正在整理页面…
内容马上就好。
内容马上就好。
Association for Human Mathematics(简称 AHM,人类数学协会)成员页截至 10 月 26 日列出 1008 名成员,其中 654 人加入自愿的“研究中不用 AI”小组(官网称 AI-free caucus,即承诺研究活动不使用 AI 模型)。全体会员另有两项承诺:不为商业 AI 公司提供技术劳动、数学知识、咨询或宣传,也不发表 AI 生成的数学文本。
A5 团队成员在 Hugging Face 的介绍称,这款个人助手会记住用户偏好与项目背景、跟踪连接资料的变化,并提出由用户确认的下一步建议。当前是技术预览版,需自行连接支持工具调用的模型服务;Linux 版本尚未充分测试。功能和示例来自开发团队介绍,尚非独立的长期使用评测。
清华等研究者在 arXiv 提出 HandsOn,一套在电脑模拟环境里比较机器人抓取、转动等精细操作的测试集。它包含 66 项任务和 1.8 万条人工示范;论文报告,最佳多任务训练策略在 Core-50 子集中的成功率为 29.1%。
OpenDS-World 用 200 项需要跨网页找证据的任务评测 12 个模型,最佳模型准确率为 39%。论文还报告 50 名参与者共做 1000 次人工尝试,正确率为 21.1%;人工可以用普通浏览器、不能用大模型,也没有统一答题时限,所以两组数字不等于同条件的人机对决。
代码智能体是能读取、修改并检查项目代码的 AI 程序。微软研究院介绍 Agensh,让这类程序共享工作区和消息、自行认领子任务,不由一个中央系统逐项分派。项目页报告,在 6 小时、无互联网的 Pandoc 单项任务中,1024 个智能体的测试通过率为 55.06%,单个为 33.89%;结果来自团队实验。
Nanbeige 团队发布 Nanbeige4.3-33B 模型卡,称它是用于训练更小模型的“教师模型”:较大的模型先提供示范,再让小模型学习。模型有 330 亿参数,使用 BF16(一种 16 位数值格式),许可为 Apache-2.0。模型卡中的编程成绩来自发布团队自己的测试,尚无独立复现结论。
Code Video Model 先把文字提示变成可编辑的场景程序,生成低细节预演,再让视频模型在生成前段参考预演来安排画面结构;团队称这一步不需要额外训练。在团队自建的 CodeVideoBench 中,项目页分别报告 85.2、82.1、85.8 分;对照方法 VACE 为 74.3、73.1、80.6。分数来自团队自己的测试,不能证明成片一定符合真实物理或科学事实。
面向高校教师与硕博研究生;本期仅展示通过逐条来源核查的新闻。
1. 数学家协会 1008 名成员中,654 人自愿承诺研究中不用 AI
Association for Human Mathematics(简称 AHM,人类数学协会)成员页截至 10 月 26 日列出 1008 名成员,其中 654 人加入自愿的“研究中不用 AI”小组(官网称 AI-free caucus,即承诺研究活动不使用 AI 模型)。全体会员另有两项承诺:不为商业 AI 公司提供技术劳动、数学知识、咨询或宣传,也不发表 AI 生成的数学文本。
30 秒看懂:要分清两层承诺:所有会员都同意不向商业 AI 公司提供特定服务、不发表 AI 生成的数学文本;只有自愿加入小组的 654 人,进一步承诺研究活动不用 AI。它代表协会成员的自愿选择,不是数学界统一立场。
来源:Association for Human Mathematics 成员与承诺说明 https://www.ahmath.org/members
2. 复旦团队发布 A5 技术预览:跨会话记住工作背景,并主动提出下一步建议
A5 团队成员在 Hugging Face 的介绍称,这款个人助手会记住用户偏好与项目背景、跟踪连接资料的变化,并提出由用户确认的下一步建议。当前是技术预览版,需自行连接支持工具调用的模型服务;Linux 版本尚未充分测试。功能和示例来自开发团队介绍,尚非独立的长期使用评测。
30 秒看懂:A5 展示的是“长期记忆加主动提醒”的产品方向;使用前要先接模型 API,Linux 包仍标着未充分测试,团队也承认长期使用效果还待打磨。
来源:A5 团队成员的 Hugging Face 技术介绍 https://huggingface.co/blog/KYLN24/introducing-a5
3. 机器人模拟测试集 HandsOn 含 66 项精细操作任务,最佳训练策略成功率 29.1%
清华等研究者在 arXiv 提出 HandsOn,一套在电脑模拟环境里比较机器人抓取、转动等精细操作的测试集。它包含 66 项任务和 1.8 万条人工示范;论文报告,最佳多任务训练策略在 Core-50 子集中的成功率为 29.1%。
30 秒看懂:29.1% 是论文指定模拟任务中训练策略的成绩,不是真实机器人在日常环境的成功率。这个数字显示,即使是论文里表现最好的策略,在该测试中也仍有多数操作未成功。
来源:arXiv 论文(作者提交版本) https://arxiv.org/abs/2610.26765
· 开放网页多步搜证仍难:OpenDS-World 最佳模型 39%,人工尝试 21.1%
OpenDS-World 用 200 项需要跨网页找证据的任务评测 12 个模型,最佳模型准确率为 39%。论文还报告 50 名参与者共做 1000 次人工尝试,正确率为 21.1%;人工可以用普通浏览器、不能用大模型,也没有统一答题时限,所以两组数字不等于同条件的人机对决。
30 秒看懂:论文里的模型和人工尝试在这套复杂网页任务中都不容易答对。两组的工具和时间条件不同,不能据此说模型普遍比人更会研究。
来源:arXiv 论文(作者提交版本) https://arxiv.org/abs/2610.30181
· 微软研究院展示 Agensh:1024 个代码智能体在单项任务中协作,测试通过率从 33.89% 升到 55.06%
代码智能体是能读取、修改并检查项目代码的 AI 程序。微软研究院介绍 Agensh,让这类程序共享工作区和消息、自行认领子任务,不由一个中央系统逐项分派。项目页报告,在 6 小时、无互联网的 Pandoc 单项任务中,1024 个智能体的测试通过率为 55.06%,单个为 33.89%;结果来自团队实验。
30 秒看懂:这组数字来自单个 Pandoc 编程任务的团队实验;它说明自组织协作值得研究,不能证明智能体数量越多就一定越快或越省钱。
来源:Microsoft Research Agensh 项目页 https://agens-harness.github.io/project/
· Nanbeige4.3-33B 模型卡:33B 参数,定位为后续小模型蒸馏的教师模型
Nanbeige 团队发布 Nanbeige4.3-33B 模型卡,称它是用于训练更小模型的“教师模型”:较大的模型先提供示范,再让小模型学习。模型有 330 亿参数,使用 BF16(一种 16 位数值格式),许可为 Apache-2.0。模型卡中的编程成绩来自发布团队自己的测试,尚无独立复现结论。
30 秒看懂:这款模型的定位是为后续小模型提供训练示范。团队公布的基准成绩应连同测试条件一起看,不能当成第三方排名或实际使用效果。
来源:Nanbeige4.3-33B 官方模型卡 https://huggingface.co/Nanbeige/Nanbeige4.3-33B
· 代码先排镜头和动作,再让视频模型成片:团队测试分数高于对照方法
Code Video Model 先把文字提示变成可编辑的场景程序,生成低细节预演,再让视频模型在生成前段参考预演来安排画面结构;团队称这一步不需要额外训练。在团队自建的 CodeVideoBench 中,项目页分别报告 85.2、82.1、85.8 分;对照方法 VACE 为 74.3、73.1、80.6。分数来自团队自己的测试,不能证明成片一定符合真实物理或科学事实。
30 秒看懂:结果支持它在团队选择的可控视频测试中高于所列对照方法。代码预演能约束结构和运动,最终画面仍由生成模型绘制,准确性还要另行检查。
来源:Code Video Model 项目页(微软研究团队) https://code-video-model.github.io/
重要决定请以文中所列原始来源与官方最新通知为准。