CritICL 将弱模型产生的失败模式转化为批评式上下文示例，让强模型在推理时借鉴这些失败经验，从而以较低生成成本和较少采样次数获得与测试时扩展方法相当或更优的推理性能。
值得关注：将“失败”重新定义为可利用的指导信号，而非仅仅需要避免的负面输出，为弱到强泛化提供了新的推理时实现路径。 与已有的 Direct-OPD（通过策略蒸馏实现弱到强泛化）不同，CritICL 不需要在弱模型上运行强化学习并…
CorporateBench 是一个人工验证的大规模多任务问答基准，用超过 23 万份文档模拟企业通信网络，评测大语言模型在信息抽取与知识库查询上的能力；实验显示，当输入规模接近真实企业场景时，五个被测模型的表现明显下降。
值得关注：以往的企业场景评测要么缺乏真实数据，要么使用过于简单的合成数据集，难以反映实际部署条件。CorporateBench 提供了一个可扩展、逻辑一致、且规模接近真实企业文档量的评测基准，能更可靠地衡量大模型在企业文档检索与…
用“可验证奖励的强化学习”（RLVR）训练出多个领域专家模型后，合并任务向量（Merge）、混合数据训练（Mix RL）、多教师同策略蒸馏（MOPD）三种整合范式的平均表现差距很小（≤1.4个百分点），但在单一基准上最大差距可达8.6个百分点。选型时应考虑：是否已有专家模型、端到端成本是否重要、以及是否需要尽可能保留领域特异增益。
值得关注：这项工作把三种原本分散研究的 RLVR 融合范式放到同一套实验条件下比较，给出了可操作的选型依据。它提醒我们：只看平均分可能掩盖单领域风险，需要结合任务向量几何、训练约束、端到端成本和保留能力来综合判断。
在摄影测量、NeRF-based、Gaussian splatting 和 LiDAR 四种三维重建方法的比较中，NeRF-based 方法生成的全息模型整体保真度最稳定，尤其擅长处理透明、反光和低纹理的实验室物品；形状和颜色的还原效果普遍优于纹理。
值得关注：该研究为教育者和研究者提供了面向沉浸式数字学习体验的设计参考。它不只比较三维重建算法的技术指标，而是从用户感知的保真度角度评估全息教学对象是否可用，这更贴近实际教学场景中的“真实感”需求。
CLAP 提出一种可同时在人类与机器人视频上训练的动作条件视频生成框架，通过末端执行器位姿、语言指令和潜在动作统一异构动作空间，并采用“先学通用物理先验、再注入具体动作空间”的课程式两阶段训练，使模型在 DROID 等挑战性环境中接近或超过单具身 SOTA 模型，并能在真实任务上零样本部署。
值得关注：展示了“跨具身动作条件视频生成”的可行性：不再为每个机器人平台单独训练世界模型，而是先构建通用物理先验，再适配具体动作空间。 将人类视频和机器人视频统一在同一个框架下，扩大了世界模型可学习的物理经验范围。 零样本部署与…
该工作提出并实例化了一条从工业只读遥测日志到可执行多轮智能体任务的确定性、可重放构建流水线，发布 BTS-AgentBench 基准，并用两个独立构建精确复现了发布数据划分，表明该流水线在智能体基准构造与可复现性方面具有可验证的增量价值。
值得关注：现有智能体基准大多从人工编写或受限模拟环境中产生，从真实工业只读日志到任务的构建流程仍缺少明确规范。BTS-AgentBench 强调“确定性 + 可重放”的构造路径，并通过双独立构建精确复现工件来证明可复现性；相较已…
在基于可验证奖励的强化学习（RLVR）中，用更小、更弱的语言模型生成部分推理轨迹作为外部前缀，强制目标模型基于这些前缀续写答案，可以有效缓解策略熵崩塌，提升大 `k` 下的 `pass@k`，且无需额外 SFT、复杂奖励设计或复杂提示。
值得关注：现有 RLVR 多样性保持工作多聚焦于算法层面的正则化，本文提出利用“较弱模型”产生的分布外前缀作为外部扰动，是一种低成本、直觉清晰的新思路。与已有相关卡片（REDDIT、RSF-GLLM、RRC）相比，本文的增量点在…
分块草拟器（Block Drafters）在一次前向传播中同时提出多个 token，但这种“并行盲区”造成的拒绝与模型自身对可观测信息建模不佳造成的拒绝一直被混在一起；本文提出用“信息地板”和“模型差距”将二者拆开，并发现：哪怕只实现一个真实 token，就能消除 86%–100% 的信息地板，而当前草拟器的大部分最终槽位拒绝仍来自模型差距。
值得关注：这项工作的价值在于把“看不到信息”和“建模不好”两种失败原因拆开，避免用单一指标掩盖两类问题。与既有相关卡片相比，本条不重复它们的具体结论，而是延续“超越单一聚合指标”的线索：正如 F1 可能掩盖覆盖盲区，接受长度也可…
现有以F1为主的指标只评估扫描器“给出可用安全判断”时的准确性，却掩盖了扫描器“无法给出判断”的覆盖盲区。基于170个合成工件（145个标本家族）的评估显示，ModelAudit对135个有标签家族全部给出明确安全判断（100%），Fickling为81.5%，ModelScan仅49.6%；但在能给出明确判断时，ModelScan的精度、召回率和F1均达…
值得关注：本卡片与已有相关卡片的关注点不同：已有卡片涉及自动化AI研发中的监控器拦截率、对齐模型接口失败、超级权重与微调失败等，而本卡片聚焦AI模型安全扫描器本身的评估方法论，特别是把“判断准确性”与“判断可用性”分离。这是对模…
本文证明，在表格型分布强化学习中，同步分位数时序差分学习（QTD）在步长 \(\alpha_t=c(t+1)^{-a}\)、\(a\in(1/2,1)\) 下具有全局有限样本保证；最后迭代的随机波动主阶为 \(\widetilde O(T^{-a/2}/\sqrt{1-\gamma})\)，且不随分位数数量出现多项式增长。
值得关注：提供了 QTD 的全局有限样本分析，而不只是局部收敛或渐近结论。 指出了局部随机波动与全局烧入成本的不同依赖：前者对分位数数量友好，后者可能受最坏目标密度约束。 与既有脉络的关系：已有相关卡片“分布时序差分学习中的在线…
据量子位报道，中国具身智能创业公司“超维动力”在2026年世界机器人大会（WRC）现场演示了人形机器人打乒乓球，并展示了从本体、灵巧手、数采设备、世界模型到训练Infra的全栈布局；文章判断，具身智能竞争正从“单点Demo”转向“本体—模型—数据—真实场景”的闭环效率。
值得关注：具身智能正在从“一段视频出圈”进入“系统竞争”：数据进入模型，模型驱动本体，执行结果再回到训练系统，缺一环都会断掉。 罗平在文章中的比喻值得关注：语言模型的用户是普通人，具身模型的用户是机器人；错误不只是答案不准确，还…
Agnes 最新发布 Agnes Video 2.5 系列，其中 Flash 版本在 Pavo 平台上完全免费（消耗0积分），可用于大量生成和前期试错；Agnes Video 2.5 每天赠送200积分，支持最高2K视频和多参考输入，官方定位面向短剧、广告等真实商业内容场景。
值得关注：本卡片对应的是面向内容创作的视频生成产品发布。与已有相关卡片中的具身视觉基模、具身MoE视频模型不同，本条聚焦消费级/创作者级视频AI的免费化与工作流整合，增量信息是“免费Flash版本+无限画布+短剧全流程”的组合，…
OpenAI 就 Hugging Face 安全事件公布了调查发现，并概述了为加强 AI 模型安全、监控与对齐而采取的后续步骤；由于原始正文未能抓取，具体事件细节和措施内容待核实。
值得关注：AI 模型的分发与托管环节正成为安全攻击面，Hugging Face 是业内广泛使用的模型平台，相关事件影响面可能较大。 OpenAI 的回应表明前沿 AI 机构开始将模型安全、监控与对齐纳入系统性的风险管理框架。 本…
Physical Intelligence 联合创始人 Levine 判断，机器人仍处于 GPT-2 之前的阶段，行业尚未找到可持续放大的“Transformer 式”路径，也难预测数据翻倍能带来多少能力提升。
值得关注：Levine 的判断为机器人行业的预期管理提供了一个清晰坐标：行业距离“可预测规模化”仍有差距，数据规模带来的边际收益尚不确定。相比已有相关卡片聚焦 AI 基础设施与监管框架，本条增量信息在于将机器人领域与大模型发展节…
雷鸟创新CEO李宏伟认为，智能眼镜的终局仍是“AI+AR”；在AI进展快于AR的当前阶段，眼镜的首个杀手级应用应是AI助理。新品“iO”以“人类增强”为定位，主动放弃摄像头、大芯片与Android，聚焦全天佩戴与AI，先以“全天智记”增强记忆。
值得关注：本条提供了智能眼镜赛道头部玩家CEO的一手产品哲学，属于行业趋势判断，而非产品发布通稿。与现有知识卡片相比，本条增量信息在于：雷鸟创新明确放弃摄像头、大芯片和Android，转而押注“全天佩戴+AI记忆+隐私设计”，这…
LingBot-Vision 是一个以边界为中心的自监督视觉基础模型，利用掩码边界建模（Masked Boundary Modeling）让边界表征从数据中自发涌现，并在无预训练骨干、无人工标注、无外部边缘检测器的条件下，在深度估计、语义分割、视频目标分割等稠密感知任务上取得领先结果；同时作为 LingBot-Depth 2.0 的编码器初始化，显著提升深…
值得关注：LingBot-Vision 提供了一个与“语义不变性优先”不同的视觉预训练路线：以边界/空间不连续为中心，用自监督方式学习稠密空间特征，且无需外部边缘检测器和额外标注。它直接服务物理智能所需的深度估计、分割、特征跟踪…
LingBot-Map 是一个流式 3D 重建模型，通过名为“几何上下文注意力”（Geometric Context Attention, GCA）的结构化流式状态，在 10,000+ 帧的长序列上以约 20 FPS 实时构建高保真 3D 场景地图，且单帧内存与计算开销近乎恒定。
值得关注：LingBot-Map 在“流式”设定下解决了长序列 3D 重建的内存爆炸问题，使实时、高保真场景建图成为可能。相比一次性离线重建，流式重建更贴近机器人、自动驾驶、AR/VR 等对低延迟和持续运行有硬性要求的场景。其与…
LingBot-Depth 用“深度传感器自身产生的空洞”作为掩码信号，通过掩码深度建模（Masked Depth Modeling, MDM）学习用 RGB 视觉上下文补全缺失深度，把消费级深度相机在玻璃、镜面、金属等反光透明物体上失效的问题，转化为可训练的感知任务，并在深度补全、单目深度估计、立体匹配和机器人抓取上取得领先结果。
值得关注：LingBot-Depth 的增量价值在于：它把传感器“失效模式”重新定义为可学习的掩码信号，而不是简单地当作噪声过滤。这一思路直接解决了机器人从感知到操作中最容易出问题的真实场景——玻璃、镜面、金属容器等。相比既有 …
据 a16z 合伙人 Casado 爆料，一款被称为“今年最重要发布”的新模型即将到来，多方线索指向 Ilya Sutskever 旗下 SSI 的首款模型，传闻核心是持续学习突破，但尚未获得官方证实。
值得关注：这可能代表 AI 前沿在“持续学习”方向上的重大进展，而此前已有相关卡片未涉及 SSI 或 Ilya 新模型动态，本条补充了这一增量信息。 Ilya Sutskever 作为 OpenAI 前首席科学家，其新动向对 A…
根据现有元数据，在线旅游公司 loveholidays 正在利用 OpenAI Codex，让非技术团队也能参与软件开发，从而更快地把想法变成产品。具体机制与效果暂待核实。
值得关注：已有相关卡片多聚焦于开发者工具（Claude Tag、Cursor、Devin Desktop）对程序员工作流的改变；本条增量信息在于：**企业正将 Codex 引入非技术业务团队**，把“人人可编程”从理念推向具体企…