AI 新闻日报 - 2026年10月1日

AI 新闻日报 - 2026年10月1日

今日共收录 14 条 AI 相关资讯

最新论文 (arXiv)

  • Improving OCR Faithfulness via Gated and Attenuated On-Policy Distillation（通过门控与衰减的在线策略蒸馏提升 OCR 保真度）
    Baode Wang, Zuming Huang, Kexuan Ren, Jun Huang, Wei Chu | 针对视觉语言模型倾向于把图像中的异常文字「改写成通顺表达」从而破坏 OCR 忠实度的问题，指出固定教师模型的监督会随学生变强而逐渐失效，提出门控与衰减的在线策略蒸馏方法来动态调节教师指导强度。

  • AREX-2: Advancing Self-Improving Agents through Long-Horizon Reflective Tasks（AREX-2：通过长程反思任务推进自改进智能体）
    Hongjin Qian, Chaofan Li, Kun Luo 等 | 把智能体的「自改进」拆成反思（产出更好解）与长程执行（让迭代在多轮后仍有效）两种能力，并据此构建训练方案，提升模型在测试时反复精化解的能力。

  • MoFlow: Multi-Objective Agentic Workflow Generation（MoFlow：多目标智能体工作流生成）
    Yining Lu, Aurelie Lozano, Xi Yang, Naoki Abe, Yu Deng, Meng Jiang | 现有工作流生成方法只优化准确率或固定加权和，偏好一变就得重训；MoFlow 生成能同时兼顾准确率、成本、延迟、鲁棒性与一致性的工作流，并支持按需切换权衡。

  • CARAT: Do Materials LLMs Reason or Recite?（CARAT：材料大模型是在推理还是在背诵？）
    Jiajun Wu, Jian Yang, Zixiang Ni, Zhenzhu Li, Bin Chong | 指出材料领域大模型的准确率无法区分「真的从结构推理」与「照抄输入里已打印的答案」，通过固定问题与金标答案、构造八种匹配视图的对照实验来分离推理与背诵。

  • Beyond Mode Collapse: Generating Diverse Synthetic Expert Conversations via Generative Flow Networks（超越模式坍塌：用生成流网络生成多样化的合成专家对话）
    Sumit Asthana, Michael Ion, Kevyn Collins Thompson | 直接提示大模型生成的合成对话往往多样性低、塌缩到少数主导模式，作者改用 GFlowNet 来采样多样且高质量的合成专家对话数据，用于后训练。

  • Self-Evolving Harness on Multiple Tasks with the Agent as Its Own Optimizer（让智能体做自己的优化器：多任务上的自进化脚手架）
    Qiankai Xu | 自进化脚手架此前多依赖独立的提议器与人工设计的评测器，本文改为让智能体自身充当优化器，在多个任务上迭代改进围绕自己的提示、工具调用与上下文管理代码。

  • Aligned Data Can Induce Misalignment via Context Confusion（对齐数据会因上下文混淆而诱发失准）
    Yavuz Bakman, Duygu Nur Yaldiz, Baris Askin 等 | 指出对齐本质上是上下文相关的——过滤掉「失准样本」并不够，单看对齐的数据在迁移到新上下文后仍可能引发失准，揭示了更新后对齐失效的一条隐蔽路径。

  • Decode-Latency Feedback Prefill: A Model-Free Controller and Its Generalization Limits（解码延迟反馈预填充：一个无模型控制器及其泛化边界）
    Gaurav Agarwal, Ashish Garg, Isha Singhal | 针对并发自回归推理中「预填充长提示会拖慢正在解码的请求」这一干扰问题，提出无需建模的控制策略按解码延迟动态调整预填充分块大小，并分析了它的泛化边界。

海外讨论 (Hacker News)

今日 AI 要闻速览

今天的讨论热度被两条产品级消息占据：谷歌 Gemini 4 Argon 与 OpenAI 的 Dots 常驻智能体，前者以 1361 点、872 条评论成为今日绝对焦点，后者的「always-on」定位则把智能体从"按需调用"推向"持续在线"。学术侧的主线是智能体的自我进化——从 AREX-2 的长程反思、到让智能体自己当优化器的自进化脚手架、再到优化准确率/成本/延迟多目标权衡的工作流生成，研究方向高度一致：让模型在测试时反复迭代而非一次成型。另一条并行的线是评测可信度，CARAT 质疑材料大模型的成绩究竟是推理还是背诵，AI 生成数学成果的「负责任发布」也在 HN 引发了 118 条评论，说明社区对"分数是否代表真实能力"的焦虑在上升。安全方面，两篇论文分别从上下文混淆导致对齐失效、以及智能体间相互激进化两个角度切入，提示对齐并非一次训练就能一劳永逸。

posted @ 2026-10-01 17:01  Verstin  阅读(61)  评论(0)    收藏  举报