WorkBuddy上线浏览器操控能力，QQ浏览器第一时间接入，用户安装官方扩展后即可让AI拆解计划并自动执行搜索、点击、翻页等网页任务，最终汇总成文件；任务在独立标签页组中隔离运行，遇敏感环节主动暂停待确认。
值得关注：相比独立AI浏览器品类（如已关停的Atlas）的退潮，扩展式接入成熟浏览器是成本更低、用户迁移门槛更小的落地方式。 “独立标签页组+实时可见+可终止”为浏览器Agent的干扰控制提供了可参考的产品范式。 “滑块/支付/…
NVIDIA 公开其内部 AI Factory Operations Agent：基于 NemoClaw 蓝图与 OpenShell 运行时、本地部署 Nemotron 开源模型，编排多个领域子代理并通过 MCP 工具跨层关联故障根因，在 DGX SuperPOD 生产集群上辅助 SRE 运维。
值得关注：这是 NVIDIA 对“AI 工厂运维自身用代理”的公开实践披露，把代理能力从单点工具扩展为跨计算、网络、硬件、调度层的关联诊断，并给出可复用的架构（NemoClaw + OpenShell + MCP + 本地 Ne…
DeepSeek Harness 推出“创造模式”，用户用一句话提需求，Agent 就能自己写代码生成插件并装入自身界面，官方同时公开 7 套示例 Prompt 作为参考。
值得关注：对既有脉络的增量：此前 DeepSeek Harness 的公开进展集中在底层模型能力（V4-Flash / V4 Pro 的 Agent 能力）和插件生态规模（GitHub 上 `dsh-plugin` 仓库超 70…
中国人民大学与复旦大学团队提出 CoworkOS，用“主智能体—协调运行时—子智能体”三层协作架构，让 AI 能在 CAD、Blender 等工具中与人类共同修改同一作品，并在多轮自动后训练后显著提升自动化任务表现。
值得关注：现有 AI 编程/协作工具多聚焦单会话内的任务完成，而 CoworkOS 强调“跨会话持续干活”与“人机同作一件作品”，指向 AI 从助手向“同事”角色演进的方向。与既有卡片中 Claude Code 的跨会话消息传递…
百度在AI Day·Apollo专场披露全模态世界模型Apollo World，提出“2+3”标准，并在虚拟城市中让全AI智能体交通参与者跑通无人车从接单到送达的完整订单闭环，已用于萝卜快跑全球化测试。
值得关注：与既有世界模型卡片相比，本条增量在于**把世界模型直接接入真实商业无人车运营体系**（萝卜快跑），并以“跑通全程订单闭环”作为能力验证，而非仅展示生成质量或交互演示。 “2+3”标准提供了一个可对外比较的世界模型评价框…
DGP（Dynamic Gated Pathways）在每一层 ViT 与每一层 LLM 之间建立全连接路由，并让每个 LLM 层根据自身语义状态动态门控对不同视觉层（不同粒度）的偏好；在 LLaVA-1.5-7B/13B 上相对 LLaVA-1.5-7B 基线取得一致提升，并在多数基准上超过既有多层视觉融合方法。
值得关注：它把“连接位置”从工程超参数提升为可学习、可分析的机制问题：视觉编码器的层级粒度与语言模型的层级语义并非一一对应，固定单层注入相当于强制所有 LLM 层消费同一种视觉抽象。DGP 的全连接 + 动态门控让“哪一层看哪种…
VTR（Visual Token Routing）通过联合训练视觉语言模型与轻量级时空路由器，让计算机使用智能体在动作预测时只保留必要的视觉 token，从而大幅降低推理成本；具体方法与实验细节待核实。
值得关注：长程交互历史中的视觉 token 膨胀是 CUA 落地的核心成本瓶颈之一。VTR 的思路不是简单降分辨率或事后丢弃 token，而是让路由器在时空两个维度上学习“哪些区域值得进入语言模型”，并与模型联合优化。与已有的 …
Trainspotting 是一个从 Wikimedia Commons 构建的、面向“拾得照片”（found photos）的以物体为中心三维重建数据集（12,068 个物体、311,886 张照片），用于暴露并改进前馈重建模型在跨多年、跨环境、跨相机乃至跨实体同款物体照片上的失效问题（具体实验数值待核实）。
值得关注：指出现有前馈重建基准与真实公共照片档案之间的分布差异：后者天然包含时间跨度、环境变化与同款多实例，这些是以往“单次采集”数据难以覆盖的。 为“以物体为中心”的重建提供了一个可复用的大规模真实场景数据与评测口径。 表明针…
将热学描述符（瞬时温度与热率）显式嵌入“卷积编码晶粒尺寸分布 + 循环网络预测时序演化”的框架后，可以在秒级时间内较准确地预测非等温热处理下的晶粒生长轨迹，在未见过的复杂热历史上平均相对误差为 1.91%–14.66%。
值得关注：把“热历史”从被忽略的外生变量变成模型架构中逐步注入的条件信号，是从等温预测走向真实非等温工艺的关键一步。 误差量级与 R²>0.99 表明代理模型可复现复杂热历史下的晶粒生长动态；但最差情形（14.66%）提示外推能…
SpecCompact 通过“小模型并行草拟结构化摘要槽位 + 大模型逐条验证与修复”的语义推测机制，在 AppWorld 和 τ³ 基准上实现相对 Hermes 式摘要 2.04–5.63 倍的压缩加速，在 Hermes 内用户研究中压缩延迟中位数加速达 8.68 倍，但下游任务性能存在依模型、依任务而异的权衡。
值得关注：长程智能体的瓶颈往往不在单次推理而在反复的历史重写；把压缩做成可并行、可验证的推测过程，直接压缩了智能体主循环中的关键路径延迟。与已有的 CompactionRL（把压缩纳入强化学习训练、关注“从压缩历史中学习”的效果…
ServerBench 将“设计并交付完整、专用的 LLM 服务系统”设为端到端基准任务，以“每美元 GPU 成本换取的时延合格 token 价值”为统一目标，检验编码智能体能否在多会话依赖、时延约束与正确性要求下自主完成服务系统的实现与运维决策。
值得关注：与已有的 CompressionBench（智能体自主压缩模型）、SWE Refactor Bench（智能体完成全仓库栈迁移）等基准相比，ServerBench 把评测对象从“模型产物/代码迁移”推进到“运行时服务系…
在五个开源文本到图像模型中，数词对“小群体”计数有效，但超过约十个后多数模型不再稳定遵循；以 SD3.5-Medium 为例，在同一初始噪声下把“十二个”改成“二十五个”，画面布局不变，数量变化幅度与换随机种子相当且无一致方向。
值得关注：揭示了文本到图像模型在“数量”这一基础属性上的系统性短板，且短板出现在并不极端的数量级（刚过十）。 对评估方法提出警告：常用 exact-match / relative-error 指标在大数量区间可能给出误导性结论…
论文提出并验证：通用机器人策略可以在部署阶段通过在线强化学习实现多任务、通用化改进，且合适的算法配方能把性能提升泛化到在线训练未涉及的任务上（原文称这是机器人基础模型在线通用改进的首批证据之一）。
值得关注：把 RL 自我改进从单任务扩展到多任务通用策略，贴合机器人基础模型的实际能力形态。 提出“在线训练任务分布”和“基于价值的 RL”是泛化改进的关键因素，为后续复现与工程选型提供可检验的设计变量。 若泛化结论稳健，意味着…
当线性回归中存在内生协变量、且足以控制内生性的变量不可观测但可用 AI/ML 方法生成大量代理变量时，只要生成的代理控制足够丰富， practitioner 无需验证数据也能一致地估计目标参数。
值得关注：把“用 AI/ML 生成控制变量”这一常见实证做法纳入可分析的计量框架，明确了不同做法实际针对的 estimand，减少误用。 说明“代理越多越好”在何种意义上成立：丰富性可替代验证数据，这对缺乏验证集的场景（如隐私受…
PixelSpline 提出一种连续时空视频超分辨率（STVSR）框架，用“端点锚定的共享像素轨迹”替代传统的双向独立运动建模，并结合长上下文编码与连续高分辨率特征提升，在空间与时间上采样设置中取得较好的质量—效率权衡。
值得关注：把“双向独立运动建模”改为“单条共享连续轨迹”，直接针对端点对应歧义与轨迹不一致这两个连续 STVSR 的常见失效点。 长上下文编码与连续 HR 特征提升的组合，为在任意目标高分辨率网格上重建细节提供了不同于仅依赖两端…
论文摘要指出，让大语言模型切换到自由派或保守派“人格”后，其潜空间中词向量在语义轴上的投影以及语义轴之间的对齐关系会发生系统性变化，并可能使原本在无政治人格条件下训练的真伪与道德探针产生政治偏向；正文细节待核实。
值得关注：对基于内部表征的安全监控而言，关键风险不只是模型“说了什么”，而是其内部概念结构会随人格提示而漂移。若探针和 SAE 分类器在人格条件下失效或产生偏向，依赖这些工具的模型审计、红队测试与部署监控都需要重新评估其稳健性。…
HALO 通过在约一千个程序化生成的家庭场景中合成“视觉-语言-运动”配对数据，把类人机器人数据规模从依赖人工遥操作转向依赖算力，并在未见过的真实家庭中实现零样本迁移，360 次试验成功率 91%。
值得关注：直接针对类人机器人自主性的核心约束（配对监督数据稀缺），给出“算力换人力”的替代方案。 零样本从仿真到真实家庭的成功率数字，为“仿真训练是否够用”提供了可检验的证据点。 技能组合求解长时程任务，说明系统不止于单一动作，…
论文评估了一种简单的推理时扩展方法——回合级 Best-of-N 采样（turn-level best-of-N sampling）：每一步由生成器模型产生多个候选动作，再由选择器模型从中挑选一个执行；在长程终端任务上带来 5–10% 的准确率提升，并提高了重复尝试的一致性。
值得关注：推理时扩展（inference-time scaling）是提升智能体能力的一条低门槛路径，本文说明“回合级”采样（而非仅对最终答案采样）在长程任务上有效。 使用开放权重 LLM 直接做动作比较，降低了对外部 crit…
一种仅依赖相机管线已计算出的两种单目距离估计之间的排序关系来检测行人遮挡的方法，无需训练、无需遮挡标注，在 KITTI 上对重度遮挡检测达到 AUC 0.909。
值得关注：对部署在标注稀缺环境（如非基准覆盖地区）的机器人而言，免标注的遮挡信号具有直接实用价值。 揭示了“利用现有管线输出之间的不一致性”作为免费监督信号的思路，可推广到其他感知任务。 与既有卡片中“无监督距离阈值拟合”思路相…