本期 51 件事。点击标题可查看卡片、来源与相关知识点。
VAST AI Research 开源实时生成式渲染器 EdenLive，可用灰盒画面或实拍视频作参考、配合首帧与提示词实时生成写实或风格化画面，5B 模型在单张 RTX 5090 上以 720P 超 24 FPS 运行，并以 Apache-2.0 协议开源 5B/14B 权重及 EdenGolem v0.1。
本条为腾讯研究院 AI 速递（20261021）中的一条产品发布信息，核心是 VAST AI Research 将 EdenLive 这一实时生成式渲染器开源。其目标是让生成式渲染从离线出图走向可实时交互的画面生成：输入参考（灰盒画面或实拍视频等），再结合首帧与提示词，即可生成写实或风格化画面。
腾讯研究院（搜狐同步）
查看来源原文腾讯混元将智能体记忆框架Hy Memory升级至2.0，补齐工作记忆与代码记忆两类新场景，并以“模型—框架—应用”三层全部开源的方式发布，在四套记忆基准上取得开源记忆框架第一。
本条为腾讯混元智能体记忆能力的一次版本更新。Hy Memory升级至2.0，主要解决的是智能体在聊天之外的办公与编程场景中如何持久保存、跨工具同步并高效召回记忆的问题。据材料，其在聊天、工作、代码等4个Benchmark上均为开源记忆框架第一。具体Benchmark名称与评测设置待核实。
腾讯研究院（搜狐同步）
查看来源原文OpenAI 发布工作介绍其如何提升 ChatGPT 在低资源编程语言上的表现，并配套提出针对软件工程、SQLite 与 COBOL 迁移的新评测（具体方法与结果待核实）。
该来源为 OpenAI 官方索引页，标题为 “Advancing coding in low‑resource programming languages”。据标题与候选摘要，工作聚焦于“低资源编程语言”场景下的编码能力改进，并涉及新的评测设计。由于正文未能抓取，研究问题、实验设置与结论细节均待核实。
OpenAI
查看来源原文VAST发布世界模型项目Project Eden的阶段成果EdenLive，以参考画面/视频结合首帧与提示词实时生成写实或风格化画面，在单张RTX 5090、5B参数、720P配置下帧率超24FPS，并同步开源模型权重、推理代码与技术报告。
VAST公布世界模型项目Project Eden的阶段成果EdenLive，定位为实时渲染器。 控制方式：以简化参考画面或参考视频作为控制信号，结合目标首帧和提示词，实时生成写实或风格化画面。 同步开源内容包括：模型权重、推理代码、技术报告，以及“Prompt to Proxy Game”Skill Game Prototype Turbo。
腾讯研究院（搜狐同步）
查看来源原文Together AI 于 2026 年 10 月 19 日推出 Together Post-Training 服务，让用户在自有 GPU 资源上对 Qwen、GLM、Kimi 等开放权重模型进行 SFT 或 RL 后训练，训练循环由用户定义、底层基础设施由 Together 托管优化。
Together AI 发布 Together Post-Training，定位为“frontier-grade model shaping, the way that fits you”。 针对的问题：后训练（数据策展、训练算法、评估协议需多轮迭代；RL 基础设施复杂，效率优化与隐性 bug 之间界限模糊）门槛高，许多公司“从未开始或中途停滞”。 与既有…
Together AI 博客
查看来源原文DeepSeek 于 2026 年 10 月将 V4.1 Flash 更新至 1017 版本，网页端、APP 与 API 同步切换，宣称在多个 Harness 下达到性能—费用帕累托最优，并同步开放自研 Search 与 Fetch 接口（每千次 5 元），权重已上线 HuggingFace 与 ModelScope。
本条为腾讯研究院 AI 速递 20261019 中的第四条，报道 DeepSeek V4.1 Flash 的 1017 版本更新。核心问题是：在模型基准提升的同时，能否同步压缩运行时间与输出长度，从而在性能与成本之间取得更优平衡；以及自研搜索 API 的开放如何影响 Agent 类工具的服务端调用成本结构。
腾讯研究院（搜狐同步）
查看来源原文OpenAI将计算机使用能力接入Chrome浏览器，Chat模式可跨标签页收集信息，Work模式经用户授权后可代替用户操作网页完成任务。
据腾讯研究院AI速递（20261019）报道，OpenAI将Computer Use能力引入Chrome浏览器。Chat模式侧重跨标签页信息收集，Work模式基于Computer Use架构，可在授权后执行网页操作任务。该条目关注AI代理从对话走向浏览器内实际操作的产业进展。
腾讯研究院（搜狐同步）
查看来源原文腾讯研究院文章提出，青少年高频使用 AI 时反复演练的“命令式、无成本、无延迟”对话方式，可能外溢为对人际交往中必要“社会性摩擦”的低容忍，文章将其概括为“祈使句一代”，但作者明确承认这尚是一条待检验路径、缺乏纵向研究证据。
文章以 1876 年电话普及后“Hello”从机器用语进入人际问候为类比，追问：人机交互中形成的一整套语法，会不会像“Hello”一样“爬出对话框”。 核心问题不是“孩子从 AI 那里得到了什么内容”，而是“在与 AI 交互中学到了什么形式”。 作者提出命名“祈使句一代”，并强调该命名“不含道德指控”，因为祈使句本身是人机交互最经济的形式。
腾讯研究院（搜狐同步）
查看来源原文Agility Robotics 宣布 Mark Vale（Transportation Insight CEO、UPS 前总裁）预计将在与 Churchill Capital Corp XI 完成业务合并后加入董事会并出任审计委员会主席，以补齐上市所需的财务监督与全球物流经验。
新闻稿于 2026 年 10 月 19 日发布，地点为 Salem, Ore. 与 New York, N.Y.。 任命的前提是 Agility Robotics 与 Churchill Capital Corp XI（NASDAQ: CCXI）此前宣布的业务合并完成；合并后公司预计以 Agility Robotics 名义运营，并在 Nasdaq 以代码…
agilityrobotics.com
查看来源原文Meta发布美国迄今最强开源权重多模态模型Muse Spark Open（816B总参数、42B激活、1M上下文），借助MLX框架可在两台M5 Ultra Mac Studio（合计1TB统一内存）上完整本地运行，但核心编程能力仍落后于Kimi K3和GLM 5.3。
据腾讯研究院AI速递（20261019）转述，Meta推出Muse Spark Open，被描述为“美国迄今最强开源权重模型”。模型采用原生多模态设计，总参数816B、每token激活42B，支持100万token上下文，主攻编程与Agent任务。与前一条“NVIDIA GB300 NVL72”卡片关注数据中心侧推理性能不同，本条聚焦同一模型在桌面级硬件上…
腾讯研究院（搜狐同步）
查看来源原文英伟达开源机器人框架 ASPIRE V1.0，用编程 Agent 为机器人编写控制程序、依据多模态轨迹复盘失败并迭代代码、把有效方法沉淀为技能库；换用 GPT-6 Astra 后，LIBERO-Pro 80 项任务成功率达 99%，Robosuite 与 BEHAVIOR-1K 代表性任务全部 100%。
ASPIRE 要解决的是“机器人控制程序由 Agent 自动编写并持续改进”的问题：Agent 不只生成一次代码，而是执行任务后依据多模态轨迹复盘失败原因、修改代码，并把被验证有效的做法存入技能库复用。本条属于英伟达在机器人 Agent 方向的框架开源动作，与已有的英伟达开源全双工语音模型属于不同产品线，不构成同一事实的重复。
腾讯研究院（搜狐同步）
查看来源原文Anthropic基于1334名员工调查发布两份内部报告，员工平均认为四年后AI能完成自己75%的工作，并估计当前前沿模型研发工作AI已承担51%、2030年底将达95%；而美国普通劳动者对同一问题的答案仅为28%。
Anthropic发布两份报告（据材料为内部调查性质），调查对象为1334名员工，主题是员工对AI替代自身工作的主观预期，以及AI在公司内部实际使用强度的量化指标。报告同时对比了美国劳动者群体的对应预期，并由首席经济学家给出Anthropic采用AI相对整体经济的领先幅度判断。
腾讯研究院（搜狐同步）
查看来源原文论文提出 PhysRSI-eval，用五轴指标量化视觉语言模型（VLM）在物理操作任务中的“递归自我改进”（RSI）能力，并通过“Physical Barrel Hypothesis”指出不同能力可能分别约束改进的不同环节；公共基准均分接近的系统，其改进速度与效率可能差异显著。
研究关注物理场景下 LLM 作为策略（LLM-as-policy）的递归自我改进：机制是什么、如何随规模变化、能否泛化。核心问题是：智能体在固定交互预算下能多快、多远地变好，以及这种改进由哪些能力支撑、改进后留下了什么。
arXiv 论文
查看来源原文WeAct 把“选择哪个 LoRA 适配器”纳入智能体的动作空间，让长程任务在执行过程中按需切换能力模块，在 8 个深度研究基准上以更少算力比全量微调平均提升 6.2% 准确率，比最强静态 LoRA 合并方法提升 27.5%。
长程智能体需要从交错的轨迹中学习异构能力，但更新共享参数学习新能力会损害已习得能力，造成灾难性遗忘；同时轨迹的不同阶段可能需要不同能力，而常规联合训练与静态适配器合并在整个执行过程中保持固定参数配置。WeAct 针对的正是“执行期参数配置固定”与“能力需求随阶段变化”之间的错配。
arXiv 论文
查看来源原文VideoMaMa++ 通过分离 RGB 与掩码的 token 流、引入 preserve/refine 两个可学习 token 并配合滑动窗口推理，解决扩散式视频抠像在分块处理时跨块边界闪烁与透明度不连续的问题，据摘要称在细节精度与时序一致性上优于既往扩散方法。
扩散式视频抠像借助互联网规模预训练的视频扩散先验，在少量合成数据上即可获得较强零样本泛化能力，已成为主流路线之一。 但扩散主干计算量大，单次推理只能覆盖 6 到 24 帧，普通视频必然被切成多个块。 现有方法对每个块独立、仅依赖粗掩码引导进行抠像，导致块边界处边缘闪烁、透明度不连续。 本文要解决的问题：在不增加额外训练的前提下，让分块推理的视频抠像在块边界…
arXiv 论文
查看来源原文Agima 把“行动前先想象后果”作为可训练能力：用单一 omni 模型统一策略与世界建模，再以智能体强化学习教它在想象的未来上推理，从而在不可逆或反馈稀疏的环境中减少致命失误。
在 Sokoban 中，一次看似合理的推箱可能让谜题变得无解。当真实环境反馈稀疏或动作不可逆时，智能体必须在执行前预判后果。论文提出的核心问题是：能否训练智能体在行动前“想象”若干可能未来，并基于这些想象做规划，而不是直接输出单一动作或单一计划。
arXiv 论文
查看来源原文推理模型生成的思维链（CoT）文本并不忠实反映其内部计算，因此不能当作可解释性工具，可监控性是一种脆弱的能力，需要专门研究和保护。
《Nature Machine Intelligence》2026年10月19日刊发社论，讨论“推理大模型”（reasoning LLMs）的可理解性与可监控性问题。背景是：约2024年起，前沿大模型被训练成在给出答案前先逐步生成中间推理文本（CoT），但已有研究指出这些推理 token 并非模型内部计算的准确解释，由此引发对其安全监控价值的质疑。社论同时…
nature.com
查看来源原文Nature 评论文章《Three reasons why AI is not conscious and perhaps never will be》指出，现有 AI 系统不具备意识，且沿当前发展路径大概率不会产生意识；其核心论据是“智能不等于意识”，以及硅基计算功能主义存在根本缺陷。
文章类型：Nature Comment（评论），2026 年 10 月 19 日在线发表，DOI: 10.1038/d41586-026-03313-7。 作者：Anil K. Seth（Sussex 大学认知与计算神经科学教授）、Ned Block（纽约大学哲学教授）、Giulio Tononi（威斯康星大学睡眠与意识研究所主任）。 研究问题：大型语言模…
nature.com
查看来源原文Halcyon 系列模型证明，不依赖互联网规模的语言预训练、完全从零开始训练，也能获得强文本到图像（T2I）生成能力，并在更低预训练算力下优于若干对比模型。
现代 T2I 系统通常借助互联网规模语言预训练来实现文本条件图像生成。论文提出的核心问题是：语言预训练对于强 T2I 生成是否必要。作者给出否定性证据，并发布 Halcyon 早期融合多模态自回归模型家族。
arXiv 论文
查看来源原文该论文提出“量子哈密顿量嵌入”（quantum Hamiltonian embeddings）监督学习框架：将经典训练数据编码进一个参数化哈密顿量，以该哈密顿量近似基态定义分类规则，并在理论上给出梯度估计与泛化保证，同时在 IBM Heron 处理器上完成规模化演示。
机器学习被视为量子计算可能带来计算优势的应用方向，但具备性能、可训练性与高效推理可证明保证的通用量子机器学习模型仍然有限。 论文要解决的问题是：能否构建一个既有理论保证、又能在真实量子硬件上规模化实验的量子机器学习框架。 为此作者提出量子哈密顿量嵌入：把经典训练数据集编码为单个有效参数化哈密顿量，训练即优化该数据依赖哈密顿量的参数，其近似基态给出分类规则。
arXiv 论文
查看来源原文Stateful Harness 把“世界状态演化”与“视频渲染”拆开：由框架按规则维护隐藏状态并编译指令，冻结的视频模型只负责出画面，从而在依赖不可见状态的交互中显著提升规则遵循率。
现有世界模型多能基于单张图像生成动作条件视频，且不少工作聚焦相机运动与场景探索。但仅靠“导航”无法保证动作在结果依赖当前帧不可见状态时仍遵循持久规则。论文提出 Stateful Harness，目标是支持有状态、受规则约束的交互，并用 WorldState-Bench 评估规则遵循。
arXiv 论文
查看来源原文SpecMRL 通过在参数导出的谱基（spectral basis）中按特征重要性组织特征空间，改进 Matryoshka 表示学习（MRL）的嵌套前缀读出方式；据摘要，其在 MTEB 上于所有评估的降维维度均优于 MRL，且压缩越激进增益越大，仅用一半嵌入维度即可超过全维 MRL——具体数值与实验细节待核实。
来源为一篇 arXiv 论文（编号 2610.26824v1，Track: academic，Topics: foundation-model），正文未能抓取，以下仅基于标题、摘要等元数据。 研究问题：MRL 通过联合优化嵌套前缀来支持灵活的表示尺寸，但缺乏显式约束来保证前导部分提供合适的紧凑编码。 提出的方法名为 **SpecMRL**，定位是对 MRL…
arXiv 论文
查看来源原文SpecKCast 是一种无需训练（training-free）的扩散模型加速方法：它在频域（2D DCT）上对模型输出做逐系数卡尔曼滤波预测，并沿由噪声调度派生的频带特定时间坐标推进预测，从而在跳步时减少外推误差；据摘要，在多个图像/视频 DiT 上取得最高 6 倍加速，额外显存低于 0.05 GiB。
背景问题：Diffusion Transformers（DiTs）生成保真度高，但推理需要在大量去噪步上反复评估 Transformer，推理成本高。 现有思路：特征缓存（feature caching）通过跨去噪步复用特征降低成本；近期“预测型”方法进一步把特征外推到被跳过的步，而非直接复用。 论文指出的两个错配： 1. 现有预测方法对被预测特征进行“均…
arXiv 论文
查看来源原文当 LLM 智能体通过“按需检索”而非“上下文内联”读取长工具输出时，部分模型会出现准确率下降；原因未必是没算对，而是答题所依据的证据发生了替换（evidence substitution）。
Same Simulation, Different Evidence: Where Retrieved Tool Output Costs LLM Agents Accuracy
arXiv 论文
查看来源原文论文提出“安全中期训练”（safety mid-training），在预训练与后训练之间引入一个同时发展安全与通用推理的中间阶段，试图缓解安全与通用能力之间的取舍（trade-off），并提升安全对后续训练的鲁棒性；具体数据与实验细节待核实。
现有 LLM 安全对齐主要在**后训练**阶段进行，近期也有工作把安全数据引入**预训练**。 论文指出两个问题：后续训练若不再包含安全数据，安全能力可能退化；安全提升往往以通用能力为代价。 由此提出的核心观点：安全不应与通用推理被当作彼此分离的训练目标，而可视为一种可通过**共享推理结构**习得的模型能力——两者都需要理解意图/任务目标、调用相关知识、推…
arXiv 论文
查看来源原文Ropedia W0 提出首个覆盖人类与多种机器人具身的自我中心（egocentric）移动操作世界基础模型，通过统一运动学表示与大规模人类/机器人混合数据，在多个跨具身基准上取得领先表现，并验证了“扩展人类预训练数据能同时提升人类与机器人评测”的缩放规律。
**研究问题**：世界模型可让具身智能体预判动作后果，但跨多样具身联合建模“移动（locomotion）+操作（manipulation）”面临两大障碍：动作空间异构，以及多模态监督数据有限。 **论文主张**：构建一个统一的、以自我中心视角为主的移动操作世界基础模型，同时覆盖人类与不同构型的机器人，并用人类经验数据来扩展模型能力。 **发布信息**：ar…
arXiv 论文
查看来源原文CORNETO 框架的多样本约束网络推断并非在所有条件下都能稳定获益：其稳健性取决于先验知识完整性、样本可得性、正则化强度与生物学情境，因而应被视为一个“分区依赖”（regime-dependent）的学习问题。
本文是对 Pablo Rodriguez-Mier 等人提出的 CORNETO（Constrained Optimization for the Recovery of Networks from Omics）框架的可复用性报告（reusability report），发表于 Nature Machine Intelligence（2026 年，第 8 卷…
nature.com
查看来源原文该论文提出“视觉可归因同策略自蒸馏”（Visual-Attribution Gating, VAG），通过对比“证据存在”与“证据退化”两种教师视图来筛选特权纠正，只保留能归因于视觉证据的 token 级更新，从而在六个视觉推理基准上优于 GRPO 与 OPSD 方法。
多模态可验证奖励强化学习（RLVR）提供可靠的任务级监督，但对视觉推理中错误定位的指导有限。同策略自蒸馏（OPSD）借助具备证据中心视觉视图的特权教师，提供稠密的 token 级纠正作为补充。然而这些纠正可能混杂语言先验、回答风格或特权视图本身带来的非视觉偏移。论文将这一现象形式化为“特权纠正污染”（privileged-correction contam…
arXiv 论文
查看来源原文RefCraft 是一个包含 300 个真实多模态网页开发任务的基准，用于评估智能体在自然语言指令之外结合 1–5 张参考网页截图进行选择性理解、渲染与迭代优化的能力；据摘要，九个前沿 (M)LLM 中表现最强的系统总分仅 52.12/100，表明该能力仍是显著挑战（具体评测细节待核实）。
研究问题：现有网页开发基准多偏理想化，通常只做视觉目标重建或仅凭文本指令生成网页，忽略了“从视觉样例出发开发”这一更常见的工作流。 本文提出 RefCraft 基准，聚焦“视觉参考条件下的智能体生成”（visual-reference-conditioned agentic generation），以网页开发作为可实际评估的落地场景。 任务形式：自然语言指…
arXiv 论文
查看来源原文StreamRPS 提出了一套面向 FMCW 旋转雷达的流式全景分割框架，通过自动标签生成管线与实时流式网络，在 SAX 和 BOREAS 数据集上以超过 400 FPS 的速度处理 4 扇区数据，性能至少领先最强基线 1.4 个百分点（待核实具体指标细节）。
论文关注恶劣天气与低光照条件下自动驾驶感知的鲁棒性问题。摄像头和 LiDAR 在此类场景下性能下降，而调频连续波（FMCW）旋转雷达能以较低计算成本提供可靠的 360° 远距离感知。然而，实时 FMCW 雷达场景理解面临信号回波复杂、时间分辨率有限、标注数据集稀缺等挑战。StreamRPS 即针对这些挑战提出流式雷达全景分割方案（具体研究动机与方法细节待核…
arXiv 论文
查看来源原文在 131 项蛋白质结构任务组成的 ProteinGeoBench 上，前沿结构生物学智能体普遍更擅长检索结构元数据，而在从坐标做数值/几何计算时表现更弱；且基准排名对评测配置（运行次数、工具框架、网络/数据库访问、任务子集）敏感。以上基于元数据与摘要级信息，正文细节待核实。
该工作研究前沿智能体在蛋白质结构任务中的能力结构：分数在多大程度上反映“查表式”结构元数据检索能力，又在多大程度上反映模型之外的评测配置（运行预算、智能体框架、访问条件、任务构成）。作者以 ProteinGeoBench 为测试套件，结合多模型、多次 rollout 分析模型间差异与评测配置的影响。
arXiv 论文
查看来源原文PICA-WAM 是一项针对世界动作模型（World Action Models, WAMs）的自监督训练框架，试图用“跨外观自对齐”这一辅助任务，让模型在视觉外观被扰动时仍产出与原始观测一致的动作表征，从而提升视觉扰动下的鲁棒性（具体实验数字待核实）。
研究问题：WAMs 同时预测未来视频并生成动作，但对与任务无关的视觉扰动（即不应影响机器人行为的视觉外观变化）仍然敏感。 作者指出的训练缺口：视频预测会鼓励表征保留外观信息，而动作生成并未显式要求对任务无关外观保持不变性。 对现有做法的批评（据摘要）：数据增强只是让 WAMs 见到扰动，并不要求扰动观测与名义观测产生一致的动作表征；与外部预训练特征对齐也不…
arXiv 论文
查看来源原文OpenVLHarness 是一个围绕“能力层 + 持久多模态记忆”组织的多模态推理框架（harness），在 22 个基准、8 个开源与闭源基座上，相比匹配的无工具基线平均提升 9.7–12.6 分；且在 GPT-6 Luna 中等推理投入下，以不超过对比方案 37% 的模型 token 成本超越基座模型、Codex 与 Visual Sketchpad…
多模态大模型（MLLM）在视觉推理上进步迅速，但许多任务所需的证据难以仅靠内部推理获得。 作者在 22 个基准上做了受控研究：单纯提高基座模型的推理预算（inference budget）只带来有限增益。 这类任务需要“有依据的感知”、外部知识与数值测量，依赖异构工具；工具输出必须可被模型解读，并在推理步骤间被保留。 论文提出 OpenVLHarness…
arXiv 论文
查看来源原文论文提出“开放形态几何风格迁移”这一新设定：把从某一类形状（如风格化拉丁字母）中学到的几何设计语言，迁移到形状族之外的全新形态（如希腊字形乃至人体姿态），并从方法上强调必须把“学风格”与“学形状族”解耦（具体实验结论待核实）。
既有做法通常假设：从某一形状族学到的几何风格，只应用于同一形状族的新形状。 本文要处理更困难的设定：学习一种风格化拉丁字母的几何设计语言后，将其应用到新形态上，例如希腊字形，甚至人体姿态等完全不同的结构。 核心难点被作者概括为：难点不只是“学会风格”，而是“在不学会风格所依附的形状族的前提下学会风格”。
arXiv 论文
查看来源原文该论文（arXiv:2610.26817v1）将“Next Best Action（NBA）”建模为约束马尔可夫决策过程（CMDP），并把对客户动态的离策略因果校正直接整合进 CMDP 的线性规划（LP）求解中，以在满足业务约束的前提下最大化长期经济价值；具体方法细节与完整实验设置**待核实**。
问题域：NBA 系统需要在多种客户干预（如折扣、促销、生命周期行动）之间做选择，同时兼顾长期经济价值、复杂运营约束与因果有效性。 作者主张：现有方法缺乏一个能同时满足上述要求的严谨框架；因此将 NBA 形式化为 CMDP，并在离线 RL 框架下求解。 验证场景（据摘要）：网约车优惠券定向的行业案例，客户状态用 RFM（Recency、Frequency、M…
arXiv 论文
查看来源原文该论文针对下层 Hessian 可能奇异、下层解可能不唯一（即不满足强凸性）的双层优化场景，提出了两种利用下层更新与乘子更新共享曲率结构的牛顿型方法，并给出收敛性与复杂度改进。
双层优化（bilevel optimization）广泛用于超参数优化、数据重加权、元学习等机器学习任务。既有牛顿型双层方法通常依赖经典超梯度（hypergradient）公式；当下层解不唯一、下层 Hessian 奇异时，该公式一般不可用。论文要解决的问题是：在下层强凸性不成立时，如何设计仍具牛顿型加速效果的双层优化方法。
arXiv 论文
查看来源原文MemT-1.0 是一类将记忆内化为模型计算组成部分的“记忆基础模型”架构；据摘要，其在长历史场景下相对全上下文 KV cache 有约 1.86× 端到端推理加速与 66× 持久存储缩减，但正文与评测细节待核实。
材料主张“记忆原生演化”要求把记忆变成基础模型的内在能力，使其能持续累积并利用信息。为此提出 MemT-1.0，试图将记忆作为模型计算的一部分，而非外挂检索或纯参数化记忆。研究问题可概括为：能否在保持通用能力的同时，以原生记忆架构替代/补充参数化记忆与检索增强方法。
arXiv 论文
查看来源原文Manga2Animate 是一个多智能体框架，通过引入“动画剧本”和“视觉分镜”两个中间表示，并配合创作者—审阅者双智能体机制，把生成过程的每一步都锚定在原始漫画画格上，从而提升漫画改编动画的忠实度与跨镜头一致性。
漫画改编为连贯动画既有价值又具挑战。现有方法存在两类偏差：一类主要通过文本理解漫画，丢失角色形象与艺术风格；另一类把漫画页直接送入视频生成模型，模型误读漫画版式结构，产出错误剧情线。本文要解决的问题是：如何在生成动画时既保留原作角色与画风，又正确理解漫画分镜结构与叙事。
arXiv 论文
查看来源原文LatComm 提出一种“编码一次、按问读取”的潜通信接口：冻结的上下文编码器 LLM 将长上下文压成固定大小的数据包，另一个冻结的接收器 LLM 通过交叉注意力按问题选择性读取，从而在多个模型协作场景中同时实现紧凑、跨问题复用与跨模型可读。
多 LLM 组合系统常需用同一份上下文回答多个问题。若以文本形式在模型间传递上下文，接收模型每回答一个问题都要重新处理全部 token，成本随问题数线性增长。要避免这一开销，上下文表示需同时满足三点：紧凑、可跨问题复用、可被另一个 LLM 读取。论文指出，现有压缩方法与潜通信方法各自只覆盖其中部分属性，LatComm 试图三者兼备。
arXiv 论文
查看来源原文KronLSTM 提出用 Kronecker Delta Rule 更新关联矩阵记忆，在矩阵空间仅沿单一方向修正目标关联，从而在长上下文语言建模中减少旧记忆干扰，并获得可解析的稳定记忆动力学。
论文关注线性注意力中的关联矩阵记忆更新问题：如何在写入或修正特定关联时，尽量不破坏已存储信息，并保持记忆状态稳定。作者提出 KronLSTM，作为 xLSTM 家族的扩展，核心是新的 Kronecker Delta Rule 更新规则，面向长上下文语言建模。
arXiv 论文
查看来源原文KEEP-Bench 是一个直接诊断上下文压缩“忠实性”的基准（4,102 个用例），发现即使是最强模型在平均仅 3.1K token 的输入上也难以完整保留关键证据（最佳开源 31B 模型仅 66.8%，最佳闭源模型仅 61.6%）。
上下文压缩能提升长上下文处理效率，但信息瓶颈可能损害压缩结果的忠实性（faithfulness）。现有评估多依赖 QA 指标，而读者即便基于不忠实的压缩也可能答对问题，因此这类指标会低估证据丢失的程度。KEEP-Bench 旨在直接评估压缩是否保留了完成任务所需的证据，而非仅看下游答案是否正确。
arXiv 论文
查看来源原文InfiniDream 是一个由视觉语言模型（VLM）驱动的程序化3D世界生成框架，通过“符号约束资产生成”与“端到端文本到世界”两阶段设计，试图在保持可编辑性与种子多样性的同时，生成超越预定义工厂/API限制的新颖逼真3D资产与大规模场景。
程序化生成在合成数据创建与游戏开发中具有可控性、可编辑性和多样性优势，优于静态网格表示。但现有方法存在两端困境：基于VLM的代码生成往往只能产出较简单的3D资产；而精细的逼真程序化系统需要大量人工开发。已有的VLM引导程序化方法大多受限于预定义的工厂与API，难以创建新颖的资产类型。论文提出的研究问题是：能否让VLM驱动的程序化生成走向开放式，生成新颖且逼…
arXiv 论文
查看来源原文GenOlympiad 用九个能力轴上的高难度提示词对 20+ 个前沿文本到图像模型做压力测试，发现即便最强模型（Nano Banana Pro）严格得分也仅 23.9/100，说明当前 T2I 模型在“可视觉核验”的硬指标上仍存在巨大短板。
文本到图像模型已能生成高质量图像，但作者提出一个其他学科都会追问的问题：前沿模型究竟在哪里失败。为此论文构建了 GenOlympiad 基准，专门提供各能力轴上最具挑战性的提示词，用于探测前沿 T2I 模型的能力边界。研究问题可概括为：在可客观验证的任务上，前沿 T2I 模型的真实对齐水平如何。
arXiv 论文
查看来源原文CoopUQ 将“跨机器人时空特征融合的未来占据栅格预测”与“带不确定性惩罚的约束多智能体强化学习”结合，使多机器人团队在遮挡与分布外（OOD）场景下能根据预测不确定性自适应调整风险敏感度，从而提升社交导航的安全性与预测性能。
论文针对多机器人社交导航中的一个关键落差：单机器人强化学习方法直接扩展到多机器人时，在遮挡和 OOD 场景下往往无法保证安全与效率，因为个体机器人可能忽略潜在风险或做出不准确预测。核心问题是：如何把机器人之间的协作同时用于“预测”和“导航决策”，并在分布偏移下保持鲁棒。
arXiv 论文
查看来源原文论文提出“竞争性学习”现象：在同时包含线性时间循环层与 softmax 注意力的混合架构中，不同 mixer 会争夺学习同一函数，先学会者会抑制其他层对应的学习信号；据此提出的分阶段预训练流程在至多 1B 参数模型上改善了语言建模、常识推理与检索相关任务表现（具体数值待核实）。
现代语言模型 increasingly 采用混合架构，同时引入线性时间循环（modern recurrence）与 softmax 注意力。循环层通过将上下文压缩进固定大小状态来保证高吞吐与强混合表达能力，但在上下文信息检索上弱于 softmax 注意力。论文关注的问题是：在混合架构中，这两类 mixer 的学习过程如何相互影响，以及能否通过训练策略干预这…
arXiv 论文
查看来源原文该研究提出将射线追踪数字孪生与多目标贝叶斯优化结合，在闭环工作流中自主设计光反应器，实验验证显示优化几何结构可同时提升光子捕获量与照射均匀性。
光反应器设计因反射、散射与吸收等光传输现象相互耦合而困难。研究目标是建立可实验验证的虚拟协同设计框架，在16个反应瓶规模上自动搜索兼顾高入射光子通量与均匀照射的反应器几何。
nature.com
查看来源原文论文提出FunCAD-Harness框架与FunCADBench基准，用于评估和提升LLM智能体在物理仿真下设计“功能可用”CAD机构的能力，实验显示该框架能暴露视觉检查无法发现的细微机械故障，并显著提升功能成功率（具体数值待核实）。
LLM智能体已能生成视觉上合理的CAD装配体，但这些设计往往无法实现预期的物理功能。论文研究“功能CAD设计”这一设定：智能体需解释欠明确的请求，构建并迭代修改机构，使其在物理仿真中满足功能要求。核心难点在于验证——不同候选机构可能通过完全不同的部件、控制和操作序列实现同一功能，因此不能依赖统一的功能验证方式。
arXiv 论文
查看来源原文ASTOR 提出一种推理时框架，先把自然语言决策问题映射为受形式语法引导的抽象语法树（AST），再确定性地编译为可执行的优化代码；配套的 SoftOR 基准聚焦于“可被违反的偏好型软约束”，在同类单次请求与多智能体 LLM 方法中取得最佳汇总准确率，同时在仅含硬约束的标准自动形式化基准上保持竞争力。上述结论基于论文摘要，具体数值与实验细节待核实。
现实决策问题通常同时包含两类性质不同的约束：必须满足的硬约束，以及允许违反的偏好型软约束（如消费者、管理者、规划者提出的偏好）。 已有“自动形式化”（autoformulation）研究多关注硬约束，对软约束的显式建模不足，而许多实际问题需要把软约束写进模型。 研究问题：如何让大语言模型把自然语言描述的决策问题，稳定地转成可执行、且能表达软约束的数学优化模…
arXiv 论文
查看来源原文AnyGoal 是一个面向世界模型“组合泛化”的目标偏移任务基准与开源库：它刻意让单个状态因子与动作都落在训练支持集内、只让它们的组合在专家轨迹中欠采样，结果发现当前多个模型族在这些重组情形下持续失败。
论文关注世界模型的一个可靠使用前提：学到的动力学必须在专家 rollout 中出现的具体“状态-动作”组合之外仍然表现良好。 作者指出，数据覆盖度、动力学泛化与下游规划性能三者之间的关系仍缺乏充分研究。 研究切入点是组合泛化：世界模型能否把熟悉的状态因子与动作因子重新组合成有效的动力学。 为此提出 AnyGoal：由常用世界模型环境改造出的“目标偏移”任务…
arXiv 论文
查看来源原文WildAWM 提出了一条完全由开源模型驱动的可扩展管线，用于合成同时支持 GUI、模型上下文协议（MCP）服务与命令行界面的可执行环境及长程任务，仅用合成世界训练的两个 Qwen 模型在 8 个分布外基准上均取得显著提升，表明“在合成世界中交互学习”可泛化到未见过的计算机使用任务。
智能体学习正从“从人类数据中学习”转向“通过与世界交互学习”，但直接在真实计算机系统中扩展这种学习困难且可能带来显著安全风险。 现有方法通常只针对单一智能体交互接口（如仅 GUI 或仅 CLI）专门化，缺乏能同时覆盖多种交互方式的训练环境。 任务合成中存在三个反复出现的挑战：确保任务可解（solvability）、维持足够难度、以及产生可靠的验证器（ver…
arXiv 论文
查看来源原文AfriBED 是一个面向两种低资源非洲语言（Bemba 与 Nyanja）的语音识别偏差评估数据集，用于检测和估计 ASR 系统在性别与说话人类型（speaker-type）上的性能偏差；具体基线结果细节待核实。
自动语音识别（ASR）系统虽持续进步，但仍存在说话人属性偏差，即识别性能会因说话人的性别、口音、说话人类型等人口属性而系统性倾斜。要准确评估这类偏差，需要一份在某一属性各子群之间具有可比语音的偏差评估数据集。AfriBED（African speech Bias Evaluation Dataset）针对这一需求，为 Bemba 和 Nyanja 两种低资…
arXiv 论文
查看来源原文