代码审查来了个AI语音裁判：Karpathy带火的技术再立一功
当Karpathy提出的Vibe Coding遇上代码审查，会擦出什么火花？这篇论文用Vibe Coding快速造了一个语音AI代码审查工具，还把它当"挑衅性原型"去研究开发者对AI反馈的信任与协作变化。方法不算深，但思路很妙，适合想低成本用AI做研究探针的同学读一读。
标签：AI应用
共 437 篇
五大AI角色围着人转：港科大把智能体开发从狂飙拉回正轨
AI编程智能体越跑越远，需求漂移、过程黑盒、发布甩锅怎么办？港科大（广州）提出的AppLooper，用多智能体协作+版本绑定证据链把整个开发流程钉死，让每一次变更都有据可查、有人负责。值得所有关心AI编程落地与可问责性的读者一读。
ACM MM接收方案：音频伪造检测冲上96.1%的秘诀
音频深度伪造早已不止"语音换脸"——环境声、歌声、音乐都能被AI伪造。这篇ACM Multimedia 2026挑战赛总结，双赛道评测方案与冠军系统一次讲清，音频安全和AI信任方向的从业者值得细读。
中科大新框架：跨表推理成功率暴涨6.9%，表格Agent告别"摊大饼"
表格处理向来是大模型的"老大难"：好好的二维表格，硬被拍扁成Markdown字符串，跨表联动全靠蒙。中科大这篇最新研究提出SheetCompass，用层次关系图还原表格的空间结构，配合多智能体协作推理，三大基准全面超车——这波操作，属实有点东西。
史前手印性别识别不再靠猜！三角验证框架准确率达88%
把不确定性当成信号而非噪声，用深度学习让万年手印“开口说话”。这套三角验证框架不仅给出预测，还告诉考古学家“这句结论到底有几分把握”。想看看AI和考古学怎么擦出火花？这篇值得一读。
SIGCSE 2025：四年800题，答案直接生成评分器
编程教育里最耗人精力的不是写题，而是给题配自动评分器。这篇SIGCSE 2025论文换个思路：让参考答案直接生成评分器，四年近800道题、百万级提交验证过的方案。做编程教育、在线测评、想提升出题效率的都值得一读。
硅谷大学最新研究：AI民主化游戏开发，玩法变了还是完了？
一边是游戏巨头裁员4.4万人，另一边是Steam上独立游戏数量翻倍暴增——AI到底把游戏行业带向了哪里？本论文用硬核数据告诉你：做游戏的成本确实被打下来了，但一个更大的危机，正在悄悄逼近。
GPT-5.1被曝"清醒但沉默"：识别出精神问题却不建议求助
AI精神病这个风险，大多数安全评测根本发现不了——单轮测试看每条回答都"正常"，30天连续对话却可能亲手养大一套妄想。这篇论文首次用15款主流模型×30天×4位评估员的纵向设计，把幻觉式共谋拆成了四种可量化的轨迹，值得每个做大模型安全的人细品。
法国里昂大学新发现：多股射流冲击造出“倒置穹顶”
别被“多重调和Fock空间”这串术语吓退。这篇论文做了一件很痛快的事：把Toeplitz算子是否落入Schatten类的判定，等价成一个“球内测度质量可积”的几何条件，顺手解决了同行留下的猜想，还证明常数2^p是最优的。数学之美往往就在于：一个模糊的直觉，被证明钉死成精确的结论。
2.5%干预代价换取53%碰撞减少，KAUST新范式
自动驾驶这事儿，有个特别拧巴的现象：你看那些端到端大模型，在 benchmark（标准测试基准）上跑分一个比一个高，可一放到真实世界里，偶尔会像个刚拿驾照的新手一样，干出些让人血压飙升的事儿——比如老老实实闯个红灯，或者。
微软研究院新作：LLM扩缩容告别“整模型复制”，GPU最高省36.3%
大模型推理集群的GPU浪费有多严重？这篇来自微软研究院、莱斯大学的系统论文，把扩缩容的“最小颗粒度”从整个模型打碎到单个算子，用毫秒级弹性换回最高36.3%的GPU节省，在A100和GB200集群上都验证了效果。做LLM infra的读者值得细读。
声学干扰不再愁：UCLA频带特征让推荐准确率飙升18个点
传感器协同跟踪的老问题：摄像头这类高成本传感器，到底该让哪几个节点开机？UCLA这篇论文把“选传感器”当成“做推荐”，用双塔MLP加声学频带特征，在真实外场干扰环境下把命中率从80.4%拉到98.4%，每次决策的在线计算只要约1毫秒。思路跨界又好落地，值得一读。
