分类： AI 资讯

DuoDiscover让AI用木尺绕过昂贵评测：SWE效率超人类专家两倍，芯片设计胜AlphaEvolve系

alphaXiv 2026年10月12日展示的论文提出 DuoDiscover 搜索系统，用“木尺”代理评测绕开动辄数小时的昂贵真实验证，在软件、GPU/TPU 内核和 CPU 芯片设计任务上取得显著优化，直指自主发现的评测瓶颈。

alphaXiv 上的一项研究提出 LLM-to-Flow Distillation（LFD），让冻结的大模型充当“教师”，把“生成有抗癌潜力的多肽”这类自然语言目标拆解成可学习的子目标，再通过 DPO 逐步蒸馏进专业流式生成器，无需显式代理奖励。

alphaXiv 上公布的论文 ProTok 提出用产品量化把蛋白质的结构、序列、功能映射到同一套离散词表，单个检查点即可在缺少部分模态时推理，在 28 个结构分词器评测划分中拿下 21 项第一。

一项名为 Interaction-as-a-Judge 的研究提出让 computer-use agent 直接操作运行中的网页、桌面应用和游戏，用交互过程来评估和修复 AI 生成的交互式应用。相比只读代码的评测方式，该方法在预测人类偏好和验证需求上均有提升，还能在推理阶段以更高比例修复损坏功能。

Hugging Face Papers 收录的 LifeSearch 基准显示，12 个先进深度研究代理在 203 个真实生活与生产力任务上表现有限，即便最强的 GPT-5.6 Sol 也仅得 63.4 分，说明现有 AI 代理离可靠处理日常复杂信息需求仍有距离。

2026年10月10日发布的 Last Secure Code Benchmark 用 450 项任务测试六款前沿编码 AI，即使最强模型 Claude Fable 5 也只有 25.1% 的任务同时通过功能与安全测试，凸显 vibe coding 在安全代码生成上的明显短板。

一篇新论文提出 HybridAgent，让大模型智能体在隐藏状态推理和文本交互之间自由切换，在11项基准测试中平均性能提升10.4%，同时大幅降低token消耗和推理成本。

一篇发表于 alphaXiv 的论文提出 PlayGround 框架，把平面设计中的布局规划从“一次性预设”改为“看渲染画布逐步决策”，试图解决固定计划与实际版面不匹配的问题。目前公开信息显示，这仍是论文阶段的研究成果。

Fish Audio 在 Hugging Face 发布 Drama 3 技术报告，一个 35B 参数、每 token 激活 3B 的开源语音生成模型，首次将多轮修订、场景配音、填充编辑和流式输入整合进单一模型。

Hugging Face Papers 收录的论文提出 APEX 方法，通过分层潜在空间和通道组异步去噪，在 64 倍和 128 倍压缩比下实现更优的图像重建与生成平衡，挑战了“高压缩必然牺牲生成质量”的固有认知。