆框架，让编码智能体按记忆在下一任务上的实测价值来设计记忆并调整执行策略。 该方法用前瞻性片段估值，比较有无某段轨迹时下一任务的运行结果，并围绕仓库位置、可执行检查等锚点构建紧凑记忆；其奖励同时区分任务解决率与步数，用来估计记忆价值。

2 个来源 · 2 位参与者
16
NO.03暂不比较

研究团队提出GeoWorld平台与LiveGeo基准

研究团队提出 GeoWorld 地理环境平台，并基于它构建 LiveGeo 基准，用于评测 LLM 智能体在真实地理环境中的决策可靠性。GeoWorld 被描述为可控且能持续演化。 LiveGeo 要求智能体主动获取任务相关信息、验证支撑先前决策的证据是否仍然有效，并在必要时修正计划。

2 个来源 · 2 位参与者
16

继续看 No.04–10

  1. 04

    Ballad：用Bandit在线路由多个LLM

    Samidha Verma 等作者提出 Ballad，一种基于 Bandit 的在线算法，在自动启发式发现过程中动态选择调用哪个 LLM，把多个模型编排成集成。 在五个 NP-hard 组合优化问题和四个能力与成本不同的模型上，作者报告 Ballad 追平事后最优的单个模型，部分情况下超过所有单模型，同时相比始终使用最强模型最多降低 65.6% 的 API 成本。

    2 个来源16暂不比较
  2. 05

    论文提出模拟伊斯兰教法裁决的计算框架

    Elnaserledinellah Mahmoud Abdelwahab 在 arXiv 发表论文，提出名为 Al-Ghasali 的计算框架，用于形式化并模拟伊斯兰教法（Fiqh）裁决。论文称，封闭教法章节的语义可完全归约为确定性有限状态自动机（FSA），离线编译后，裁决提取为 O(1) 常数时间。 该框架用确定性 FSA 严格控制大语言模型生成可读的教法摘要，并采用语法引导的约束解码机制。论文称已在数学上证明，这一设计可杜绝决策幻觉、教法事实幻觉与语义反转。上述效果均为论文作者的论证，尚待外部验证。

    2 个来源16暂不比较
  3. 06

    作者提出智能体原生联邦学习系统Cortex-FL

    Rui Sun等作者提出智能体原生联邦学习系统Cortex-FL，用户用自然语言表达学习目标后，由智能体代为完成训练模型所需的协作。 按作者描述，智能体将自然语言目标转成共享任务，发现协作者并协商参与协议，把协作组建与分布式训练、激励管理连接起来。作者称该系统为“智能体原生”，但报道未给出实际训练效果或激励机制的验证结果。

    2 个来源16暂不比较
  4. 07

    研究：长程智能体决策模型可作评判者与教师

    一项由 Haochen Liu 等作者发表的研究提出，在长程智能体任务中，表现不佳的决策模型仍可能胜任评判者和教师角色。研究在 ALFWorld 上比较了三个决策模型与三个通用 LLM：作为行动者时，六个模型都会被更容易的子目标带偏，偏离必须先完成的子目标；但作为能看到完整轨迹的评判者时，同一批模型能正确归因通向该子目标的步骤。 研究还发现，询问单个动作是否有帮助，比询问任务能否成功更能区分有效与无效动作。作者据此将评判者（JEV）作为教师用于强化学习训练。

    2 个来源16暂不比较
  5. 08

    研究：RAG引用溯源新测量法

    Tanzeel Abbas 等作者提出用反事实值替换法测量检索增强生成（RAG）系统的引用来源：把检索段落中的一个事实替换为错误版本，再向模型重新提问，观察引用是否随之改变。 研究称，在同一模型家族的五个规模及第二个对照家族中，1.2% 至 15.7% 的可引用论断来自参数记忆而非检索上下文，且该比例随模型规模上升。这意味着部分引用并非真正溯源到检索材料。 后续报道还称，标准验证方法在该测量下接近随机。

    2 个来源16暂不比较
  6. 09

    CapLite：小模型智能体提示注入防御新法

    Zimo Xu、Wenzhuo Liu 与 Hideki Nakayama 提出提示注入防御方法 CapLite，面向小语言模型智能体，不依赖模型自行编写安全工件。其做法是从工具 schema 推导策略，在读取任何工具结果前提交写调用，并且只有当写操作涉及的接收方、金额、对象或目的地等参数均在用户请求中明确写出时才允许该写操作，以此保证写操作完整性。 该方法的适用对象是小语言模型智能体，核心约束集中在写操作上；作者称其可保证写操作完整性，这一效果来自论文表述。

    2 个来源15暂不比较
  7. 10

    研究：部署速度主导AI数据中心能源成本

    Alex C. Newkirk 等作者提出一个“速度调整的能源成本”模型，把更快建成所解锁的算力计入成本，使建设周期不同的供电方案能在同一物理基础上比较。研究团队用开源技术经济框架比较美国本土并网与离网数据中心供电方案（AC/DC 耦合光伏加储能、孤岛天然气、电网互联），框架包含基于实测校准的 AI 训练负载、气候驱动冷却、逐级功率转换和基于物理的电池衰减建模。 研究称，部署速度而非单位电价决定 AI 数据中心供电方案的经济性，DC 耦合微电网在 85% 的美国地点为最低成本方案。

    2 个来源15暂不比较
热度是怎么算的？了解榜单

热度看的是有多少账号和机构在讨论同一件事：同一家重复发只算一次，越近的讨论分量越重，每过 24 小时减半。它反映讨论有多热闹，不代表报道质量。

榜单只看过去 48 小时。走势只拿同一批一直在看的来源比较，反映的是我们看得到的范围，不代表全网人数；没有可比的历史时，不画走势线。

来源名单只列能公开阅读的报道；参与讨论的还有一些不在名单里展示的账号和机构。同一家机构在不同平台发帖合并算一家，所以参与者可能比来源还少。点进事件，可以看各方的报道和观点。

爆
讨论快速增加
新
首报 6 小时内
发酵中
讨论仍在增加