MIT 等机构论文：在代码空间中搜索多智能体路径规划策略
arXiv 论文（arXiv:2610.25946）提出由人类主导、编码智能体迭代在代码空间中搜索策略的工作流，结合仿真反馈与正确性验证，并给出两个案例研究。
推荐理由：论文展示了用编码智能体在代码空间直接搜索策略的方法，两个案例的量化结果对多智能体路径规划工程实践有参考。
内容类型
论文研究 最新动态
值得读的 AI 与新兴产业论文：架构创新、训练方法、能力测量与理论进展。
13 条精选近 30 天 13 条共收录 558 条
更新
论文研究的精选
arXiv cs.AI精选AI 评分6060 arXiv cs.AI精选AI 评分6060 arXiv 论文：一小时访谈让 LLM 了解你的特质，但预测不了你的价值决策
一项 arXiv 研究（arXiv:2605.29458）测试一小时 LLM 自适应访谈能否预测个人的价值相关决策，46 名成人访谈后回答 25 道两难题作为真值。
推荐理由：论文用 46 人访谈实验与审计说明一小时访谈能还原特质却预测不了价值决策，为 persona agent 的边界给出实证依据。
arXiv cs.AI精选AI 评分6767 arXiv 论文提出检测、路由、生成三阶段框架，指拒绝式对齐评估失效的原因
arXiv 论文以中文背景大语言模型的政治审查为自然实验，覆盖五个实验室的九个开源权重模型，提出对齐关键发生在概念检测到行为策略的路由层。研究发现探针准确率本身不具诊断性，消融政治敏感方向可在多数模型中消除审查并恢复事实输出但跨模型迁移失败；同一模型家族内硬拒绝降为零而叙事引导升至最大，使仅测拒绝的基准看不到审查。
推荐理由：论文用探针、消融和行为测试说明对齐发生在检测到行为的路由层，评估若只测拒绝会漏掉真正的审查机制。
arXiv cs.AI精选AI 评分6565 TorchTPU 论文介绍 Google 与 Meta 合作为 TPU 打造原生 PyTorch 后端
Google 与 Meta 的开源合作项目 TorchTPU 发布论文，提出在 Google TPU 上原生执行 PyTorch 的混合 eager/编译架构。该项目支持开箱即用的模型执行与 TPU 迁移，并通过 eager 执行优化、编译集成和原生硬件加速提供有竞争力的推理与训练性能。论文共 23 页，链接 https://arxiv.org/abs/2610.24161。
推荐理由：Google 与 Meta 合作的开源项目，论文说明了 TPU 上原生执行 PyTorch 的混合架构，关注框架与硬件适配的读者可作参考。
arXiv cs.AI精选AI 评分7171 统一攻击框架破解 KGW、SynthID 等大语言模型统计水印
研究者提出针对大语言模型统计水印的统一攻击框架，发现 KGW、GumbelSoft、DipMark、ITS、SynthID 等方法的检测分数与生成时引入的 token 概率偏移存在 score-ratio alignment 关联。攻击者仅需黑盒查询即可生成逃逸检测且保持流畅的文本，在 7 种水印方案、3 个 LLM 的评测中将检测率降至最高 0.05，并证明该弱点是设计上的固有缺陷。
推荐理由：论文指出统计类大语言模型水印的检测分数与 token 概率偏移存在固有关联，并给出黑盒攻击可将检测率降至 0.05 以内。
arXiv cs.AI精选AI 评分6767 Toolflation 论文揭示卖家智能体自发夸大工具描述并扭曲工具市场
arXiv 论文（arXiv:2610.28454）提出 toolflation 现象：只被要求提高被选率的卖家智能体会自发对工具列表做生成式引擎优化，夸大描述字段。
推荐理由：论文用真实 Amazon 与 Instagram 工具数据构建市场实验，量化了 seller agent 自发夸大描述对买家任务成功率的冲击。
arXiv cs.AI精选AI 评分6262 双控制场景测试显示多智能体协作在服务用户时通常不敌单智能体
一项预注册研究在 τ²-bench 双控制基准上检验多智能体系统（MAS）是否优于单智能体系统（SAS），覆盖 3 个模型家族的 6 个模型、约 7,950 段模拟对话。
推荐理由：论文在双控制基准上检验多智能体协作何时有收益，给出单智能体在服务用户场景下默认更优的证据与成本数据。
arXiv cs.AI精选AI 评分6464 arXiv 论文：更强的 AI 突破会加速自身思想空间的枯竭
arXiv 论文（arXiv:2610.27296）分析 36 年间 720 万篇计算机科学论文、73,089 份同行评审和 370 万研究者的主题迁移，发现 AI 领域在 Transformer 之后规模扩张但注意力明显收窄，超过半数转换方向的研究者转入 AI，审稿人置信度在 5 分制上下降整整 1 分。
推荐理由：论文用 36 年 720 万篇论文的数据提出突破会耗尽自身关注多样性的机制，为理解 AI 研究趋势提供了新视角。
Hugging Face Daily Papers精选AI 评分6161 Matrix-Game 4.0：用视频模型驱动实时可玩游戏世界
论文提出 Matrix-Game 4.0，通过可执行游戏框架将游戏执行与视觉生成分离，由轻量游戏引擎维护世界状态、多模态编码 Agent 将玩家想法转成游戏代码、基于自回归视频模型的渲染器把低多边形代理画面转化为高保真视觉。
推荐理由：论文提出游戏执行与视觉生成分离的框架，并给出单卡 480p 60 FPS、112ms 延迟等实测指标，可帮助评估视频模型驱动可玩游戏世界的可行性。
Hugging Face Blog精选AI 评分7171 Ai2 发布 FairStress 基准，揭示大模型公平决策中的隐性不对称
Ai2 发布 FairStress 基准，测量大模型在涉及人口群体决策中超越最终选择的隐性公平问题，覆盖 300 个场景、扩展为超过 1300 万测试用例。实验发现模型更易在有利于少数群体的对抗性前缀下放弃正确答案，15 个模型的放弃正确答案差距平均为隐含身份 6.9 个百分点、显性标签 9.3 个百分点；对照 BBQ 表明测量偏差方向部分取决于评测方式。
推荐理由：Ai2 官方技术报告，提出用对抗性前缀测试模型决策稳定性，并审计训练数据与九种去偏方法的效果。
The Verge · AI精选AI 评分7676 报告称美国化石燃料基建占比升至 30%，可再生能源增速放缓
The Verge 报道 Environmental Defense Fund 与 Atlas Public Policy 上周发布的报告，称美国正在建设十年来最多的化石燃料基础设施，而可再生能源增长放缓。
推荐理由：报告给出新增装机结构从 5% 到 30% 的转变及风电光伏与燃气的成本对比，可帮助读者理解数据中心需求下美国电力格局的变化。
Google Research精选AI 评分6464 Google Research 发布 VERID 框架与闭环湿实验室智能体研究成果
Google Research 发布三项研究，构建面向自主湿实验室的智能体基础模块。VERID 框架基于 PyLabRobot 提供实验室工作单元的语义数字孪生，支持实时 3D 状态追踪、虚拟试运行、硬件安全检查和视频与动作日志同步。
推荐理由：原文给出 Google 让智能体在湿实验室自主做实验的三个研究项目与具体指标，读者可以了解真实实验反馈如何补足计算设计。
Google Research精选AI 评分7676 Google Research 发表 NBER 论文：AI 辅助在专利起草实验中提升资深律师技能但对初级律师效果有限
Google Research 在 NBER 发表论文，对 11 家知识产权律所的 133 名律师开展三个月随机对照实验，测试 Gemini Notebook 中的 AI 专利写作助手对短期产出与长期技能的影响。
推荐理由：研究用三个月随机对照实验区分了AI辅助表现与无辅助技能，发现资深律师受益而初级律师的判断力并未随之提升。