研究
NL2LOGIC：自然語言轉一階邏輯達99%準確
NL2LOGIC 是一種新框架，使用抽象語法樹（AST）透過大型語言模型將自然語言轉譯為一階邏輯。它結合遞迴 LLM 語義解析器與 AST 引導生成器，實現高語法準確度和語義忠實度。
ArXiv AI · 215 天前
February 17, 2026
研究
MAPLE：代理式AI個人化子代理架構
MAPLE 將 LLM 代理的限制分解為記憶、學習與個人化三個專屬子代理。記憶負責儲存與擷取，學習非同步從互動中提取洞見，個人化則即時應用於有限脈絡預算中。
ArXiv AI · 215 天前
研究
Lang2Act：自湧現語言工具鏈提升VLM視覺推理
Lang2Act 透過自湧現語言工具鏈提升視覺語言模型 (VLM) 在 VRAG 中的精細視覺感知，避免僵硬外部工具及影像操作造成的資訊損失。它採用兩階段 RL 框架：第一階段建構可重用動作工具箱，第二階段用於推理。
ArXiv AI · 215 天前
模型
LLM幻覺的幾何分類法
研究人員提出LLM幻覺的幾何分類法，將其分為三類：不忠實（忽略上下文）、捏造（發明語義外內容）和事實錯誤（正確框架內錯誤）。基準測試幻覺具領域本地檢測力（AUROC 0.76-0.99），跨領域僅隨機水平；人類捏造則可用單一全球方向達0.96 AUROC。
ArXiv AI · 215 天前
研究
雙循環框架：安全角色扮演LLM
一種無需訓練的雙循環對抗自演化框架解決了LLM角色扮演代理的越獄漏洞問題。它耦合了針對角色的攻擊者循環以產生更強越獄提示，以及角色扮演防禦者循環將失敗提煉成階層式安全知識庫。
ArXiv AI · 215 天前
模型
DPBench 揭露 LLM 協調失敗
DPBench 推出一個基準測試，用哲學家用餐問題評估 LLM 多代理協調，涵蓋八種變化決策時機、群組大小和通訊的條件。對 GPT-5.2、Claude Opus 4.5 和 Grok 4.1 的測試顯示順序設定表現良好，但同時設定死鎖率超過 95%，因代理收斂推理導致。
ArXiv AI · 215 天前
模型
BotzoneBench：可擴展 LLM 遊戲評估
BotzoneBench 提供可擴展框架，利用固定技能校準遊戲 AI 階層評估 LLM 在遊戲中的策略推理能力。它避免 LLM 對戰賽的二次方成本與不穩定性，提供絕對線性時間測量。
ArXiv AI · 215 天前
模型
BotzoneBench: Scalable LLM Game Eval Benchmark
BotzoneBench introduces a scalable framework for evaluating LLMs' strategic reasoning in interactive games using fixed hierarchies of skill-calibrated game AIs. It assesses five flagship models across eight diverse games via 177,047 state-action pairs, revealing performance gaps and behaviors comparable to mid-tier game AIs.
ArXiv AI · 215 天前
研究
AST-PAC：AST 導向提升程式碼會員推斷
研究人員推出 AST-PAC，這是針對程式碼大型語言模型的會員推斷攻擊中 PAC 的語法感知適應版本。它使用基於 AST 的擾動產生有效的校準樣本，在較大檔案上優於基準，但在小型或富含字母數字的程式碼上有限制。
ArXiv AI · 215 天前
研究
AMOR：熵基元認知閘門動態SSM-注意力切換
AMOR是一種受雙過程認知理論啟發的混合模型，僅在SSM預測顯示高熵不確定性時動態啟用稀疏注意力。它從SSM狀態投影Ghost KV以實現O(n)效率，在檢索任務上超越純SSM和Transformer基準，以僅22%注意力位置達到完美準確率。
ArXiv AI · 215 天前
應用
Agentic AI Improves Insurance Underwriting Safety
New agentic AI system for commercial insurance underwriting uses adversarial self-critique to challenge decisions and enhance reliability. It reduces hallucinations from 11.3% to 3.8% and boosts accuracy to 96% on 500 expert cases.
ArXiv AI · 215 天前
研究
Adversarial Self-Critique for Safer AI Underwriting
New agentic AI system for commercial insurance underwriting uses adversarial self-critique where a critic agent challenges primary decisions before human review. It reduces hallucinations from 11.3% to 3.8% and boosts accuracy from 92% to 96% on 500 expert cases.
ArXiv AI · 215 天前
基建
Google 推出生成 AI 可參考官方文件之 Developer Knowledge API
Google 宣布 Developer Knowledge API 及 MCP Server 的公開預覽。此 API 讓生成 AI 擷取並參考 Google Cloud、Android、Firebase 等官方文件。
ITmedia AI+ (日本) · 215 天前
編程
富士通 Takane 自動化軟體開發，生產力達 100 倍
富士通推出使用自有 LLM「Takane」的 AI-Driven Software Development Platform。全程自動化軟體開發流程。
ITmedia AI+ (日本) · 215 天前
應用
豆包：除夕當天AI互動總數達19億
2月16日，字節跳動旗下AI助手豆包與央視總台春晚聯動。除夕當天豆包AI互動總數達19億，『豆包過年』活動幫助用戶生成超過5000萬張新春主題頭像、超過1億條新春祝福。
36氪 · 215 天前
商業
AI to Replace White-Collar Jobs Soon
Microsoft AI head warns most white-collar jobs will be fully replaced by AI in 12-18 months. Globally, 55,000 positions were lost to AI by 2025.
钛媒体 · 215 天前
研究
【調查報告】設計・解析業務中AI應用的現實與挑戰
MONOist/TechFactory編集部於2025年10月7日至11月3日進行「設計・解析業務中AI應用」實態調查，有效回答406件。報告詳述這些工程流程中的現況與挑戰。
ITmedia AI+ (日本) · 215 天前
應用
千問：1.3億人春節首次體驗AI購物
2月17日大年初一，千問數據顯示春節期間全國超過1.3億人首次體驗AI購物，說了50億次「千問幫我」。過去兩天AI買門票訂單環比增22倍，交通票務超7倍，電影票372倍、三四線城市782倍。
36氪 · 215 天前
應用
30 Years Robot Evolution in Spring Gala
The Chinese Spring Festival Gala has evolved from comedian Cai Ming impersonating a robot to actual robots accompanying her over 30 years. This progression is likened to a multi-decade Turing test.
钛媒体 · 215 天前
應用
松延機器人春晚蔡明小品
松延動力五台機器人，包括蔡明仿生人與94cm舞者，登2026春晚小品致敬1996經典。穩定三連後空翻與仿生臉經百日迭代。
36氪 · 215 天前
研究
人形機器人主宰2026春節晚會
多家中國機器人公司在2026 CCTV春節晚會上展示人形機器人，成為主要科技亮點。MagicLab率先推出兩個人形機器人參與表演與互動。
TechNode · 215 天前
商業
蘋果首辦中國春季發表會3月4日
蘋果宣布3月4日在上海舉辦春季產品發表會，這是該公司首次在中國舉行此類活動。根據媒體邀請函，活動於北京時間晚間10點開始。
TechNode · 215 天前
商業
Ruishu Tech angel funding for smart env 3.0
Ruishu Technology secures angel round financing. Investors back their vision for environmental intelligence 3.0 in home appliances.
钛媒体 · 215 天前
編程
Qwen-code v0.10.2 夜間版預告 Qwen3.5-Plus 發布
Qwen-code 發佈夜間版 v0.10.2-nightly.20260217.a0a0a70b。主要變更是文件更新，新增關於 Qwen3.5-Plus 發布的消息橫幅，由 @pomelo-nwu 在 PR #1854 貢獻。
Qwen (GitHub Releases: qwen-code) · 215 天前
研究
Tech Leaders Meet in Delhi for AI Safety
Global tech leaders gather in Delhi to discuss AI safety. India aims to level the playing field against US and China dominance.
BBC Technology · 215 天前
商業
Reddit Prioritizes Human Content Over AI
Reddit emphasizes value of human-generated content amid rising AI flood online. Platform positions authentic contributions as key strength.
BBC Technology · 215 天前
研究
自我證明正確性的模型
Apple 提出自我證明模型，能產生正確輸出並透過互動證明向驗證演算法 V 證明其正確性。這解決了傳統準確率指標僅平均分布輸入而無單一輸入保證的問題。
Apple Machine Learning · 215 天前
應用
Robots dominate 2026 Spring Festival Gala
2026 Spring Gala features robot groups as protagonists from four companies. Evolution from single props to full stage invasion marks robotics milestone.
钛媒体 · 215 天前
研究
Ferret-UI Lite：小型裝置端 GUI 代理經驗
Apple 推出 Ferret-UI Lite，一款適用於行動裝置、網頁與桌面平台的緊湊型 3B GUI 代理。它利用精選真實與合成 GUI 資料、思考鏈推理及視覺工具使用，提升小型裝置端模型效能。
Apple Machine Learning · 215 天前
編程
Claude Opus 4.6 現已在 GitLab Duo 可用
GitLab 將 Anthropic 的 Claude Opus 4.6 整合至 Duo Agent Platform，提供 100 萬 token 上下文視窗及優異的代理能力，用於複雜開發工作流程。可於 GitLab.com 的所有代理及 Agentic Chat 使用，結合 DevSecOps 資料提供豐富上下文。
GitLab Blog · 215 天前