数据与训练

AI 导读研究团队推出AgentVQA基准，从23个数据集中精选1000个真实世界代理场景，涵盖Web代理、机器人、第一人称视频、游戏和空间规划五个领域。测试显示，22个模型中最佳准确率仅为58.5%，主要错误源于无法准确定位UI元素、解释运动、跟踪状态变化和推断3D空间关系，而非任务理解或逻辑推理问题。

AI 选稿理由AgentVQA提供了首个跨领域代理视觉理解离线基准，解决了在线评估成本高、难以扩展的问题，为模型比较提供可靠依据。

AI 导读Anthropic邀请生命科学社区成员申请合作项目，使用Claude研究因果人类生物学、结构计算分子生物学、药物化学等领域。客座研究员将与Anthropic研究人员直接合作8-12周，免费使用模型和工具，共同发表研究成果并开源数据代码。申请人需说明如何从合作中获益，并承诺在短期内产出初步成果。

AI 选稿理由为生命科学研究者提供免费AI模型访问和直接合作机会，加速生物学领域研究进展。

AI 导读研究团队提出视频中心深度研究报告生成任务，给定视频和用户请求，智能体可识别研究问题、检索外部多模态证据并生成交互式报告。该任务包含50个中英文任务，覆盖19个现实子类别，共6414项评估标准。测试显示最佳系统得分为63.3分，当前智能体仍需提升内容覆盖度、跨模态因果逻辑分析能力和引用准确性。

AI 选稿理由新增视频中心深度研究报告生成基准OmniDR-Bench，包含50个中英文任务和6414项评估标准，为视频内容研究提供标准化评估框架。

AI 导读研究团队提出SkeLAM模型，通过骨架监督分解潜在动作为运动学成分和残差成分，在DROID数据集上相比DreamDojo减少末端执行器平均位移误差19.5%，LPIPS降低11.1%，支持零样本人机动作迁移和预测成功率与实际执行一致。

AI 选稿理由SkeLAM通过骨架监督分解潜在动作，提高了机器人世界模型的控制精度和动作迁移能力，在DROID基准上取得显著性能提升。

AI 导读AWS解决方案架构团队开源Deep Insight，一个用CSV和自然语言提示自动生成带引用DOCX报告的多智能体系统，由Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Tracker等角色协作。文章总结五项生产挑战及对应方案：用Strands Agents SDK的Graph与Agents-as-Tools模式控制执行流，按角色分配Claude Haiku/Opus/Sonnet并选择性启用提示缓存，用Bedrock AgentCore做托管运行与会话隔离，用Fargate+ALB沙箱执行LLM生成代码，用DynamoDB、SNS、Cognito搭建运维看板。系统提供本地CLI、Web和AgentCore三种部署方式，LG电子基于同架构将分析时间从3天缩至30分钟。

AI 选稿理由给出可复用的多智能体生产架构细节：分层编排、按角色选模型与选择性提示缓存、Fargate沙箱执行生成代码的具体做法，并附LG电子落地数据（3天缩至30分钟），系统已开源可直接参考。

AI 导读AWS 发布 U.S. Hunger 案例：该非营利组织将 SQL Server 数据每晚 2 点刷新到 Quick 的 SPICE 引擎，17 名同事获得访问权限。CEO 用 Quick Spaces 共享 KPI 定义、财务文档和审计材料，结合调查数据分析食品安全状况；组织计划 2026 年第四季度构建企业 KPI 框架，并通过 Boomi 把数据汇入 Redshift。

AI 导读英伟达发布预训练关系基础模型Kumo Relational，直接在企业关系数据库上做预测：给定预测查询，单次前向传播读取至多1万条历史样本作上下文，输出流失、需求、欺诈等结果，无需任务训练、特征工程或展平表格。在15个数据库的41项任务上，它超过监督式关系深度学习与专家特征的梯度提升树；SAP SALT上MRR超AutoGluon集成8%，微调后领先16%；RelArena-α上精度接近最高分条目但推理快约430倍。模型支持500B+行数据库，代码以Apache 2.0开源、权重按OpenMDW 1.1许可发布，可经structured-data-models库或NVIDIA NIM调用。

AI 选稿理由首个在常见关系基准上以少样本方式胜过监督学习的关系基础模型，覆盖41项任务与500B+行规模，并给出开源库与NIM两种落地方式。

AI 导读Dharma AI 在基于 Qwen3-4B 的葡萄牙语作文评分器上，不换基座模型、数据与训练配方，仅用 VocabX 重建词表。方法按生成token成本而非出现频率选择子词与整段宏token，并控制输出层从约15.2万行降至约6.5万行。同一批500次请求上，平均回复从350token降至101token，实测推理成本降77.0%，bench分数从0.703升至0.810。论文仍在评审中，数据可能变化。

AI 选稿理由给出可复用的词表级推理优化方法及生产评分器的实测成本与质量结果，实验条件明确。

AI 导读微软研究院Xinzhi Zhang与合作者证明了1995年提出的Kannan-Lovász-Simonovits（KLS）猜想：对对数凹分布，最佳平坦切割与任意形状切割的差距总被一个与维度无关的常数界定。研究者用AI智能体探索了约100条候选路径，由人筛选方向，最终通过递归细化与误差有界性论证完成证明；同日另有两组独立证明与Lean 4形式化验证发布。

AI 选稿理由解决了高维几何与概率论31年核心公开问题，把此前随维度缓慢增长的界收紧为维度无关常数，使大量依赖该猜想假设的结果可无条件陈述；同时提供了人指导AI做数学研究的可复用流程对照。

AI 导读英伟达推出Kumo Forecast（原NV-Tesseract Forecasting）多变量时序预测模型，基于MOMENT-1-large约3.4亿参数编码器加可训练预测头。新增DARR模式，用最近邻从历史数据检索相似模式并与直接预测融合；同时提供模型无关的可解释框架，按预测步长输出滞后与特征归因。代码和权重以Apache 2.0开放，支持DataFrame式API及256至2048长度输入。

AI 选稿理由开源可用的多变量时序预测模型，新增历史模式检索与逐步长解释能力，适用于预测性维护等场景，需注意输入长度和数值型数据限制。

AI 导读RFD4-Proteina是英伟达与华盛顿大学蛋白设计研究所共同开发的BioNeMo开放模型，把蛋白序列与全原子结构生成合到一个模型里，可在含小分子、核酸、糖链、金属离子等分子上下文中生成设计。在24个蛋白结合靶点的基准上，high thinking设置每GPU小时产出76.40个满足计算筛选标准的结构相异设计，次强方法Proteina-Complexa为13.24。10月21日至11月4日，NVIDIA赞助专用Space免费使用（RTX PRO 6000 GPU），之后ZeroGPU共享版仍免费；输入与输出均经SecureDNA生物安全筛查。

AI 选稿理由新增了thinking分级设置、24靶点基准上76.40对13.24的设计效率数据，以及10月21日至11月4日专用Space免费窗口和SecureDNA筛查等具体可用信息。

AI 导读NVIDIA扩展开源模型家族，涵盖语言、机器人、生物学和量子计算领域，推出Nemotron 3.5 Super VL和Nemotron 3.5 Bolt等新模型，以及Kumo结构化数据处理模型、Cosmos 3.5世界模型、Alpamayo 2 Edge自动驾驶模型、BioNeMo医疗模型和Ising量子计算模型。这些模型允许组织使用本地数据定制并部署在自有基础设施上。

AI 选稿理由NVIDIA发布多领域开源模型，提供本地化定制能力，适用于欧洲各行业主权智能需求。

AI 导读Anthropic 的 Claude 独立设计了靶向致命蝎神经毒素的蛋白结合剂。在超过 31.8 万个设计中，211 个进入实验室测试，17 个符合标准；其中最强的两个与墨西哥蝎毒素 Cn2 紧密结合。这些结合剂是否真能作为抗毒血清仍无定论。

AI 选稿理由这是同一抗蝎毒蛋白设计工作的外媒复述，与已刊 5 人团队用 Claude 设计抗蝎毒蛋白属同一事件，未提供新增事实或数据变化，按重复稿处理。

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 导读研究团队提出DeepEvolve系统，通过持续交互动态变化的环境并内化经验实现递归自改进(RSI)。该系统在FutureX排行榜连续三周排名第一，评分提升高达195%；在合成评估中超越最强基线10.7 Bradley-Terry点。结果表明，与开放环境共同进化是AI系统自我改进的基础。

AI 选稿理由DeepEvolve实现了递归自改进智能体系统，在真实世界预测任务中连续三周排名第一，评分提升195%，为AI从静态模型训练向经验驱动进化提供了新范式。

AI 导读研究者提出视觉状态编码器 ALPS，仅用静态图像与文本，以语言、重建和空间对应目标从零预训练 ViT-B/16，再用跨视角自蒸馏精调。在15个公开编码器的统一评测中，ALPS 的 LIBERO 状态探针聚合误差在 ViT-B 模型中最低，追平体积大3.5倍的 V-JEPA 2-L；冻结特征配合原生文本塔在 LIBERO 上策略平均成功率85.5%，在 PushT、Wall、Granular 的世界模型规划中持平或超过领先编码器，预测的未来 token 可直接解码成像素。

AI 选稿理由提出一种同时具备物理状态、语言对齐和像素重建能力的视觉预训练编码器，在15个编码器对比中刷新ViT-B级状态探针误差，并报告LIBERO策略成功率与世界模型规划结果。

AI 导读前沿模型 API 不再返回详细推理过程，TraceForge 改为以教师模型的答案和上下文为输入，用生成器按学生模型家族的风格重建推理链，再由判别器筛选。两阶段先监督后对抗训练；独立评审给出的真实性均分为 0.68，真实推理链为 0.66，判别器从四个候选中选出的达 0.82。在相同 5000 题和教师答案下，HumanEval+ 提升 3.7 分、MBPP+ 提升 7.1 分。

AI 选稿理由提出不依赖被限制的教师推理输出、按学生家族风格重建训练推理链的方法，并给出在固定题目和教师答案下的编码基准提升数字，适用于推理蒸馏训练场景。

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LASAGNA框架，评估RAG技术组合效果。测试450种配置发现：单独有效的检索技术组合后仅实现预期17%提升而非47%；检索质量与答案忠实度优化目标冲突；最佳组合随语料库规模变化。研究强调RAG技术应完整测试而非孤立评估。

AI 选稿理由提供RAG技术组合效果的实证研究，证明孤立优化不可靠，适用于RAG系统设计与评估。