跳到正文
只看论文#数据/训练
  1. 量子位80

    MIT 实验：GPT-6 Astra 直接修改 Qwen3.5 权重，MATH-500 得分提升约 6 倍

    MIT 的实验让 GPT-6 Astra 直接读取并编辑 Qwen3.5-0.8B 的权重，仅改动 0.016% 的参数，MATH-500 得分就从 7.9% 升到 48.1%，指令执行能力也提高 3 倍，全程没有训练和梯度下降。

    推荐理由：MIT 实验显示前沿模型可直接读写小模型权重，为小模型能力修复提供了一条不依赖梯度训练的路径。

  1. Microsoft Research71

    微软研究院等证明 31 年悬而未决的 KLS 猜想

    微软研究院机器学习与优化组研究员 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明在 2026 年 10 月 4 日的论文版本中完成。

    推荐理由：微软研究员与合著者用人类引导的智能体搜索证明 KLS 猜想，读者可看到 AI 参与数学发现的具体分工方式。

  1. Google Research71

    Google Research 介绍让 AI 智能体扎根生物实验现实的三项研究

    Google Research 发布博客，介绍三项连接 AI 计算探索与湿实验室实验的研究：VERID 框架为实验室工作单元构建语义数字孪生，让智能体在动作前检查 3D 状态、做虚拟试运行并拦截不安全指令。

    推荐理由：Google Research 用三个项目展示智能体如何接入湿实验室的真实测量与闭环反馈，可了解自动化实验的工程路径。

  1. Google Research62

    Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问

    Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自研的 GeoExpertQueries、GeoKTools 四个基准上评估，并公开两个新基准的开发集。

    推荐理由：技术报告用四个基准对比有无 Earth AI 工具与前置规划，并附 WHO 等伙伴的真实场景反馈。

  1. Qwen Blog72

    Qwen 联合淘天发布 E-Commerce Bench 电商长程经营评测

    Qwen 团队联合淘天集团发布 E-Commerce Bench，评估模型作为电商商家在真实市场中经营网店的长程能力。模型拿到 10 万元本金，在 365 天、每天 600 分钟的时间预算内完成选品、谈判、定价、库存与现金流管理，环境由 6,886 个商品、60 个品类、576 个供应商和 12 种店型构成，数据脱敏自淘宝和天猫。

    推荐理由：材料给出了长程经营评测的环境设计与18个模型的资产结果，可用来对照现有Agent评测偏短程的局限。

已经到底了