HybridAgents 论文发布:在潜空间思考、通过文本行动的 LLM Agent,性能提升 10.4% 且成本降至约 1/3
【这是什么】Hybrid Reasoning Agents(HybridAgents)是一种 LLM Agent 架构,让模型在潜空间推理、通过文本与外部工具交互,并开源了代码与数据。
【这是什么】Hybrid Reasoning Agents(HybridAgents)是一种 LLM Agent 架构,让模型在潜空间推理、通过文本与外部工具交互,并开源了代码与数据。
Anthropic 让 Claude Mythos 5 根据纯文字规格自主设计量子电路,覆盖化学、优化、量子模拟和数论领域的 8 个计算原语。通过外部评估程序自动验证正确性并按「qubit 数 × gate 数」打分,Claude 在无人介入的闭环中发现优于已发表最佳算法的新设计,部分改进达一个数量级以上,其中将某优化算法最昂贵步骤的成本降低约 12x。这类改进可显著减少实用量子应用所需的资源。
【这是什么】一篇技术长文,把线性层、MLP 和 self-attention 统一解释为不同类型的联想记忆存储,并用干扰信号比推导各层的容量上限。
【这是什么】Anthropic 团队解开了一个存在 25 年的密码学谜题,用 Claude 找到了 NIST P-192 到 P-521 等 ECDSA 标准曲线种子的真正来源。
一项基于美国劳工部 O*NET 分类体系的分析显示,美国 90% 的工作时间花在现有 AI benchmark 几乎未覆盖的任务上。研究将 923 个 O*NET 职业共 18,797 项任务与 29 个 benchmark 对照,发现仅 208 个职业拥有至少 5 条 benchmark 提示词覆盖的任务,22 个职业族中有 6 个完全没有覆盖。
作者经数月研究图像与语言模型的神经元和电路后提出,曾被视作网络任意打包概念证据的多义性与叠加(superposition)实为误读,多数情况是一种称为“递归泛化”的模式。
机器人 AI 的发展面临一个关键问题:不像语言模型可以依赖现有海量语料(GPT-3 用了约 3000 亿 token,现存优质公开文本约 300 万亿 token),机器人训练没有等价的公开数据储备。目前主要方法包括遥操作(由人操控真实机器人录制成演示数据,用于行为克隆/模仿学习)和强化学习(机器人自主行动并对动作打分),但遥操作成本高、难以规模化,且仅部分数据可用于训练。
【这是什么】一个评估 AI 模型在 UI 设计任务上创造力的基准,覆盖 80 个开放式 UI 任务、16 个前沿模型。【商业/痛点逻辑】指出主流模型虽能生成可用的网站与产品 UI,但设计创造力仍明显落后于人类设计师。
【这是什么】Apple 研究团队提出的 Minions 系统,把多台 macOS 设备上闲置的 Apple Silicon GPU 聚合成一个动态分布式虚拟 GPU 云,用于执行大规模机器学习推理任务。
arXiv 论文(已被 NeurIPS 2026 接收)构造后门攻击,把加密神经网络嵌入宿主模型权重,仅在收到秘密触发器时解密执行。借助 digital lockers,在密码学假设下这些隐藏电路即使在攻击者拥有全部权重时也难以被引出和解释。
Sakana AI 实习期间的研究提出 Multi-Agent Self-Supervision(MASS),让同一个模型同时担任执行者、优化器和评估者,先优化多智能体团队工作流,再将团队集体经验蒸馏进共享模型,为同质化递归自我改进(RSI)提供自监督信号。该方法在研究类非可验证任务上提升了每个输出 token 的得分,并由 GPT-5.5 和 Claude Opus 4.8 作为独立外部评估。
【这是什么】Stripe 官方基于 2022 年 1 月至 2026 年 3 月数十亿笔交易发布的全球卡欺诈趋势报告。
推荐理由:Stripe 官方基于 billions 交易数据分析全球各地区卡欺诈差异,对出海企业分市场制定风控与 3DS 策略有参考价值。