推文

@Zen_with_AI · 2026-10-14 00:54

第1013期小路和你读AI论文。今日6篇高质量论文。 1. 𝗔𝗜 𝗠𝗼𝗱𝗲𝗹𝘀 𝗖𝗮𝗻 𝗣𝗿𝗼𝘃𝗮𝗯𝗹𝘆 𝗛𝗶𝗱𝗲 𝗔𝗿𝗯𝗶𝘁𝗿𝗮𝗿𝘆 𝗖𝗮𝗽𝗮𝗯𝗶𝗹𝗶𝘁𝗶𝗲𝘀（《AI模型可以被证明地隐藏任意能力》）链接：https://arxiv.org/abs/2610.13928 作者背景：Sumeet Ramesh Motwani, Christian Schroeder de Witt 等, University of Oxford（NeurIPS 2026 接收）用数字保险箱把加密神经网络嵌进模型权重，从密码学上实现任意计算的隐藏，白盒条件下基于触发的能力诱发仍然很难做到。能力评估默认隐藏能力可以被诱发，这篇在对抗条件下推翻了这个假设，还给出可复现的模型生物体。对AI安全、供应链审计和能力评估研究者来说，这是一条明确的理论与实证边界。 2. 𝗗𝗲𝘀𝗶𝗴𝗻𝗶𝗻𝗴 𝗣𝗿𝗼𝘁𝗲𝗶𝗻 𝗦𝘁𝗿𝘂𝗰𝘁𝘂𝗿𝗲𝘀 𝗳𝗿𝗼𝗺 𝗡𝗮𝘁𝘂𝗿𝗮𝗹 𝗟𝗮𝗻𝗴𝘂𝗮𝗴𝗲（《从自然语言设计蛋白质结构》）链接：https://arxiv.org/abs/2610.13917 作者背景：University of Washington, Allen Institute for AI (AI2), David Baker（HHMI）提出 Prompteina，首个支持用自然语言指定全局和残基级结构/功能目标的全原子蛋白质结构生成模型，并在湿实验中发现了针对 GM2A 的纳米摩尔级结合剂。现有蛋白质设计模型依赖专用输入表示，目标类型受限，自然语言接口降低了使用门槛，结合剂设计也超过基线。蛋白质工程和生成式生物研究者可以把它当作 text-to-structure 的参考点。 3. 𝗛𝘂𝗺𝗮𝗻𝗶𝘇𝗲 𝗢𝗹𝘆𝗺𝗽𝗶𝗮𝗱 𝗔𝗴𝗲𝗻𝘁𝘀: 𝗔 𝗠𝘂𝗹𝘁𝗶-𝗦𝗲𝘀𝘀𝗶𝗼𝗻 𝗪𝗼𝗿𝗸𝗳𝗹𝗼𝘄 𝗳𝗼𝗿 𝗢𝗹𝘆𝗺𝗽𝗶𝗮𝗱 𝗣𝗿𝗼𝗯𝗹𝗲𝗺 𝗦𝗼𝗹𝘃𝗶𝗻𝗴 𝘄𝗶𝘁𝗵 𝗦𝗼𝗹𝘃𝗲, 𝗥𝗲𝘃𝗶𝗲𝘄, 𝗪𝗶𝗸𝗶, 𝗩𝗲𝗿𝗶𝗳𝘆（《人性化奥赛代理：用求解、审查、Wiki、验证的多会话工作流解奥赛题》）链接：https://arxiv.org/abs/2610.13632 作者背景：NVIDIA, Tsinghua University, MIT, Amazon 等提出 HOA 多会话工作流，用独立审查、结构化 wiki 和 Lean 验证三个反馈通道协调代理，在 2026 年 IMO、IPhO、IOI 等奥赛和 PutnamBench 上拿到满分或接近满分。单会话代理做长程科学和奥赛任务很脆弱，会出现错误传播、知识缺失和任务弱化，系统化反馈明显缩小了开源与闭源模型的差距。推理和代理研究者可以把它当作长程可靠求解的实用流程参考。 4. 𝗥𝗦𝗜-𝗔𝗻𝘆𝘁𝗵𝗶𝗻𝗴: 𝗨𝗻𝗹𝗼𝗰𝗸𝗶𝗻𝗴 𝗥𝗲𝗰𝘂𝗿𝘀𝗶𝘃𝗲 𝗦𝗲𝗹𝗳-𝗜𝗺𝗽𝗿𝗼𝘃𝗲𝗺𝗲𝗻𝘁 𝘄𝗶𝘁𝗵 𝗪𝗼𝗿𝗹𝗱 𝗠𝗼𝗱𝗲𝗹𝘀（《RSI-Anything：用世界模型解锁递归自我改进》）链接：https://arxiv.org/abs/2610.13912 作者背景：Wanli Ouyang 等基于 JEPA-Anything 的域通用框架，用预测世界模型引导行动和学习数据的选择，让策略与世界模型一起递归自我改进，在代码修复、实验室规划和反应优化上都有实质增益。外部反馈昂贵，世界模型又会随策略演化而失效，这篇把世界模型当作自我改进的核心组件，实验室规划分数翻倍，反应产率超过贝叶斯优化。关注递归自我改进和科学代理的研究者值得优先读。 5. 𝗦𝗽𝗶𝗿𝗲𝗕𝗲𝗻𝗰𝗵: 𝗘𝘃𝗮𝗹𝘂𝗮𝘁𝗶𝗻𝗴 𝗟𝗼𝗻𝗴-𝗛𝗼𝗿𝗶𝘇𝗼𝗻 𝗦𝘁𝗿𝗮𝘁𝗲𝗴𝗶𝗰 𝗣𝗹𝗮𝘆 𝗼𝗳 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗠𝗼𝗱𝗲𝗹𝘀 𝘄𝗶𝘁𝗵 𝗦𝗹𝗮𝘆 𝘁𝗵𝗲 𝗦𝗽𝗶𝗿𝗲（《SpireBench：用杀戮尖塔评估代理模型的长程战略博弈》）链接：https://arxiv.org/abs/2610.12596 作者背景：Vector Institute, Radboud University / Donders Institute 以完整的商业卡组构建游戏《杀戮尖塔》为环境评估代理的长程战略推理，前沿模型接近普通人类，但远落后于专家，失败主要来自单场战斗表现和风险误判。现有代理基准多是短程或片段式，难以分开知识、推理和运气，这个不饱和的长程环境可以用来定位失败模式。代理与评估研究者可以拿它当长程战略能力的参考点。 6. 𝗥𝗔𝗧𝗘𝗗: 𝗥𝗲𝗹𝗶𝗮𝗯𝗶𝗹𝗶𝘁𝘆-𝗔𝘄𝗮𝗿𝗲 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁 𝗧𝗼𝗼𝗹 𝗥𝗲𝘁𝗿𝗶𝗲𝘃𝗮𝗹 𝘃𝗶𝗮 𝗘𝘅𝗲𝗰𝘂𝘁𝗶𝗼𝗻 𝗗𝘆𝗻𝗮𝗺𝗶𝗰𝘀（《RATED：基于执行动态的可靠性感知AI代理工具检索》）链接：https://arxiv.org/abs/2610.13889 作者背景：Texas Tech University（CIKM 2026 接收）把对比微调的双编码器和基于执行反馈的上下文 bandit 结合，先做语义匹配，再按动态可靠性重排序，在真实工具集上明显降低了故障选择率。工具检索是代理可靠运行的前置环节，现有方法忽略了执行时的可用性，这篇以极低的延迟开销应对动态故障，还引入了 EcoAgent 基准。做工具使用和代理系统的实践者可以直接参考它的轻量适应机制。

曝光 258 · 评论 1 · 点赞 2 · 书签 1 · 曝光/时 344.1673242660101