3qk7 · AI LOCAL LABS
TECHNICAL SCOUTING
AI FRONTIER
Signals worth understanding before they become obvious.
2026-10-30
01
testresearchcapability unlock
NeurIPS 2026 Oral：NV-CoT用连续坐标重构视觉思维链，让大模型精准「看图」
新浪财经报道，NeurIPS 2026 Oral 收录的 NV-CoT 方法用连续坐标重构视觉思维链，以提升大模型看图定位的精度。
- 新浪财经报道该工作被 NeurIPS 2026 接收为 Oral 报告。
- NV-CoT 的核心做法是用连续坐标重构视觉思维链。
对构建多模态智能体的开发者而言，连续坐标表示值得作为视觉推理链中定位环节的替代方案进行测试。
02
testmodelsopen source unlock
AnySpeechRecognizer 与 AnyDecisionModel 发布：面向 Apple 平台的语音与决策开源模型
Hugging Face 发布两个 Swift 包：AnySpeechRecognizer 在 Apple 的 SpeechAnalyzer API 下提供 Parakeet 与 Qwen3-ASR 等可选识别引擎并新增说话人分离；AnyDecisionModel 通过模型概率而非文本生成来回答是/否、多选和评分问题。
- AnySpeechRecognizer 镜像 SpeechAnalyzer、SpeechTranscriber、DictationTranscriber、SpeechDetector 和 AssetInventory，默认引擎为 Apple 的 Speech 框架。
- Parakeet v3 为 NVIDIA Parakeet TDT 0.6B v3，识别 25 种欧洲语言并自动判断语种；Qwen3-ASR 有 0.6B 和 1.7B 两种规模，识别 30 种语言和 22 种中文方言。
- 在 M4 Max Mac Studio、macOS 27.0.1 上以 LibriSpeech 3 至 8 分钟文件测得词错误率：Parakeet Unified 文件 1.43%/2.19%，Parakeet v3 文件 1.55%/2.78%，Apple 转写器文件 2.12%/3.97%。
- Core ML 转换模型已发布在 Hub：Parakeet 系列为 CC BY 4.0 或 NVIDIA Open Model License，Qwen3-ASR 为 Apache 2.0；每个 Parakeet 下载约 600 MB，实时编码器约 590 MB，Qwen3-ASR 为 0.9 至 2.4 GB，Sortformer 约 250 MB。
对 Apple 平台开发者而言，可在保留 Apple 语音 API 形态的同时按语言覆盖、延迟和内存预算切换本地 Core ML 识别引擎，并用概率化决策接口替代解析语言模型生成文本。
03
watchotherincremental
Eclypsium 研究显示被入侵的硬件可在运行时篡改 AI 模型
Eclypsium 的一项研究展示，被入侵的硬件能够在 AI 模型执行过程中对其进行篡改。
- 该研究由 Eclypsium 完成。
- 研究显示被入侵的硬件可在运行时改变 AI 模型。
AI 构建者需要将硬件供应链与运行时完整性纳入模型防护范围，而不仅是软件层。
04
watchresearchbenchmark jump
SecurityScorecard 基准测试评估 AI 在第三方风险工作与抗攻击能力上的表现
SecurityScorecard 提出或采用一项新基准，用于衡量模型在第三方风险任务上的表现以及其抵抗攻击的能力。
- 该基准针对第三方风险工作与抗攻击能力两项任务进行评测。
- 来源为 SiliconANGLE 报道的论文摘要。
AI 构建者可将该基准用于评估模型在安全风险场景下的任务表现与鲁棒性。
05
watchresearchbenchmark jump
Scale 通过 CAISSI 合作发布首个 AI 基准
Scale 通过 CAISSI 合作发布其首个 AI 基准，提出或使用新的基准评测来衡量模型在特定任务上的表现。
- Scale 通过 CAISSI 合作发布首个 AI 基准。
- 该基准为新的基准评测，用于衡量模型在特定任务上的表现。
AI 构建者应关注这一新基准，以评估模型在特定任务上的表现。