MintAct 提出一个统一视觉代理模型家族，试图用同一套 vision-language models 覆盖 UI grounding、移动/桌面/Web 多步导航和 visual tool use，并配套可扩展环境与异步强化学习基础设施；摘要称其在可比模型规模下达到多个基准的 state-of-the-art，其中 OSWorld-Verified 得…
值得关注：数字环境代理通常面临平台碎片化：移动、桌面、Web 的 UI 结构、动作空间和工具接口不同。MintAct 的增量在于尝试用一个模型家族和一套训练/环境基础设施统一这些能力，而不是只做单一领域 specialist。 …
该论文提出一个共享潜空间框架，把城市交通模拟器的校准与基于强化学习的运行控制连接起来：校准阶段用 MLP 自编码器学习低维交通动态表示，控制阶段把同一潜表示纳入深度 Q-learning 状态，从而在基准网络上报告系统级旅行时间最多降低 51%。
值得关注：它把通常分离的两条流程——高保真模拟器校准与实时交通控制——放在同一个学习框架下，尝试打通“离线校准”和“在线决策”。 对数字孪生、智能交通系统和大规模城市网络优化而言，共享潜空间可能提供一种降低维度、提升样本效率并复…
论文报告：在运动诱发压力与跨会话变化条件下，ECG 仍可支持个体区分；其 Siamese ResNet + late multi-lead fusion 方法在会话内静息到峰值运动条件下达到 EER 1.7%，在 CYBHi 数据集上达到 3.9%（作者称为 state-of-the-art），支持存在对生理与时间漂移有韧性的内在心脏签名。上述数字来自论文…
值得关注：多数 ECG biometrics 研究停留在单会话静息条件，而真实使用常伴随运动、压力和时间间隔。本文把评估条件推进到运动与跨会话变化，并报告较低 EER，因此对“心脏信号是否携带跨状态稳定个体特征”这一问题提供了新…
Gricea 是一个面向会话式 AI（CAI）研究的开放科学平台，将研究表示为可配置、可部署、可运行、可检查、可分享和可重用的研究工件，以支持 CAI 研究的构建、复现与扩展。
值得关注：将 CAI 研究从分散报告推进为可执行、可复用、可检查的研究工件，有助于复现、扩展和知识积累。 对研究基础设施、开放科学实践、会话式 AI 实验标准化具有潜在价值。 与既有卡片的关系：已有卡片 MARC v1、Deep…
GALA 将基于图像的潜在动作与 3D 末端执行器几何运动结合，并引入统一末端执行器运动表示（UEMR），以支持跨具身视觉-语言-动作（VLA）模型预训练；材料报告其在细粒度运动探测、跨具身检索和下游 VLA 评测中有效，并取得 68.3% RoboCasa-GR1 成功率与 75.5% 真实世界成功率。
值得关注：多具身预训练是 VLA 规模化的重要瓶颈之一，末端执行器动作空间异质会阻碍知识迁移。 GALA 的增量在于：把“跨具身动作空间异质”问题转化为“几何感知潜在动作 + 统一末端执行器运动表示”的问题，并显式区分场景级视觉…
DiaVLo 是一个面向视觉-语言模型（VLM）的行为诊断框架：它结合人工策划与 VLM 生成能力来构建“期望行为/观测行为”规范，并提供因果估计以识别影响行为的关键概念；摘要称其在多个开源 VLM 的分类与生成条件下产生了与模型性能相关的行为标签。
值得关注：VLM 部署不仅需要看准确率，还需要知道模型表现出哪些行为、哪些有害行为需要避免。行为识别方法稀缺，DiaVLo 将诊断对象从输出性能扩展到行为规范与潜在错位，并用因果估计指向影响行为的概念。与已有卡片的关系：已有卡片…
Designer-RSI 提出一种不更新模型权重、不使用人工标签的持续适应框架：冻结的前沿模型操作专业设计软件，同时从真实用户 brief 和自动评分轨迹中扩宽、深化外部自然语言“程序记忆”，从而提升长时程智能体图形设计的执行成功率与设计质量。
值得关注：长时程工具使用智能体在专业软件中的失败，常来自程序性知识缺口，而非单步能力不足；外部程序记忆可视为对这类缺口的显式补足。 该框架把“经验积累”放在模型之外，通过自然语言技能和回放门控实现持续适应，避免灾难性遗忘式权重更…
在法语职业事故叙述中，仅用建筑业数据开发并选择的事故过程角色分类器，无需重训或目标域调参即可迁移到冶金、化学-塑料及独立企业语料；任务特定适配优于冻结预训练表示，三种领先策略在三个目标语料上的平均平衡准确率约为 85.6%–85.8%。
值得关注：跨行业、跨组织事故叙述的术语和写作风格差异，是自动化编码落地的核心风险；本文给出了一个“不重训、不目标域调参”的跨行业评估结果。 若可复现，此类系统可能减轻专家手工编码负担，并支持跨行业职业安全分析。 与既有“冻结视觉…
一条来自 arXiv 的学术条目提出 **$λ$-Controlled GRPO**，主张 Flow-GRPO 在多步去噪中出现的多种训练不稳定（重要性比率下漂、离散化加剧、不同步裁剪比例不同、后期可用样本减少）其实源自同一个逐步统计量——"路径方差"（path variance），并据此把不稳定性从"需要事后修补的症状"改写为"可测量、可预算的资源"（正…
值得关注：把"稳定化"从事后补丁转为事前定量预算，属于方法论层面的转变：如果多步去噪 RL 的不稳定确实由单一的转移核量决定，那么调参空间会被显著压缩，稳定器的选择可以被推导而不是试错。 与既有卡片的关系：现有相关卡片分别涉及*…
COMPLEX 是一种闭式、免训练的多参数持久性模嵌入；在可检查的见证切片一致性条件下，它给出单切片下界，配合标准上界形成双侧失真界，并在 Orbit 与分子图基准上取得强结果，但在摘要层面局部逐预测认证仍失败。
值得关注：让多参数持久性特征的忠实性从“只有上界”变为“可测量、可有双侧失真界”。 免训练、闭式嵌入加仅 SVM head 的设定，说明强基准表现不必来自学习式表示或留出校准。 对 TDA/多参数持久性在分子图等任务中的可用性与…
CodeMidas 提出一种智能体流水线，仅以源码作为任务特定输入，把现有代码库中的已实现功能转化为可执行 RL 环境；据此构建的数据集训练 MiMo-V2.5 后，在五个编码智能体基准上均有提升。
值得关注：对编码智能体后训练而言，任务与验证器是规模化瓶颈之一。CodeMidas 把“已实现功能”本身作为任务来源，可能减少对 issue、commit 等开发工件的依赖。 与既有相关卡片 Change2Task 所代表的“从…
BrainWideBench 是一个基于 International Brain Laboratory Brainwide Map 数据集的基准，用于评估多脑区神经记录上的跨动物迁移；摘要显示，预训练普遍优于匹配的单会话基线，但现有方法在三类任务上表现异质，尚无单一方法全面胜出，面向行为、动力学与解剖结构的通用神经表征仍是开放挑战。
值得关注：与已有卡片中的 FriendBench、MUSE 等同属“以统一基准揭示模型能力差异”的脉络；本条将评测对象扩展到小鼠多脑区神经记录与跨动物迁移。 增量信息在于：把预训练目标—下游任务对齐、零样本跨个体泛化，以及行为/…
Benchmarking World Models for Continual Learning on Compositional Tasks
BCA（Bayesian Chronicle Agents）为 LLM 智能体增加最小显式贝叶斯信念层，把“信念”与“表达”分离，并用先验强度参数 κ 控制共识、持续分歧和坚定少数派影响；在四个模型上，预设 κ 经语言往返后仍可恢复，且持续分歧结果与 FJ 闭式不动点匹配（R²=0.93–0.99）。
值得关注：LLM 社会模拟常把意见变化藏在上下文推理里，导致“说服开放性”等关键变量不可指定、不可验证。BCA 把意见动力学参数化并外显化，使研究者能调节集体结果，并把模型偏差从模拟结果中分离出来。与既有卡片相比：APPA 关注…
论文把“选择性预测器能否在有限校准数据下获得目标精度认证”定义为可计算的“认证可用性”（certified availability），并指出安全、报告颗粒度与服务流量之间存在可规划的权衡前沿。
值得关注：安全门不仅要“有效”，还要在有限校准数据下“可认证”；否则细分报告单元可能因证据不足而无法上线，或被迫放宽颗粒度、牺牲服务流量。 该工作把安全性、颗粒度和流量统一到一条前沿上，有助于部署规划、治理和资源分配。 对基础模…
基于 arXiv 摘要，在 CTF 子通道代码中使用 EPRI 棒束 CHF 数据库评估表明：仅在管状数据库上训练的 ML CHF 模型总体可迁移到方形棒束应用，并在多数几何与运行工况下优于传统 CHF 方法；局部混合 LUT 模型总体表现最强，半局部纯 ML 模型也具竞争力。
值得关注：CHF 预测与燃料性能和反应堆安全直接相关，预测方法改进具有安全分析价值。 该工作把 ML CHF 评估从管状数据库推进到反应堆相关的方形棒束几何，并放入 CTF 子通道代码环境。 若结论成立，可为 ML 模型在核热工…
据候选摘要，这篇工作提出一个位于“检索”与“生成”之间、**零参数、白盒**的记忆决策层（Memory Decision Layer, MDL），用相关性、可靠性、任务风险三路信号互补编码来决定“检索到的记忆是否值得信任”，从而在记忆冲突场景下降低幻觉——但全文未抓取，具体实验设置与数字均需核实。
值得关注：既有记忆类工作大多把注意力放在**存什么、怎么检索、怎么更新**；MDL 把问题前推到“检索结果的**采信决策**”，补上了 RAG 流水线中一个常被默认跳过的环节。 冲突记忆下的幻觉放大是一个高价值失效模式：模型越“…
该论文提出，value 路径门控之所以改善语言模型预训练，是因为它为 softmax attention 补上了两个缺失原语：弃权（Abstention）和噪声过滤（Noise Filtering）；在 10M–350M 参数匹配模型中，弃权收益随规模下降，噪声过滤收益随规模上升，二者兼具的模型在每个规模最佳。
值得关注：该研究试图调和“value 路径门控为何有效”的分歧，把单一经验现象拆成两个可检验原语。这有助于解释缩放过程中不同机制的重要性变化，也为 attention 架构修改提供更明确的检查清单：不仅要看是否加了 gate，还…
PIR（Probe of Internal Recognition）通过读取语言模型内部状态，判断模型是否“认得出”某个候选答案，从而区分模型是“不愿回答”还是“不能回答”。
值得关注：模型输出可以被策略性控制，单靠行为观察难以发现隐瞒。PIR 的重要性在于，它试图把审计对象从“模型说了什么”推进到“模型内部认出了什么”。与已有相关卡片关注测试时模型选择、视觉语言模型模态顺序一致性、代谢组学专用模型等…
这篇 Nature Machine Intelligence 社论介绍 Sungwoo Lee 等人的 Perspective：将控制论反馈回路、内感受与强化学习结合，提出面向具身智能体的内部状态框架，让智能体通过监测内部信号来自适应地更新目标与行为；目前仍是概念框架，实际有效性待验证。
值得关注：它把 AI 讨论从“预测、模拟或推理世界”推进到“在世界中智能地、物理地行动”。 它强调控制论思想在现代 AI 中的持续相关性：当系统从建模世界转向行动于世界，反馈、控制和内部调节重新变得关键。 与既有智能体卡片的关系…