搜索

新论文主张稀疏自编码器特征应构成原子可解释单元基，并引入DAME等代理指标。作者评测数百个SAE后发现，传统单义指标可能掩盖功能多义：贡献最大的特征更难解释且更冗余。建议归因、电路追踪或干预前先做主导性检查。价格与国内可用性未知。

aggmetrics是BSD-3许可、仅依赖NumPy的Python包，能把由混淆矩阵四项计数定义的二分类指标，用四种聚合算子扩展到多分类、多标签、有序、代价敏感、软标签及交叉验证。它为每个指标保存结构性质，也可由用户公式推断，并在指标不符合常见假设时警告。价格、国内可用性与具体地址未知。

一篇2026年10月提交的机器学习论文提出可扩展数据加权：以小规模高质量目标集为依据，用训练过程的元梯度优化样本权重，并学习可迁移至更大模型和流式新样本的参数化规则。奖励建模实验称其提升留出表现，人类与合成监督混合优于单一来源。价格与国内可用性未知。

人形机器人强化学习的奖励设计长期依赖逐机调参。一篇2026年10月提交的论文提出MPBRS，用多势函数差分塑造奖励，并在九款人形机器人上共用同一套奖励结构与权重，仅替换关节、连杆映射和默认姿态等元数据。实验称其缩放更稳定、对权重更不敏感，且不改变最优策略。价格与国内可用性未知。

GAV是面向偏微分方程编程智能体的科学实验环境。生成器从仿真或测量数据学习连续参考解，并用人工制造解反向构造可验证问题，无需另做数值求解。验证器反馈精度与计算成本。数值纳维-斯托克斯任务上，三种既有智能体平均测试误差下降超过一个数量级。

机器学习论文提出对偶采样，将Metropolis-Hastings推广为每轮从提议分布池选取两个分布：其一生成候选有向无环图，其二评估返回当前状态，并共同进入接受准则。新动作可同时重采样多个节点的父节点，声称不增加计算成本即可加快链混合，实验优于原有最先进方法。代码、价格和国内可用性未知。

预印本论文提出GeoDiv KAN，用几何门控与流函数保持不可压缩，求解复杂区域时间分数阶Navier-Stokes。作者报告其在方、圆、星形区域及圆柱绕流、U弯管CFD重建中，精度高于PINN、PIKAN、RBF KAN和DF RBFKAN。误差、代码、价格与国内可用性未知。

报告评估GPT-6-Astra在十二项机器人基准上的表现：模型用训练演示做上下文学习，覆盖桌面操作、人形、移动平台和灵巧手并取得很高成绩。与低层控制器的闭环配合有效但成本高。八种真实机器人配置显示演示采集昂贵，且难以靠延长执行换取更高成功率。作者认为已有具身能力，但还不是实用智能。

微软研究院实习项目提出端到端机器学习流程，结合太阳风、极光电急流与地磁暴指数预报及当地地质条件，为美国大陆66935座变电站估算地磁感应电流风险，预警窗口为30至60分钟。2020至2026年评估中重大事件检出接近八成，系统尚未用于实际调度，价格与国内可用性未知。

微软研究院播客访谈Jennifer Neville，讨论评测如何推动人工智能贴近真实用户需求，并指出模型在传统基准之外会出现意外失败。她强调结果偏离预期时应回头检查数据，并分享与现有系统协作的经验。具体参数、国内可用性与价格未知。

高德发布全身基座模型 λ0，尝试利用人类行动数据学习移动、姿态和双手操作之间的协调。报道介绍了不依赖机器人本体的数据采集方案，以及仿真和真机测试结果；效率与成功率提升来自团队给定的比较条件。

LoGRA 将强化学习中的梯度压成低秩表示，并在更新前预测策略变化幅度，避免压缩后训练失稳。论文称在推理任务中最高减少 45.7% 平均训练显存，还在单个八卡节点上让 270 亿参数模型稳定训练超过 1100 步。有助于降低实验门槛。

谷歌宣布与Planet合作的Project Suncatcher原型卫星已入轨并建立联系，接下来将收集TPU在发射、辐射与温度环境中的运行数据。该项目探索未来太空机器学习基础设施的可行性，目前仍是原型验证，不是已部署的太空数据中心。

诺因发布 GLOW 技术报告，尝试把人类演示、环境、机器人状态和执行历史放进统一学习流程，探索一次完整操作后的跨场景复用。报道介绍模型架构与评测，但一教就会应理解为指定任务条件下的能力目标，不是所有家务通用承诺。