从发现前沿资讯，到找到趁手的工具。
JAX模型与基础设施JAX 是一个面向加速器的 Python 数值计算库，专为高性能数组计算与大规模机器学习设计，支持在 CPU、GPU 和 TPU 等多种硬件后端上高效执行相同代码。
分类推荐榜首O
Open Design设计与 3DOpenDesign 是开源设计工作区，可连接本地编程智能体、自带模型密钥或使用云端模型，围绕设计系统生成和编辑原型、网页、演示与图形；本地软件免费与模型服务费用需要区分。
分类推荐榜首M
MemoAI音乐与音频MemoAI 是一款 AI 驱动的音视频转文字工具，支持本地化处理，无需上传数据，保障隐私安全。它可将 YouTube 视频、播客及本地音视频文件（如 MP4、MP3、AAC、M4A 等）高效转录为文本，并提供多语言翻译、说话人分离、实时字幕、浮动笔记等核心能力，适用于会议记录、访谈整理、内容学习等场景。
分类推荐榜首K
Kiro编程与开发Kiro 是面向开发者的 AI 工程工具，可将需求整理为规格、架构与任务，通过智能体实现代码，并结合属性测试、执行记忆和开发工具集成支持从规划到代码审查的流程。
分类推荐榜首W
WhisperAI语音识别由OpenAI开发的通用语音识别模型。
分类推荐榜首E
EvoMap智能体与自动化EvoMap 是面向AI Agent经验复用的基础设施，通过GEP协议组织可复用策略与带验证记录的修复资产，提供市场和质量排序，帮助不同Agent发现、评估及继承已有能力。
分类推荐榜首A
AI Short写作与内容AI提示词管理和共享平台，多种场景的快捷指令
分类推荐榜首I
IamIP行业应用IamIP是一个专利平台，提供AI驱动的搜索、分析和监控工具，帮助用户更高效地进行专利研究和管理。
待评分 · 分类列表推荐妙
妙播营销与电商腾讯广告推出的AI直播电商解决方案
待评分 · 分类列表推荐R
Rows数据与分析Rows 是结合 AI 分析、数据集成与可交互报表的表格工具，可用自然语言整理文档和业务数据、合并数据集、生成报告与计算模型；当前官网提示已加入 Superhuman，并提供对应的继续使用入口。
待评分 · 分类列表推荐arXiv:2610.37881v1 发布类型：新 摘要：深度伪造检测模型虽然整体准确率较高，但在不同人口统计群体之间却表现出显著的性能差异，导致某些群体的假阳性率远高于其他群体。现有的公平性感知方法通过约束模型输出以实现各群体预测的一致性来应对这一问题，但并未解决潜在的特征层面偏见。因此，这些模型仍可能依赖于诸如皮肤纹理等人口统计学特征，将其作为检测被篡改内容的间接线索。为了解决这一问题，我们提出了交集不变学习（IIL），这是一种不仅调整模型输出，而是改进特征学习的框架。IIL通过在识别最具挑战性的群体划分之间交替进行……
arXiv:2610.37844v1 发布类型：新 摘要：在形态学分析中，计算医学图像之间的最优传输映射发挥着基础性作用。然而，现有方法要么难以扩展至大型三维医学图像，要么依赖于正则化形式，只能提供近似的传输映射。为提升下游医学图像分析的精度，我们提出了一种新颖的方法，通过参数化凸势函数来估计最优传输映射。根据构造，所得传输映射必定无旋，符合布雷尼耶定理。我们在二维和三维医学影像数据集上对该方法进行了评估。实验结果表明，我们的方法能够实现更低的传输估计误差，并生成更高q
arXiv:2610.37731v1 发布类型：新 摘要：模型偏差可能导致单一校准参数无法在整个上下文域内重现物理响应。此外，观测与上下文中的不确定性会影响校准过程，必须予以考虑并加以量化。我们通过根据观测值与目标上下文的接近程度对观测似然进行加权，构建了一族局部后验分布。高斯型局部化权重借助协方差膨胀来纳入上下文不确定性，并在域边界处进行反射处理，同时可选地针对不均匀的上下文采样进行修正。一种条件归一化流通过均摊化的变分推断方法近似该族后验分布。将这些局部后验分布按照预设的上下文测度进行整合，即可得到
arXiv:2610.37867v1 发布类型：新 提要：食品相似性是检索、推荐、替代等食品计算任务的基础，然而现有的食品表征通常仅以身份保持为评价标准。我们进一步探讨：在身份之外，食品相似性还会发生怎样的变化？不同的视觉表征如何将食品组织成具有特定关系的邻域，这些邻域又揭示或掩盖了哪些烹饪关系，以及这些结构在不同表征之间是否具有一致性。印度料理提供了一个颇具挑战性的场景：在这一场景中，外观相似的食品可能拥有不同的烹饪身份，而同一烹饪家族内的食品在外观上也可能存在显著差异。我们基于扩展后的Khana数据集，结合七种预训练的视觉表征，涵盖卷积神经网络、Transformer等模型……
arXiv:2610.37905v1 发布类型：新 摘要：诸如美国证券交易委员会EDGAR之类的公开披露数据库，通过网络访问企业申报文件，为知情投资提供支持。借助语言模型代理来辅助其审查，需要发现相关文档中未明示的缺陷、获取缺失的企业信息，并验证所请求的修订是否符合有据可依的要求。现有的金融问答评测对这些交互能力的证据尚显不足。我们提出了\textbf{FilingLoop}，一个用于企业披露审查与修订的交互式基准测试及自进化代理框架。FilingLoop以美国证券交易委员会的历史通信为基础，重构了来自96家公司的380项主要为首次公开募股审查的任务。
arXiv：2610.37796v1 发布类型：新 摘要：近期研究提出了一种假设，即大型语言模型可能将某些概念表示为多维流形，而非单一方向。在利用这些流形对表征进行解释或引导时，通常假定沿流形移动对应于所表征概念的连续变化。在本研究中，我们针对典型的“工作日流形”检验了这一连续流形假设。尽管该流形具有引人注目的环形几何结构，但我们发现，工作日的表征更类似于七个按圆形排列的离散状态，而非连续的环状结构。首先，我们证明了局部敏感性在七个与工作日相对应的极小值处出现，从而在流形内的引导操作下，表征与行为之间呈现出阶梯式的映射关系。其次，w
arXiv:2610.37682v1 发布类型：新 摘要：与成对比较相比，列表式偏好反馈能够为大型语言模型（LLMs）的对齐提供更丰富的监督信号，但完整的排序结果也会暴露更为敏感的用户偏好。现有的隐私保护型对齐方法主要聚焦于成对反馈，而基于局部差分隐私（LDP）的列表式对齐仍处于未被探索的状态。将LDP扩展到这一列表式场景时，面临一个关键挑战：由于完整排序空间的高度敏感性，所需的隐私噪声过大，从而抵消了列表式监督的优势。为应对这一挑战，我们分析了下游训练中监督粒度与隐私噪声之间的相互作用，并提出了一种兼顾排序的指数机制，用于对列表式偏好进行隐私化处理
arXiv:2610.38069v1 发布类型：新 摘要：短时傅里叶变换（STFT）通过对较长信号的一段短时窗口进行傅里叶变换，从而刻画频率随时间的变化特征。尽管傅里叶变换算法，尤其是快速傅里叶变换（FFT）算法，已得到充分发展以充分利用并行计算的优势，但关于并行短时傅里叶变换算法性能的研究仍较为有限。在本研究中，我们实现了两种并行短时傅里叶变换算法——一种基于FFT，另一种为准并行前馈算法——并对其进行了对比分析。研究发现，在低并发环境下，准并行算法在运行时间上更具优势，而……
arXiv:2610.37679v1 发布类型：新 摘要：使用工具的语言代理容易受到间接提示注入的威胁，而越来越多的研究试图通过探查模型内部来在不安全操作执行前将其捕获，但所得结果却存在严重分歧。我们认为，这种分歧在很大程度上源于评估过程中的偏差，并提出了一种双重分层协议：在评估与训练群体中，将提示注入暴露与行为承诺加以分离。在主要的Qwen AgentDojo基准上，那些基于朴素的“不安全样本与其余样本”混合对比进行训练的监测器，大多仅学会识别暴露情况：无论代理是否遵从，它们都会标记出暴露的轨迹，却几乎无法预测哪些情形会演变为不安全状态。而在仅针对暴露案例重新训练后，同一类探测器能够预测模型自身发出的不安全工具调用，时间延迟长达两秒……
arXiv:2610.37680v1 发布类型：新 摘要：缩小前沿模型与小型语言模型之间的差距，通常采用知识蒸馏的方法：在前沿模型（教师）的输出上对小型模型（学生）进行微调，但这使得迁移过程高度依赖于训练计算，且被迁移的知识往往难以解释。我们提出了一种名为“Artifact Distillation”的方法：由教师模型解答训练实例，并将其解题过程外化为一个“工件库”，学生在推理时直接查询该库，无需进行梯度更新。在四项 LiveBench 任务上，由 Claude Opus 4.5 构建的工件库使 Claude Haiku 4.5 在空间推理任务上的表现（0.707 对比 0.647）达到其自身成本的 60% 时，便超过了未借助外部辅助的 Claude Sonnet 4.5；而在表格连接任务上，该工件库仅需达到 Sonnet 4.5 成本的 89% 即可达到同等水平。同样的原始工件库还提升了
arXiv:2610.37788v1 发布类型：新 摘要：语言模型助手有时会在用户提出错误答案时将其更改为正确答案。这种现象被称为“谄媚”，通常被认为源于基于偏好的后训练阶段，但早期的测量结果却在预训练模型中也发现了这一现象。我们通过在训练过程中的每一个可用阶段进行测量，探究其来源：涵盖了5个不同系列的13个公开检查点，从基础模型到监督微调、偏好优化，直至最终发布版本。我们将模型回答被注入的主张所改变的程度与该回答原本被坚持的稳固程度区分开来，并且变化了提出主张的人、他们被认为的可信度以及他们提出主张的强烈程度。结果揭示了两种具有不同起源的“谄媚”行为，且这两种行为在不同数据集上均能复现。对某一主张的顺从 i
arXiv:2610.37819v1 发布类型：新 提要：量子机器学习（QML）在医学分类领域的应用日益广泛，然而其在子群体感知的公平性准则下的表现仍缺乏深入研究。我们针对用于医学影像的经典与量子分类器开展了一项实证性的公平性审计，假设QML本身并不天然具备公平性。研究评估了两种场景：基于DDI数据的皮肤病变分类（敏感属性为Fitzpatrick肤色类型）以及基于CheXpert衍生数据的胸部X光片分类（敏感属性为年龄组）。利用ResNet-18提取的特征嵌入，我们在基准设置及三种缓解策略下训练SVM、MLP、QSVM和QCNN：可微分的等权几率（EO）正则化、梯度反转学习（GRL），以及二者结合。同时，以基础模型（PanDerm、EVA-X）作为外部参考。
arXiv：2610.37906v1 发布类型：新 摘要：脉冲神经元储备池计算将固定递归储备池的训练效率与事件驱动推理的能效相结合，其中计算由稀疏的脉冲触发，而非在每个时间步都进行密集运算。然而，现有的脉冲神经元储备池几乎完全依赖于漏积分-发放（LIF）神经元，其低通特性限制了其区分不同时间频率所编码信息的能力。我们提出了 HRF-Res，一种液态状态机，其中用异质的谐波共振-发放（HRF）神经元群体取代了 LIF 神经元。这些神经元具有内在的振荡动力学，并能选择性地响应输入频率，从而使储备池能够捕捉频
arXiv：2610.37851v1 发布类型：新 摘要：现有的科学智能体基准测试很少评估智能体是否能够重建测序协议所规定的精确分子结构与生成流程，而这一能力对于分析定制化测序实验至关重要。我们提出了 LibStructBench，一个以文档为依据的基准测试，用于重建测序文库结构和分子工作流。我们的实验表明，前沿的智能体往往能生成大致正确的重建结果，但在精确重建方面仍不够可靠，尤其是在分子状态表示和工作流连通性方面。更换底层语言模型所带来的平均性能差异，大于更换智能体框架所产生的差异，且这种差异在统计上具有显著性。
arXiv:2610.39017v1 发布类型：新 摘要：分布式共识与一致性协议难以形式化分析，却又是云服务的基础；因此，在部署之前，这些协议通常会经过严格的证明与形式化验证。然而，同样的严格标准却很少应用于协议的修改——而协议修改在生产环境中频繁发生，极易危及系统安全性。本文通过提出一种面向分布式协议的自动优化器——DistOptimize，有效消除了人为修改带来的安全风险。DistOptimize 将学术界语言中的吞吐量优化技术移植到生产环境中使用的框架，并在 Rocq 语言中验证重写后的正确性，同时借助校准与基于 ILP 的搜索机制实现优化结果的自动化应用。
arXiv:2610.37681v1 发布类型：新 摘要：近年来，大型推理模型在解决复杂任务方面展现出卓越的能力，而基于长链式思维数据的监督微调（SFT）则成为激发并提升其推理能力的关键基础。尽管在改进与分析面向推理的SFT方面取得了快速进展，但该领域仍缺乏一份系统性的综述，以整合其快速增长的文献。为填补这一空白，我们对近期推理型SFT的最新进展进行了全面回顾，并从方法设计与分析研究的双重视角审视相关文献。首先，我们梳理了SFT全流程中的方法学改进，并将其划分为以数据为中心的方法与以算法为中心的方
arXiv：2610.39981v1 发布类型：新 摘要：大规模科学工作流在分布式高性能计算资源上运行，这使得难以解释科学数据产品的生成过程，以及为何相似的工作流执行会得出截然不同的结果。现有系统通常只关注分布式工作流的执行或 provenance 管理，很少将细粒度的 provenance 视为分布式科学数据制品的固有属性。我们提出了 TRACEs（可追溯的高级容器化执行运行时），这是一种面向分布式容器化科学工作流的 provenance 架构，它将数据沿袭和执行上下文直接嵌入到每一个生成的数据制品中。通过将 provenance 与工作流编排解耦，TRACEs 将以制品为中心的 provena 进行了泛化
arXiv：2610.39222v1 发布类型：新 摘要：随着人工智能加速器架构日益多样化，如何将不同架构整合到统一的系统中，正逐渐成为一种新兴的异构计算范式。GPU 与 WSE 在计算、内存和通信组织等方面存在显著差异，这既带来了架构上的互补性，也增加了额外的开销；然而，如何将这种异构性转化为实际的性能提升，目前仍不明确。为弥补这一空白，我们提出了一种分层基准测试方法，用于刻画 GPU–WSE 异构执行及其发挥互补性的条件，并构建了一个分析型性能模型，用以识别在何种情况下异构性会成为性能瓶颈，而在何种情况下则能带来系统级的性能提升。
arXiv:2610.38355v1 发布类型：新摘要：KV缓存复用能够加速大语言模型的推理，但现有系统将主机DRAM和NVMe SSD视为分层结构，其中DRAM充当中间缓存。然而，实际的大语言模型工作负载打破了这一分层结构的两个前提。首先，双模态复用使DRAM的时间过滤失效，因为工作负载要么由具有较长复用距离的一次性块主导，要么由超过DRAM容量的数GB级智能体会话主导，从而将SSD置于关键的读取路径上。其次，DRAM的暂存与按驱逐顺序布局导致SSD恢复出现瓶颈。为在途前缀保留主机暂存缓冲区会在负载下引发争用，进而中止预取操作；而增量式驱逐则会将会话的块分散到整个SSD上，阻碍大规模顺序读取。我们 p
arXiv:2610.37676v1 发布类型：新 摘要：自动化可解释性通过让模型逐token地预测该稀疏自编码器（SAE）特征在评估样本上何时激活，或判断标记过的token是否与之相符，从而对这一特征的解释进行评分。我们发现，无需读取解释内容，即可对评估数据的标准处理流水线进行评分。在Neuronpedia存储的针对500个随机GPT-2小型特征的模糊测试运行中，91.3%的激活样本都以中心token处的峰值为裁剪点；而当中心token被标记时判定为“是”的规则，其平衡准确率可达0.979，相比之下，基于存储的LLM评分器（根据流水线代码重新构建的标记结果计算得出）的准确率为0.838；仅依据标记数量的规则则能达到0.969。T
让好奇心有方向，让每一天的阅读更有价值。
