有点子了，就去执行……
TestPrism：别用单一参考评代码测试质量
同样是评估大模型代码生成的测试质量，按行业常规的单参考方案算，14款基线模型的通过率有59.67%；但换成TestPrism这套新框架的核心指标，通过率直接掉到28%。这个反差，戳破了代码测试评...
ARGUS：修复AI解读基因组变异幻觉的框架
全基因组关联研究里，超过90%和疾病相关的变异都藏在基因组非编码区。可现有AI解读这些变异时，十有八九会瞎编数据——这是基因组医学领域没人敢说的痛点。AI解读非编码变异，为啥总“瞎编”？大语言模...
DVD解码方案：解决多模态大模型感知的效率痛点
在RefCOCO、KITTI、nuScenes等多模态感知基准测试里，一个叫DVD的新解码方案，让多模态大模型（MLLM）在2D和3D感知任务上，既提升了性能，又砍了token开销、降了推理延迟...
EgoVoice：从第一视角流里主动说话的AR助手
AR助手主动搭话这件事，目前做得特别差。哪怕是零样本的基础模型，也很难踩中你真正需要提示的点——要么早了帮不上忙，要么晚了根本没用。直到arXiv那篇归类在cs.CL、cs.CV、cs.SD的论...
TokenRouter：让token级LLM路由效率提升2到64倍？
TokenRouter在多种路由算法、工作负载和模型配对下，解码吞吐量是现有系统的2.01到64.15倍——这是arXiv上一篇cs.CL分类的论文给出的实测结果。现存token级LLM路由服务...
JetBrains推Mellum2.1：12B MoE开源模型瞄准编码智能体
JetBrains刚更的Mellum2.1，把SWE-bench Verified的分数从2.0拉到了47.0——这个提升幅度够让做代码大模型的人眼前一亮。升级的门道：几乎全靠真实代码环境的RL...
残差建模：缩小机器人回归与生成策略的差距
做机器人学习的人都知道，从演示数据训策略，扩散、流匹配这类生成策略，比用MSE的直接回归策略效果好。之前大家都把这差距归因为演示数据的多模态——同一个状态下，合理动作可能有好几个选择。但这篇ar...
Natura的99美元智能戒指：按手指召唤AI还测健康
99美元的智能戒指，现在能按一下手指召唤AI代理，还能测健康？Natura刚推的这款Interface smart ring，就把这两样凑成了。Natura的这款智能戒指，能干嘛？这款产品的核心...
Goodfire推出“向内看”AI监控：抓失控AI成本仅需此前一部分
Goodfire刚公布了一款AI监控工具，主打抓失控AI agents，成本只要之前的一部分——核心逻辑不是让另一个AI当“监工”全程审，而是直接盯着AI模型内部的运作。不用“第二AI复读机”，...
Oracle靠ChatGPT和Codex 把数天工作压缩至几分钟
Oracle在招聘、工程、运营三大核心业务领域，已经把原本需要数天完成的专业工作，靠两款AI工具压缩到了几分钟。三大板块全落地，覆盖多类专业工作不是某一个团队的试点，是全公司级的应用。招聘里的岗...