
Seventy3
73播客,名字取材于Sheldon最喜欢的数字,内容由NotebookLM生成,每天跟随AI读AI业界论文。
最新剧集
【第780期】Amazon GAUGE:大语言模型智能体评估协议有效性研究
今天的这篇的主题是: GAUGE: When Not to Trust LLM-as-a-Judge in User-Simulated Evaluation of Task-Oriented Agents Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 对任务型大语言模型(LLM)智能体的比较与选择,正越来越依赖一种低成本的离线评估关卡:由角色设定驱动的 LLM 用户模拟器与每个候选智能体进行对话,再由 LLM 评判器(LLM-as-a-Judge)对对话记…
【第779期】Colosseum:数学与理论计算机科学的长时段研究多智能体框架
今天的这篇的主题是: Stellar Colosseum: A Many-Agent Harness for Long-Horizon Research in Mathematics and Theoretical Computer Science Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 语言模型能够生成看似合理的简短证明,但在长周期研究问题上仍可能缺乏可靠性,因为这类问题的进展依赖于一系列充满不确定性且相互依赖的决策。 我们提出了 Stellar C…
【第778期】SoL-Pi:递归扩展代理研究循环以实现高效的 harness
今天的这篇的主题是: SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 随着编程智能体从有监督的代码补全转向无人值守、全天候的自主探索,其工作范围也从孤立的预测扩展为包含推理、工具使用和反馈的长轨迹。因此,Token 效率成为扩展递归自我改进(Recursive Self-Improvement,RSI)的重要因…
【第777期】字节模型蒸馏与扩展规律研究
今天的这篇的主题是: Breaking the Token Ceiling: Distilling Smaller, Stronger Byte Models Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 通过从采用相同分词方案的大模型中进行知识蒸馏,可以提升小模型的能力。然而,随着计算量和数据量的增加,经过蒸馏的字节模型与词元模型是否表现出相似的扩展趋势? 为了实现这一比较,我们提出了两种将词元 logits 高效转换为字节 logits(Byte Log…
【第776期】Dream-RSI:基于演化世界的递归自我改进框架
今天的这篇的主题是: Dream-RSI: Recursive Self-Improvement through Evolving Worlds Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 递归自我改进(Recursive self-improvement)正成为自主 AI 智能体不可或缺的核心能力,这类智能体的进步依赖于在复杂领域中发掘高价值的解决方案。高效的探索驱动着这一过程,然而管理和改进探索策略依然是一个主要的瓶颈。 当前的系统面临着一个根本性的困…
【第775期】Codebook Agent:AI协作只需六种核心结构
今天的这篇的主题是: Codebook Agent: Amortized Topology Design for LLM Multi-Agent Systems Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 根据大语言模型多智能体系统的上下文与论文特点,为您将该摘要纯翻译为中文: 针对不同的查询来调整大语言模型(LLM)多智能体系统的通信拓扑结构,能够同时提高准确率与效率。然而,现有的设计方法均将其视为条件图生成任务:利用变分、自回归或扩散解码器在 N×NN…
【第774期】面向写作的灵动思辨伙伴设计
今天的这篇的主题是: Designing Proactive Thought Partners for Writing Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 写作涉及从构思到修改的多样化认知活动,且创作者的需求在不同个体和不同时刻之间大相径庭。主动式 AI 有望在恰当的时间提供适当的支持,然而现有的主动式工具在很大程度上仍局限于通用的文本级辅助(如自动补全)。 本文研究了主动式思考伙伴(Proactive Thought Partners)的设计空间…
【第773期】ParSer:大模型智能体的并行阅读与深度推理
今天的这篇的主题是: PARSER: Read in Parallel, Reason in Depth for Long-Context LLM Agents Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 顺序记忆智能体(Sequential memory agents)通过逐块读取长文档并维持紧凑的记忆状态来处理文本,这使得文档遍历与推理深度被紧紧耦合在一起。这种耦合不仅导致模型对证据的位置极具敏感性,还将推理延迟与文档长度线性绑定。 为此,我们提出了 …
【第772期】SMART:以设计文档为核心的AI原生性能建模工具
今天的这篇的主题是: Design Docs Are All You Need: An AI-native Machine-Learning Performance Tool Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 请将上面这段关于 SMART(一种用于机器学习系统的符号性能建模库,其采用“纯设计文档+代码智能体重生成”的独特架构)的介绍翻译成中文。 机器学习性能建模是长期运行软件的一片极其残酷的领域:今天抽象中所固定的假设会被明天的模型和系统所推翻,…
【第771期】STAIR:利用目录结构提升长文档检索精度
今天的这篇的主题是: STAIR (STructure Aware Information Retriever): A novel dataset and LLM based retriever for document structure augmentation Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 检索增强生成(RAG)是利用大型语言模型(LLM)生成准确且无幻觉回答的关键组件。尽管 LLM 在处理长上下文方面的能力正在不断提升,但仍面临“迷失…
【第770期】FrogNano:在线任务合成助力4B编程智能体训练
今天的这篇的主题是: FrogNano: Training a 4B Coding Agent via Online Task Synthesis Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 请将上面这段关于 FrogNano(一款专为资源受限环境设计的 4B 编码智能体)的介绍翻译成中文。 我们推出了 FrogNano,一个拥有 4B 参数量的编码智能体(coding agent),旨在高效且出色地处理软件工程(SWE)任务,甚至能在资源受限的环境下运行…
【第769期】过程图:大语言模型智能体的自进化执行架构
今天的这篇的主题是: Procedural Graphs: Self-Evolving Execution Structures for LLM Agents Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 大型语言模型越来越多地被部署为能够进行长远规划并通过外部工具采取行动的智能体。大多数智能体通过对累积的历史记录进行无约束的生成来选择行动,从而使关于“做什么、按什么顺序做以及在什么条件下做”的程序性知识保持隐式。随着轨迹变长,智能体会迷失目标、颠倒工具调用…
【第768期】AI研究偏好模型:驱动研究智能体高效实验
今天的这篇的主题是: AI Research Preference Models Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary AI 研究智能体(AIRA)现在能够全程承接机器学习实验——从提出方案、代码实现到评估验证。然而,前沿任务上的进展往往受制于极其昂贵的评估成本,这些评估动辄消耗数天的 GPU 时间。当一个智能体提出的候选方案数量远超其负担得起(运行)的上限时,研究的突破便取决于其“研究偏好”(Research Preference):即如何在众多候…
【第767期】E-Commerce Bench:大模型自主经营能力评估 benchmark
今天的这篇的主题是: E-Commerce Bench: Evaluating LLM Agents on Long-Horizon Autonomous Business Operation Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 长流程智能体(Long-horizon agentic)任务绝非简单地在更多交互轮次中将短期任务进行串联。其不断动态演化的环境与长跨度依赖关系,要求大语言模型(LLM)必须在成千上万个步骤中持续探索、从经验中学习并动态调整…
【第766期】CORAL:基于大模型代理循环的推荐系统优化优化器
今天的这篇的主题是: CORAL: An LLM-Native Harness for Production Recommender Systems Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 生产级推荐系统决定着数十亿人所看到的内容,而维持这些系统的性能需要持续优化:随着内容、用户行为和上游模型不断变化,必须反复审视和调整控制召回、排序与服务的各项决策。 传统上,人类工程师通过在线实验来测试这些变更,但这一过程缓慢且被动,并受到工程资源投入的限制,导致系…
【第765期】SKILL.state:具有显式执行状态的可扩展长程智能体技能
今天的这篇的主题是: SKILL.state: Scalable Long-Horizon Agent Skills Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 大语言模型(LLMs)正越来越多地作为自主智能体执行复杂、长时间运行的程序性技能。现有的智能体运行时系统通常通过不断向持续增长的对话历史中追加观察结果、动作和中间推理轨迹来维持执行过程,导致长时程任务中的延迟增加和上下文污染(Context Poisoning)问题。 我们提出了 SKILL.st…
【第764期】WikiSkill:通过持久知识演化提升智能体技能
今天的这篇的主题是: WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 智能体技能(Agent Skills)将专业知识和工作流封装为可复用的资源,以扩展 AI 智能体的能力。近期研究开始从智能体的执行经验中自动发现此类技能,使智能体能够通过交互逐步适应环境。然而,指导技能开发的洞察通常分散在优化…
【第763期】Harness-of-Harness:基于LLM的自动化游戏开发框架
今天的这篇的主题是: Harness-of-Harness: Multi-Day Autonomous Software Development with Continual Improvement Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 本文研究自主软件开发(Autonomous Software Development),即基于大语言模型的编程智能体在无需人工干预的情况下,将高层需求转化为完整、功能健全且可用的软件系统。 我们提出了 Harness…
【第762期】声明性注意机制:大模型自主控制注意力跨度
今天的这篇的主题是: Language Models Can Control Their Own Attention Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 语言模型的大部分注意力实际上集中在上下文中的一小部分内容上,但为了找到少数真正重要的 Token,它们仍然需要读取整个 KV 缓存。例如,当用户询问一段包含 100 万 Token 的对话中的某个历史细节时,全局注意力层必须在生成回复的每一个 Token 时扫描完整的上下文。 一种主流方法是通过轻…
【第761期】Co-Scientist:Gemini驱动的现实世界科研加速器
今天的这篇的主题是: Accelerating Scientific Research with Gemini in the Real-World Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。 如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。 联系小助手微信:eccstartup(加群/投稿论文) Summary 我们介绍了 Co-Scientist 的扩展版本及其全面的真实世界验证。Co-Scientist 是一个基于 Gemini 的多智能体系统,旨在加速从假设生成、实验执行到论文撰写的端到端科学研究流程。 这一专门配置突破了以往仅在计算机模拟环境(In Silico)中生…




