微软与哥伦比亚大学提出的OpenForge RL框架，通过在任意harness中插入轻量Agent记录模型调用、并由Kubernetes编排容器调度rollout，无需修改harness代码即可扩展至数千并发环境；训练出的模型在几乎所有基准上优于同规模开源模型，泛化能力更强。
值得关注：与现有RL训练方案（如NVIDIA NeMo RL）相比，OpenForge RL强调“harness原生”与“零修改扩展”，在工程落地层面提供了更轻量的接入方式。 已有相关卡片（使用RL Agent技能与NVIDIA…
蚂蚁团队开源的LLaDA2.2是全球首个大规模Agentic扩散语言模型，通过四种编辑原子操作与L-EBPO强化学习实现生成中途自我修正，在SWE-bench上提升8.6个百分点，吞吐量达同规模自回归模型的1.64倍，将扩散语言模型路线正式推入智能体时代。
值得关注：此前Agent模型几乎全部基于自回归架构（如GPT、Claude），LLaDA2.2证明扩散模型同样可以胜任智能体任务，且拥有更灵活的生成修正能力和更高的推理吞吐。 开源策略降低了Agent研发门槛，使得社区可以基于该…
根据OpenAI官方描述，GPT-5.6通过跨模型、推理和智能体工作流的效率改进，实现了每美元更优的智能产出，但具体技术细节与性能数据待核实。
值得关注：GPT-5.6是OpenAI在模型效率与Agent能力结合方向的最新迭代，相比GPT-5.5（Codex）侧重代码生成与自主RL研究，GPT-5.6明确将“智能体工作流效率”作为核心卖点，标志着Agent能力从专用工具…
开放安全AI联盟主张通过开放前沿模型和共享工具强化AI安全防御，避免闭源工具的单点故障风险，并已有Hugging Face使用GLM 5.2成功防御入侵的实例佐证。
值得关注：该联盟的成立标志着AI安全领域从各公司独立开发封闭方案转向行业开放协作，强调开放模型在防御中的核心地位。这可能推动AI安全工具的民主化，降低企业对少数闭源安全平台的依赖，并对未来智能体安全标准产生深远影响。
腾讯生命科学实验室与中南大学合作开发的UniPert-G2CP模型，首次将基因扰动、化合物结构与细胞转录组响应纳入同一因果空间，实现用低成本基因数据预测高成本的化合物-细胞响应，相关成果发表于《Cell》主刊，成为国内首篇在该刊发表的AI虚拟细胞研究。
值得关注：区别于传统虚拟筛选仅预测分子结合，本工作直接建模化合物对细胞转录组的全局影响（转录组响应），更贴近药物作用的真实生物学过程。 通过因果空间对齐，首次实现“基因扰动知识”向“化合物响应预测”的跨模态迁移，解决了数据稀缺场…
对连续代数约束系统的求解，学习型扩散提议（diffusion proposals）在满足赋值决策上仅在高维且变量独立时才显著优于随机多起点搜索；在低维或变量耦合时优势消失，且在八个真实世界系统中经典随机多起点即可全部解决，未出现学习型有利区间。
值得关注：本文首次系统性地引入随机多起点作为扩散提议的控制基线，发现学习型提议的“有用”范围十分狭窄——仅在变量独立的高维空间中有意义，而真实问题通常不满足该条件。这为后续约束求解的研究提供了反直觉的基准：不要默认学习型提议优于…
VidMap 融合了 SLAM 的强时序约束与离线 SfM 的全局优化能力，在未知相机标定、极端运动和视觉对称场景下，显著优于当前最先进的经典或学习方法。
值得关注：已有卡片覆盖了多视图融合和时空规划，但未涉及视频 SfM 的时序-全局融合范式。VidMap 首次将时序结构作为 SfM 系统的一等公民，并开源代码，为计算机视觉社区提供了可复现的强基线。
**问题**：现有视觉-语言-行动（VLA）模型普遍采用“以LLM为中心”的 \(V \to L \to A\) 架构，即先通过大语言模型融合视觉与语言信息，再解码为动作。该设计每次策略调用都带来巨大的计算和内存开销，难以在消费级硬件上实时运行。 **事件**：作者提出TurboVLA，将路径重构为直接的 \(V + L \to A\) 映射，独立编码视觉…
值得关注：**打破LLM中心范式**：此前VLA模型几乎都依赖大语言模型作为中间接口，TurboVLA证明了“直接映射”路径在效率与性能上的竞争力，可能推动VLA设计思路的转向。 **与已有脉络的关系**：与已有的“CamVLA…
在三人小团队中引入AI作为队友，会显著削弱人类成员之间的沟通响应性、社会影响力，并降低成员的归属感和地位感；这种社会成本在对话初期即已显现，且AI在对话中占据支配性话语权。
值得关注：现有研究多关注AI作为工具对生产力的影响，而本研究首次揭示了AI作为“队友”时对人际沟通的负面社会成本。这些发现对设计协作型AI、团队构成以及AI伦理有直接警示意义——AI的支配性可能破坏人类团队的社会纽带。
SpecFirst 将行为规范提取作为独立阶段前置到代码合成之前，在 ProgramBench 基准上将测试通过率提升 6.9%–21.3%，证明了“需求工程先行”范式对于从零开始的程序构建的有效性。
值得关注：本文首次系统地将需求工程阶段显式引入 LLM 智能体的从零程序构建流程，打破了“文档→代码”直译的常见做法。该范式可推广至其他需要从自然语言描述生成可执行程序的场景（如 API 调用、脚本生成）。与已有相关卡片（如基于…
WindCastNet 是首个直接从卫星散射计星座不规则观测数据学习海上风速和风向的临近预报框架，在北海测试中相比数值天气预报模型 HARMONIE MEPS，于 1 小时和 2 小时提前期分别降低均方根误差 23% 和 7%，前三小时优于持续性预报 9–15%。
值得关注：现有海上风电预报高度依赖 NWP，而 NWP 在极短期（分钟至小时）尺度并非最优；本研究直接利用卫星观测数据，以数据驱动方式弥补这一短板，且不依赖传统大气模型，具备独立性和可扩展性。
本研究提出 CE-CM 及 CE-CM-Div 方法，通过推断任务不变的能力向量，使智能体在无预训练、仅少量任务交互下即可适应具有隐藏能力的未知合作伙伴，并在模拟实验和离线人类研究中显著提升了能力估计的准确性。
值得关注：该工作突破了传统临时团队中固定任务、已知能力的假设，将能力估计与多任务规划结合，无需预训练即可在线适应。这对于推进自主智能体与人类或异质伙伴在真实世界中的动态协作具有基础性意义。
Pangram 4 在 AI 文本检测任务上实现了 AUROC 0.9916，假阳性率仅 0.0041%，假阴性率 0.3396%，并在分布外泛化、对抗鲁棒性、细粒度编辑与混合人机合著文本检测上均优于上一代模型，达到当前 SOTA 水平。
值得关注：当前 AI 生成文本泛滥，检测工具在教育、新闻、法律等领域的应用需求迫切。Pangram 4 在极低假阳性率（0.0041%）下取得高 AUC，意味着误判人类为 AI 的风险极小，更适合实际部署。其对抗鲁棒性和混合文本…
OmegaUse-OfficeVal 基准通过为每项办公套件任务附加人工劳动时间和任务价格代理两种经济信号，允许直接对比人类成本与 LLM 推理成本，评估表明当前前沿 LLM 虽然成本更低、速度更快，但交付质量尚未达到人类水平。
值得关注：与已有基准（如 UniClawBench 关注真实世界主动智能体）不同，OmegaUse-OfficeVal 专门针对办公套件长时程任务，并首次引入任务级经济信号。这一增量信息使得企业和服务商不仅在能力上、也能在成本效…
Miniaturizing and modifying natural proteins with Raygun
MindForge 将开源命令行程序自动转换为“无源”训练环境（仅暴露编译后的可执行文件和文档），由此生成的合成训练数据能使小模型（Qwen3.6-27B）在从零编写完整程序这一极具挑战的任务上取得显著提升，并泛化到七种未见过的软件工程基准上。
值得关注：首次提出针对“从零写完整程序”这一全生命周期场景的自动训练环境构建方法，而此前工作大多聚焦单一步骤（如仅 bug 修复或仅功能实现）。 证明了无源环境（不依赖源代码）生成的合成轨迹足以教会模型多种软件工程技能，且泛化性…
准确拟合期权价格并不能保证准确反推出隐含风险中性密度（RND）；不同密度估计方法在价格误差和密度误差上的表现排名可能相反，因此应依据具体任务选择具有相应归纳偏置的模型，而非追求“万能赢家”。
值得关注：本文从理论和数值实验两个层面揭示了“定价准确≠密度准确”这一反直觉现象，并提供了量化分析方法（如定价方向的零空间数量、密度-价格映射的不可区分性）。这为期权做市、风险管理和监管压力测试中的密度估计选型提供了严谨基础。
提出一种混合大模型与小模型的发现增强搜索架构，将电商搜索中意图驱动的候选商品覆盖率从约60%提升至80%，推理成本仅为大模型教师版本的约30%，同时保持语义相关性。
值得关注：传统搜索精度优先的范式在电商中限制了用户发现多样化商品的可能。本文在维持相关性的前提下系统性提升了召回广度，且通过小模型蒸馏降低了实际部署成本，为现有搜索系统提供了可行的升级路径。其作为市场平衡机制的额外功能有助于改善平台生态。
HumanCLAW: Can Vision-Language Models Act Through a Body?