语言模型能自己生成未来研究想法吗？Priced Guidance用压缩成本给出下界
alphaXiv 收录的论文提出 Priced Guidance 框架，用“引导模型找回目标想法需要多少比特”来估算模型无提示自主生成该想法的概率下界；在 87 篇近期深度学习论文上的测试中，Fable 5.1 取得最低中位压缩成本 69.9 比特，三模型均匀集成进一步降到 55.8 比特。这为衡量大模型的研…
celebrityanime
LeCun 警告：追求人类级 AI，请停止研究 LLM
图灵奖得主、Meta 首席 AI 科学家 Yann LeCun 在 2026 年 10 月的一次演讲中公开呼吁，若目标是人类级别 AI，学术界应停止研究 LLM 和生成式模型，转向联合嵌入架构与基于能量的模型。这一表态直接挑战当下最热的生成式 AI 技术路线。
LeCun警告：追求人类级AI就别再研究LLM，转向物理AI
图灵奖得主、Meta首席AI科学家Yann LeCun在一场演讲中公开劝退LLM研究，认为学术界继续在生成式模型和大语言模型上投入难以带来实质性突破，并主张转向联合嵌入架构、基于能量的模型与物理AI方向。
RLCE：不用人工标注，从无标签数据学社会理解，超越七种基线最高18.93分
arXiv 2026年10月7日一篇新论文提出 RLCE 方法，在用无标签数据训练社会智能时，不依赖人工标注也能构建奖励信号，在四个基准上超过七种不使用真实标签奖励的基线，最高领先 18.93 分。它值得关注，因为它触碰了社交理解任务中长期存在的“没有标准答案”的验证难题。
UndoBench 发布：AI Agent 任务成功率83% 恢复成功率仅47%
alphaXiv 收录的论文提出新基准 UndoBench，用配对实验把 AI Agent 的“正常完成任务”与“出错后安全恢复”拆开评估；在受控测试中，任务成功率达 83.54%，但条件恢复成功率降至 46.72%，说明会做事不等于会善后。
AI做PPT总翻车？不是模型不行，是流程没拆对
一位开发者发帖指出，AI直接生成PPT体验普遍崩溃，根本原因在于把内容决策和视觉决策混在一次生成里；他提出把流程拆成策划、定规则、逐页出图、格式转换、整合五步，并附上相关开源Skill仓库。
离散扩散新方法将大图生成从3000节点级推向结构保真与可扩展兼顾
arXiv 2026年10月7日一篇新论文提出离散图扩散模型，通过只训练“真实边+楔形非边”的结构候选子集，把大图生成训练复杂度压到低于二次方，试图在不背诵训练数据的前提下，让生成图的度分布、聚类和路径长度更接近真实稀疏图。
LiFT循环流Transformer：推理时可扩展深度，少60%参数超越DiT-XL/2
2026年10月4日发布的论文提出LiFT（Loop Flow Transformers），通过让扩散Transformer在推理时重复执行共享模块来扩展计算深度，无需重训即可用更少参数超越更大的密集模型，ImageNet 256x256上FID比DiT-XL/2低3.34。
JEPA世界模型引入自适应潜在容量 ALeWM提升规划成功率
Hugging Face Papers 收录的论文提出 Adaptive LeWorldModel（ALeWM），通过让预测信息集中在宽潜在表示的短前缀中，在已知状态动力系统和目标条件视觉控制任务上取得更高平均成功率，同时平均规划容量更低。
用DDD给AI编程划边界：一线开发者反馈名词与上下文密度最关键
关于用领域驱动设计（DDD）约束 AI 编程的讨论，一线开发者反馈集中在两件事上：先把核心业务名词钉死，再用领域语言给模型提供高密度上下文。这反映出在 agent 大量写生产代码之后，代码生成速度已经不是瓶颈，业务语义漂移才是。