跳到正文
#论文/研究
今天10月21日周三7 条
  1. 钛媒体63

    麻省总医院布莱根团队在《柳叶刀·数字健康》发表研究：AI 凭人脸照片识别癌症患者死亡风险

    10月20日，《柳叶刀·数字健康》发表麻省总医院布莱根医疗集团的研究，其FAHR-Face模型仅凭一张普通脸部照片即可区分癌症患者的死亡风险。在3820名未参与训练的癌症患者中，被评极高风险的122人拍照后90天内64人去世，占比52.5%；评分最低的975人仅20人去世，占比2.1%。

  5. Rohan Paul (X)60

    Google DeepMind 论文发现自改进智能体边学边忘

    Google DeepMind 新论文发现，自改进智能体在学习新任务时会遗忘旧任务，且学得最快的方法对旧任务的破坏最大。团队让 ReasoningBank、GEPA 和 Meta-Harness 在主题、工作流或领域不断变化的任务流上运行，记录各自在当前任务上的收益和其他任务上的损失。

  7. Anthropic (X)40

    Claude 设计蝎子神经毒素蛋白结合物

    科学博客新文：设计针对蝎子神经毒素的蛋白结合物。 蝎子每年蜇伤约 120 万人，而抗毒血清往往价格高昂或供应短缺。Claude 在寻找新疗法方面迈出了早期一步。 https://www.anthropic.com/research/claude-scorpion-toxin-binder-design

10月20日周二
  3. elvis (X)58

    论文提出智能体强化学习数据的缩放定律与合成策略

    一篇论文为智能体强化学习数据拟合缩放定律，沿任务、环境、轨迹三个维度展开。在不同模型规模、模型家族、领域以及 PPO 和 GRPO 下，三个维度的指数排序一致，环境高于任务、任务高于轨迹；环境的优势主要来自世界多样性，改变同一世界的结构带来的收益与增加任务大致相当。定律还给出各合成方法的折扣因子和训练开始崩溃的合成与真实数据比例，按该配方分配预算相比常见做法可提升至多 1.7 倍计算效率。

  6. AI at Meta (X)70

    Meta 发布 Muse Glimmer 技术报告：30B 开源权重模型面向消费级硬件智能体任务

    Meta 发布 Muse Glimmer 技术报告，这是一个 30B 开源权重模型，面向消费级硬件上的智能体任务。该模型在单张消费级 GPU 的 Mac 或 PC 上以 4-bit 精度运行可达实用速度，并在工具调用和多步规划上领先同规模开源模型。报告涵盖模型架构、蒸馏配方和量化等内容。

    推荐理由：技术报告公开了 30B 开源权重模型的架构、蒸馏配方与量化方案，可供关注端侧智能体的读者参考。

10月19日周一
  2. Turing Post (X)22

    10 篇 Looped Transformer 论文速览指南

    Turing Post 整理了 10 篇值得关注的 Looped Transformer 论文，涵盖 Recurrent Looped Transformer、Looped Prediction Transformer（LPT）、Loop Flow Transformers（LiFT）、Looped Diffusion Transformer、LAST、LoopCD、Hyperloop Transformer、OperLoop、LoopQuant，以及基于 looped transformer 的 Recursive Multi-Agent Systems。文章以速览指南形式介绍各方法是什么、如何工作、何时使用。

10月18日周日
10月17日周六
  5. Google DeepMind (X)78

    Google DeepMind 四个 Gemini 4 Argon 智能体 27 小时通关 Minecraft

    Google DeepMind 转发介绍，四个 Gemini 4 Argon 智能体在同一个 Minecraft 世界中从零开始，用 27 小时击败末影龙。它们只在沙盒中用代码和文本操作，共编写 2,783 个程序，通过聊天分配任务、共享笔记并互相调试错误，全程没有人类帮助。

    推荐理由：四个 Gemini 4 Argon 智能体在共享沙盒中自行分工、写码与调试，展示了多智能体协作完成长程任务的一种路径。

10月16日周五
  3. Microsoft Research60

    微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统

    微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，并输出可在约 12 毫秒内验证的简短证明。在 15 个基准程序上，它比同类最快的 zkVM 平均快 10 到 39 倍，在笔记本上每秒可证明 7.2 至 8.7 百万条 RISC-V 指令。

    推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在通用性、速度与密码学假设之间同时取得进展。

10月15日周四
  6. Latent Space58

    Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理沙盒

    Latent Space 播客访谈 Leash Bio 的 Ian Quigley，讨论该公司如何用 DNA 编码库（DEL）获取高通量蛋白与小分子结合数据，并训练出在公开基准上跟上 Boltz 的 Hermes 模型。访谈还提到他们用多年积累的数据搭建智能体科学推理沙盒，让 LLM 在 6.5M 分子、100 次预算内寻找最佳结合物，相关预印本、博客和开放数据集即将发布。

  7. AI at Meta (X)50

    Meta 用 Muse Spark 1.3 探索 AI 加速健康科学研究

    Meta 构建了一个由 Muse Spark 1.3 和 Muse Wonder 驱动、人类主导的研究支架，接入 500 万份回顾性去标识电子健康记录及公开数据，由医学专家团队用它生成假设、执行代码并起草论文，同时保留对科学决策的完全决定权。该探索已产出 10 篇研究论文，覆盖心脏病学、肿瘤学、传染病和急诊医学等领域。

10月14日周三
  1. Aran Komatsuzaki (X)38

    Nvidia 推出 TacitVLA 隐式推理模型

    Nvidia 推出 TacitVLA TacitVLA 学会生成推理文本，但将其对动作专家屏蔽，因此其动作无需等待文本生成。 在延迟最高降低 3.4 倍的情况下，性能与对应的 CoT 版本相当 项目：https://tacitvla.github.io/ 摘要：https://arxiv.org/abs/2610.17540

  2. Aran Komatsuzaki (X)58

    Together 与斯坦福提出 Hybrid Reasoning Agents

    Together 与斯坦福提出 Hybrid Reasoning Agents，将高效的隐式推理与基于文本的检查及工具交互结合。该方法性能提升 10.4%，同时实现约 40% 的 token 减少、约 2 倍推理加速和约 3 倍成本节省。代码已开源于 github.com/togethercomputer/HybridAgent，论文见 arxiv.org/abs/2610.18861。