量子位
谷歌新论文把内存股价干崩了！KV cache压缩96倍，网友：硅谷成真了
摘要：
谷歌研究院发布TurboQuant压缩算法论文，解决 AI 推理KV cache内存占用过高的瓶颈。该算法实现3-bit 量化，精度零损失、无需训练微调，将KV cache 内存占用至少压缩 6 倍。英伟达 H100 上注意力计算速度较 32-bit 原版提升 8 倍，长上下文任务（问答、代码生成、大海捞针）Benchmark 表现优异，向量搜索召回率超越现有最优方法。
该项突破被评价为 “谷歌的 DeepSeek 时刻”，可降低长上下文推理成本、提升万亿级向量搜索效率。该算法仅优化推理阶段内存，对 AI 训练环节无影响。
阿里QoderWork打通钉钉、微信、飞书 手机端可直接召唤桌面AI助手 AI大模型
摘要：
阿里桌面Agent应用QoderWork全面打通钉钉、微信和飞书三大主流IM，用户可直接在手机上与QoderWork对话，随时随地调度桌面AI助手的全部能力，远程完成文件整理、数据处理、文档生成等任务。
苹果想靠Siri 再造一个App Store：谁赞成，谁反对？
摘要：
苹果计划在iOS 27推出Siri Extensions系统，将 Siri 打造成 AI 服务分发平台，复刻 App Store 商业模式；同时以每年约 10 亿美元与 Google 合作，用 Gemini 模型重建 Siri 底层智能。
新系统采用三层 AI 体系：底层 Gemini 驱动的苹果基础模型、中层 Siri 交互能力、外层 Extensions 接入第三方 AI。
CCF与淘天这个基金，单项资助30万，支持你研究「龙虾」
摘要：
2026 年 3 月 26 日，CCF 联合淘天集团发布CCF - 淘天集团科技袋基金第三期，前两期分别聚焦大模型、多模态智能方向，本期聚焦Agentic AI。
本期涵盖3个方向10个课题，单项资助30 万元，项目周期1 年，淘天集团提供学生实习机会。
Agentic AI 电商算法：含个性化广告 Agent、智能审核、可解释推荐等 5 项课题；
Agentic AI 基础模型：含 GUI Agent、长程记忆机制、幻觉问题等 4 项课题；
Agentic AI 工程技术：面向复杂营销决策的上下文工程优化 1 项课题
糟糕，大佬45年前论文，被判AI生成
摘要：
大量人类原创、早于 AI 时代的文本被错误判定为 AI 生成。如：阿伯丁罗伯特戈登大学教授45 年前的论文被标 77% 为 AI 生成；爱丁堡大学教授旧文被判定 90% 为 AI 生成；2008 年 AI 相关论文被误判 100% AI 生成。
Show HN: I put an AI agent on a $7/month VPS with IRC as its transport layer
Show HN：我在每月 7 美元的 VPS 上放置了一个 AI 代理，并以 IRC 作为其传输层
摘要：
帖子讨论了一种双智能体分离部署的安全部署 claw 智能体的方案：
公开智能体（nullclaw）：678KB Zig 二进制程序，内存占用≈1MB。部署在每月 7 美元的 VPS 上，通过 Ergo IRC 服务器 + 网页端 gamja 客户端对外开放交互。
私密智能体（ironclaw）：部署在自己的电脑上，负责邮件、日程管理。除通过 Tailscale+Google A2A 协议（一种点对点的安全通信）与 nllclaw 通信外，不对外暴露任何端口，保障隐私安全。
We rewrote JSONata with AI in a day, saved $500k/year
我们用 AI 重写了 JSONata，一天之内节省了 50 万美元/年
摘要：
该企业业务核心为 Go 语言 pipeline，却依赖 JavaScript 版 JSONata 做表达式解析； 用 K8s 部署大量 Node.js Pod，Go 服务通过 RPC 调用，需频繁序列化 / 网络传输； 年计算成本约30 万美元，且随业务增长持续上升。
用 Claude（Opus 4.6）进行重构，将 JSONata 从 JS 重写为 Go（项目名 gnata），以改为进程内调用，消除网络开销； 整个重构耗时约 7 小时，Token 成本仅400 美元，生成 1.3 万行 Go 代码，通过 1778 个官方测试用例 + 2107 个集成测试；
重构后性能大幅提升，年省约 50 万美元。
来源：Hacker News· https://news.ycombinator.com/item?id=47536712arXiv
[论文] DeepFAN, a transformer-based deep learning model for human-artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multi-reader, multi-case trial
[论文] DeepFAN，一种基于 Transformer 的深度学习模型，用于 CT 扫描中偶发肺结节的人人工智能协作评估：一项多读者、多病例试验
摘要：
这是一篇发表于Nature Cancer的顶级临床 AI 研究，核设计了一种基于 Transformer 的肺结节 AI 模型 DeepFAN。该模型是ViT （抓全局特征）、CAL-ADL 3D ResNet（抓精细局部特征）、 GCN 图卷积（融合全局 + 局部特征） 三模块融合的 Transformer 模型，突破传统 CNN 只看局部的局限，已获中国 NMPA 三类证。是中国首个完成注册的肺结节 AI 多读者多病例（MRMC）临床试验，证据等级最高。
来源：arXiv· http://arxiv.org/abs/2603.25607v1[论文] MARCH: Multi-Agent Reinforced Self-Check for LLM Hallucination
[论文] MARCH：LLM幻觉的多智能体强化自检
摘要：
阿里巴巴通义千问应用团队提出的MARCH（Multi-Agent Reinforced self-Check for Hallucination） 框架， 通过 “三智能体协作 + 信息不对称 + 强化学习”，让大模型自主完成 “生成 - 拆解 - 盲验” 的闭环事实校验， 解决大语言模型（LLM）在检索增强生成（RAG）中的幻觉问题。
三智能体包括：基于同一基础模型实例化 Solver（生成初始 RAG 响应）、Proposer（拆解响应为可验证的原子事实 QA 对，聚焦数值等易幻觉信息）、Checker（仅靠检索文档独立验证 Proposer 拆解出来的QA，避免 Solver 的干扰）。
用 “零容忍奖励”（所有事实主张必须与 Checker 结果完全匹配才给奖励，否则惩罚）驱动，通过 PPO 联合优化三智能体的共享策略，让模型同时提升生成准确性和事实审计能力，无需额外人工标注或外部工具。
来源：arXiv· http://arxiv.org/abs/2603.24579v1
