arXiv 论文:人类用时间线索协调,AI 能推理却难适应伙伴

一篇 arXiv 论文用禁言合作纸牌游戏《The Mind》测试人与 AI 如何只靠“等待时长”完成协作,发现前沿模型能像人一样推断伙伴信念,却不会在博弈中主动适应对方。

一篇 arXiv 论文用禁言合作纸牌游戏《The Mind》测试人与 AI 如何只靠“等待时长”完成协作,发现前沿模型能像人一样推断伙伴信念,却不会在博弈中主动适应对方。

arXiv 上新论文提出 SynthCorp,用模拟企业事件的方式自动生成数据资产和评测任务,试图解决数据智能体基准饱和、难以针对特定能力的问题。

arXiv 上一篇新论文系统拆解了用大模型语义信息辅助因果发现时的三个决策环节,发现语义方向本身有助于恢复因果结构,但“把查询用在哪儿”“采纳哪些建议”“保留哪张图”这三步的可靠性远未解决。

一篇 arXiv 新论文发现,给工具调用型大模型 Agent 清理或改写历史记录,效果取决于“世界状态”是否已被修正——当环境里仍保留错误,把历史修饰得像已完成,反而可能让后续 Agent 表现更差。

arXiv 论文 Zugwise 提出把手写国际象棋记谱识别从“逐格读字+合法性检查”改为“整局重建”,利用国际象棋引擎的搜索与交换评估机制检测“合法但错误”的走法。目前仅为论文摘要,尚未核验全文实验与产品化状态。

一篇发表于 Hugging Face Papers 的论文研究了决策模型在长程 Agent 任务中扮演“演员、裁判、老师”三种角色时的差异,发现行动表现差的模型作为事后裁判和强化学习老师反而可能很有效。

PhysLoop 提出一套利用大模型物理知识来筛选、修正视频生成结果的框架,并开源 10 万段视频与两个评测数据集,尝试推动视频生成模型在物理一致性上的递归自我改进。

Relate 是一个面向 AI Agent 的开源嵌入式图数据库,通过 Cypher 查询和 MCP 接口让 Agent 读写连接数据,无需注册和部署服务器。它试图解决 Agent 的长期记忆与上下文关联问题,目前已在 Hacker News 获得关注。

Edge0于2026年11月12日开源145B参数模型Edge0-145B及统一推理框架,宣称在兼容笔记本上以约29GB峰值内存实现80+ tokens/s生成速度,试图让本地设备承担过去依赖云端的前沿模型任务。

Google 于 2026 年 11 月 12 日开始推送 Gemini 4 Hydrogen,免费用户也能在 Gemini 应用和 Google 搜索中用上。它接替 Gemini 3.8 Flash,官方称任务完成速度快 2.5 倍,并强化了指令遵循与代理安全。