🔥 AI & 科技
文章系统探讨如何评估与改进智能体应用，指出传统基准难以衡量多步推理与工具调用能力，提出面向任务完成率、错误恢复和成本的评测框架，并分享提升可靠性与实用性的工程实践，为开发者提供可操作指南
📎 The Batch
Self-Driving Chemical Laboratories (SDCLs) are moving chemical experimentation toward embodied automation, where machines must perceive laboratory scenes, reason about experimental states, and act under physical, procedural, and safety constraints. Although Multimodal Large Language Models (MLLMs) a
📅 11-04📎 arXiv AI Papers
AI agents are playing an increasingly important role in physics research. However, existing physics benchmarks only evaluate fixed questions, isolated sub-tasks, or paper reproduction with given solutions, and rarely check research quality alongside correctness. We introduce FrontierPhysics, an end-
📅 11-04📎 arXiv AI Papers
Humanoid robots have the potential to automate a wide range of physical tasks. Progress toward generalist humanoid autonomy, however, remains constrained by a data bottleneck: mapping pixels and free-form language to low-level joint commands requires paired supervision, and no corpus of such data ex
📅 11-04📎 arXiv AI Papers
提出一种无需额外遮挡标注的检测方法，利用两种单目距离线索的分歧识别遮挡区域；无需专门遮挡标签，降低数据标注成本，可低成本集成到单目深度估计流程，提升遮挡场景下三维感知可靠性。
📅 11-04📎 arXiv AI Papers
重新审视职业AI暴露度的测量局限，结合“枯燥、肮脏、危险”工作条件分析岗位受AI影响程度；指出仅按任务可自动化性评估会误判暴露水平，主张纳入工作环境与质量因素，为劳动力政策提供更细致依据。
📅 11-04📎 arXiv AI Papers
提出基于广义置信传播网络的线性码解码方法，将广义BP展开为可训练网络，融合模型驱动与数据驱动优势；可学习消息传递规则，提升线性码解码性能与适应性，为信道编码解码提供新思路。
📅 11-04📎 arXiv AI Papers
提出轮次级Best-of-N采样方法，为LLM智能体在每轮交互中生成并筛选多个候选动作，而非只在最终输出择优。该方法把额外计算集中在关键决策点，缓解长程信用分配与搜索效率难题，为可扩展、低成本的智能体推理提供新路径。
📅 11-04📎 arXiv AI Papers
提出面向个体动物识别的反事实检索框架，强调证据感知：通过检索支持性与反事实样本，帮助模型区分外观高度相似的个体，提升识别鲁棒性和可解释性，为野生动物监测与保护提供更可靠的技术支持。
📅 11-04📎 arXiv AI Papers
提出CompressionBench基准，系统评估编码智能体压缩LLM的能力，覆盖剪枝、量化等任务，并从压缩效果、代码正确性与执行效率等维度衡量表现。该基准揭示现有智能体在模型压缩上的短板，为改进编码智能体和自动化压缩流程提供依据。
📅 11-04📎 arXiv AI Papers
提出ServerBench基准，用于评估编码智能体能否按任务需求设计专用LLM服务系统，覆盖系统设计、实现与性能优化等环节。该工作揭示智能体在复杂服务系统构建中的能力边界，为自动化系统设计与评测提供标准化平台。
📅 11-04📎 arXiv AI Papers
文章介绍“敏捷审议”框架，探讨AI如何辅助人类识别并界定决策中的灰色地带。通过人机协作，将模糊问题拆解为可讨论维度，提升审议效率与透明度，为政策、伦理及产品设计中的不确定性提供可操作路径。
📅 11-04📎 Google AI Blog