外观
AI 导读ARC-SORT是一种无需训练、实时运行的多目标跟踪算法，专为体育广播场景设计。该算法通过测量自身不确定性来决定行动，使用交互多模型卡尔曼滤波器为每个轨迹提供预测协方差，并将其转化为轨迹搜索区域。在SportsMOT和DanceTrack测试集上，该算法实现了81.82和62.1的HOTA分数，并在RTX 3060 GPU上以约50帧/秒的速度运行。
AI 选稿理由ARC-SORT解决了体育视频中运动员快速移动和摄像机同时平移变焦带来的跟踪难题，通过自适应搜索区域和身份交换机制显著提高了跟踪精度。
AI 导读一篇论文报告对 GPT-6-Astra 在具身任务上的评估：在涵盖桌面操作、人形、移动平台与灵巧手的 12 项基准上，允许从训练集演示进行上下文学习并大幅增加执行步数后，模型取得前所未有的成绩；同时它识别出高层 System 2 推理（GPT-6-Astra）与低层 System 1 控制器（如 π0.5）的闭环协作成本高但有效。在 8 种机器人配置的真实部署中仍存在明显差距：ICL 所需机器人演示采集昂贵，物理约束下难以用更长执行时间换取更高成功率。结论是该模型大体越过了具身能力门槛，但尚未达到实用具身智能。
AI 选稿理由给出 GPT-6-Astra 在 12 项具身基准和 8 种真实机器人配置上的一套评估方法与实测差距，指出 ICL 演示成本、执行时间与物理约束是落地瓶颈，为具身智能研究与部署提供可复用的问题清单。
AI 导读论文指出 R-Zero、Agent0、Skill Self-Play 等自进化循环存在“选择到更新”的缺口：看起来可学的任务未必产生有用更新，但循环仍继承全部更新。作者提出 HeirCommit，冻结更新后模型并用新评测题决定是否继承，相比随机继承把有害更新占比降低 68-83%；EvoHeir 则分离参数继承与经验继承，在四个骨干模型上数学与通用推理平均表现最佳，数学平均较最强基线 Agent0 提升 5.3%。
AI 选稿理由为自进化语言模型提供可复用的继承筛选机制，解决任务可学但更新无益的瓶颈，降低有害更新比例并保留有效经验，可被训练自进化模型的研究与工程团队直接采用。
AI 导读研究系统评估了OPSD（在策略自蒸馏）中16种特权信息配置，覆盖三个多轮Agent基准和三个不同规模、推理模式的学生模型。结果显示，PI效果取决于内容、生成来源和学生模型：信息密集轨迹和更强生成器产出的PI增益更大，思考模型受益较不一致。研究提出两个KL指标（采样token反向KL和错误步KL对比）来在训练前评估PI，比PI效用更可靠，且用错误步KL选PI优于随机选择；有效PI与GRPO结合还能超过强GRPO基线。
AI 选稿理由提出用KL指标在训练前预测特权信息效果的方法，并在多轮Agent基准上验证优于随机选择，为OPSD中PI构建提供可复用的评估手段。
AI 导读Leash Bio 的 Ian Quigley 在 Latent Space 播客中介绍了公司利用 DNA 编码文库（DEL）收集蛋白质与小分子结合数据的方法，并透露团队将多年积累的数据转化为数万个“实验室在环”模拟环境，用于智能体做可验证的科学推理。两个月后，该工作发展为 Minos，并释出完整预印本、博客和开放数据集。播客还讨论了 Kaggle 竞赛中 40 亿次测量显示模型在未见化学库上无法超越随机、ChEMBL 中“作者身份”可预测分子活性、Hermes 仅用自研数据在公开基准上与 Boltz 持平，以及智能体在 650 万分子中按预算筛选最佳结合物等发现。
AI 选稿理由Minos 将 DEL 实验数据转为可验证的智能体科学推理环境，并开放数据集与预印本，为 AI 做化学与生物领域的强化学习提供可复现的“实验室在环”模拟基础。
AI 导读MIT等机构研究人员开发了一种机器学习后处理模型，通过学习历史数据修正现有预报系统的误差，在2至6周的次季节预报中将黄金标准模型的预测能力提升一倍，并首次稳定超越气候学平均值。该方法还显著提升了对洪水、寒潮等极端天气的预测能力，相关成果发表于《Nature》，并在ECMWF预报竞赛中获第一名。模型训练使用MIT超级计算集群，但运行不依赖超算。
AI 选稿理由该方法首次让2至6周次季节预报稳定优于气候学平均，并提升极端天气预测，能源运营商、农户和应急部门可借此延长决策窗口。
AI 导读论文提出 LEV 决策模型，通过循环重跑层而非生成 token 来加深推理。模型基于按循环方式预训练的语言模型，每个循环步骤后读取选项并联合训练所有步骤，因此同一 checkpoint 可在任意深度作答。在三个循环骨干网络上，准确率随深度提升，主要改善难题：2.6B LEV 在 JevBench 上从深度 1 的 63.2% 升至深度 4 的 76.2%。按问题自适应设定深度可节省 15%–24% 计算量，代价不到一个准确率点。在锁定测试集上，1.4B 和 3B 模型比同延迟（低于 50ms）的稠密模型和级联方案高 5.4 至 8.8 个点。
AI 选稿理由提供了一种不生成 token 就能按需增加推理深度的决策模型方案，同一权重可自适应深度并节省 15%–24% 计算，适合低延迟分类与多选问答场景。
AI 导读本期头条包括：OpenAI 因行政会议室发现隐藏录音设备而报警，一名员工被解雇并逮捕；Google 将 Gemini 4 Argon 作为前沿模型上线 Google Cloud，面向软件开发、金融、法律与网络安全等长上下文多步任务。深度分析讨论 AI 意识争论，以及 Anthropic 动态工作流如何让 Claude 编写程序协调多个智能体，演示显示细节更丰富但成本远高于单智能体。工程方面，24B 参数、2B 激活的推理模型 LFM2.5-24B-A2B 发布并在 Hugging Face 提供，NVIDIA 将 Run:ai 平台整体开源，Physical Intelligence 通过 Pi API 开放机器人基础模型微调与推理，OpenCode 2.0 更新。其他消息包括 Character.ai 申请 Chapter 11 破产、Ramp 推出 AI 工作空间 Glass、GPT 6.1 Sol 默认上下文窗口提升至 500k。
AI 选稿理由Gemini 4 Argon 作为企业级前沿模型上线 Google Cloud，NVIDIA Run:ai 整体开源为平台团队提供 GPU 利用率与共享 AI 基础设施优化工具，Physical Intelligence 开放 Pi API 让机器人基础模型微调与推理可直接托管调用。
AI 导读论文提出 SAE-IDF，将符号在其原生上下文中用稀疏自编码器编码为稀疏码，再按各维度稀有度加权，实现异构符号系统之间的单元匹配。在覆盖 6 类符号系统的 12 项任务上，使用 Gemma-2-9B 时全部任务优于同一模型的稠密基线，使用 Llama-3.1-8B 时仅在 1 项任务上未胜出，最高提升 45 分，且在不同 SAE 层与配置下表现一致。稀疏码的每个维度具有人类可读含义，每次匹配可分解为具名概念。作者称这是构建通用符号骨干的基础一步。
AI 选稿理由给出跨异构符号系统的可解释匹配方法，为数据驱动地拼接更大规模神经符号系统的符号骨干提供可复用基础，做符号对齐与可解释推理的研究者可参考其 SAE-IDF 编码与稀有度加权做法。
AI 导读论文提出 ReaDy，首个利用混合线性注意力（HLA）模型循环状态辅助推测解码的方法：每个草稿位置通过可学习查询从目标模型已提交的循环状态中检索位置相关上下文，轻量状态读取器以残差方式注入草稿表示，并通过低秩读取与融合算子控制开销。在数学、代码生成、对话等七个基准上，ReaDy 在单张 NVIDIA B200 上配合 Qwen3.8-27B 平均取得 3.16 倍解码加速，吞吐较 DSpark 提升 7.97%，接受长度提升 8.50%。代码已开源。
AI 选稿理由把混合线性注意力模型的循环状态用作推测解码的位置相关上下文，在多个基准上把草稿吞吐和接受长度同时提升，可直接用于长文本自回归推理的加速部署。
AI 导读近日，研究人员推出了BlenderWorld，这是首个针对现实3D创作任务评估前沿模型的全面基准。该基准包含223个任务，涵盖建筑、产品、自然环境和科学可视化等领域，通过文本、图像、视频和结构化规范输入驱动。基准测试了13个前沿模型，其中GPT-6-Astra取得了最高总分79.9，其次是Opus-5（73.0）和GPT-5.6-Sol（67.7）。研究发现，尽管当前模型可以解析广泛指令，但在Blender中实现精细的3D空间一致性和准确的结构再现方面仍存在重大瓶颈。
AI 选稿理由BlenderWorld基准测试为3D智能体研究提供了新的评估标准，揭示了当前模型在3D空间一致性和结构再现方面的瓶颈，为未来3D智能体的发展指明了方向。
AI 导读针对长周期任务中智能体可能产生局部正确但不完整结果的问题，研究人员提出Interlock框架，将任务表示为类型化完成图，通过连接边、耦合超边和实现边维护任务关系。该框架编译为可重置工作空间、公共请求和评估标准，并通过源覆盖审查和公共输入审查确保任务完整性。在Qwen3.6模型上的实验显示，该框架能提升AutomationBench任务通过率4.00-4.50个百分点，JobBench加权分数3.20-6.64分，Harvey LAB标准通过率3.89-4.16个百分点。
AI 选稿理由Interlock框架解决了长周期任务中局部正确但不完整的瓶颈问题，通过任务图表示和验证机制提升任务完成率，适用于复杂环境下的智能体任务执行。
AI 导读研究团队推出MULTIFINGROUND基准测试，评估多语言财务报告中概念识别与证据提取能力。该基准基于90家发行商的2025财年报告构建，涵盖英法希腊三种语言。测试显示，15个模型中8个API和开源模型概念识别准确率达97.3-99.4%，但在正确识别的概念组中，26.6-41.9%的情况下至少遗漏一个目标事实。
AI 选稿理由揭示了多语言财务报告中模型概念识别能力强但证据提取不完整的普遍问题，为金融AI应用提供了更全面的评估标准。
AI 导读论文发现更大的双向块能提升视频质量并更好利用 GPU 并行，但传统交互式视频生成依赖小块以降低延迟。作者提出 Speculative Sampling：通过在建模窗口后附加噪声潜变量作填充，并缓存预测结果在条件不变时复用，兼顾大窗口的建模能力与小窗口的低延迟交互。预测增量交付，未提交的未来部分仍可替换。延迟分析显示该方法消除了块边界带来的等待时间下界，使双向窗口大小成为可联合优化视觉质量与采样时间的决策变量，而不再是低延迟交互的硬约束。
AI 选稿理由提出一种无需复杂流式后训练即可在交互式流式系统中部署大型双向视频生成模型的采样策略，消除了块边界等待下界，让窗口大小可同时优化画质与延迟，适合做实时视频生成服务与系统的团队参考。
AI 导读研究提出REASON方法，通过双循环机制解决复合学习目标下的残差误差问题。快速循环处理可解决的残差，中等速度循环主动获取额外证据并评估其信息价值。实验表明，该方法在计算量约为中等循环一半的情况下持续优于快速循环，在未见过的数据损坏条件下表现良好，且在提供更清洁观测时，以相同计算成本优于阶段分类器和学习延迟方法。
AI 选稿理由REASON方法通过双循环机制有效解决了分布偏移和扰动下的残差问题，在保持计算效率的同时提升了模型鲁棒性和性能。
AI 导读研究者提出 DAGFormer，在标准 Transformer 残差连接之外增加从浅层到深层的直接连接，并由与模型联合训练的拓扑预测器根据输入 token 控制每条连接的强度；与现有逐层独立设置连接的跨层路由架构不同，它一次性规划整个模型的路由。在 75M 到 1B 参数、与 OLMo-2 匹配的对比中，WikiText-2 困惑度比原版 Transformer 低 17%–25%，1B 版本用 5B token 训练即优于用 10B token 训练的原版模型；在 13 项常识、科学、阅读和数学评测任务上平均准确率高 2.0–2.5 分，指令微调后 AlpacaEval 胜率 63%–70%，结构化剪枝下六种设置中有五种退化最小。
AI 选稿理由把跨层连接由逐层独立决策改为全局联合规划，在同等参数与算力下显著降低困惑度并提升下游任务表现，也为剪枝鲁棒性提供了一种可复用的架构设计思路。
AI 导读MIT McGovern 研究所团队 10 月 9 日在 PNAS 发表论文，提出衡量人工神经网络生物学合理性的关键指标是自组织能力，而非仅看性能。他们构建的网络从多层随机连接单元出发，仅靠“同时激活的神经元连接增强”等简单规则，就能自我重组为有效的信息处理网络，学会模式识别和图像分类，性能与依赖反向传播的网络相当。研究目标是理解大脑如何学习，并可能反哺机器学习。
AI 选稿理由该工作展示了无需外部设计者、仅靠简单局部规则即可自组织出学习能力的网络，为神经科学提供更贴近生物的学习模型，也为脑机接口等需要理解神经元交互规则的应用提供基础。
AI 导读研究团队推出CyberArena，首个动态对称攻防对抗基准测试，让两个AI智能体在隔离沙箱中同时扮演攻击者和防御者，应对不断变化的服务环境。该基准通过466场比赛评估了12个前沿LLM智能体，能够区分智能体的攻防能力，并提供了可扩展的实验平台。
AI 选稿理由解决了网络安全AI智能体评估中静态基准无法测试实时攻防能力的问题，为研究动态对抗环境下的智能体提供了新工具。
AI 导读Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 Gemini API、AI Studio、Google Antigravity 以及 Gemini 应用和 Search 的 AI Mode 提供，入门价每百万输入 token 2 美元、输出 token 10 美元。
AI 选稿理由官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型在长程任务中的落地方式。
AI 导读Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。
AI 选稿理由官方给出 Argon 在 ERQA 上的得分与四类机器人工作流示例，可据此判断物理推理模型的当前能力边界。
AI 导读DisaggKD框架将教师模型和学生模型分离到不同节点，通过流式传输隐藏状态、行窗口和词汇分片的蒸馏损失，避免形成完整词汇表logits，并使用预取环协调生产者和训练者。在Qwen3.5-35B-A3B到9B模型对上，分离布局与同节点布局的损失相同且速度更快；融合损失使同节点训练在更少节点上加速，而分离布局在学生跨多节点时内存效率更高。在大规模模型对中，融合损失的同节点运行仍会内存溢出，而分离布局可成功训练。
AI 选稿理由DisaggKD解决了知识蒸馏中教师模型受单GPU内存限制的瓶颈，使大规模模型蒸馏训练成为可能，显著提升训练效率和可扩展性。
AI 导读研究者发布 Game2Real-Bench 基准，覆盖细粒度感知、空间推理、约束推理与序列规划四类能力，包含 1000 个可执行验证的程序化游戏样本和 400 个按推理需求对齐的真实样本。评测 25 个 VLM 后发现游戏与真实任务表现高度一致（相关系数 0.935）；one-shot 游戏中，部分模型的约束推理提升，但细粒度感知下降。团队还构建了含约 24K 样本、18 类任务、65 个 QA 家族的 Game2Real-Dataset。
AI 选稿理由该基准首次系统验证游戏任务与真实视觉推理的对应关系，并给出可执行验证的数据集，可供 VLM 评测与训练选择数据来源时参考。
AI 导读本期头条是微软发布第三代自研 AI 加速器 Maia 300，称每兆瓦性能提升 40%，计划 2027 年起大规模部署；Meta 发布首批前沿级模型 Muse Wonder 与 Wonder Full，强化编码、基准表现和记忆用户信息能力。深度内容涉及 AI 生成软件的责任归属、Anthropic 测试模型自主复制能力、以及昂贵闭环任务为何难以训练。研究方面介绍了以不到 1% 预训练成本改造 Transformer 架构的 Priming 技术，以及 GLM-Legal 在 Harvey LAB 上 19.2% 全通过率。快讯还提到 Claude Opus 5.5 灰度测试、智谱 GLM-5.3-Highspeed 灰度上线约 490 tokens/s 等。
AI 选稿理由微软 Maia 300 给出每兆瓦性能提升 40% 并计划 2027 年大规模部署，Meta 首批前沿模型与 Anthropic 自我复制研究同期刊出，均属可能改变算力成本与模型能力边界的关键动向。
AI 导读本期介绍 TasteVal 对 AI 科研能力的评测、HSS 视觉推理基准，以及 Reflection 和 Mistral 的模型进展；作者进一步讨论科研自动化、政府跨实验室训练与 AI 太空工业化的可能性。
AI 选稿理由把模型成绩、训练成本与科研自动化联系起来，适合追踪下一阶段能力变化；自我改进与太空部分提供作者的长期视角。
AI 导读xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，提供 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度，通过 bedrock-runtime 端点的跨区域推理配置文件提供服务，支持 Responses、Chat Completions 和 Converse API。
AI 选稿理由文章给出 Grok 4.7 在 Bedrock 上的接入方式、四档推理强度与跨区域路由选择，便于评估长任务智能体的成本与延迟取舍。