AI代理文件协议实现跨模型协作共识
一个名为“agent-talk”的开源项目提出了一种新颖的AI代理协作方式：两个代理通过共享一个Markdown文件轮流编辑，无需服务器或框架，直到达成共识。该协议定义了一套简单规则：一个代理启动会话，另一个加入，双方交替修改同一份文档，最终收敛为最终答案。它支持Claude Code、Codex、Grok等任何能读写文件的模型，并具备超时机制避免死循环。与传统的对话日志不同，整个会话过程实时演变为一份可交付的文档，而非累积的聊天记录。项目已在生产环境中用于处理代码分支分歧、任务交接等场景，并采用MIT许可证开源。 #AI代理 #文件协议 #开源 #协作 #大模型 #consensus #agent-talk #Markdown #跨模型
一个名为“agent-talk”的开源项目提出了一种新颖的AI代理协作方式：两个代理通过共享一个Markdown文件轮流编辑，无需服务器或框架，直到达成共识。该协议定义了一套简单规则：一个代理启动会话，另一个加入，双方交替修改同一份文档，最终收敛为最终答案。它支持Claude Code、Codex、Grok等任何能读写文件的模型，并具备超时机制避免死循环。与传统的对话日志不同，整个会话过程实时演变为一份可交付的文档，而非累积的聊天记录。项目已在生产环境中用于处理代码分支分歧、任务交接等场景，并采用MIT许可证开源。 #AI代理 #文件协议 #开源 #协作 #大模型 #consensus #agent-talk #Markdown #跨模型
Rust 项目采用 LLM 使用政策，规范 AI 辅助贡献
Rust 项目下五个团队近日通过了一项由作者起草的 LLM 使用政策，规范在 rust-lang/rust 单仓库中贡献时如何使用大语言模型。该政策并非官方立场，也非全项目适用，而是针对特定目的制定。随着 LLM 被用于生成代码、翻译消息、分析 RFC 等，社区出现了虚假贡献信号、PR 数量激增、评审负担加重等问题。原有的非正式渠道和审核规则缺乏透明度，新政策将规则公开化，使新贡献者明确合规方式，同时为评审者提供关闭不合规 PR 的明确依据。政策强调，LLM 生成的精美代码不再代表贡献者的实际投入和理解，也削弱了长期留存的可能性。目前 rust-lang/rust 有超过 1281 个未关闭 PR，评审压力巨大，新政策旨在平衡效率与社区协作质量。 #Rust #LLM #开源 #政策 #AI #编程语言 #代码审查 #社区治理
Rust 项目下五个团队近日通过了一项由作者起草的 LLM 使用政策，规范在 rust-lang/rust 单仓库中贡献时如何使用大语言模型。该政策并非官方立场，也非全项目适用，而是针对特定目的制定。随着 LLM 被用于生成代码、翻译消息、分析 RFC 等，社区出现了虚假贡献信号、PR 数量激增、评审负担加重等问题。原有的非正式渠道和审核规则缺乏透明度，新政策将规则公开化，使新贡献者明确合规方式，同时为评审者提供关闭不合规 PR 的明确依据。政策强调，LLM 生成的精美代码不再代表贡献者的实际投入和理解，也削弱了长期留存的可能性。目前 rust-lang/rust 有超过 1281 个未关闭 PR，评审压力巨大，新政策旨在平衡效率与社区协作质量。 #Rust #LLM #开源 #政策 #AI #编程语言 #代码审查 #社区治理
2026 中国 AGI 创新影响力机构 TOP 30 榜单发布
近日，智源社区发布“2026 中国 AGI 创新影响力机构 TOP 30”榜单。过去一年，AI 行业重心回归模型创新，DeepSeek 从 R1 升级至 V4，开源与闭源模型能力差距显著缩小；智谱、MiniMax 登陆港交所，成为全球首批上市大模型公司；Kimi 发布 2.8 万亿参数 K3，Qwen 持续多尺寸多模态开源。行业变革已超越模型层，Coding Agent 大规模落地，vibe coding 等新范式兴起，AI 正加速向工程化、产品化和场景化纵深发展，技术价值日益体现在实际生产力提升与生态协同中。 #AGI #人工智能 #大模型 #智源社区 #DeepSeek #智谱 #MiniMax #Kimi #Qwen #行业榜单
近日，智源社区发布“2026 中国 AGI 创新影响力机构 TOP 30”榜单。过去一年，AI 行业重心回归模型创新，DeepSeek 从 R1 升级至 V4，开源与闭源模型能力差距显著缩小；智谱、MiniMax 登陆港交所，成为全球首批上市大模型公司；Kimi 发布 2.8 万亿参数 K3，Qwen 持续多尺寸多模态开源。行业变革已超越模型层，Coding Agent 大规模落地，vibe coding 等新范式兴起，AI 正加速向工程化、产品化和场景化纵深发展，技术价值日益体现在实际生产力提升与生态协同中。 #AGI #人工智能 #大模型 #智源社区 #DeepSeek #智谱 #MiniMax #Kimi #Qwen #行业榜单
NANQ：面向模拟存内计算的噪声感知混合精度非均匀量化方法
arXiv上近日公开了一篇题为《NANQ: Noise-Floor-Aware Mixed-Precision Non-Uniform Quantization for Analog Compute-in-Memory》的论文。该研究由Yizhe Chen等人完成，提出了一种针对模拟存内计算（CIM）硬件的新型量化技术。模拟CIM由于噪声底限的存在，传统均匀量化精度受限。NANQ方法通过感知噪声底限，采用混合精度非均匀量化策略，在保持模型精度的同时显著降低硬件开销。实验表明，该方法在多个神经网络任务上优于现有量化方案，为模拟存内计算的实际部署提供了有效路径。 #论文 #AI #量化 #模拟计算 #存内计算 #神经网络 #芯片 #硬件
arXiv上近日公开了一篇题为《NANQ: Noise-Floor-Aware Mixed-Precision Non-Uniform Quantization for Analog Compute-in-Memory》的论文。该研究由Yizhe Chen等人完成，提出了一种针对模拟存内计算（CIM）硬件的新型量化技术。模拟CIM由于噪声底限的存在，传统均匀量化精度受限。NANQ方法通过感知噪声底限，采用混合精度非均匀量化策略，在保持模型精度的同时显著降低硬件开销。实验表明，该方法在多个神经网络任务上优于现有量化方案，为模拟存内计算的实际部署提供了有效路径。 #论文 #AI #量化 #模拟计算 #存内计算 #神经网络 #芯片 #硬件
基于归因可分离性的解释器稳定性测量方法论文发布
近期，一篇题为《Measuring Explainer Stability via Attribution Separability》的论文在arXiv预印本平台上线，作者为Eddie Conti等。该论文聚焦于机器学习模型可解释性领域，提出了一种通过归因可分离性（Attribution Separability）来量化解释器稳定性的新方法。解释器稳定性是评估模型解释结果可靠性的关键指标，现有方法往往难以准确衡量。该研究通过引入归因可分离性概念，为解释器稳定性提供了更鲁棒的测量手段，有助于提升AI模型的可信度与透明度。论文已通过DataCite获得arXiv编号，处于待注册状态，并提供PDF及HTML版本供学术社区查阅。 #arXiv #可解释性AI #归因可分离性 #解释器稳定性 #机器学习 #AI安全 #论文
近期，一篇题为《Measuring Explainer Stability via Attribution Separability》的论文在arXiv预印本平台上线，作者为Eddie Conti等。该论文聚焦于机器学习模型可解释性领域，提出了一种通过归因可分离性（Attribution Separability）来量化解释器稳定性的新方法。解释器稳定性是评估模型解释结果可靠性的关键指标，现有方法往往难以准确衡量。该研究通过引入归因可分离性概念，为解释器稳定性提供了更鲁棒的测量手段，有助于提升AI模型的可信度与透明度。论文已通过DataCite获得arXiv编号，处于待注册状态，并提供PDF及HTML版本供学术社区查阅。 #arXiv #可解释性AI #归因可分离性 #解释器稳定性 #机器学习 #AI安全 #论文
PatTree：自动创建多模态图结构患者表示的新方法助力医学分类
近日，一篇题为《PatTree：一种用于医学分类任务的自动创建多模态、图结构患者表示的新方法》的论文在arXiv预印本平台发布。该研究由Julia Gehrmann等作者提出，旨在解决医学领域多模态数据整合与分类的难题。PatTree方法通过自动化构建基于图的患者表示，将影像、文本、基因等多模态信息融合为结构化图模型，从而提升疾病诊断、预后预测等医学分类任务的准确性与可解释性。该方法有望为临床决策支持系统提供更高效、更可靠的技术工具，推动医疗人工智能向实用化迈进一步。 #医学AI #多模态学习 #图神经网络 #患者表示 #论文 #arXiv #医疗分类
近日，一篇题为《PatTree：一种用于医学分类任务的自动创建多模态、图结构患者表示的新方法》的论文在arXiv预印本平台发布。该研究由Julia Gehrmann等作者提出，旨在解决医学领域多模态数据整合与分类的难题。PatTree方法通过自动化构建基于图的患者表示，将影像、文本、基因等多模态信息融合为结构化图模型，从而提升疾病诊断、预后预测等医学分类任务的准确性与可解释性。该方法有望为临床决策支持系统提供更高效、更可靠的技术工具，推动医疗人工智能向实用化迈进一步。 #医学AI #多模态学习 #图神经网络 #患者表示 #论文 #arXiv #医疗分类
输出感知旋转：INT2 KV
近日，一篇题为《Output-Aware Rotation for INT2 KV-Cache Quantization》的论文在arXiv上发布。该研究由Vincent-Daniel Yun等六位作者共同完成，提出了一种针对大语言模型推理过程中KV-Cache的INT2量化新方法——输出感知旋转。传统量化方法在极低比特（如INT2）下会导致严重的精度损失，而该方法通过引入输出感知的旋转操作，有效降低了量化误差，在不显著牺牲模型性能的前提下大幅压缩了KV-Cache的内存占用。实验表明，该技术能够在保持模型输出质量的同时，实现更高效的内存利用，为大型语言模型的部署与推理优化提供了新的思路。 #论文 #量化 #KV-Cache #LLM #AI #压缩技术 #INT2 #机器学习
近日，一篇题为《Output-Aware Rotation for INT2 KV-Cache Quantization》的论文在arXiv上发布。该研究由Vincent-Daniel Yun等六位作者共同完成，提出了一种针对大语言模型推理过程中KV-Cache的INT2量化新方法——输出感知旋转。传统量化方法在极低比特（如INT2）下会导致严重的精度损失，而该方法通过引入输出感知的旋转操作，有效降低了量化误差，在不显著牺牲模型性能的前提下大幅压缩了KV-Cache的内存占用。实验表明，该技术能够在保持模型输出质量的同时，实现更高效的内存利用，为大型语言模型的部署与推理优化提供了新的思路。 #论文 #量化 #KV-Cache #LLM #AI #压缩技术 #INT2 #机器学习
GLOBE：轨迹对齐梯度匹配与结构化稀疏优化实现核心集高效选择
arXiv 上最新发布的一篇论文提出了 GLOBE 方法，用于解决机器学习中的核心集选择问题。核心集选择旨在从大规模数据中筛选出最具代表性的子集，以降低训练开销而不损失模型性能。现有方法常忽略数据间的结构化稀疏特性，导致所选子集信息冗余。GLOBE 通过引入轨迹对齐的梯度匹配机制，确保所选子集在训练过程中能模拟全量数据的梯度变化，同时结合结构化稀疏优化，进一步剔除冗余样本。实验表明，在多个基准数据集上，GLOBE 在保持分类精度的前提下，将训练数据量压缩至原来的 10% 以下，且在模型收敛速度和泛化能力上优于现有方法。该研究为高效训练大模型提供了新的数据筛选思路。 #核心集选择 #机器学习 #GLOBE #梯度匹配 #结构化稀疏 #数据筛选 #arXiv论文 #AI研究
arXiv 上最新发布的一篇论文提出了 GLOBE 方法，用于解决机器学习中的核心集选择问题。核心集选择旨在从大规模数据中筛选出最具代表性的子集，以降低训练开销而不损失模型性能。现有方法常忽略数据间的结构化稀疏特性，导致所选子集信息冗余。GLOBE 通过引入轨迹对齐的梯度匹配机制，确保所选子集在训练过程中能模拟全量数据的梯度变化，同时结合结构化稀疏优化，进一步剔除冗余样本。实验表明，在多个基准数据集上，GLOBE 在保持分类精度的前提下，将训练数据量压缩至原来的 10% 以下，且在模型收敛速度和泛化能力上优于现有方法。该研究为高效训练大模型提供了新的数据筛选思路。 #核心集选择 #机器学习 #GLOBE #梯度匹配 #结构化稀疏 #数据筛选 #arXiv论文 #AI研究
研究团队提出从细胞表型学习分子表征的结构保持方法
近日，一篇发表在arXiv上的论文提出了一种名为“从细胞表型学习分子表征并保持结构”的新方法。该方法旨在利用细胞表型数据（如高内涵成像）来学习分子表征，同时保留分子的结构信息。传统分子表征学习多依赖化学结构或分子指纹，而细胞表型能够反映分子在生物系统中的功能影响，但往往在表征学习过程中丢失结构细节。该研究通过引入结构保持约束，使得学习到的分子表征既包含细胞表型的功能信息，又保留化学结构的关键特征，从而提升在药物发现、靶点预测等任务中的性能。实验表明，该方法在多个基准数据集上优于现有方法，为分子表征学习提供了新的生物导向视角。 #分子表征 #细胞表型 #结构保持 #药物发现 #深度学习 #AI #生物信息学 #arXiv
近日，一篇发表在arXiv上的论文提出了一种名为“从细胞表型学习分子表征并保持结构”的新方法。该方法旨在利用细胞表型数据（如高内涵成像）来学习分子表征，同时保留分子的结构信息。传统分子表征学习多依赖化学结构或分子指纹，而细胞表型能够反映分子在生物系统中的功能影响，但往往在表征学习过程中丢失结构细节。该研究通过引入结构保持约束，使得学习到的分子表征既包含细胞表型的功能信息，又保留化学结构的关键特征，从而提升在药物发现、靶点预测等任务中的性能。实验表明，该方法在多个基准数据集上优于现有方法，为分子表征学习提供了新的生物导向视角。 #分子表征 #细胞表型 #结构保持 #药物发现 #深度学习 #AI #生物信息学 #arXiv
球面收缩归一化研究论文在arXiv发布
一篇题为《Sphere Retraction Normalizations》的学术论文于2026年8月2日提交至arXiv预印本平台。该论文由Jie Zhang等四位作者共同完成，主要探讨球面流形上的收缩与归一化方法。论文内容涉及几何优化、数值计算及流形学习等领域，可能为相关算法提供新的理论框架或数值技巧。目前，论文可通过arXiv获取PDF及HTML版本，并附有BibTeX引用信息及多种学术工具链接，如Google Scholar、Semantic Scholar等。该研究旨在推动曲面几何与机器学习交叉方向的发展，对优化算法设计具有潜在参考价值。 #arXiv #球面几何 #归一化 #流形学习 #论文 #学术研究 #机器学习 #优化算法
一篇题为《Sphere Retraction Normalizations》的学术论文于2026年8月2日提交至arXiv预印本平台。该论文由Jie Zhang等四位作者共同完成，主要探讨球面流形上的收缩与归一化方法。论文内容涉及几何优化、数值计算及流形学习等领域，可能为相关算法提供新的理论框架或数值技巧。目前，论文可通过arXiv获取PDF及HTML版本，并附有BibTeX引用信息及多种学术工具链接，如Google Scholar、Semantic Scholar等。该研究旨在推动曲面几何与机器学习交叉方向的发展，对优化算法设计具有潜在参考价值。 #arXiv #球面几何 #归一化 #流形学习 #论文 #学术研究 #机器学习 #优化算法
预训练符号变换器引导物理动力系统模型发现新方法
来自arXiv的最新预印本论文提出了一种名为“验证器引导的模型发现”方法，利用预训练符号变换器从物理动力系统中自动发现可解释的数学模型。传统方法依赖人工设计或大量数据，而该研究通过符号变换器学习系统潜在动态，并引入验证器约束确保模型符合物理定律。实验表明，该方法在多个物理系统（如振荡器、混沌系统）上能准确发现底层方程，显著提升模型泛化性与可解释性。该工作由Farbod Faraji和Francesco Belardinelli完成，于2026年8月提交，有望加速科学发现与自动建模进程。 #arXiv #预训练 #符号变换器 #物理动力系统 #模型发现 #AI #科学计算 #机器学习 #自动化建模
来自arXiv的最新预印本论文提出了一种名为“验证器引导的模型发现”方法，利用预训练符号变换器从物理动力系统中自动发现可解释的数学模型。传统方法依赖人工设计或大量数据，而该研究通过符号变换器学习系统潜在动态，并引入验证器约束确保模型符合物理定律。实验表明，该方法在多个物理系统（如振荡器、混沌系统）上能准确发现底层方程，显著提升模型泛化性与可解释性。该工作由Farbod Faraji和Francesco Belardinelli完成，于2026年8月提交，有望加速科学发现与自动建模进程。 #arXiv #预训练 #符号变换器 #物理动力系统 #模型发现 #AI #科学计算 #机器学习 #自动化建模