標籤 AI 研究

Anthropic 擲硬幣實驗:86% 的專業判斷跟著 AI 走,當事人沒發現

TechMoon 精選圖:擲硬幣決定 AI 傾向後,分析決策沿著同一方向走,呈現專業判斷受到 AI 影響的研究概念。

Anthropic 對 50 位專業分析師做隨機對照實驗:AI 代理對每個沒有標準答案的分析決策誠實表態,86% 的選擇跟著它走,77% 的人事後沿用 AI 的論點卻只有 15% 承認來源,也沒有任何人懷疑偏好被植入。本文回官方研究頁與論文拆解數字的分母、對照組的讀法與研究限制,並整理可落地的獨立判斷保護做法。

ElevenLabs 語音代理研究:對話拉長,語音成功率反超文字

TechMoon 精選圖|語音與文字代理成功率概念圖:短對話文字領先,隨對話拉長,語音曲線反超文字

ElevenLabs 分析 469 個正式環境代理:對話不到一分鐘文字領先 8.7 個百分點,超過兩分鐘語音 45.4% 對 34.5%,相對增幅 31.7% 常被誤寫成百分點;成功案件 4.6 對 7 分鐘、90 個代理中 78% 語音較快,延遲觀察顯示 15 秒內掛斷從 21.1% 降到 3.8%。賣語音代理的公司公布對語音有利的數字,引用時要連分母與範圍一起搬。

L3G-World 研究:3D 高斯記憶讓生成的世界回頭不變樣

TechMoon 精選圖:相機路徑穿越由 3D 高斯斑點構成的生成世界,探索軌跡持續寫入空間記憶並擴張場景。

KAIST 團隊 10 月 29 日在 arXiv 公開 L3G-World,用可更新的潛在 3D 高斯記憶做世界生成:記憶隨走過的空間成長而不是隨影片長度膨脹,生成器讀記憶不再畫回圖片再重新壓縮,在單張 H100、480×832 加少步蒸餾跑到每秒 9.02 格;論文也載明僅支援靜態場景,程式與權重的釋出清單尚未勾選。

LOWN 視覺路由解碼:讓擴散式視覺模型只在需要時看圖

TechMoon 精選圖:LOWN 視覺路由解碼,讓擴散式視覺語言模型只在需要時看圖

KAIST 研究團隊的 LOWN 讓擴散式視覺語言模型在生成時自己判斷這一步要不要看圖:純文字預測與上次看圖結果一致就沿用,出現分歧才重讀。十項基準平均保留 LLaDA-V 99.6% 分數、解碼運算量降到 35.3%,實際生成時間平均少 57.4%;certificate 在演算法裡的意義、各基準差異與快取疊加的品質代價,是解讀這三組數字前要先對齊的量尺。

WeVisCut 9B 剪輯代理開源,把解說稿變多分鐘成片

TechMoon 精選圖:WeVisCut 9B 剪輯代理概念圖,小模型讀取狀態並選擇下一個動作,工具環境負責時間軸、鏡頭、旁白、素材軌道與驗收。

騰訊 WeChat Vision 團隊與西安電子科技大學於 2026-10-28 向 arXiv 提交 WeVisCut 論文,GitHub 程式與 Hugging Face 的 9B 權重也已開放:單一 Qwen3.5-9B 模型在 12 種剪輯工具的環境裡讀剪輯狀態、選下一個動作,把知識文章做成多分鐘解說影片。同工具環境測試五項指標平均 90.5、接近 Claude Opus 5 的 89.9,每成功成片一分鐘的決策 Token 約 2,377、約為對方的三十三分之一;論文另用原生系統比較給出每分鐘 0.09 美元的成本估計,兩組數字各自回答不同問題,不能互相換算。

RobotAgentBench 開源家用機器人評測:瓶頸移到規畫與執行的交接

TechMoon 精選圖:RobotAgentBench 概念圖,以規畫、執行與驗收的抽象接線路徑呈現同一組模型因架構不同而產生不同進度。

Aether AI 與加州大學聖地牙哥、戴維斯分校團隊開源 RobotAgentBench,把一個真實家庭擴建成 50 種模擬佈局、90 個原子任務與 4 種開放情境,用部分進度分數與停滯率量測家用機器人的自主性。論文表 1 顯示同一組 Codex 與 InternVLA-A1.5 用三種架構接線,五項能力平均從 23.3 拉到 48.5,開放情境榜首 15.4 是四種情境的進度平均而非家務成功率,瓶頸正在從操作能力移往規畫、執行與驗收的交接設計。

ScheduleGen 是什麼?NVIDIA 把多臂示範生成變成排程問題

TechMoon 精選圖:NVIDIA ScheduleGen 將多臂機器人示範生成轉成排程問題,兩支機械手臂沿協調時間表錯峰執行技能的抽象示意圖。

NVIDIA 與德州大學奧斯汀分校的 ScheduleGen 研究把多臂機器人的示範生成拆成兩層:接觸技巧沿用示範、轉場重新規畫,兩手何時等待或重疊交給混合整數線性規劃求解,排程本身也用 700 段固定路徑軌跡單獨驗證。79.6% 生成率、65.5% 策略成功率與真機 50–80% 各自量測不同的階段,直接互比會誤讀;程式碼未公開,是採用前最主要的邊界。

Share to...