代码生成｜中科院大作：安全测试当规范，结构化反馈零回归修复80个
大模型生成的代码能跑就算完？一测就出安全漏洞的场面见过太多。这篇论文把安全测试当“可执行规范”提前塞给模型，2705条轨迹实测：隐藏的联合成功率平均涨19.3个百分点，但也有模型越看测试越翻车。机制级严谨、工程级实用，值得细读。
标签：AI应用
共 437 篇
GPT-5.4也翻车？港科大（广州）新基准：长文档重建关系数据库，F1仅75
当业界还在用单表抽取评测文档理解时，港科大（广州）团队直接抬高了门槛——Doc2DB-Bench要求从长文档里重建完整的关系数据库，边从表格到数据库：为什么文档理解需要新范式 先看一个真实场景：一份几十页的金融报告，里面写了好几家公司的现金流数据、股权关系、投资链路。传统做法是让大模型把里面的公司名称、金额、年份挨个抠出来，填进一张大表里完事。
港大清华开源XPolicyLab：42个机器人策略一套接口打通，集成效率提升10倍
机器人领域最缺的不是新模型，而是让模型跑起来的"标准化插头"。港大MMLab与清华联合开源的XPolicyLab，把N个策略连M个环境的成本从O(NM)压到O(N+M)，实测集成时间从5小时干到30分钟，是真实工程痛点的一记重拳。
最新行业共识：95%的短期实验不用等长期，方向竟然不会反？
产品改动上线一周，数据一片大好，结果三个月后用户却跑光了——这是所有在线平台最怕的“短期好看、长期翻车”。这篇由Pinterest、Netflix、Meta等15家平台26位专家联名总结的行业共识，把短期实验推断长期效果的坑和招一次讲透，值得每个做增长、做策略的人收藏。
南洋理工最新：AI代理“自我投毒”，93%成功率绕过所有防御
这可能是第一篇系统研究“AI代理自我投毒”的论文：攻击者不注入任何恶意外部输入，只靠模型自己在正常任务里“写”出带毒的技能文件，就能让隐私泄露、提权、越权写入在后续任务中自动触发，在OpenClaw、Codex、Claude Code上平均攻击成功率超93%。对做AI Agent安全和部署的同学来说，这篇值得细读。
告别手动标注！CVPR 2026论文提出PPD，让SAM提示词越战越准
为什么值得读？CVPR 2026最佳论文荣誉提名作品，把“攻击-防御”对抗博弈引入SAM提示词优化——用攻击者主动制造干扰，逼出能抗干扰的提示词优化器，全程无需下游任务标注，即插即用，医学图像上最多涨超15个百分点。思路清奇，值得一看。
SPINN跨入李群时代：水下机器人导航成功率65%→90%
水下机器人在港口干活，洋流、缆绳、尾波全是不讲道理的随机扰动。这篇论文把随机物理信息神经网络搬上李群，用欧拉-庞加莱动力学做骨架，让模型既懂物理又懂几何，仿真到实测一步到位，把MPPI导航成功率从65%拉到90%，是随机动力学建模难得的完整落地案例。
英意团队新研究：触屏遥操作耗时直降53.5%，比拼摇杆更精准
摇杆遥操作机器人一直是“手残党劝退”重灾区：按钮全靠背，速度控制全凭手感。这篇论文直接把手指滑动变成机械臂运动，20人跨国实测完成时间直降53.5%，认知负荷也压了下来。想少练“手劲”的核工业接班人，值得一看。
Meta最新研究：LLM Agent让用户一句话重塑信息流，反感内容直降2.74%
Meta在RecSys 2026上放了颗实弹：用LLM Agent把推荐系统从"被动猜你喜欢"变成"用户实时说了算"。三层架构干净利落，离线准确率98.85%，线上A/B负面反馈同时下降，是目前少见的工业级对话推荐实战样本，搞推荐的同学值得一读。
ICSME 2026实证：VRT查出18.5%非样式缺陷
视觉回归测试（VRT）天天在跑，可它对开发者讨论和合并流程到底有什么影响？这篇ICSME 2026实证研究挑出307个VRT关联PR，给出硬核数据：合并中位时间长3.8倍、评论多10倍、代码改动放大数倍，还挖出近两成非样式性缺陷。想搞懂VRT真实价值与工程代价的开发者，值得一读。
苹果谷歌联手开源：16B扩散模型6层线性化，推理提速1.73倍
大模型推理贵、响应慢，一直是落地最扎心的痛点。苹果、谷歌DeepMind、哈佛这次联手给16B扩散语言模型LLaDA 2.1动了场小手术：6层注意力换成线性版本，只训练约60小时就换来最高1.7倍解码加速，代码已开源。扩散模型也能线性化，这波操作值得细品。
Meta最新研究：云边协同语音增强，仅增1.5%参数提升3.77dB
戴智能眼镜开电话会，周围人声嘈杂听不清？边缘小模型算力不够，云端大模型又太慢——Meta这次让云边“组队打怪”，边缘只加1.5%参数就能蹭到云端大模型的“听力”，在64毫秒延迟下硬是把语音增强的SI-SDR拉高了3.77dB。真·云边协同新范式，值得一看。
