POLPO 新方法:用帕累托排序直接学习多验证器反馈

arXiv 上一项新研究提出 POLPO,不再把多个验证器的反馈压成一个标量奖励,而是直接按帕累托支配关系学习,让大模型在代码生成和指令遵循中更早利用部分成功信号。

arXiv 上一项新研究提出 POLPO,不再把多个验证器的反馈压成一个标量奖励,而是直接按帕累托支配关系学习,让大模型在代码生成和指令遵循中更早利用部分成功信号。

2026年11月16日,Hugging Face Papers 收录的论文提出 ForceHarness,在不微调、不演示的情况下,让只提供 API 的冻结多模态模型处理接触力任务;在无腕部力传感器的真实机械臂上,GPT-6 Astra 零样本成功率从 3.3% 提升到 90.0%。

在苹果、微软接连出现服务中断的背景下,Google于11月17日在X上主动声明Gmail运行正常、未发现大范围故障,试图平息社交平台上的宕机传言。更值得注意的是,美国情报官员将近期故障潮归因于企业大规模修补系统漏洞,而AI模型在发现漏洞上的能力可能是推手之一。

arXiv 于 2026 年 11 月 17 日发布一篇综述,系统梳理大语言模型(LLM)如何介入 AI 基础设施的设计、优化与运营,并提出按“工件、运维、资源”三类管理对象的分类框架。

据《华尔街日报》报道,美国证券交易委员会(SEC)正就英伟达信息披露是否误导投资者展开民事调查。这一调查发生在CEO黄仁勋因婚外情传闻辞职之后,对英伟达的监管压力和资本市场信任构成新考验。

arXiv 上一篇新论文逐层探测 OpenFold 的 48 层 Evoformer,发现距离可解码性和三角形不等式一致性并非单调改善,而是分两阶段起伏变化。这为理解蛋白质结构模型内部几何表征如何演化提供了可直接检验的线索。

一篇新论文提出能量基推理器(EBR),把循环推理模型的潜在状态更新重新表述为能量函数上的梯度下降,让模型“知道自己何时该停”。在数独等四个算法推理基准上,它用约为次优模型1/345的推理算力达到99.9%准确率。

Anthropic 在 IPO 文件中披露,亚马逊与谷歌将分别持有其 14.7% 和 13.7% 的无投票权股份,合计接近 30%。这说明大模型公司的资本结构正被云厂商深度绑定,而不仅是产品竞争。

一篇 arXiv 新论文评估三款音频大模型从儿童语音判断年龄的能力,发现它们不仅常把 13 岁以下儿童判成成年人,还暴露出三种不会触发任何告警的流水线失效,这些失效会让常规监控全部失灵。

新论文 JEPA4R 把 JEPA 世界模型的预测对象从 2D 图像改为单深度相机点云,在隐空间里做“4D 点规划”,并宣称仅靠数字孪生训练就能零样本迁移到真实机械臂。