标签：训练

无参考找 UI 缺陷：ScreenProof 提出无目标截图评审，小模型 ProofJudge 误报率 2%

arXiv 新论文 ScreenProof 尝试让模型在没有任何设计稿或参考图的情况下，直接在截图上框出 UI 缺陷；其训练的 Qwen3.5-9B 小模型 ProofJudge 在摘要报告的评测中拿到最高 F1 0.48，并把干净页面的误报压到 2% 左右，但整体仍远未达到可放心自动审核的水平。

arXiv 新论文提出 EvoDiff，把扩散模型和主动学习结合，在超声图像诊断任务中用更少标注接近全监督效果，模型估计可减少 24%–84% 的标注工作量。

开发者测试显示，个人版 Gemini 在关联 Google Workspace 后，会基于日常对话自动检索 Gmail 与 Drive 中的文件；Google 帮助文档同时确认，部分被处理的关联应用数据可能送交人工审核。这关系到个人 AI 助手在便利性与隐私边界之间的取舍。

arXiv 2026年11月10日刊出一篇新论文，提出首个专门评估深度研究（Deep Research）报告奖励模型的基准 DeepResearch RewardBench，并指出现有奖励模型在评测这类长上下文、高信息密度的研究报告时表现明显下滑。

一项基于大模型（LLM）对Reddit十年间798个帖子和10.2万条评论的分析显示，数据中心反对者发帖量是支持者的2.6倍、评论量达8.5倍，反映社区对AI算力扩张的抵触主要集中在资源消耗和选址不透明上。

Science与普利策中心AI问责网络的调查发现，Muse睡眠头环背后公司Interaxon等企业已积累数千万小时脑电记录，并在隐私政策未明确说明的情况下用其中一部分训练AI模型，脑数据的使用边界因此成为争议焦点。

Hugging Face Papers 上的一篇新论文提出 A2-MEAS 具身多智能体框架，用“代码”作为训练与部署的统一接口，在 BEHAVIOR 2026 公开任务子集上取得 0.5755 Q-score。该结果基于论文摘要与作者自述，尚待全文实验核验。

2026 年 11 月 9 日，Anthropic 的新模型 Claude Fable 5.2 在 GitHub Copilot 正式上线，面向 Pro+、Max、Business、Enterprise 等付费用户；它默认要求数据留存，企业管理员需主动开启策略后才能使用。

伦敦自动驾驶公司Wayve与CoreWeave签订多年协议，将在后者搭载英伟达Blackwell芯片的云平台上训练、测试和模拟其AI Driver软件；交易金额未披露，CoreWeave股价盘前跌约3%。

The Verge 报道称，英伟达已对 CEO 黄仁勋展开调查，起因是一名与 Megaspeed 有关的前电视记者、被指为中国情报机构招募的人员与他存在私下往来；Megaspeed 曾购入约 48 亿美元紧俏的英伟达芯片。此事牵涉芯片出口管制与公司治理，值得关注。