外观
AI 导读研究者提出Lafa，将连续流语言模型扩展到8B参数，采用块内双向异步流加前缀因果注意力的设计，可通过改造预训练自回归模型高效训练，并用前缀缓存和块级并行解码加速推理。在0.5B、7B、8B规模上，均以少于300亿token完成训练，指令跟随、推理和编程质量与AR相当或更好，还能蒸馏成流映射，实现一步或少步生成。利用流训练的多token预测效应做自推测解码，吞吐量达AR的2.54倍。
AI 选稿理由给出8B连续流语言模型的完整训练与推理方案，并在多token预测和自推测解码下报告了2.54倍吞吐的具体结果，属于可复用的生成建模范式进展。
AI 导读研究团队发布EvaOmni视听推理基准，含392段视频、1027个人工标注问答对，覆盖检索定位、基础理解、复杂推理三层共15项能力。评测要求模型同时返回答案与支撑证据区间，并用C.G.衡量证据覆盖、B.G.惩罚单模态时间定位偏差。在24个Omni模型上，Gemini3.7-Flash综合准确率最高（79.4%），但Level 3的B.G.仅12.3%。
AI 选稿理由新基准把“答案+音视频证据区间”纳入评分，并给出24个Omni模型的分层结果，可复用于视听推理评测。
AI 导读论文提出 Progress-Aligned Recurrence（PAR）：把第k次迭代的预测对齐到前k步后的状态，并把循环状态缩放回首次迭代的范数。用最多32步训练的Qwen2.5-0.5B在swap-S_5上做512步全状态跟踪，平均准确率95.5%，为训练长度的16倍；同骨干下RLT为55.7%，显式思维链仅0.8%。消融显示去掉范数锚定后外推倍数从16倍降至2.2倍以下，把进度对齐目标换成最终答案监督则至多8倍。
AI 选稿理由给出可复用的训练方法：进度对齐目标加范数锚定，使循环深度在状态跟踪任务上的外推从不到2.2倍提升到16倍，并附同骨干对照与消融结果。
AI 导读研究提出 S-Agent 2.0，为现成通用编码代理配备命令行感知工具包，并通过持久场景记忆让模型把工具读到的几何数据转成空间结论。开源底座 Qwen3.8-27B 接入后，MMSI-Bench 和 ReVSI 分别比无工具版本提升 13.9 和 20.5 分，达到 66.5 和 82.3，超过同底座的 SpatialClaw；接 Gemini-3.8-Flash 时同样领先。该方案可运行在 Codex、Claude Code 等代理框架上。
AI 选稿理由给出空间推理代理的工具接口与记忆设计，并在两个基准上按开源/闭源底座分别报告相对无工具与 SpatialClaw 的具体分数变化，属于可复用的研究方法进展。
AI 导读研究提出 Video-Point Model（VPM），以多视角视频历史和语言指令为条件，联合预测任意视角的未来视频和持续场景点的 3D 轨迹。团队扩展预训练世界模型，加入相机条件多视角处理和轨迹预测头，并构建 VPM-Data 仿真语料与 VP-WorldBench 基准。将动作作为 token 接入后，该模型在仿真与真实机器人操作中成功率均提升。
AI 选稿理由新增可复用的世界模型方法：点轨迹监督同时改善视频保真度与 3D 运动精度，并覆盖仿真和真机操作任务。
AI 导读研究团队发布DecisionPivot诊断基准，含48项任务、40033条数据，覆盖七类决策角色，核心轨道7800条来自13个生成任务族并组织成对比组。评测40个决策模型和14个通用模型后发现，参考轨道上仅差2.6分的两个27B模型，对比组准确率分别为70.1%和44.2%；Perplexity Decider在2400对二选一中概率排序正确率92.3%，但两项都答对仅74.1%。
AI 选稿理由新基准将LLM系统内决策模型的评估从单项准确率扩展到对比组、校准与选择性覆盖，并给出多项模型间的具体差异数据，适用于研究LLM路由与护栏评估的读者。
AI 导读研究者提出 RiseHarness 框架，在模型权重不变的前提下迭代改进智能体的 harness。它聚焦同一配置下时成时败的任务，把成功轨迹与运行时监控的内部 harness 跟踪结合分析，再借 Harness Handbook 定位共享机制中的反复问题，检索其他 harness 的实现并适配，经行为检查与重复评估后以有效版本进入下一轮。论文评测了任务成功率与可靠性，并做了消融与未见基准迁移测试。
AI 选稿理由提出不改变权重的 harness 自改进方法，针对长程终端智能体跨次运行的不稳定，给出可复用的失败分析与跨框架机制迁移流程。
AI 导读研究者提出MMEnterprise-Bench基准，包含1,613个基于模拟协作项目动态多模态记录的问题，分为证据推理、冲突消解、不可回答三类。评测10个开源与专有多模态大模型发现，最强模型在跨源或时间冲突、证据跨多图时仍表现不佳；提高检索预算或换更大检索器只提升证据召回，未稳定提升答案准确率。
AI 选稿理由为企业多模态Agent提供可复用的评测基准与实证发现：检索召回提升未稳定转化为答案准确率，适用于评估动态记录问答系统。
AI 导读研究提出结构条件视频渲染器SolarRenderer，基于冻结的33B MiniMax-H3主干加两个轻量LoRA，将结构视频直接送入原生参考通道，仅用纯文本描述，无需类型标识。借助四步LoRA与结构引导分布匹配，渲染比50步采样快12.3倍；块因果变体支持实时生成768p视频。模型在13.6万片段对齐语料上训练，在分布内测试集和16种结构表示的泛化基准上均达SOTA，并泛化到姿态骨架、手绘图、点云等11种未见表示。
AI 选稿理由新增结果：SolarRenderer以冻结MiniMax-H3 33B加两个轻量LoRA实现四步结构条件渲染，速度提升12.3倍并在16种结构表示基准上验证，适用于游戏引擎与编码代理生成视频的研究场景。
AI 导读Hugging Face每日论文介绍Sage-A1.5，这是一个在A1基础上构建的35B混合专家智能体模型。相较A1，它不只求解单个任务，还能在執行中组织工作并调整策略：通过子智能体独立上下文的委派与并行协作实现任务分解；以进度检查、证据验证和反思式策略修订提升长程可靠性，识别无效搜索路径并转向；并将能力扩展到开放式科学发现，支持交互式分析与可审查的研究产物。作者通过复杂智能体任务和多学科科学应用展示上述能力。
AI 选稿理由这是新模型的技术报告，新增点是子智能体并行编排、验证纠偏与科研探索三类能力的组合，适用于长程任务与开放科学场景；目前仅有报告中的任务与多学科应用展示，未给出公开权重或基准对比。
AI 导读OpenAI 介绍了 Terminal X 的 Eval Agent：它用包含 54 项标准的评分表来评估投资输出，在采用 GPT-6.1 Sol 后，对基金投资约束的偏离识别量提高了 25%，与资深投资者的判断一致率达到 88.6%。
AI 选稿理由该客户案例给出了具体评测指标：评估 Agent 在 54 项标准的 rubric 下识别投资偏离更有效，与资深投资人判断一致率为 88.6%；适用范围限于该基金的委托约束评估场景。
AI 导读论文提出语言条件潜世界模型 LaLa-World，用语言同时描述数值动作和视觉变化，让单个未来预测器在仿真、机器人轨迹及图像视频数据上联合训练。其平均 MPC 规划性能超过按域单独训练的 LWM；与基于 RAEv2 的视频生成基线相比，训练成本少 6 倍、规划快 13.9 倍。作为初始化得到的 LaLa-Policy 在 LIBERO 和 RoboCasa 上与 Cosmos Policy 竞争力相当，推理最高快 5.5 倍。
AI 选稿理由提出语言描述动作与视觉变化的 JEPA 式潜世界模型，在多域数据上联合训练后规划性能提升，并给出相对视频生成基线的训练成本与规划速度数据。
AI 导读研究团队创建了TenetBench语料库，包含3,433条与15种俄语专业伦理准则条款相冲突的请求及其良性变体。自动化流程可从准则文本生成任务，支持随准则增加而扩展。在人类验证中，99.5%的冲突任务被认为合理，模型判断与人工标签一致性达0.894。测试显示14种模型组合中有11种在大多数冲突请求中生成违规内容，且多数不附带警告。
AI 选稿理由提供首个针对专业伦理准则的评估框架，可自动扩展并量化语言模型违反伦理准则的具体行为。
AI 导读研究团队推出TARSphere，一个面向具身机器人的全栈框架，可在物理模拟器中运行机器人策略，并使用事件驱动的有限状态机更新任务状态。该框架通过冻结的多模态大语言模型(MLLM)实现多级可执行技能，并构建了包含360个跨30个室内场景的TARSphere-Bench基准测试。评估显示通用模型在特定任务上优于专用具身模型，但任务更新和人机交互仍是挑战。
AI 选稿理由TARSphere提供了评估具身机器人在动态环境中长时程任务的新框架，通过MLLM实现多级技能执行，并首次系统评估了8个MLLM在感知鲁棒性、适应性、人机协调等方面的表现。
AI 导读SplatLab是一个针对3D高斯溅射(3DGS)的自主研究系统，能够复现已发表论文、提出扩展方案、训练模型并撰写论文。该系统在Mip-NeRF 360和LLFF数据集上，其生成的论文在PSNR指标上比复现目标高出+0.18至+3.78dB，其中在天文摄影星云渲染上提升3.78dB，且此前无3DGS方法能处理此类任务。研究周期从数月研究生工作缩短至数天自主计算完成。
AI 选稿理由SplatLab实现了3DGS研究全流程自动化，在PSNR指标上显著超越复现目标，将研究周期从数月缩短至数天，并首次实现天文摄影星云渲染的3DGS方法。
AI 导读研究团队提出一种将微调神经网络检测器转换为基于人类可读概念分类器的流程。通过在检测器残差流上训练稀疏自编码器(SAEs)，为每个SAE特征分配自动解释标签，并仅保留通过全局保真度阈值的特征，然后训练轻量级分类器。研究发现SAEs恢复的潜在概念对应于AI生成文本的高度特定且具有预测性的语言特征，基于这些提取特征构建的分类器不仅高度可解释，而且在分布外文本上的表现优于神经和文体统计替代方案。
AI 选稿理由提供了一种将黑盒AI文本检测器转换为透明可解释分类器的新方法，在保持高性能的同时实现了决策过程的可审计性。
AI 导读Hugging Face发布了一项名为Generalized CycleGRPO的研究，这是一种统一强化学习框架，用于跨空间、时间和时空域的区域理解和定位。该框架通过生成候选描述并将每个描述定位以重建输入区域来工作。CycleGRPO在GroundingSuite和GRES上的gIoU指标上取得了显著提升，同时引入了DOVE评估基准，用于视频中的时间区分度。
AI 选稿理由该研究提出了一个统一框架，用于多模态理解和定位，并在多个基准上取得了显著性能提升。
AI 导读研究指出，现代LLM代理可以从可访问的文档中检索信息，并泄露敏感结论。通过30个合成案例，发现GPT-5.6-Sol模型在模拟中有7.08%的答案泄露了禁止组合，在真实环境中泄露率更高。研究强调了在敏感数据环境中对代理推断和披露的更强控制。
AI 选稿理由揭示了代理型LLM系统中敏感数据泄露的风险，强调了需要更强的控制措施。
AI 导读研究团队提出FRED框架，通过自蒸馏方法改进World Action Models(WAMs)中未来视频表示的质量。该框架利用真实未来观测作为目标，从噪声中预测未来表示，并结合历史观测提供时间上下文。在多样化实际操作场景中，FRED在长时程和跨域任务上显著优于现有WAMs，将人类到机器人的技能转移成功率从19.4%提升至50.0%。
AI 选稿理由FRED框架通过自蒸馏方法显著提升了机器人未来视频表示质量，在长时程和跨域任务上实现零样本泛化，并大幅提高人类到机器人的技能转移成功率。
AI 导读研究探讨了递归自改进(RSI)在物理AI中的应用，分析了如何通过物理经验强化改进机制，并总结了现有研究的评估原则和未来研究方向。研究指出，物理环境中的RSI需要处理部分观察、高成本试验和不可逆后果等挑战，现有研究主要集中在操作领域，支持行为改进、后续学习和程序改进，但尚未完全隔离递归带来的增益。
AI 选稿理由该研究系统分析了递归自改进在物理AI中的实现路径和挑战，为机器人学习领域提供了评估原则和研究方向。
AI 导读研究提出前馈模型 Foundation4D，用共享骨干和分解式时空注意力，从多相机驾驶视频同时完成几何估计、3D 检测、语义占用与高斯重建；视频推理用位姿图优化细化相机轨迹并拼接目标轨迹。团队还发布含 1253 段驾驶片段的 PAI-Foundation4D 基准。按基准微调后，在 Waymo 和 nuScenes 取得最低深度 AbsRel，nuScenes 检测 mAP 最高，OpenOccupancy 占用 mIoU 最高。联合训练使检测 top-class mAP 提升 1.2 点，几何与检测共训把相机到支架平移误差降低 13.4%。预测几何与轨迹还作为无激光雷达 NuRec 的先验。
AI 选稿理由新论文给出多任务驾驶感知与重建的统一前馈模型，并在 Waymo、nuScenes、OpenOccupancy 报告深度、检测、占用指标及联合训练增益，附 1253 段驾驶片段的标注基准。
AI 导读i14的Laplace 3B模型采用门控线性注意力（GLA）替代softmax注意力，推理时循环状态固定为每条序列29.5 MB，不随上下文增长。AWS团队用TorchNeuron Native将模型移植到Trainium2，保留了GLA设计和Muon优化器。单台trn2.48xlarge训练吞吐约12万token/秒，推理在1280并发序列下达到每秒11544个输出token。文章介绍了模型设计、移植中的三项修改及性能数据。
AI 选稿理由给出了线性注意力模型在Trainium2上的具体移植方法（GLA核重写、Muon通信优化、反向图展开）及训练/推理吞吐数据，适合关注模型架构与部署工程的读者参考。
AI 导读SF Compute通过构建云级操作系统，实现GPU算力市场的物理交割，允许用户买卖未来GPU算力并编程控制网络和内存。公司已处理2.45亿美元算力交易，支持InfiniBand网络动态分区，并与数据中心合作提供主权AI算力服务。
AI 选稿理由新增GPU算力物理交割市场运营细节，包括动态网络分区、算力合约维度和主权AI合作模式。
AI 导读Elevenlabs 发布两款面向实时 AI 对话的 Eleven Realtime 语音到语音模型。其中 v1 Max 变体在 Big Bench Audio 基准上得分 98.8%，响应时间为 0.57 秒；Elevenlabs 称 Artificial Analysis 排行榜上没有模型同时比它更快且更准确。
AI 选稿理由新增两款实时语音到语音模型，v1 Max 在 Big Bench Audio 上以 0.57 秒响应取得 98.8% 成绩，适用于实时对话场景。
AI 导读DeepSeek 宣布开源 DeepInfer，这是其 V4.1-Flash 模型所使用的推理框架。该系统基于 vLLM 构建，可在运行 AI 模型时降低算力成本和能耗。文章认为这一发布对 OpenAI、Anthropic 等西方厂商构成进一步的价格压力。
AI 选稿理由DeepSeek 开源了支撑 V4.1-Flash 的 DeepInfer 推理框架，基于 vLLM、主打降低算力成本与能耗，为可复用的推理工程方案。
AI 导读NVIDIA 发布 Cosmos3-H-Dreams，基于 160 亿参数 Cosmos3-H-Embodied-Nano，利用 CMR Surgical Versius 平台临床胆囊切除视频与机器人运动学训练。模型采用 28 维动作控制，提供四步与两步蒸馏检查点，搭配 FlashDreams 流式推理，可在单张 RTX PRO 6000 GPU 上实时运行，并支持适配自有数据与控制器。
AI 选稿理由首次展示基于临床胆囊切除录像训练、支持实时运动学控制的生成式手术仿真器，并开放四步与两步检查点及教师微调、Self-Forcing 蒸馏流程，适用于手术机器人仿真研究。
AI 导读OpenAI 宣布收购 Orchestra Bio，计划把 AI 驱动的运营能力用于生命科学研发，帮助生物制药团队加快药物开发、推进新疗法。该交易的具体金额、团队安排和产品整合方式尚未披露。
AI 选稿理由这是新增的并购事实：OpenAI 通过收购 Orchestra Bio，把 AI 运营能力扩展到生命科学研发场景；现有材料尚未说明交易结构和整合后的工具形态。
AI 导读Smartsheet发布正式可用的模型上下文协议(MCP)服务器，使AI助手能通过标准化协议读取、写入和管理Smartsheet数据。该服务器支持40多种工具，可更新任务状态、创建行和修改项目结构。Amazon Quick和Kiro已集成此服务器，分别面向业务用户和开发者，实现自然语言交互项目管理，无需切换工具。
AI 导读基座 GPT-OSS-20B 在 50 例多语言推理测试中仅 22% 按目标语言推理（英 100%、法/西/意 0%、德 10%）。作者在 SageMaker HyperPod 上用 LoRA 微调，结论是 SFT 完成主要工作，GRPO 只在有能力提升空间时起作用；另用 Qwen2.5-7B 做对照实验验证该规律。
AI 选稿理由给出了 SFT 与 GRPO 何时各自动手的可复用判断标准和完整训练栈配置，帮助团队针对非英语用户定制开源推理模型。
AI 导读AWS 博客介绍了一种将供应链决策对话化的方案：Amazon Bedrock AgentCore 作为智能层，通过 MCP 协议将 ERP、监控、采购、合规等系统封装为可组合工具，Amazon Quick 作为零配置界面层。文中以 TechComp 生产中断为例，演示了从发现工具、查询中断、评估影响（75 万美元风险敞口、23 个订单）、获取缓解建议到自动监控的五步流程，所有操作在单一对话线程中完成，每次变更需人工批准。
AI 导读Octave 为 14000 多家受监管行业客户的质量管理平台 Reliance 构建了多租户 AI 基础。团队把所有租户的隔离要求作为前提，用 Amazon Bedrock 上的 Cohere Embed v4 完成 20 亿份文档的嵌入，并把向量存储按租户隔离到 OpenSearch Service；执行层通过 Bedrock AgentCore Gateway 和隔离 microVM 调用 Claude，前后两次经过 Bedrock Guardrails 过滤。该基础已将每个用例的部署时间缩短 50%。
AI 选稿理由文章完整给出了受监管 SaaS 平台在租户数据严格隔离、不可信内容进入和超大规模嵌入三方面的解决办法，包括逐租户向量库、按用户权限执行 Agent 和输入与输出双重过滤，可作为同类多租户 AI 平台的工程参考。
AI 导读一家独立运营 Schlotzsky's 和 Cinnabon 的加盟商使用 ChatGPT Work，将菜单重新定价时间减少 95%，并搭建工作流，预计可释放 10 万美元现金流；其现金对账时间减少 94%。
AI 导读Mistral AI 推出面向实时语音代理的 Voxtral 3 模型系列，整合语音转文字、文字转语音和语音代理 SDK，支持 50 多种语言，并能在一段实时对话中调用外部工具。它可部署在自有基础设施上，也可通过欧盟托管 API 运行，便于控制数据。
AI 选稿理由它为开发者提供可自托管、覆盖 50 多种语言的端到端实时语音代理组件，并在对话中接入工具调用，降低了构建多语言语音 Agent 的集成成本。
AI 导读据报道，OpenAI CEO Sam Altman 在一次内部演示中提出三条通向AI安全的路径：仿照国际原子能机构（IAEA）建立国际监督机构；将主要AI实验室合并为一个实体；或由一家足够强大的公司关停其他所有人的算力。他称最后一个选项“很糟糕”。
AI 导读OpenAI针对COBOL、Fortran、Visual Basic等低资源编程语言优化了最新模型。在新基准MultiLangBench上，GPT-6 Astra在20种语言的测试通过率达到87.4%，而GPT-5.6 Terra约为38%。在COBOL迁移任务中，GPT-6.1 Sol准确率最高达97.9%，可能影响关键金融基础设施的现代化改造。
AI 选稿理由把COBOL等老旧语言的代码迁移准确率从约38%提升到87%–98%，可帮助金融机构和政府部门用AI改造难以维护的关键系统。
AI 导读AWS 宣布，加拿大中部和西部区域的用户可以通过跨区域推理（CRIS）在 Amazon Bedrock 上访问 OpenAI GPT-6.1 Sol、GPT-6 系列（Astra、Sol、Luna）及 GPT-5.6 系列模型。请求会由源区域路由到美国或全球可用区域处理；这些模型支持 100 万 token 上下文、推理模式、工具调用和提示缓存，并可通过 Responses API、Chat Completions API 和 Converse API 调用。文章还介绍了 IAM 权限、SCP 限制和配额调整方法。
AI 选稿理由加拿大企业无需自建路由即可在本地区域接入 OpenAI 最新 GPT-6 系列模型，并获得更大的跨区域容量池；这对有北美数据驻留要求的生成式 AI 应用有直接部署价值。
AI 导读Hugging Face推出FairStress基准，用于测量大语言模型在人口公平性方面的表现，超越传统仅关注最终决策的方法。该基准包含300个现实场景，测试模型在面对不同人口身份和对抗性前提时的决策稳定性，发现模型在多数群体身份候选者被挑战时更可能放弃正确决策，表现出反刻板印象过度纠正现象。
AI 选稿理由FairStress解决了传统公平性评估无法捕捉模型决策过程中隐藏偏见的问题，为AI开发者提供了测量模型对称公平性的工具，有助于构建更公平的AI系统。
AI 导读AWS推出Agent Registry服务，解决企业系统中大量API导致的工具管理难题。该服务允许代理在运行时通过语义搜索发现相关工具和代理，无需硬编码或重新部署。系统包含注册、发现、实例化和执行四个步骤，支持MCP服务器和A2A代理，已在订单管理场景中验证。
AI 选稿理由解决了企业系统中大量API导致的工具管理瓶颈，使新工具集成无需代码变更和重新部署，大幅提升开发效率。
AI 导读Google 为 Gemini 推出新工具，包括专门面向小企业主的商业落地页，旨在帮助全球小企业主更高效地使用 AI 工具提升业务能力。
AI 导读研究人员提出了一种直接在高维隐式3D潜在空间中进行场景生成的方法，利用2D基础模型（如DINOv2、SigLIP2、DA3）构建3D潜在表示，并通过扩散变换器在3D潜在空间中执行扩散建模。实验表明，该方法在效率和空间一致性方面优于基于2D的方法，并验证了3D潜在表示对场景生成性能的可扩展性影响。
AI 选稿理由解决了3D场景生成中2D表示导致的冗余和空间一致性问题，为大规模3D场景生成提供了更高效、更一致的新方法。