精选

Accelerating Dropless MoE Training in JAX with NVIDIA Transformer Engine

上海交大、清华等30多位研究者发布的75页综述《人类构建的最后一个AI》认为，训练成本与人力标注天花板正迫使AI转向递归自我改进（RSI），并提出B0至L5自主度框架与HCI指数；当前系统多具备L1/L2，L3/L4依赖领域且多在仿真，L5仅见于有界原型，且更高自主度未必带来更好改进。

值得关注：RSI是AI能力评估、安全治理和产业路线争论中的关键概念；该综述尝试把模糊的“自我改进”拆成可比较的自主层级。 HCI指数若可用，可能帮助判断不同能力域距离更高自主度还有多少空间。 核心纠偏是“自主度不等于改进质量”，…

材料显示，智谱拟通过配售新H股和发行201.4亿元零息可转债，合计预计净募约393亿港元，其中约60%（约235亿港元）投向下一代GLM基础模型与“完全自训练”体系，核心表述为数据自产、环境自造、基础设施自我优化的递归式自我改进闭环。

值得关注：这是 AI 基础模型公司以大规模股权和可转债融资押注下一代模型与自我改进体系的产业案例。 与已有相关卡片的关系：既有卡片涉及 NIST AI RMF、Epoch AI 研究趋势、OpenRouter 博客归档；本条不重…

据腾讯研究院 AI 速递 20260915 条目，Suno 将 v2 至 v5.5 旧模型全量下架、底层统一换为 v6 家族，并在 Simple 模式接入 Chat/对话 Agent 能力，使音乐生成进一步走向自然语言与多模态调度。

值得关注：这是“Agent/对话能力进入垂直创作工具”的案例：不只生成音频，还尝试用自然语言调度功能和多模态输入组织音乐创作流程。 与既有卡片关注的 3D 世界代理、编码代理、UI 设计代理相比，本条增量在于音乐生成与音频编辑场…

Chain-of-Self-Questioning（CoSQ）是一种 prompt-only 框架：让大语言模型在承诺回答前，先显式评估“回答问题所需的信息是否足够”，再决定回答或弃答；材料显示，它在 TruthfulQA 多选题和 Natural Questions 短答案评估中支持可调的选择性风险控制。

值得关注：它把可靠性控制放在推理时的提示与弃答策略上，而不是只追求回答率或已答准确率。 它提供了一种可调机制：通过变体与阈值调节覆盖率、错误承诺率与已答准确率之间的权衡。 与既有卡片的关系：已有卡片分别关注参数微调中的超级权重、…

剪枝会先破坏智能家居工具调用中的“接地具体性”，再影响模式级意图；密集模型的安全剪枝区间较窄且随后急剧退化，MoE 模型可承受明显更多剪枝，激进剪枝密集模型还可能引发系统性过度拒答。

值得关注：该研究把“模型压缩”与“智能体工具调用可靠性”连接起来，补充了工具使用评测中常被忽略的剪枝退化维度。 与已有 VAKRA 卡片关注跨 API 与检索的多跳推理不同，本条聚焦剪枝后智能家居工具调用的退化结构；增量信息是：…

论文提出 Fuse——一个多智能体模拟框架，用于在“用户向 LLM 助手咨询并推断他人隐藏动机”的场景中构造可验证的社会推理真值；对 12 个 LLM 的分析显示，用户中介、偏见框架、所需细节量和对话长度都会系统性影响模型表现，但具体模型清单、开源地址与数据细节待核实。

值得关注：日常社交咨询中，用户往往带着主观框架转述情境，而“对方意图”又难以验证。如果 LLM 助手易受用户偏见框架影响，或在信息需求上与人类不一致，可能影响建议质量与用户决策。该工作把社会推理评估从不可验证的主观判断，转为可构…

一篇 arXiv 论文提出三阶段遮挡鲁棒多目标跟踪框架：以 YOLOv11n 检测、Kalman Filter 运动预测和遮挡感知外观 Re-ID 维持身份与轨迹连续性，并在 OVIS 与自建军事数据集上相对 OccluTrack 报告 MOTA/IDF1 提升。

值得关注：全遮挡和长期遮挡是 MOT 的典型失效点；该工作把问题从“检测不到”推进到“身份与轨迹连续性如何维持”。 方法层面体现系统集成思路：用 Kalman Filter 处理遮挡期间运动状态，用外观 Re-ID 在目标重现后…

论文提出用结构化文本表示替代表格图像中心路线的表格理解方案：DELTA 将表格解析为 OTSL，TARQA 基于 OTSL 序列微调 LLM，在表格结构识别、表格问答与表格视觉问答上报告了增益，并发布 Hindi 基准 TORQUE 及代码、模型、基准。

值得关注：路线变化：从“表格图像 + VLM”转向“表格结构化文本 + LLM”，可能降低对视觉编码器的依赖。 表示统一：OTSL 同时编码单元格排列和文本内容，把结构识别与后续问答连接在同一表示上。 多语言价值：材料以 Hin…

论文提出把语义伪标签和传感器可见性信息作为额外输入，以最小架构改动提升现有 LiDAR 语义场景补全（SSC）模型；在 SemanticKITTI 上使旧模型与 SOTA 竞争，并在 SSCBench-nuScenes 的 32 线稀疏传感器上显示可迁移性。

值得关注：对 SSC 研究路线提出反思：与其不断加重模型和联合训练分支，不如测试简单、可能带噪的先验输入能否释放已有模型潜力。 若“SSC 训练一次、后接任意分割器”成立，可减少因分割器更新而重训 SSC 的成本，具有模块化价值…

摘要称，SlotDiT 把文本引导 Diffusion Transformer（DiT）放在基于 slot 的物体中心潜在空间中，以参考图像和语言指令为条件自回归去噪未来 slot 轨迹；在四个机器人数据集上，它取得有竞争力的视频生成质量并持续提升任务完成率，同时以更紧凑表示提供计算效率优势。

值得关注：它把“潜在空间设计”提升为 DiT 的关键研究变量，而不仅是去噪架构或规模问题。 对机器人场景，对象中心结构可能把感知中的实体概念带入生成/预测过程，连接视频生成、动态建模与任务完成。 与已收录的 PointDiT 卡…

ScienceBuddy 是一个交互式科研工作空间，提出“递归中的递归自我改进”（recursive-in-recursive self-improvement）：内层在固定模型下改进 harness，外层在改进后的 harness 下训练模型，并把研究者请求、反馈和执行证据转化为持续学习的任务与评估 rubric；具体效果、任务细节与可复现性待核实。

值得关注：与既有脉络的关系：已有相关卡片（如 AI4AI-Bench、PAST-Bench、AI 中的递归自我改进调查）分别从基准评测和分类法角度讨论递归自我改进；本条的增量是把 RSI 推向交互式科研产品与工作流，并提出 in…

作者将 125M GPT-2 模型 MéTRON-FR 提交至 BabyLM 2026 Strict track，并报告其在法语原生语法基准 QFrBLiMP 上达到 85.97% ± 0.17%，在 BabyLM-weighted leaderboard 上达到 62.80%；同时强调儿童规模模型评测中分词器与模板伪影会显著影响零样本打分，需引入原生语言…

值得关注：该工作把“评估工具是否匹配任务”推到前台：法语单语小模型需要原生语言基准，而非仅依赖翻译后的 GLUE 类任务。 它指出儿童规模模型评测中的方法学风险：分词器与模板可能主导 zero-shot 分数，影响结论可靠性。 …

一篇标题为 *Reduced-Space Multi-Fidelity Bayesian Optimization of Process Simulation Models* 的 arXiv 预印本提出（据候选摘要称）RS-MFBO 框架，目标是在高维、昂贵的黑箱过程模拟中用降维＋多保真策略减少高保真仿真调用次数；**但本次抓取未获得正文，以下要点均待核实…

值得关注：若上述结果成立，其价值在于把“降维（GSA）＋多保真代理（高斯过程）＋成本感知采集”串联为一套可迁移的流程，可能降低化工/生物工艺流程优化中对高保真仿真的依赖。 对“昂贵黑箱优化”这一通用议题，多保真样本分配策略（何时…

PhysStream 是一种自回归图像到视频模型，通过在线结构化场景记忆与稀疏速度增量信号，实现多物体桌面刚体场景的生成中途交互控制；材料称其相对最强基线将运动分布距离（FVMD）降低 33%、轨迹误差降低 12%，并在 in-the-wild 人类评估中获得超过 85% 偏好。

值得关注：控制粒度从文本提示或像素位置，推进到编码物理量的速度增量信号，更接近物理动力学层面的操作。 支持生成中途控制，而不是只能预定义完整控制计划。 结构化场景记忆由已生成帧在线推导，可能有助于在自回归生成中保持场景状态；具体…

摘要称，PanoGS-SLAM 是首个基于 3D Gaussian Splatting 的全景稠密 SLAM 系统；它直接在球面域进行可微渲染与位姿优化，并引入球面一致光度损失和深度引导高斯初始化，在 PALVIO、SynPano 上于跟踪精度和渲染质量上优于几何与 GS 基线，同时达到实时性能。具体指标与“首个”断言待核实。

值得关注：该工作把 3DGS 从新视角合成/重建进一步推进到全景稠密 SLAM，强调视场角、传感几何与优化稳定性之间的关系。 与已有相关卡片相比，已有卡片覆盖前馈式 3DGS 压缩、单图手部化身、无位姿野外新视角合成等方向；本条…

ORCA 将单目深度引入 Gaussian-anchor 表示，并按缺失区域大小分流补全：小范围去遮挡用重建中已有 RGB-D 修复，大范围才用生成式 inpainting，从而在单图可探索 3D 场景新视角合成中减少生成幻觉；在 DIV2K 上相对 VistaDream 将 MUSIQ 从 61.60 提升到 68.71，CLIP-IQA 从 0.474…

值得关注：它把“生成式补全”从默认手段改为有条件使用的后备手段，提出了“先复用重建信息、再生成”的分级补全思路。 对单图新视角合成而言，深度边界附近的小孔洞很常见；若能用已有 RGB-D 修复，有助于减少生成模型引入的幻觉，并更…

据 arXiv 摘要，LimiX-2 用 Contextual Mechanism Networks (CMNs) 和 Context-Conditional Masked Modeling (CCMM) 把表格/结构化数据的上下文学习从目标中心预测转向机制导向联合建模，并在 TabArena、TALENT、BCCO 上报告超过现有数据集特定模型和表格基础…

值得关注：对表格/结构化数据基础模型而言，它提出从“预测映射”转向“联合机制建模”的范式变化；若成立，可能影响结构化数据的通用建模与因果发现。 因果骨架恢复把预测性能与可解释/因果结构联系起来，是摘要中较突出的增量点。 与既有卡…

LP-BTS 将图提议策略、价值评论器与边预算 PUCT 规划结合，在动作集合大且随状态重建的一对多移动充电任务中取得最高观测 survival 与 alive-AUC；但其相对最强领域工程比较器的生存优势仍不确定（95% CI 跨 0）。

值得关注：针对大型、动态、几何结构动作空间，展示候选生成、价值评估与预算化树搜索的组合，而非固定输出头直接选动作。 单一冻结检查点覆盖 736–2,813 stops 的动作全集，说明策略不依赖固定动作输出维度，这可能对动作集合…

LACE 通过在每一量化层使用独立压缩步骤，实现层特定分段边界，从而在动态帧率神经音频编解码器中取得更优的率-质量权衡，并借助 union alignment 与 boundary anchor 支持下游 TTS 的跨层时长一致。

值得关注：语音语言模型与 TTS 常受长音频 token 序列制约；动态帧率与层自适应压缩直接作用于 tokenizer 效率。 与已有相关卡片中的 KV 缓存压缩（DepthWeave-KV、FreqDepthKV）和动态相机…