CordisBench 是包含 1,200 道题的组件生命周期推理基准，用来考察语言模型能否在动态 Agent 执行框架（dynamic agent harness）中理解组件依赖、清理（teardown/cleanup）顺序与重配置的后果。结果显示，模型在小规模系统上通常表现不错，但随着相关交互数量增加，可靠性下降；额外推理投入可为部分模型带来明显提升，…
值得关注：它将“语言模型修改自身执行环境”这一新范式中的组件生命周期问题，显式化为可量化评测任务。 提供了一个将有限参考语义与真实运行时执行相对照的评估思路，有助于同时考察推理结果与推理成本。 为动态 Agent 的可靠性研究提…
该工作展示了一个已部署的文档理解系统：它基于总参数35B、激活参数3B的混合专家（MoE）视觉语言模型，结合“难度感知”数据筛选与内部生产数据微调，在质量调整后的预期成本上比人工基线降低超过80%，比最佳可比开源模型降低超过50%。
值得关注：与已有相关卡片关注的VLA、视频质量评估、多跳问答不同，本条聚焦文档理解中的“成本-质量”权衡。其增量信息在于把“难度感知数据筛选”和“质量调整部署经济学”结合：不只是报告准确率，而是在真实生产遥测下将人工、确认、纠错…
基于该论文摘要：大语言模型能否真正“发现科学定律”仍是开放问题；作者提出科学定律发现基准 SCILAWS-BENCH，通过“真实观测”和“平行世界”两种互补任务评估模型，发现预测拟合度与科学有效性可能脱节，记忆会显著影响模型是复现还是超越已有公式，并且 best-of-N 研究暴露出选择瓶颈。
值得关注：现有 AI 科学发现评测常常过于简化，或使用可能被模型“背下来”的目标；SCILAWS-BENCH 使用真实论文与真实数据构造任务，更接近实际科研生态。 真实世界与平行世界的双设置设计，有助于将“数据拟合式发现”与“主…
本文提出一种以用户涂鸦（scribble）为条件的 ResEnc U-Net，用于多示踪剂 PET/CT 全身病灶分割；在 autoPET/CT V 挑战的五折验证中，无交互时平均 Dice 为 0.554，经过 5 轮涂鸦修正后升至 0.751，说明少量交互提示能大幅提升分割性能。
值得关注：相比纯全自动分割，本文验证了“少量交互提示即可显著提升 PET/CT 病灶分割”这一可落地思路。 与已有 AUTOPET V 相关卡片相比，本条提供了另一种具体提交路径：采用四通道涂鸦条件、ResEnc U-Net，并…
LLM 裁判给摘要打分不是一个无法解释的“黑箱直觉”，而是存在一条可定位的两阶段神经计算管线：第 15 层以下的注意力先进行局部错误比较并把结果路由到最终输入位置，第 15 层以上的 MLP 级联整合信号并写出评分；最终决策在残差流中的一个明显晚期层结晶（Themis 为第 26 层，Prometheus 为第 25 层）。
值得关注：已有可解释性工作往往关注 LLM 裁判的“评分偏差”，本文则进一步说明正常评分路径本身也存在可定位、可干预的神经机制。这为评估器的可靠性审计、有针对性的纠错以及更可控的自动评估信号提供了机制层面的切入点。
ACToR 提出在 LLM 自回归生成过程中识别“关键 token”，并在这些决定性位置按需触发仓库检索；在 RepoExec 与 CoderEval 两个基准上，相对现有最优方法分别取得 8.4% 和 15.4% 的相对提升。
值得关注：这篇工作把代码生成场景中的 RAG 从“任务级上下文支持”推进到“决定性 token 级按需支持”。它提示：代码生成失败可能不是由整体上下文不足决定，而是由少数关键位置上的错误决策决定。对仓库级代码补全、跨文件 API…
据论文摘要，该研究提出一套端到端流水线，用大语言模型（LLM）从半导体公司公开披露文档中抽取风险与机会，将其组织为知识图谱并排序，最终生成机会-风险矩阵；在五家企业的测试中，抽取条目的独立验证有效率为 92.6%，自动排名与专家判断的平均 Spearman 相关系数分别为 0.55（风险）和 0.72（机会），矩阵显示贸易限制是跨公司的主要风险。
值得关注：这是“LLM + 知识图谱”用于产业级风险情报的实证尝试，而非仅停留在模型能力评测。 它将知识图谱应用从生物医学、智能体轨迹等扩展到供应链风险管理领域，属于增量应用场景。 引入独立人工验证和与专家判断的相关性比较，比单…
候选摘要称，LRNBA 将网络中的每个 block 表示为一组共享神经基的线性组合，从而在降低训练与推理内存成本的同时，允许在相同参数预算下构建更宽、更深的网络；其收敛速度可与经典架构相当甚至更快，损失更低，且训练动态稳定。
值得关注：在基础模型规模持续增长、内存成本突出的背景下，该工作把网络压缩问题放到架构层面，尝试用“共享神经基 + 线性组合”而非仅靠事后剪枝、量化来解决参数效率问题。 与已有相关卡片的增量关系：已有卡片分别涉及PINN弹性波、深…
该论文提出 UVIB（Unconstrained Vehicle Identification Benchmark），一个整合 7 个巴西公开车辆数据集、共 84,835 张图像的车辆属性分类基准，用于评估监控场景下前端/后端朝向、遮挡相关 VMMR 适用性、颜色清晰度三个任务，并发现“域偏移”对性能的影响大于模型架构选择。
值得关注：现有车辆属性研究多依赖单一数据集或域内精度指标，容易低估真实监控部署时的性能衰减。UVIB 的价值在于：将多个已有数据集重新组织为统一标注的跨域评测基准，并显式区分“朝向、VMMR 适用性、颜色清晰度”这些影响实际车辆…
Anthropic 在 Claude Fable 5.1 中推出“上下文一致性验证”，严格校验客户端回传的思考块是否与系统提示、工具和历史消息完全一致，不一致即报错拒绝服务；此举旨在封堵针对推理能力的工业级蒸馏，同时因上下文固定而显著提升提示词缓存命中率，降低延迟与调用成本。
值得关注：这条信息补充了 Anthropic 在模型安全治理上的增量动作。在既有的“Fable 5 永久可用”“生物学安全防护”之外，Anthropic 开始从 API 规则层面防止模型蒸馏：不是简单限制输出，而是要求推理过程在…
论文提出一种非耦合（uncoupled）学习算法 **HOOD**，即带折扣的高阶乐观（Higher-Order Optimism with Discounting）。若所有玩家都使用 HOOD，则在任意 \(N\) 人、每个玩家最多 \(K\) 个行动的规范式博弈中，每个玩家的个体遗憾可被界定为：
值得关注：它正面处理了“一般博弈中实现常数遗憾”的关键难点之一：玩家策略序列的振荡问题。 “高阶乐观”与“折扣”的组合提供了一条不依赖特殊博弈结构的技术路线。 论文与 Liu、Farina、Ozdaglar 的独立工作彼此相似，…
NVIDIA Omniverse NuRec 通过 3D 高斯泼溅重建真实驾驶场景，并渲染为目标车辆配置的新相机视角，使自动驾驶感知模型可以在新车线上快速适配，无需为新车型单独采集和标注大规模真实数据。
值得关注：自动驾驶技术向多车型、多平台扩展时，感知模型适配是实际工程瓶颈。NuRec 提供了一种从已有真实数据生成目标车型视角合成数据的路径，在保留真实场景语义的同时，避免了为每个新车型重复采集和标注。与 NVIDIA 其他合成…
NVIDIA BioNeMo Agent Toolkit 与 Anthropic Claude Science 及 NVIDIA NIM 微服务集成，使 AI 智能体能够端到端编排蛋白质结构预测流程；在示例中，多序列比对（MSA）是获得高界面置信度（iPTM 0.82–0.86）的关键输入，缺失时界面置信度崩溃至 0.14–0.19。
值得关注：这是 Agentic AI 在科学研究中的具体落地：AI 科学家不仅能阅读论文、提出假设，还能调用专业模型并决定下一步实验。 与既有脉络的关系：不同于 AlphaEvolve 聚焦算法发现、宇树/Halos 聚焦机器人…
Polimill 正在利用 OpenAI 的 GPT 模型和 Codex，帮助日本地方政府（municipalities）搜索和运用行政知识，同时加速自身开发。（依据候选摘要；更多细节待核实。）
值得关注：本条与已有“OpenAI 与泰国 MHESI 支持初创企业”不同：不是加速器项目，而是面向日本市政公共行政场景的具体产品应用。 结合 GPT 模型与 Codex 编程智能体，展示了从“提供模型”到“帮助构建行业解决方案…
据腾讯研究院AI速递，OpenAI 因 SpaceX 以 600 亿美元收购 Cursor 母公司 Anysphere 并完成交割，启动控制权变更条款，宣布自 11 月 12 日起终止直接向 Cursor 供应模型；缓冲期后开发者只能自带 API Key 使用，OpenAI 称无法确认 SpaceX 会遵守服务条款。此事件显示底层模型 API 的中立性正被…
值得关注：对开发者而言，Cursor 内置 OpenAI 模型的工作流可能在 11 月 12 日后被打破，需要用自带 API Key 或其他来源替代。对行业而言，模型层与应用层的纵向整合可能优先于 API 中立承诺，渠道控制权正…
据新智元报道，OpenAI正在扩大内部测试的Astra模型（代号 mozaik-alpha-fdm），其在零样本条件下一次生成3D网页和前端页面，引发“前端已解决”的讨论；但正式发布、能力细节和演示真实性尚未得到OpenAI官方确认。
值得关注：本条是AI行业动态的增量更新：此前已有OpenRouter等基础设施平台化、Epoch AI研究趋势等脉络，而Astra的首测曝光聚焦到具体模型的前端生成能力。若演示属实，意味着复杂UI生成和长周期Agent任务可能正…
OpenAI公开支持加利福尼亚州SB 1119法案，该法案旨在为青少年建立强有力且适龄的AI安全保障，同时保留青少年学习、创造和探索的机会。
值得关注：这是AI安全与青少年保护交叉领域的监管动态。与已有卡片相比，本条不是关于企业技术合作或新闻机构应用，而是OpenAI在政策层面的公开立场，补充了“AI企业如何回应青少年安全立法”的线索。
长鑫科技（CXMT）宣布自研LPDDR6内存实现量产，首批搭载于小米18 Fold折叠旗舰，这是国产存储首次在高端内存标准上实现全球首发。
值得关注：本条是国产存储高端突破的增量动态。与已有卡片关注的NIST AI RMF、Epoch AI研究趋势、OpenRouter博客归档等主题不同，本卡片补充了AI终端硬件供应链的关键进展：LPDDR6是端侧AI设备高带宽存储…
据腾讯研究院AI速递报道，腾讯混元发布Hy4 preview，总参数770B、激活参数49B、上下文长度1M，已在HuggingFace与腾讯云TokenHub开源上线。
值得关注：Hy4 preview是腾讯混元系列的重要更新，其总参数与激活参数规模差异较大，可能反映稀疏激活类架构思路（具体架构原文未明确，待核实）。在工程任务内部盲测中与GLM-5.3、Kimi K3的直接对比，显示出国产大模型…
腾讯混元发布 Hy4 正式版，相比 preview 版本全面扩展预训练与后训练规模并首次引入视觉与电脑操作能力，在金融、科研、游戏开发等真实生产力场景中表现显著提升，但官方承认其与顶尖闭源模型仍有较大差距。
值得关注：Hy4 正式版标志着腾讯混元从 preview 到正式版的迭代重点转向真实生产力场景落地：视觉与电脑操作能力补齐了此前 preview 版本的模态短板，金融众测与科研任务中的可量化结果提供了开源模型在专业领域能力的第三…