当前主流多模态大语言模型（MLLMs）在基于TikZ代码的科学图表编辑任务上仍不可靠：专有模型平均编译成功率仅约75%，且在图表还原和编辑正确性上表现有限；但通过构建混合训练集并采用“重建—编辑”课程学习，参数量低于9B的紧凑模型（如Qwen3.5-4B）可取得显著提升。
值得关注：Edit2TikZ填补了TikZ科学图表“指令编辑”方向的评估空白，强调代码可编译性和无关内容保持性。已有视觉编辑基准（如FlowMimic）多面向自然图像/视频像素编辑，而Edit2TikZ面向以TikZ代码表示的科…
DreamX-Phi 1.0 是一种动作条件视频世界模型，输入观测帧、语言指令和预设动作序列（末端执行器位姿与夹爪状态），预测未来观测；它通过 PRoPE 风格几何编码、深度分支和 SAM3 掩码 + V-JEPA 教师保证动作忠实性与物体一致性，并在 WorldArena 2.0 Challenge 的 Track 1 和 Track 2 上分别获得第一…
值得关注：已有相关卡片中的工作分别涉及驾驶世界模型（M⁴World）、VLA 强化学习的评论家状态预测（WCM）以及训练后丢弃视频分支的轻量规划器（SimWAM）。DreamX-Phi 1.0 的增量在于：
本文从半参数理论出发，为点击后转化率（CVR）这类链式结果提出了一个新的双稳健因果效应估计器，并设计了目标正则化框架来提升数值稳定性；理论和实验均表明，其优于朴素地组合“损失去偏”与标准因果估计器的做法。
值得关注：弥补了“损失无偏”到“最终估计量无偏”之间的理论缺口，为使用神经网络等灵活模型进行因果效应估计提供了更坚实的保证。 与已有相关卡片“面向不规则历史纵向因果推断的双稳健函数表示学习（DR-FRL）”不同，本文聚焦点击后转…
Mimir v1 是一个基于 Hierarchical Reasoning Model（HRM）架构、参数规模为 10 亿的语言模型，从零开始训练，仅使用“许可”（permissible）的后训练数据，就在英语上表现出强竞争力，并在丹麦语上达到新的最先进水平，同时保持模型开放可获取。
值得关注：该工作将“数据许可合规性”放在模型开发的核心位置，而不是事后过滤。它证明 1B 参数级别的开放模型，在仅使用许可数据的情况下，仍有能力逼近甚至超越更大规模模型的性能，这对学术研究、低资源语言社区以及有版权合规需求的产业…
本文提出一种简单且高效的“防御式提升器”（Defensive Booster），能够同时获得在线梯度提升的 Brier 分数竞争性保证和在线弱到强提升在弱学习条件下的误差收敛保证，而此前这两种保证需由不同方法分别提供。
值得关注：在线提升的不同变体长期分别提供两类不同保证：一类侧重可竞争性（即使弱学习条件不成立也有 Brier 分数保证），另一类侧重强收敛（但依赖弱学习条件）。Defensive Booster 首次在这类设定中把防御式预测与“…
DARTree 是一种无需训练的推测解码方法，将预训练的自回归修正头（AR correction head）从单条链扩展到树结构，在数学、代码和对话等七个基准上实现了更高的平均接受长度和推理加速。
值得关注：DARTree 将扩散式草稿树的候选覆盖与自回归修正头的因果信息结合，且不需要额外训练。相比依赖高质量语言模型作为草稿模型的推测解码方案，它提供了一条更轻量的路径，并在多类任务和不同温度配置下显示出一致的加速优势。
ContactGuard 利用动作条件潜世界模型，在机械臂尚未接触物体前预测策略动作块（action chunk）的短期后果，若预测潜状态指示失败则提前中止执行，从而避免接触类操作中“接触后才发现失败”的问题。
值得关注：传统执行监控往往依赖接触后信号或像素级视频预测，难以在腕部相机场景下提前干预。ContactGuard 展示了用潜世界模型做接触前失败预测的可行性，为接触丰富的操作任务提供了一种不侵入底层策略的安全监控层。相比已有相关…
基于 One-Class SVM（OCSVM）、Minibatch K-Means（MK-Means）和 Maximum Mean Discrepancy（MMD）的概念漂移检测方法，都能让恶意软件分类模型达到与周期性重训练相当的准确率，同时显著减少需要重训练的模型数量；其中 OCSVM 驱动的漂移感知重训练总体表现更优。
值得关注：传统周期性重训练在概念漂移变化不频繁时会造成大量不必要的计算开销。该研究为“按需重训练”提供了可行方案，帮助恶意软件检测系统在快速演化的威胁环境中实现准确率与资源消耗的更优平衡。
该文证明，对于测试时对抗样本鲁棒学习，VC 类的样本复杂度可以做到关于 VC 维 $d$ 线性；这一结果由一个简单的不当（improper）算法实现——对 $O(d^*)$ 个 bootstrap 样本分别做鲁棒经验风险最小化（RERM），再输出多数投票，其中 $d^*$ 为对偶 VC 维。同时，文中给出匹配下界：在该 oracle 模型下，任何学习器都需…
值得关注：突破了“对抗鲁棒学习需要更高样本复杂度”的旧有认识，给出了一个清晰的线性界限。 经典启发式方法 bagging 在这里被证明具有理论上的最优性（在 oracle 模型下），展示了理论分析与简单算法之间的桥梁。 与已有相…
AutoDesign 将“模型-框架（harness）系统”本身作为优化对象，通过元框架优化器驱动代码智能体依据运行反馈递归改进框架，在论文转海报任务上以低于 3 美元、40 分钟的自主运行达到接近会议海报质量，并在 PosterBench 上超越闭源商业系统 Claude Design。
值得关注：展示了在模型权重不变的情况下，通过优化外部“框架/harness”也能让智能体在长时程任务中实现自我改进，这与已有相关卡片中的 Argus、CompactionRL、Cortex 形成互补。 与既有脉络相比，AutoD…
本文首次完整刻画了Transformer在正则语言上的长度泛化能力，并给出一个以语言句法幺半群大小为参数的多项式时间判定算法。
值得关注：此前对Transformer长度泛化的理解多依赖位置编码或具体训练机制（如RoPE的频率使用），缺乏基于语言结构本身的系统判据。本文从代数分解视角给出了正则语言层面的完整答案，并为后续扩展到更复杂语言提供了理论基础。相…
AlayaWorld v1.1 在保持骨干架构、分块自回归生成方案和训练数据不变的前提下，大幅修订了条件信号的表示与注入方式，核心原则是让条件信号在潜在表示和时间结构上尽量贴近生成内容。
值得关注：该技术报告明确把“条件信号应与生成内容对齐”作为设计原则，并通过六项具体修改落实这一原则，为长时程视频世界模型的条件处理提供了一个可复现的设计范例。与已有相关卡片相比，本卡片的增量信息是：M⁴World 聚焦多视角多模…
Evoke 通过将持久世界状态外部化、并重新设计教师模型来提供长时程监督，使三步生成学生模型在保持低延迟交互的同时，获得有界上下文、抗长期漂移的开放式世界生成能力。
值得关注：该工作提供了一条同时解决“记忆成本随会话增长”与“少步生成受教师限制”两条瓶颈的路径。与已有相关卡片中的诊断性工作（如 WorldExam）相比，Evoke 不是用于评测世界模型的反应性，而是直接提出一个可运行的交互世…
本文为求解非光滑复合目标分布 \(\pi(dx)\propto \exp\{-f(x)-g(x)\}dx\) 的 MYULA 算法建立了更精细的复杂度界：用“参考主动迹” \(B_{\mathrm{ref}}\) 代替全局曲率上界 \(d/\lambda\) 来控制离散化误差；在分片线性、Lasso、分组和全变差惩罚下，精度依赖可由 \(\widetild…
值得关注：已有结果常用全局曲率上界 \(d/\lambda\) 控制 MYULA 离散化误差。本文提出用“参考主动迹” \(B_{\mathrm{ref}}\) 这一更局部、更平均化的量来刻画难度，并在常见结构化惩罚下给出从 \…
巴西圣卡塔琳娜联邦大学（UFSC）的人工智能学术联盟（LIA）提出并实践了一套以学生为中心、基于项目的组织框架，将大学的教学、研究与拓展三大支柱整合起来；该框架具有灵活性，可被学术联盟及类似学生组织复制借鉴。
值得关注：学术联盟已成为推动课外教育并强化大学与社会联系的重要机制。本卡片记录的 LIA 框架提供了一种整合大学三大支柱的具体组织方案，对学生组织如何兼顾技术培养、科研训练和社会服务具有参考价值。这是对“学生组织如何系统运作”这…
AaLLM 是一个开源、端到端的多智能体大语言模型工作流，输入用户规格后可直接输出包含拓扑生成与电路尺寸确定（sizing）的网表；在若干电路上，生成的新颖拓扑品质因数（FoM）可与已知拓扑相当，某些电路最高可达 3 倍提升，同时 SPICE 调用次数比现有 SOTA 多智能体流程减少 3–4.5 倍，墙钟时间减少 40 倍。
值得关注：模拟电路设计长期依赖专家经验和反复手动调整；AaLLM 将拓扑生成与尺寸确定统一到一个端到端 LLM 流程中，并通过知识库自动化与三智能体反馈减少迭代开销。它不仅能处理已知拓扑，还可能发现新的、性能更优的电路拓扑，这对…
该论文提出“因果世界模型”（Causal World Model, CWM）的形式化定义，主张有用的世界模型不能只具备生成能力，还必须捕获实体属性、实体与实体之间以及实体与环境之间的因果交互，并探讨了这些组件能否从数据中恢复、能恢复到什么等价程度（即可识别性）。
值得关注：该论文尝试把多个相关研究线索统一到一个框架下，将“因果性”置于世界模型的核心，有助于澄清“能生成不等于能理解”。相比已有相关卡片（如游戏引擎视角的交互世界模型、WorldExam 基准、荷兰政府 LLM 评估），本条属…
据候选摘要，该工作提出“harness learning”：训练一个 proposer 模型，利用执行反馈改写 solver 的 harness（组织模型调用、工具使用与信息流的可执行程序），把 harness 修订当作元学习中的“权重更新”，从而在测试时不做参数更新即可适应新任务；但因正文未能抓取，具体方法与实验结论均待核实。
值得关注：它把“测试时适应”的重心从参数空间转移到**程序/脚手架空间**：适应的是组织模型调用的可执行结构，而非模型权重。 与既有脉络的关系：本卡与《测试时 AI4AI：通过 Harness 实现强到弱的能力迁移》（2026-…
阿里巴巴开放了其最大开放权重模型 Qwen3.8-2.4T-A95B（Qwen3.8-Max）的权重；NVIDIA 与开源生态合作，使该模型在 GB300 NVL72 上无需额外调优即可于 Day 0 以 FP8 精度实现每 GPU 每秒超过 4K tokens、每用户每秒超过 350 tokens 的推理吞吐。
值得关注：这是 2.4T 参数级别的开放权重模型在机架级加速平台上实现 Day 0 可服务的重要案例。它展示了从芯片、系统架构到推理软件的全栈协同设计如何支撑超大 MoE 模型的实际生产部署，也为智能体类应用（长上下文、多步骤工…
RingCentral 正在借助 OpenAI 的 ChatGPT Work 与 Codex，加速 AI 产品开发，并将工程与运营两侧的智能数据集中起来；具体实现细节因缺乏正文而**待核实**。
值得关注：与已有相关卡片相比，本条是**企业端落地案例**，而非宏观用户趋势或社会倡议。 增量信息：RingCentral 是 OpenAI 企业工具的客户/合作方，其“AI-native work”实践体现了大模型从个人助手向…