GoiBERT 提出两个仅含 26M 与 49M 参数的紧凑越南语编码器，直接在原始文本上运行，通过“同分词器教师打基础 + 大模型教师给任务级软标签”的两阶段蒸馏，在八项基准上以更小体量和更高吞吐接近或超越强力紧凑基线。
值得关注：对越南语这类资源相对有限的语言，部署侧真正的瓶颈常是模型体积、词表规模和预处理依赖，而非榜单峰值。GoiBERT 的价值在于把“无需外部切词 + 小参数量 + 高吞吐”与“接近强基线”同时摆上台面，并明确指出压缩在不同…
这篇综述系统梳理了几何代数神经网络（Geometric Algebra Neural Networks），指出其在具有明确几何对称性和异构几何实体的场景中证据最强，但在参数效率、可解释性和密集预测等方面并不普遍优于调优良好的非几何代数等变基线。
值得关注：该综述为几何代数神经网络提供了一个较为审慎的定位：它不是“万能更优”的架构，而是在特定几何结构场景中更有依据的选择。这对研究者在架构选型时避免过度推广具有参考价值，也为后续在代数选择、数值稳定性和可复现评估方面的研究指…
该报告在 LIBERO-10 基准上系统评测了 6 个前沿 AI 模型（含 GPT、Claude、Gemini 系列）的闭环机器人操作能力，最高成功率仅为 44%，说明推理能力向可靠物理动作的转化仍存在明显鸿沟。
值得关注：为“通用大模型直接充当机器人控制器”这一路线提供了标准化、可复现的量化基线，而非仅凭定性演示判断能力。 明确指出推理努力（test-time compute）与操作成功率之间存在正相关但非均质的收益关系，对成本-性能权…
HDC-FL 提出一种“零额外优化”的个性化联邦学习思路：利用共享编码器训练中本就存在的客户端分类头作为聚类信号，把相似客户端分组并为每组构建编码器原型，从而在不平均、不传播客户端个性化头的前提下实现表征共享与个性化兼顾。具体机制细节与实验数据待核实。
值得关注：降低个性化联邦学习的工程复杂度：分组决策复用训练中已有的头信号，避免为“谁与谁共享”单独设计优化目标或微调阶段。 隐私与个性化的边界更清晰：头不离开客户端、不被平均，个性化参数不被共享，共享的只是编码器原型的混合。 评…
论文提出 **Environment Duels** 动态智能体基准，让模型同时扮演“环境创作者”和“解题者”，发现解谜与出题是两种可分离的能力，且模型间的两两对抗模式可映射真实生态中的相互塑造。
值得关注：模型能力不再只由单点 benchmark 决定，还取决于它在“创作—解题”生态中的位置。Environment Duels 把这种相互塑造关系变成可测量、可对战的实验对象，对训练数据来源、模型评估与协同训练策略都有直接启示。
本文首次为 Bradley-Terry-Luce（BTL）模型下、由成对偏好反馈进行的差分隐私稀疏奖励估计建立了完整理论框架，证明估计误差可依赖稀疏度 $s^*$ 而非模型维度 $d$，并在 Sample-DP 与 Label-DP 两种设置下给出上界、下界及实验验证。
值得关注：现代对齐模型参数量巨大（$d$ 极大），稠密隐私奖励估计的误差界随 $d$ 多项式增长而不可用。本文通过稀疏假设把误差界从依赖 $d$ 转为依赖 $s^*$，在理论上首次刻画了隐私稀疏 RLHF 的可学习性边界（含近最…
P2NPCBench 用“同一表层、不同复杂度类”的配对题与对抗式多智能体重写，试图剥离教科书措辞带来的记忆线索；据摘要，12 个模型在 NPC 一侧的 pass@1 显著低于其 P 孪生题（35.4% vs. 63.8%），且加大时间限制收益有限——但正文未能抓取，方法细节与数字均**待核实**。
值得关注：为“基准分数有多少来自记忆/题面熟悉度”提供了一个可操作的对照设计：同表层配对 + 对抗重写 + 可执行有效性门控。 若结论成立，则单纯放宽推理时间预算无法弥补 NPC 侧的性能落差，评测与训练应更关注程序正确性与结构…
该论文将 LLM 分类器视为对潜在标签的“噪声测量仪器”，提出用“电路”（circuits）把多个模型组织成自适应的查询—决策序列，从而在给定平均查询成本下最大化平均分类准确率，并在七类任务上改善了成本—准确率前沿。
值得关注：为“多模型组合做分类”提供了统一的理论视角（噪声测量 + 自适应查询），而不只是工程式路由或级联。 在成本敏感场景下，给出了可追求的准确率上界与实现路径，对需要可靠分类的 LLM 应用（安全审核、评估等）有参考价值。 …
论文提出让图表成为数据智能体推理循环中的“认知动作”（epistemic actions），并通过从轨迹中蒸馏经验来教会智能体在文本与图表之间切换；实验显示该方法提升了分析准确率与视觉证据质量，且无需改动模型参数。
值得关注：它把“可视化”从输出呈现手段重新定位为推理过程中的认知动作，并给出可操作的训练路径（经验蒸馏＋验证门），为数据智能体的多模态推理设计提供了不依赖微调的替代方案。
BatchBench 是一个基于 JUMP-CP 数据集构建的排行榜，用来评估和比较 AI 系统在生物医学图像上对未见实验批次与数据源（批次效应与域偏移）的鲁棒性；具体数值结果与榜单现状待核实。
值得关注：生物医学图像的采集条件差异会系统性改变图像统计特征，模型在“同分布”测试上的高分未必能迁移到新批次/新来源。 排行榜式基准能把“鲁棒性”从零散实验变成可重复、可比较的公共度量，降低不同方法之间口径不一致的问题。 与既有…
AtomicRL 是一种针对视觉-语言-动作（VLA）模型的强化学习后训练框架，通过“原子任务结构”约束跨子任务的信用分配并自适应聚焦薄弱子任务，在 LIBERO-LONG 与 CALVIN ABC-D 基准上超过 PPO，并结合 Real2Sim2Real 管线将真实机器人任务性能平均提升 21.3%。
值得关注：针对 VLA-RL 中“稀疏奖励 + 长程任务”这一核心痛点，给出以任务结构（原子子任务）为切入点的信用分配与探索方案，而非仅调整奖励设计。 同时覆盖仿真基准与真实机器人迁移，提供了从在线 RL 训练到物理部署的完整路…
ASTEROID 提出一种“学生收集同策略历史、特权教师按该历史给动作标签”的非对称蒸馏框架，让从未需要探索的特权专家教会学生在部分可观测下进行测试时探索，在 11 类环境中以约 1/100 的交互量取得约 2 倍回报。
值得关注：给出了一条不靠在线强化学习、也不靠朴素离线模仿来获得探索能力的路径：关键在于让学生在自己的同策略历史上接受教师标注，而非在专家分布上平均。 “特权教师不需要探索却能教出探索”这一非对称设定，对机器人、导航等难以大规模在…
ALPS 提出一种预训练视觉编码器，试图用同一套 patch token 同时承载物理状态信息、原生语言对齐与像素重建能力，从而为世界模型的预测、指令跟随和可视化检查提供共享的视觉基础；据候选摘要，它在 LIBERO 状态探针误差和策略成功率上表现突出，但具体数字与对比细节待核实。
值得关注：世界模型通常需要在“理解状态”“听懂指令”“预测未来”“可视化检查”之间共享表示。ALPS 的思路是把这些能力前移到视觉预训练阶段，而不是在下游分别补模块。若其结论成立，视觉预训练可成为理解、预测与动作的共同基础，减少…
Nature 研究亮点报道指出，大语言模型给出的临床诊疗方案成本约为人类医生方案的三倍，原因之一是模型倾向于建议更多的检查、转诊和用药。
值得关注：现有 AI 医疗评估多聚焦诊断准确率与幻觉率，本条材料补充了“经济外部性”这一被低估的维度：即使模型建议在临床上合理，其累积的资源消耗也可能不可承受。 对图书/简报写作而言，这是一个可用于讨论“AI 建议的隐性成本”的…
针对 $d$ 维 ℓ∞ 范数下的非扩张映射，该论文给出了计算其 $\epsilon$-近似不动点的算法，时间复杂度为 $\log(1/\epsilon)^{O(\log^2 d)}$，并由此推出简单随机博弈可在拟多项式时间内求解。
值得关注：该结果将 ℓ∞ 非扩张映射的不动点计算纳入拟多项式时间可解范围，并直接推出简单随机博弈的拟多项式时间可解性，对博弈论与理论计算机科学的复杂度认识具有增量意义。与既有卡片无直接重复；本条为独立的理论算法结果。
据 OpenAI 官方页面标题及候选摘要，Terminal X 的 Eval Agent 以 54 项标准评分表（rubric）评估输出，在使用 GPT-6.1 Sol 时，对某基金投资授权（mandate）的偏离识别量提升 25%，与资深投资人判断的一致率达 88.6%；正文未能抓取，细节待核实。
值得关注：金融合规审查长期依赖资深投资人经验，成本高、难规模化；本条提供了一个“AI 评估代理 vs 资深人类判断”的一致率量化指标，可作为该方向的能力参照。 与既有卡片中 Asana 用 GPT-6.1 Sol 降低浏览器 a…
腾讯面向全国教师推出WorkBuddy教育公益版，通过封装高频教学场景并内置209位“教育专家”，以每月2000积分的普惠方式降低教师使用AI的门槛，并在深圳福田率先实现区域级整建制配备。
值得关注：**分发模式创新**：积分自动补满+免费模型兜底，实质是“限额免费”而非“限时免费”，更贴近教师长期使用习惯。 **与既有脉络的关系**：此前WorkBuddy的进展集中在国产操作系统适配（银河麒麟、统信UOS）与混元…
MemT 1.0 是记忆张量（MemTensor）开源的一类“记忆原生”大模型，通过在选定 Transformer 模块中增加与注意力并行的记忆计算通路，把经验编码为可训练、可更新的内部动态状态，并宣称这是记忆原生模型首次实现近 300B 参数规模的工程验证。
值得关注：文章把记忆原生定位为 Memory Scaling，即在推理增长之外寻找模型性能增长的“第三条曲线”：同样的经历，换一种内部表示、更新规则和读取方式，能否用得更好，使记忆效果成为一组可通过训练与架构设计调整的变量。 对…
Sam Altman在播客《Sources》中确认OpenAI将独立开发人形机器人，现阶段聚焦智能“大脑”，预计2027年推出演示原型，真正进入公共场景还需数年。
值得关注：本条是对“人形机器人迎来转折点：大脑跟上”脉络的具体案例补充：此前卡片指出AI“大脑”进步带来转折但规模化仍受数据与推理能力制约，本条则显示头部AI公司选择以自研整机方式直接解决数据获取问题。同时区别于Mercado …
腾讯Marvis（马维斯）已上架麒麟软件商店，面向银河麒麟桌面操作系统V10SP1（X86、ARM），定位为操作系统级个人AI管家，支持用自然语言调节系统设置、安装软件、查找文件，并具备本地索引的语义搜索与App端远程操控能力。
值得关注：操作系统级AI管家是AI入口竞争的新层级：从应用内助手走向系统级调度，可能改变用户与桌面系统的交互范式。 本地索引+语义搜索的组合，为隐私敏感的文件管理场景提供了可参考的技术路径。 腾讯在国产操作系统生态持续加码（Wo…