外观
AI 导读Mistral 发布了 Timestral 时间序列基础模型家族，最大仅209M参数却在主要基准测试上排名第一。该模型家族提供四种规格(5M至209M参数)，支持多变量预测和过去及未来协变量，可在CPU上高效运行。Timestral结合合成预训练、协变量感知注意力和长上下文学习，可通过Mistral Forge进行领域适配微调。
AI 选稿理由Timestral以209M参数在时间序列预测上超越更大模型，且能在CPU上高效运行，降低企业应用门槛。
AI 导读巴西 Itaú 银行介绍其“AI 优先”策略：通过 ia.i 对话界面和 IARA 治理平台，为客户与员工提供生成式 AI 服务。
AI 导读研究在Terminal-Bench 2.1上固定同一个Claude Sonnet 5.5终端Agent循环，只更换控制器。21项留出任务共315次试验中，由类型化决策模型Jev 1.13在确定性决策点作答，每次尝试成本上升19%，通过率同为73.0%。Jev比小LLM控制器便宜19%，但比按开发期选择频率采样的安慰剂贵22%。离线评估中Jev判断完成请求的AUROC为0.78，优于规则0.62和小LLM 0.60，但校准差：平均给出0.50完成概率时实际87%运行已通过，导致多余核验；所有控制器都未选择放弃运行。
AI 选稿理由预注册对照实验给出了决策模型控制器增加成本却不提升成功率的可量化结果，并指出完成概率校准与干预无效这两个具体环节，适用于Agent控制层设计讨论。
AI 导读论文把物理推理失败归因于「建模漂移」：模型在解题前会悄悄改动题给量、编造定律或塞入未说明的假设。作者提出 RLAWM，在训练时分别对建模层和求解层给出物理约束奖励，惩罚推断出的公理化世界与题目真实物理世界之间的偏离，不增加推理成本。相对基线，PhysReason 最高提升 12.2 分，PHYSICS 提升 5.2 分；在奥赛级物理与数学上实现零样本泛化，最高为最强基线的 2.45 倍、提升 10 分。
AI 选稿理由提出可复用的双层奖励训练框架，并在 PhysReason、PHYSICS 及奥赛题上给出具体提升幅度，适用于物理推理训练研究，范围限于论文实验。
AI 导读研究团队提出LayerEditor框架，将指令引导的图像编辑与可重用RGBA层的可控生成相结合。该框架通过上下文RGB-Alpha令牌建模在同一令牌序列中表示编辑画布和有序RGB-Alpha层，并引入组合编辑先验蒸馏方法，保持预训练模型的编辑能力。研究团队还构建了LayerEditor-100K数据集和专用基准测试，实验证明LayerEditor在保持强编辑保真度的同时能生成准确的RGBA层，支持灵活的层级操作和多层分解。
AI 选稿理由LayerEditor首次实现了图像编辑与可重用RGBA层的统一框架，通过组合编辑先验蒸馏保持编辑能力，并提供了大规模数据集和专用基准测试。
AI 导读评估软件代理在完整基准上的成本高昂。小任务子集可以保留代理排名，但会得到不准确的成绩。历史响应提供了有用的结构，但具有相同源响应的任务对于新目标代理可能会有不同的结果。本文介绍了分层分数后验恢复（HSPR），它结合了源拟合响应因素和不确定的群体成功率。观察到的目标结果更新了目标潜在状态和群体率的后验；后验引导的获取选择后续任务。其基于分数的标准等于预期的一步减少全分数后验方差。观察到的成功和未查询任务的先验预测计数产生了全分数后验。最终估计使用其中位数与源选择的校准。在SWE-bench家族的四个任务库的10%任务预算下，HSPR在三个库中实现了最低的平均绝对误差（MAE），在所有四个库中实现了最低的最大绝对误差（MaxErr）。移除群体不确定性或替换自适应查询会增加相应控制中的宏MAE。随着预算的5-20%增加，宏MAE下降。
AI 选稿理由HSPR通过分层后验推理提高了软件代理基准分数的评估效率，降低了评估成本，适用于需要高效评估软件代理的场景。
AI 导读研究团队提出了一种名为ID-TAP的神经对决-赌博框架，用于测试时智能体个性化。该框架结合了查询条件下的神经效用模型和轻量级Bradley-Terry探索器，通过相似性加权预热启动在相关查询间转移比较证据。在七个用户条件生成基准测试中，ID-TAP在固定的十轮比较预算内实现了优于其他基线的整体性能。
AI 选稿理由提出了一种新的测试时智能体个性化方法，通过信息导向对决提高了个性化效果。
AI 导读论文提出化身指称分割任务，可从语言查询中选取可动画高斯化身的区域，并按姿态或动作挑选匹配的时间区间，用于局部编辑与动作检查。HumanSkill-4D 无需训练，用共享 MLLM 与几何算子，借助语义记忆和运动记忆完成带歧义局部与相近动作的选择。作者发布三个人工标注基准，称其在部件分割及 3D、4D 指称分割上优于基线，每个化身仅需分钟级准备。
AI 选稿理由提出可动高斯化身的新查询任务与免训练框架，并公开三个人工标注基准及对比结果；实验限于化身部件与动作区间的指称分割。
AI 导读Hugging Face每日论文介绍Muse Glimmer，一个带感知编码器的开源300亿参数因果语言模型，面向消费级硬件上的自主Agent任务。模型将多步推理、可靠工具调用与失败恢复整合在单一模型中，本地运行无需云端基础设施；接受文本与图像输入、输出文本，使用超百种语言数据训练，量化至约4-bit精度以支持单GPU高效推理。作者称其在同量级模型（Gemma4-31B、Qwen3.6-27B）的工具使用、多步规划与Agent任务完成基准上达到SOTA，以Apache 2.0许可发布。
AI 选稿理由发布了一个Apache 2.0开源的30B端侧Agent模型，将多步推理、工具调用与失败恢复整合进单一模型，在消费级单GPU上以约4-bit量化本地运行，并在同量级Agent基准上报告超越Gemma4-31B与Qwen3.6-27B的结果。
AI 导读针对基于LLM的多智能体系统，提出了一种名为IF-MAP的方法，用于识别具有高系统级改进潜力的智能体。通过测量在受控语义提示扰动下的端到端损失变化，并使用估计的响应范数作为优先级分数，该方法无需访问模型参数或梯度。在代码生成、问答和数学推理等六个多智能体工作流程中评估IF-MAP，优化所选智能体的提示可带来平均3.81个百分点的宏观平均增益，而升级所选智能体则可带来7.62-16.42个百分点的宏观平均增益。
AI 选稿理由提出了一种新的智能体优先级识别方法，可提高多智能体系统的性能。
AI 导读研究人员提出ECHO方法，通过让骨干模型的最后一层直接预测所有时间范围，消除了传统多令牌预测(MTP)方法中需要额外模块和前向传播的成本。结合动态深度采样(DDS)技术，ECHO将未来预测融入自回归目标，在预训练中仅需一半的MTP训练开销即可提升下游推理和代码能力，推理时模型可自主扩展预测深度并保持高熵生成时的对齐优势。
AI 选稿理由ECHO解决了多令牌预测方法计算效率低的问题，通过骨干模型直接预测和动态深度采样，大幅降低训练成本同时提升模型在推理和代码任务上的表现。
AI 导读研究提出EdgeKernelBench，用统一IR部署框架和分层基准覆盖从单算子到紧凑模型图的边缘工作负载，以TVM为参考编译器验证异构边缘后端。单次生成中最佳模型Correct@1为64.5%，但Fast@1.0仅25.5%。为此引入分层IR优化的LEKA，在代理评测子集上Fast@1.0达43.5%，直接生成和Claude Code分别为13.0%和26.1%，后两者使用相同基础模型与优化预算。
AI 选稿理由提出面向异构边缘后端的LLM内核生成统一基准，并给出分层优化代理LEKA；在指定评测子集上以相同基础模型和预算将对齐性能从直接生成的13.0%提升到43.5%，实验限于TVM参考编译器和所测边缘后端。
AI 导读UniAVC解决了现有方法依赖稀缺的成对数据集问题，采用分模态训练和独立噪声调度策略，实现了文本条件下的联合生成、双向跨模态生成和指令引导编辑。该模型支持意图感知编辑和推理后自我完善，无需任务特定适配器即可完成多种创作任务。
AI 选稿理由UniAVC突破了音视频创作中成对数据稀缺的限制，通过创新训练策略实现了高效跨模态耦合，为多媒体内容创作提供了新范式。
AI 导读研究团队提出Design Anything框架，通过意图-执行图保存设计意图，将交付物与工作流步骤绑定。在19个设计领域的228项任务测试中，使用DeepSeek V4.1 Flash High和GPT-5.6 Sol High模型时，分别满足85.0%和92.5%的简报事实约束，超越同模型基线15.4%和14.4%。在24个工件的大规模任务中，提升幅度达25.1%和23.0%。专业设计师在盲测中更偏好该框架的完整交付物集。
AI 选稿理由Design Anything框架通过意图-执行图显著提升设计代理在多领域、大规模项目中的约束满足率，适用于需要长期保持设计意图一致性的复杂设计任务。
AI 导读论文提出HybridResearcher，一个4B深研智能体，用已有单源任务（如text-to-SQL或网页搜索）围绕桥接实体合成缺失的另一源数据，并仅在严格校验确认单源不足时保留样本，再经监督微调与强化学习训练。在HybridDeepResearch基准上，pass@8比基座Qwen3.5-4B高30.0分，超Qwen3.5-397B-A17B 8.3分；在BrowseComp与BrowseComp-Plus上亦优于基座，未现灾难性遗忘。
AI 选稿理由给出用单源任务合成跨源桥接训练数据的可复用方法，并在HybridDeepResearch上以4B模型取得具体分数提升，适用跨结构化与无结构证据的深度研究智能体训练。
AI 导读针对小型语言模型(SLM)代理在长交互轨迹中出现的进展停滞问题，研究者提出Progress-Aware Distillation(ProD)方法。该方法通过检测和惩罚学生模型生成的停滞轨迹，将停滞差距编码为自适应边界，动态防止无效循环。实验表明，ProD在8个0.6B至8B参数的SLM上显著提升了任务成功率和完成效率。
AI 选稿理由解决了SLM代理在长任务中的进展停滞瓶颈，使小型模型能更高效地完成复杂任务，适用于资源受限场景。
AI 导读AWS介绍了基于Amazon Bedrock AgentCore构建的九阶段AI智能体评估框架，该框架覆盖从基础定义到持续改进的完整生命周期，帮助确保AI智能体在生产环境中的质量和可靠性。文章详细描述了如何通过多层次评估工具和自动化流程来监控和改进AI智能体的安全性、质量、性能、成本和运营控制等关键指标。
AI 选稿理由原文提供了完整的AI智能体评估框架，读者可据此构建自己的质量保障体系。
AI 导读MIT News 报道马萨诸塞州剑桥市 Kendall Square 协会第18届年会。MIT 教授 Daron Acemoglu 在主题演讲中提出，AI 应成为工人扩展能力、学习新技能的工具，而非工作的敌人；他还谈及新书《What Happened to Liberal Democracy?》。剑桥市长 Sumbul Siddiqui 回顾了 1970 年代居民与生物实验室合作制定重组 DNA 研究政策的经历，Broad Institute 首席传播官 Lee McGuire 则重申人才密度、教育与集体发声仍是该地区创新的关键因素。
AI 导读DeepSeek V4.1 Flash 更新至 V4.1-Flash-1017 版本，性能与成本实现帕累托改进，支持从零开始构建完整项目，新增开放自研搜索 API，模型权重已开源。
AI 选稿理由新版本实现了从零开始构建完整项目的'许愿式'编程能力，并开放了自研搜索 API。
AI 导读Reflection AI发布了Beam，一个用于智能体编码和长程任务的开源权重大模型，总参数量501B，激活参数23B，上下文长度达100万tokens。Beam通过Apache 2.0许可证在Hugging Face发布，提供BF16、FP8和NVFP4三种格式，可在AWS SageMaker JumpStart或HyperPod上部署，支持Kubernetes原生控制。
AI 选稿理由原文提供了在AWS上部署Reflection Beam模型的两种路径和详细配置步骤，读者可以直接参考实施。
AI 导读本期主要围绕三条线索：Anthropic 发布 Claude Haiku 5.5 并回顾 Sonnet 5.5，独立评测显示 Haiku 5.5 智能指数 43 排第 13、速度最快，但成本与延迟随推理等级大幅变化；Mistral 发布 1.05 万亿参数 MoE 模型 Large 4 的 API 预览，在 CyberGym-E2E-AA 上以 82% 居公开模型首位，权重将随后开放；Apple、Nvidia、Microsoft 推出面向本地 AI 的桌面与笔记本，Tom's Hardware 用 AgentPerf-Local 测试表明 Nvidia 硬件快于 Apple 与 AMD。此外，清华、蚂蚁与人大提出 CausalMix，用因果方法将数据配比与数据质量分离来优化微调数据选择。
AI 选稿理由Mistral Large 4 成为中美国之外最强开源权重候选并在漏洞修复任务领先，Claude Haiku 5.5 刷新速度与价格结构，本地硬件与 CausalMix 分别为端侧部署和数据配比提供了可复用的量化参考。
AI 导读论文指出，Agent 场景下上下文长且持续演化、多轮交互频繁，现有草稿模型接受长度最多下降 80%，维护历史 KV 缓存也带来大量系统开销。DLite 直接复用目标模型的上下文隐藏状态做局部投机预测，不再显式维护历史上下文，并用轻量顺序头恢复块内因果依赖，配合两阶段训练。在通用、长上下文与 Agent 负载上实现 2–6 的接受长度，比 SOTA 方法 DSpark 最高提升 70%。
AI 选稿理由把 Agent 长上下文下的投机解码从“维护历史”变成“复用目标模型隐藏状态做局部预测”，在通用、长上下文和 Agent 负载上把接受长度提升到 2–6、较 DSpark 最高提升 70%，可用于降低多轮 Agent 推理的延迟与显存开销。
AI 导读MOSS-Image 是一个开源生成系统，从零预训练 5B 单流扩散 Transformer（DiT），支持中英双语长文本渲染与精确布局控制；同时提出意图感知的 Agent 式提示增强模块，将用户请求转为内容与布局规格。作者还发布 LongLongTextBench 与 RealLayoutArena 两个评测基准：MOSS-Image 在 LLTB 上开源模型第一，平均文本覆盖率 96.3%；在 RLA 端到端系统对比中排第二，其骨干模型在使用统一增强提示的生成器对比中排第一。团队表示将公开模型、训练配方与评测框架。
AI 选稿理由开源权重文生图模型在密集文字和复杂版式上长期落后于闭源系统，该工作给出了可复现的 5B 预训练配方和两个长文本/布局评测基准，96.3% 的文本覆盖率让海报、图表类图文生成更接近可直接使用。
AI 导读研究提出Modality-Agnostic Refusal Steering (MARS)方法，通过从LLM骨干网络提取文本拒绝方向实现多模态安全，无需收集多模态安全数据。MARS通过激活中心化、自适应调整引导强度和选择最佳干预层，在五种SOTA多模态大模型上提升了安全性，同时保持实用性。
AI 选稿理由解决了多模态大模型安全数据收集困难的问题，提供了一种无需多模态安全数据的轻量级安全增强方法。
AI 导读研究提出 HexaShell，一个极薄的机器人控制框架：VLM 编码 Agent 通过命令行驱动双臂机器人，读取三个已标定 RGB 相机，并在每次失败后读日志、定位原因、编写或修复名为 tools 的小程序，用三角测距和平面求交估算物体与夹爪的相对位置。工具仅用单 seed 的十种布局构建并冻结，再在同 seed 的十种新布局上测试，使用 Codex 与 GPT-6-Astra 中等推理强度，在 RoboDojo 全部 42 项任务上达到 39.7% 成功率与 48.0 进度分，刷新最优。瓶颈在接触而非推理：推动 92.5%、记忆任务 65.0%，而紧密插入仅 8.3%。作者开源了已演化的 tools。
AI 选稿理由展示了编码 Agent 在真实机器人操作中的能力边界：把失败经验沉淀为可复用代码工具后能刷新 RoboDojo 榜单，但紧密插入等接触密集型任务仅 8.3%，为机器人 Agent 研究者指明了推理之外的运动控制瓶颈。
AI 导读研究提出基于求解器充分性的符号化方法，通过反例引导算法发明符号，在分段仿射系统和神经网络优化目标中验证，可降低求解成本并保持解质量，同时提升可解释性和可控性。
AI 选稿理由提出求解器充分性符号化概念及反例引导算法，适用于机器人规划和连续优化问题。
AI 导读本期头条包括：Muse Spark Open 为 816B 参数（激活 42B）、100 万 token 上下文的多模态开放权重模型，面向编码与长周期 Agent 任务，可在两台 Apple M5 Ultra Mac Studio 上用 MLX 本地运行；微软详解 2.8T 参数 MoE 模型 MAI-Base-2 的训练栈，称其在留出预训练评测中超过所有开放权重模型，并计划通过 Foundry 提供企业服务；Liquid AI 发布 d1-ultra 多模态决策模型，定价每百万输入 token 0.042 美元。另有多篇深度分析、Nvidia Nemotron 3.5 Super VL、Krea 3、FLUX 3 Image Klein 等工程与模型进展，以及开放权重模型已占网关超七成 token 和近四分之一花费的统计数据。
AI 选稿理由Muse Spark Open、微软 MAI-Base-2 训练栈、Liquid d1-ultra 与 Nvidia Nemotron 3.5 Super VL 等集中发布，覆盖长上下文 Agent、企业级前沿模型与低成本决策模型，为开发者和企业提供新的开放权重与 API 选项。
AI 导读研究提出一种神经分层离子电子皮肤，密度达1110单元/平方厘米、规模超10000单元，模仿人类感觉系统的分层处理架构，通过信号编码、汇聚与认知建模逐层传输交互信息。基于频率的位置编码让离子电子传感器实现并行传输，抑制串扰并达到每秒100帧，后端汇聚压缩将带宽消耗降低数百倍。搭载该皮肤的人形机器人可完成分辨300微米表面特征的精细触觉交互，并对伤害性刺激做出自我保护反应。
AI 选稿理由为大规模高时空分辨率触觉系统提供了可扩展的并行读出方案，使机器人能分辨300微米级表面细节并具备伤害感知自保护能力，可用于人形机器人的精细操作与安全交互。
AI 导读研究者提出 PPMem，将平面基元作为视频世界模型的持久3D记忆，每个基元仅需7个参数。它在视频扩散Transformer上增加平面预测头和Depth Token Fusion模块，使自回归生成的每一段同时输出RGB视频与平面几何，并合并为持久平面记忆，通过渲染深度约束后续生成。该记忆比逐像素点云紧凑约三个数量级（约10万个基元、整场景5MB），且具备度量深度、法线和可导出表面。在DL3DV和RealEstate10K上，PPMem的视频质量优于此前的3D接地世界模型，并能在大视角变化下维持数百帧的连贯性。
AI 选稿理由用平面基元把视频世界模型的3D记忆压缩到约5MB并保留度量深度与可导出几何，为长视频生成和场景探索提供了更可扩展的记忆表示。
AI 导读论文指出，微调 VLM 作为导航策略的常见做法虽然探索能力不错，但主要失败原因是“目标定位”：无人机/机器人常没注意到目标已在视野内，也难估计距离。作者提出显式目标定位方法 StopWatch，在三个场景集合的六个基准上达到当前最优，并修正了这些基准的标注缺陷。在干净基准上，若给定真值定位，其策略几乎追平生成示范的专家，说明剩余差距在感知而非策略学习。
AI 选稿理由把物体目标导航的主要失败归因于目标定位并给出简单有效的解法，在六个基准上刷新最优结果，同时修正基准标注，为后续导航研究提供更可靠的评测基础。
AI 导读论文提出能力基评测（CBE）范式，用参数化生成器在固定所需能力的前提下扩展复杂度，并用答案保持不变的表述变体检验模型是否可靠应用同一能力。在小学排序任务上对六款GPT和Qwen模型测试：有界复杂度范围内表现尚好，但强模型在测试问题族上均未通过能力条件；思维链和GRPO能扩展强表现但未解决全部失败，监督LoRA在留出集上迁移很少。
AI 选稿理由提出可随模型扩展的能力一致性评测协议，在六款GPT/Qwen排序任务上给出诊断结果，并报告CoT、GRPO与LoRA的对比效果。
AI 导读研究显示，自回归Transformer模型在生成t个token后，提示词对隐藏状态的影响呈幂律衰减t^{-α}，训练后的模型遗忘较快(α≈0.55-0.7)，未训练模型遗忘较慢(α≈0.2-0.5)。研究证明了有限深度预归一化softmax Transformer的遗忘界限，并提出了'条件无毛定理'：随着生成文本增长，提示词对下一个token的影响会消失，任何保留的提示词属性必须由文本本身携带。
AI 选稿理由揭示了Transformer模型中提示词遗忘的数学机制，为理解语言模型记忆特性提供了理论基础，有助于改进提示工程和模型设计。
AI 导读该研究将循环语言模型中的循环位置、输入注入方式与循环状态组织三个设计维度解耦，在相同参数规模、逻辑深度和 token 预算下从头训练模型对照。结果显示 prelude-recurrent block-coda 三明治架构在上下文提取和推理任务上稳定更优，输入注入主要提升知识检索与上下文利用，随机初始化和分离 H/L 循环状态收益混合甚至为负。在 730M 参数、336B token 规模下，完整 Huginn 架构在全部十项基准上超过 Ouro，且该优势可迁移到 MoE 模型。
AI 选稿理由为循环模型设计提供了可复用的解耦实验结论：Huginn 风格在 8BA0.8B MoE 上用 75% 更少的常驻参数即可超过 112 层前馈基线，并覆盖知识、推理和编码任务。
AI 导读研究提出LM2LM方法，通过强化训练大语言模型生成有效的语言模型改进方案。使用研究世界模型(RWM)提供可扩展反馈，并定期执行高排名提案以保持反馈可靠性。在八个自回归和扩散语言模型开发环境中，LM2LM使Qwen3.8-27B超越GPT-6-sol，即使后者拥有300个真实实验记录，且数据生成成本降低33%。该方法还能推广到训练期间未见过的模型家族。
AI 选稿理由LM2LM实现了语言模型自我改进的高效方法，通过研究世界模型降低数据生成成本33%，并在多种模型开发环境中超越现有模型。
AI 导读研究人员提出QD-Rec方法，将开放式搜索与基础模型结合应用于推荐系统，为决策者提供多样化且高质量的推荐选项，每个选项附带自然语言解释。该方法在并购、客户目标定位及论文书籍推荐等场景中，多数情况下实现了最高的平均质量并构建了最大的推荐档案库。
AI 选稿理由QD-Rec解决了传统推荐系统仅提供单一排序列表的局限，为高风险决策场景提供了多样化且附带解释的推荐选项，提升了决策质量。
AI 导读论文提出 LILIE（语言信息无损图像编码器），一种可逆图像变换，通过归一化流 Transformer 与视觉-语言模型联合训练，使 VLM 能从加噪特征中恢复描述文本。研究者用 LILIE 损失训练 JiT 模型，在 GPIC 数据集上相比纯像素损失基线将 gFD 从 66.84 降至 53.01。代码、编码器与生成模型已开源。
AI 选稿理由提出语言信息监督的可逆图像编码器 LILIE，在 GPIC 数据集上将 JiT 模型 gFD 从 66.84 降至 53.01，相比像素损失基线降低 14 点，并开源代码与模型。
AI 导读研究者提出 OfficeTown，一个面向专业组织的生成式模拟框架：根据组织的目标和活动描述自动初始化组织，成员协调工作、把有限任务委派给助手 Agent 并评审交付物，产出物、决策和未决事项会持续影响后续工作，职责与权限决定成员可见和可做的范围。团队构建了包含 23 个模拟组织、8 个专业领域、406 项任务和 4836 条评估标准的 OfficeTown Bench。前沿模型评测显示仍有较大提升空间；用 OfficeTown 数据做监督微调和同策略蒸馏后，Qwen3.5-9B 在 GDPval 等外部专业工作基准上显著提升，主从式 harness 也优于单/多 Agent 基线。
AI 选稿理由为通用 Agent 提供了带有组织记忆、权限与评审反馈的可执行训练与评测环境，其数据可迁移提升模型在 GDPval 等外部专业工作基准上的表现。
AI 导读论文提出 TreeOPSD，一种无需 critic、树感知的后验自蒸馏框架，用于长程智能体强化学习。该方法将每个交互轮视为树节点，从共享前缀分支出替代延续，并递归地把终端奖励回传为隐式轮级信用，再映射为以相对冻结行为策略似然比为参数的闭式有界教师分布。实验显示其在多个基准和模型规模上提升智能体能力，Qwen3-30B-A3B-Thinking-2507 在 Deep Research 设置下平均准确率较 GRPO 提升 4.97 分。
AI 选稿理由为长程智能体 RL 提供了无需价值网络和步骤标注的轮级信用分配方法，并用有界教师分布约束多轮小批量更新，可用于提升深度研究等长程任务的训练稳定性与效果。
AI 导读研究提出Conditional Program (CP)压缩表示方法，通过短码和局部尺度重建输入请求的行，仅需两比特编码即可将输出KL降低41-63%。在三个训练的n-gram记忆家族中，共享格子在匹配存储预算下优于测试的拟合码本和低秩残差变体，将DeepSeek的表存储从203GB减少到51GB。
AI 选稿理由解决了大型语言模型中嵌入表存储瓶颈问题，显著降低存储需求同时保持模型性能，使更多工作负载可驻留在GPU上。
AI 导读研究者提出 MIST 评测，将“场景设置”与“应留下的记忆”分开检验，发现视频世界模型在记忆测试中失分主要因为未执行被指示的变更，而非遗忘。基于此提出 M3-Agent（Make the Missing Move），递归改写输入指令细节以促使模型执行指令，其 MIST reveal 得分相比基线提升三倍以上，WRBench 的 T 分数提升 26.1%，MBench-T 的 U 分数提升 52.7%。
AI 选稿理由把视频世界模型的“执行失败”与“记忆失败”拆开诊断，并给出可递归改写指令的 M3-Agent，使冻结模型在既有基准上显著提升，为世界模型评测与提示设计提供了可复用方法。