BASA 提出一种后端无关的稀疏注意力：用跨 DiT 块的结构化移位局部窗口注意力替代视觉自注意力，在不引入不规则算子或定制 kernel 的情况下，缓解窗口边界造成的网格状伪影，并在 FLUX、Wan 上报告接近理论估计的实测加速与有竞争力的生成质量。
值得关注：高分辨率视觉生成的瓶颈常在注意力的二次复杂度；稀疏注意力要从论文指标走向部署，需要解决“理论省算力、实测不省时间”的落差。 BASA 以结构化窗口移位避免不规则算子，强调 backend-agnostic，这与依赖定制…
ALIVE 试图让视频编辑中“插入的对象”不只是出现，而是能与源视频内容发生被拿起、被操纵等连贯交互；它用编辑后首帧和仅命名新增对象的指令，结合 35,800 编辑对、VLM 交互引导和 ALIVE-interaction 基准，提升对象插入的交互保真度。
值得关注：视频编辑中的对象插入长期更偏重视觉合成，而 ALIVE 把问题推进到交互层：插入对象需要和源视频中的动作、人物、场景发生协调关系。它同时提供数据、VLM 引导和评测基准，形成“数据—模型—评测”闭环；如果后续细节与复现…
LLM 能解决许多窄任务，但对数百万相关实例逐条查询可能成本过高。本文提出“bottling”能力：智能体把通用能力转化为任务特定解决方案，在答案质量与摊销成本之间平衡。研究问题是：LLM 智能体能否自主为这类工作负载创建更便宜的解决方案？为此，作者提出 BOTTLED 基准：智能体接收整个未标注 workload，并在固定时间、计算和 LLM API 预…
值得关注：大规模部署 LLM 的关键不只是单次回答质量，而是能否用有限资源生成可复用、可摊销的产物。若 zero-shot 排行榜无法预测 bottling 能力，那么模型选型、成本工程和智能体评估都需要新增“把能力变成廉价方案…
AdvSim2Real 通过在冻结的 Web 世界模型中协同演化任务课程、注入攻击者和 Web 代理，使 4B 代理在任务完成能力与对抗自适应提示注入方面同时提升；在 150 个 Web 任务上，面对未见过的前沿模型攻击者，其完成率相对基础代理提高 33.6%。
值得关注：Web 代理必须依赖第三方页面内容，这使提示注入成为其执行用户任务时的核心安全风险。固定注入防御和固定任务的对抗训练都可能失效：前者被自适应攻击绕过，后者在任务被解决后不再提供学习信号。AdvSim2Real 的增量在…
论文针对生成式信息检索中“什么是好的 DocID”这一问题，提出统一 Product Quantization (PQ) / Residual Quantization (RQ) 及其混合变体的设计空间，并给出免训练内在指标，以便在 MS MARCO 300K 与 NQ320K 上系统分析 DocID 结构属性与超参数对检索效果的影响；具体最优配置与性能提…
值得关注：GIR 将检索转为生成，DocID 成为连接文档空间与生成模型的关键接口，其结构可能直接影响可学习性与检索效果。 现有评估昂贵，本文尝试用 intrinsic metrics 做前端筛选，可能改变 DocID 设计流程…
4D-HOF 是一个前馈式条件流匹配框架：它把视觉基础模型产生的粗略手-物状态输运到交互流形，并在生成/输运过程中用物理交互约束和观测到的2D证据进行测试时引导，以重建更稳定、更准确的4D手-物交互。
值得关注：它针对两个痛点：逐序列优化成本高，以及从随机噪声生成交互可能不稳定。4D-HOF 的增量在于把视觉基础模型的粗估计作为条件起点，并用流匹配在生成过程中修正；同时把物理约束和2D证据注入输运过程，而非事后优化。与既有卡片…
LeCun 任董事长的 AMI 联合纽约大学、巴黎 INRIA 与布朗大学发表 H-JEPA 论文，提出面向视觉规划的分层世界模型，并同步开源代码与预训练权重；在 Visual AntMaze 仿真迷宫任务中，三层模型成功率从单层的 18% 提升到 73%。
值得关注：与已有卡片《H-JEPA：面向视觉规划的分层世界模型端到端学习（2026-10-05）》相比，本条为同一工作的后续报道，增量信息是：AMI 的机构归属（LeCun 任董事长、联合 NYU/INRIA/布朗）、代码与预训…
据 OpenAI 官方页面元数据，该公司发布了一篇题为 “Our approach to EU text provenance rules” 的说明，介绍其在欧盟文本溯源（内容来源标注）规则背景下对文本水印的处置思路；但正文未能抓取，具体适用范围、检测方式与访问机制均待核实。
值得关注：内容溯源是生成式 AI 监管中最具操作性的议题之一：它直接关系到平台责任、虚假信息治理和创作者权益的界定。 与既有相关卡片的关系：本卡片与“物理智能公司 π*0.6”“莫拉维克悖论与机器人奥运会”“Anthropic …
研究问题：如果AI开始大规模参与“造下一代AI”，下一代AI再回来加速研发，一轮轮滚动下去，是否会跑出一条智能爆炸曲线？ 论文英文标题：**What if automating AI R&D triggers an intelligence explosion?** 作者阵容：材料称22位作者，包括 Geoffrey Hinton、Yoshua Bengi…
值得关注：它把智能爆炸/RSI从科幻辩论推向现实准备问题：涉及安全、治理、算力/数据/实验资源、研发劳动力结构、长时程自主可靠性等。 材料明确提醒：AI研发自动化和智能爆炸之间还隔着很长一串条件——AI首先得足够可靠，能长时间自…
OpenAI 在其官网发布题为 “Building advertising for the way people use AI” 的内容，按元数据与候选摘要，其核心是面向 ChatGPT 推出新的视觉广告格式，并扩展广告测量工具、归因合作与品牌适配（brand suitability）能力；但正文未能抓取，具体细节均需回原文核实。
值得关注：若信息属实，这是 ChatGPT 广告产品从早期形态走向“格式 + 测量 + 品牌安全”完整组合的信号，直接影响广告主的投放可行性与预算规模。 它决定了一个关键产业问题的走向：对话式 AI 能否成为可持续的广告载体，以…
Agility Robotics CEO Peggy Johnson 将以个人顾问身份参与 MITRE 主导、Department of War (DoW) 委托的 Project Meridian，从商业化人形机器人经验出发，参与未来 10–20 年战争形态、国防能力和投资优先事项的战略研究。
值得关注：这条信息与已有 Agility 相关卡片中的投资者日、投资者会议、FORT Robotics 安全合作不同：本条增量是 CEO 以个人顾问身份进入国防战略研究脉络，而不是公司层面的商业合作或资本市场活动。它显示人形机器…
UniSlider 把“滑块值”与生成模型内部的“编辑强度参数”区分开，要求感知距离随滑块值线性增长，并通过轻量 LoRA 训练加推理时自适应重映射，使连续图像编辑更单调、更均匀；论文称其在新基准上优于已有方法，并在用户研究中更受偏好。
值得关注：它把连续图像编辑的评价从“单点编辑效果”推进到“整条编辑轨迹的感知质量”，关注单调性、节奏和可预测性。 与既有相关卡片的关系：CPI-Bench 关注真实世界图像编辑基准，DARS 关注指令编辑的强化学习信用分配，Pa…
循环语言模型每次循环都会在训练、解码、预填充和强化学习（RL）中增加成本；但如果循环状态越接近不动点，通向该点的路径就越不重要，据此可换取截断反向传播、KV 共享、更快预填充与更快 RL 更新——论文进而改进塑造这些不动点的两个训练组件：深度先验与输入注入。
值得关注：循环/权重共享架构被视为用较少参数换取更深有效计算的一条路线，但其代价是重复前向带来的训练与推理开销。该文把“不动点”作为杠杆，尝试把重复计算的冗余部分真正省掉。 它同时触及训练侧（截断反传、RL 梯度来源）和推理侧（…
TasteVal 将“实验研究品味”操作化为在固定研究问题下迭代设计实验并从结果中得出结论的算力效率，并用相对人类专家基线的算力乘数来度量；材料称最佳模型 Opus 5.5 的算力乘数为 2.3x，且 2025 年 12 月后前沿模型在该指标上的提升速度明显加快。
值得关注：对 AI 进展预测：TasteVal 试图把“研究品味”从抽象能力变成可比较的算力效率乘数，可能影响对 AI 研发自动化速度的外推。 对科研组织：如果模型能以更低算力或成本达到专家级实验设计结果，实验迭代环节可能被重塑…
TAPDreamer 只需利用公开视觉编码器，就能构造一个跨任务、跨动作架构迁移的固定局部对抗补丁；它不需要查询目标策略，在闭环评测中可把 FastWAM 在 LIBERO 和 RoboTwin 上的成功率分别从 97.7%、90.8% 降到 0.0%，表明世界动作模型的共享视觉编码器是必须防护的关键攻击面。
值得关注：攻击不需要目标策略查询，降低了攻击者获取目标模型信息的门槛。 固定补丁可跨任务、跨动作架构迁移，说明风险不是单一策略或单一任务特例。 对世界动作模型安全而言，需要把共享视觉编码器纳入威胁模型和防御边界。 与既有脉络：U…
T-Search 是一个开放权重的智能体检索器，在固定语料上执行有界多轮搜索，返回带简短理由的证据块排序，并把答案生成留给下游模型；材料报告其在七个英语和俄语基准上平均达到 56.0 Recall@10（单次 rollout），三次 rollout 融合后为 61.3。
值得关注：与已有“多步/智能体搜索”卡片相邻，但本条材料的增量在于：T-Search 强调开放权重智能体检索器、证据块排序与简短理由、答案生成解耦，并发布模型、harness、demo 和三个 benchmark（含俄语 TRu…
Singular parameters and missing limits in neural PDE solvers
候选摘要称，OPPD（On-Policy Power Distillation，同策略幂蒸馏）能让语言模型在**单次生成**中产出原本需要"多候选采样+按幂分布重加权"才能得到的推理答案，从而在不改变参数规模、不使用参考答案的前提下提升推理准确率；但由于本次未能抓取 arXiv 正文，除标题、编号与代码链接外，全部方法细节与数值结果均**待核实**。
值得关注：如果候选摘要的结论成立，它把"推理期搜索/采样"的收益部分转化为"训练期吸收"，属于**把测试时计算搬到训练时**这一大方向的具体实例。 它给出了一个不依赖标注答案、也不依赖更大教师模型的强化/蒸馏折中方案，对缺少高质…
S2PD 通过“高噪声阶段自回归扩散、低噪声阶段并行扩散”的两阶段策略，在游戏、物理仿真和真实视频中比匹配的双向基线更可靠地遵循规则，并比其他串行方法具有更好的时间稳定性和采样效率。
值得关注：材料强调“近乎无限的分布内数据”仍不足以让双向并行去噪模型稳定遵守物理定律和符号规则，这指向模型架构与采样顺序对视频一致性的影响。 与既有“并行解码蒸馏：面向快速图像与视频生成的轨迹式蒸馏方法”相比，本条增量不在蒸馏加…
RTKNNC（Round-Trip KNN Clustering）提出一种保留最近邻关系双向性的图聚类方法：把“谁选了我”当作加权投票，在递归的“前向—反向”遍历中决定哪些局部连接保留，从而在多个邻域尺度上揭示簇的持续与合并；据候选摘要，它无须预先指定簇数，并可通过可选的无标签细分步骤改善边界情形（正文未能抓取，详情待核实）。
值得关注：把“方向性”当作信号而非噪声：在 KNN 图被无向化后常被抹掉的入边信息，可能正是区分“紧邻核心”与“被顺带连上”的关键。 同时给出**多尺度**与**层次**视角：不是单一分辨率下的划分，而是观察分组如何随邻域尺度合…