深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
共享记忆让LLM智能体自发协作？双实现复现研究揭示关键机制
一项锁定双实现复现研究发现，LLM智能体仅靠共享键值存储即可自发协作，无需任何提示告知彼此存在。协作取决于模型是否写入并再次查看共享状态，一句普通提示即可开关该行为。研究建议将智能体间共享状态视为通信通道进行隔离与日志记录。
BDBBQ：孟加拉语社会偏见评测新基准，人机协作揭示LLM跨语言盲区
BDBBQ 是面向孟加拉语社会偏见的大语言模型评测基准，含 61,312 个双语问答实例、12 个社会类别，评估八个模型后发现孟加拉语准确率更低、刻板印象偏见随语言与模型而异，准确率与偏见是两个独立维度。
不止是风格：SPACE基准揭示大模型人格倾向的深层影响
SPACE基准框架通过受控实验分离大模型人格倾向与能力、指令的影响，发现提示词只能改变生成风格，无法覆盖模型内部稳定的人格倾向，这对模型评估和应用选型具有重要启示。
MNN-Pocket-0.3B技术报告：173MB端侧模型实现466 tokens/s推理
MNN-Pocket-0.3B技术报告解读：300M参数稠密语言模型，INT4部署仅173MB，iPad Pro M5上解码达466 tokens/s，支持32K上下文。协同设计架构、4.1万亿token预训练、多教师蒸馏与量化感知训练，开源权重与MNN部署包。
WanderBench：视频世界模型能否探索动态世界？
WanderBench 是首个从视频探索动态世界的基准，包含 745 段视频、六维评估体系，揭示八大模型在长视频和重访一致性上的短板，并提出免训练框架 WanderLand。
SciMARS：多智能体递归自改进框架，闭环科研发现新突破
SciMARS 提出共享证据图与分离式组件编辑器，让多智能体在闭环科学发现中递归自我改进。在 Autonomous Science Bench 等基准上，SciMARS + Memory 显著优于基础团队，解决了更多科学任务。
VR中智能体化身控制权切换：用户感知能动性不随实际控制者更新
VR研究发现：混合控制虚拟人中，用户对虚拟人能动性的感知受初始控制者信息主导，控制权切换后不更新；但喜爱度和共在感等社会评价更敏感于实际交互行为。
WaveGen：真正端到端波形生成，告别中间表示
WaveGen提出Spectral Forcing方法，用单一扩散模型直接从文本生成波形，无需神经音频编解码器、声码器、时长预测器或BERT/Wav2Vec语义特征，在Seed-en基准上取得WER 1.47、SIM 0.75，并验证了0.1B到0.6B参数的规模扩展性。
MARS：双路径多尺度残差流提升视频伪造检测泛化性
Vector Institute 提出 MARS 视频伪造检测器，采用双路径架构结合多尺度残差与自适应外观特征，在七个数据集上取得最高平均 AUROC，并展现跨类别迁移能力。
AuDiR：用规则与感知干预诊断音频推理失败根源
AuDiR 提出基于规则与感知干预的音频推理诊断框架，通过逐步提供规则和声学观察文本，区分感知失败、规则知识缺失与规则应用失败。初步评估显示 Gemini-3.8-flash 在提供观察文本后准确率大幅提升，揭示感知瓶颈。
GNN规则定价新方法：用互信息精准量化符号规则价值
新研究提出用互信息精确量化符号规则对GNN的价值，将规则设计转化为规则发现，在ZINC数据集上成功发现隐藏环项并超越专家规则，为符号与神经融合提供理论新视角。
Fable 5.2重夺全球第一，Anthropic IPO路演同日启动
Anthropic在IPO路演首日发布Claude Fable 5.2与Mythos 5.2，Fable 5.2重夺全球第一LLM位置。本文分析产品发布与$ANT路演的时间线重合、推理模型定价哲学及竞争格局。
Yonkers 站起来：一次 Three.js 机甲动画的实测
开发者 Simon Willison 用 Claude Fable 5.2 生成 Three.js 动画，把 Yonkers 变成巨型机甲在纽约各区踩踏。文章解析提示词中的错字纠错、OpenStreetMap 地理数据的 3D 转化，以及 AI 编程工具在创意验证场景中的实际表现。
Show HN爆火：查任意地点上空卫星及实拍影像
一位卫星爱好者的周末项目在 Hacker News 获得 300 点：输入任意地点即可查出过去 7 天飞越该地上空的 1.7 万颗卫星，并调取 Sentinel-2、Landsat 和 NASA 的真实过境影像。文章解析其 GPU 逐帧解 Kepler 方程、修正影像时间戳偏差等硬核实现，以及公开数据可视化的产品机会。
Otter AI 支持30+语言，跨语言对话追踪即将上线
Otter AI 新增27种语言支持，总覆盖超过30种语言，并预告跨语言对话追踪功能：说话者切换语言时仍可持续转写。本文分析该更新的实际价值、适用场景与多语言转写赛道的竞争逻辑。
Meta发布Muse Ember：百万上下文智能体模型
Meta发布Muse Ember轻量级智能体模型，支持100万token上下文，专注工具调用、编码子任务与文档解析，在Artificial Analysis Intelligence Index上与Claude Haiku 5.5持平，单任务成本约为其三分之一。
AI巨头垄断一切，普通人凭什么不被落下？
Reddit热议：如果AI持续超越人类，拥有最强算力和模型的大公司是否会垄断所有行业？从编程、内容创作到建筑自动化，这场辩论拆解了普通人被落下的结构性原因。
船舶机舱油泄漏检测：生产级计算机视觉架构
解读Reddit分享的船舶机舱加压油泄漏检测计算机视觉架构，涵盖分层设计、合成数据策略与边缘部署考量，分析其工程价值与局限。
Reddit用户成功获取Cyber Defense访问权限，分享Mythos 5.1配置经验
Reddit用户分享获得Cyber Defense访问权限并获取Mythos 5.1的经历，提供关闭连接器、安全环境克隆等配置技巧，引发社区对受限AI工具使用的讨论。
打破数据平衡迷思：子群泛化中的最优数据分配策略
机器学习子群偏移下，均衡训练数据并非唯一最优。新研究通过高斯特征模型揭示多种不均衡配置同样有效，并提出梯度引导的数据分配策略，提升最差群体准确率。