研究前沿
共 38 篇 · 第 1/2 頁
何靜以 AIGC 短片回應謠言，北航副教授的輿論實驗與學術爭議
北京航空航天大學副教授何靜因 Bilibili 課程片段爆紅，播放量突破兩百萬，引發學歷與產出效率爭議。
2026-08-16 · 5 分鐘-
Jeff Dean 率三位長期夥伴創辦 Discovery Loop，要讓機器自動化科學研究本身
2026 年 8 月 5 日，Jeff Dean、Sanjay Ghemawat、Oriol Vinyals、Quoc Le 四人宣佈共同創辦 Discovery Loop，組織形態為 Public Benefit Corporation（公益企業）。
-
AI 燒錢撞牆！從 Token 狂燒到電網路卡死，AI 基礎建設爆結構性危機
2026 年中，企業 AI 支出面臨嚴重轉化率問題，研究指出每 1 美元 AI 花費中僅 18 美分進入生產環境，其餘消耗於除錯與重寫，Uber 高管亦公開質疑 AI 投資報酬率。
-
WAIC 六小龍同台互撕？技術分歧背後：各家捍衛的底線抉擇
7 月 19 日，WAIC 六家世界模型技術負責人同台，從物理理解標準到長程推演，幾乎每個問題都在分歧中收場。這場對談的看點不在於誰輸誰贏，而是每條分歧背後，各家技術路線正在捍衛的底線。
-
不鎖定 OpenRouter Provider，你的模型評測可能只是在比路由運氣
2026 年 7 月 23 日，LessWrong 一篇研究披露，32 個具影響力的 AI 安全研究程式庫中，31 個（97%）未以安全方式使用 OpenRouter，未鎖定特定服務商。
-
特教 AI 進軍四線城市：一家康復機構利潤增長 40% 背後的結構性缺口
大米和小米推出的 RICE AI 系統讓河南平頂山向日葵康復機構在 2026 年上半年利潤同比增長 40%，評估出方案時間從 2-3 天壓縮至 2-3 小時，效率提升超過 10 倍。
-
Claude 的「個性」沒有統一版本：模型與語言都在悄悄改變它
Anthropic 分析 309,815 段真實對話後發現，Sonnet 4.6、Opus 4.7、Opus 4.6 三個模型版本的溝通風格明顯不同：Sonnet 4.6 最暖且回應最短，Opus 4.7 最坦率謹慎，Opus 4.6 最傾向直入重點。
-
ByteDance 發表 Seedance 2.5 狂飆生成力：單次直出 30 秒影片，180 秒長片測試開跑
ByteDance 於 2026 年 6 月 23 日發布 Seedance 2.5，標準模式可單次生成 30 秒影片，並提供 180 秒長影片測試版，大幅超越前代 15 秒限制。
-
字節跳動 Seedance 2.5 傳最快下週登陸 CapCut，長片模式狂飆至 180 秒
testingcatalog 於 7 月 4 日轉述 @MarsForTech 透過 DevMode 流出的訊息：字節跳動旗下 Dreamina Seedance 2.5 影片生成模型，預計最快下週在 CapCut 及合作 App 上線，標準模式每段最長 30 秒，另附帶 beta 長片模式，可生成最長 180 秒的連續影片。
-
Agent 時代需要什麼樣的資料庫：從湖庫一體看 AI-native 架構的收斂
2026 年 7 月 1 日，OceanBase CTO 楊傳輝在量子位撰文指出，AI 正同時改變資料庫的三個維度：使用者從應用程式擴到自主 Agent、資料從結構化擴到多模態、工作負載從事務/分析擴到搜尋與上下文工程。
-
Planet Labs 把 AI 推論搬上軌道，Pelican-4 搭 Nvidia Jetson Orin 0.5 秒辨識十餘架飛機
Planet Labs 的 Pelican-4 衛星在 3 月 25 日從距地約 500 公里的低地球軌道，拍攝澳洲愛麗斯泉（Alice Springs）機場影像後，直接以機載 Nvidia Jetson Orin 模組執行推論，0.5 秒內辨識出十餘架飛機，原始影像下的準確率達 80%。
-
狀態與動作聯合訓練：Matrix-Game 3.5 的核心賭注
2026 年 6 月 13 日，昆侖萬維 Skywork 首席科學家劉揚在北京智源大會首次公開 Matrix-Game 3.5 技術細節，計畫同年 7 月正式發布並附帶完整技術報告。
-
還原畫素背後的真實：LeCun 論文給世界模型一個可量化的成立條件
2026 年 6 月 14 日，alphasignal_x 轉述 Yann LeCun（AMI Labs 共同創辦人兼執行主席）新論文：LeJEPA 能從原始畫素還原真實隱變數，實驗規模涵蓋 2D 到 1024 維空間。
-
Oxford／Technion／AITHYRA／NVIDIA 提出 KV-CAT：訓練期遮罩 KV 槽，讓事後壓縮效率從根提升
2026 年 6 月 14 日，Oxford、Technion、AITHYRA 與 NVIDIA 的研究團隊公開論文，提出 KV-Compression Aware Training（KV-CAT），一套在持續預訓練（continued pretraining）階段就強迫 Transformer 學會「以稀疏記憶運作」的訓練方法。
-
Agent 身分的基礎設施缺口：靜態授權對動態 Agent 為何行不通
2026 年 6 月 14 日，具身分安全背景的研究者公開指出：AI agent 的認證與授權標準仍在制定中，但各廠商技術實作已快速鋪開，標準確立前的搶先部署正在累積碎片化風險。
-
不改一個權重，讓舊模型多想幾步
2026 年 6 月 13 日，論文「Training-Free Looped Transformers via Numerical ODE Integration」提出免 fine-tune 方案，讓凍結的語言模型在推理期間多走幾輪計算。
-
FIFA × Adidas × Lenovo 在 2026 世界盃上線多套即時 AI 推論：10 cm 越位警示直推裁判耳機、感應球每秒 500 次回報
2026 年世界盃於 6 月 11 日在墨西哥城開幕，FIFA 同步部署多套即時 AI 推論系統，貫穿裁判判決、轉播製作與戰術分析三個層面，且均為生產環境上線，不是賽前 demo。
-
避開硬體綁定運算元：SwiftVR 的部署路線選擇
生成式影片修復要做到即時，模型品質往往不是最難的關卡。難的是把模型搬上消費級 GPU 時遇到的兩道牆：高解析度下注意力計算量隨空間大小平方成長，以及大型影片自動編碼器的記憶體峰值。現有 one-step diffusion（單步擴散）修復方案在這兩點上都卡得很痛。
-
清華、中山、NUS 把壓縮重做一遍：生成式先驗模型，地球觀測資料最高縮 10,000 倍不失科學價值
清華大學、中山大學與新加坡國立大學（NUS）研究人員提出一套生成式壓縮框架，以地球長期重複觀測歷史作為先驗，按需達成 100 至 10,000 倍資料縮減，同時保留科學分析所需的資訊量。核心轉變是：壓縮從儲存後處理，成為基礎模型的主動能力層。
-
JHU、MIT、Google 揭 ThoughtTrace：前沿 LLM 猜不透使用者意圖，個性化助理缺的是「內心獨白資料」
Johns Hopkins、MIT 與 Google Research 研究團隊推出 ThoughtTrace，首個將真實人機對話配對使用者自述想法的大規模資料集，同步記錄使用者「為何發出這個 prompt」以及「看到回覆後有何反應」。
-
繞開整合地獄：Apple 用 vision LLM 重押 Siri AI 的技術路線
WWDC 2026 的 Siri AI 公告，最值得細看的不是功能清單，而是 Apple 選擇了哪條技術路，以及為什麼偏偏是現在。
-
RoPE 的位置增量不必固定為 +1，而這件事讓模型開口說話了
3/ 可解釋性的角度：這可以當作 attention map 之外的第二個探針。attention 告訴你模型「在看哪個 token」，位置增量告訴你模型「認為這些 token 有多遠」。兩者量的是不同維度，理論上能互補而非替代。
-
港中大聯手華為重構語音輸入表徵，TextPro-SLM 在 3B/7B 兩尺度達目前最低 modality gap
香港中文大學與華為研究人員提出 TextPro-SLM，把縮小語音-文字模態差距的主戰場從輸出端移到輸入端。他們設計統一語音編碼器，同步抽取文字 tokens 與韻律嵌入（prosody embeddings），讓語音輸入在進語言模型之前就更接近文字表徵。
-
教原理還是示範行為？Anthropic SDF 的對齊實驗與自駕車驗證方法的交集
Anthropic 近期公開了一項訓練實驗的細節，結論有些反直覺：要讓大型語言模型在對齊上表現更好，示範「正確行為」的效果，遠不如教它「為什麼這樣做是對的」。這套做法被稱為 SDF，具體操作是把憲法檔案與虛構故事混入預訓練的 next-token 預測任務，不靠強化學習（RL）塑形行為。