AI 日报 · 2026-10-29

面壁智能开源 MiniCPM-OCR 1.0（1.3B）解析模型与 Jev（2B）判别模型，以“解析+质检”双模型组合在文档 OCR 基准上取得双 SOTA，并完成权重开源及多推理框架、多芯片平台的适配。

面壁发布开源 MiniCPM-OCR 系列，包含两个模型：面向文档解析的 MiniCPM-OCR 1.0（1.3B）与面向结果判别/质检的 Jev（2B）。该组合试图解决 OCR 场景中“识别质量”与“结果可信度校验”两个环节的问题。材料仅给出发布信息与基准成绩，未说明训练数据构成、模型架构细节与评测口径。

腾讯研究院（搜狐同步）

腾讯WorkBuddy上线「远程控制」功能，允许同账号认证手机实时查看并全屏接管Mac电脑桌面，由腾讯Edge One提供技术支持，远程操作只耗流量不耗Token。

WorkBuddy在2026年10月29日腾讯研究院AI速递中被披露上线「远程控制」能力。该功能解决的是移动端对桌面端WorkBuddy运行环境的接管需求：用户在手机上即可实时查看电脑桌面画面，并以小窗悬浮于App顶部，或进入全屏接管模式完成操作。

腾讯研究院（搜狐同步）

天数智芯在2026年10月的发布会上，用天垓300云端GPU和彤央TY1200端侧芯片分别与英伟达H200、Jetson Thor T5000进行现场随机出题的实时对比，并同步发布“以AI开发AI”的天数智算软件栈，试图以“云+软件+端”三条线构成算力闭环。

据量子位报道，天数智芯于2026年10月29日（文章发布日期）举办活动，现场由观众随机出题，让自家产品与英伟达产品同场运行对比。云端由天垓300对标H200，端侧由彤央TY1200对标Jetson Thor T5000。文章将此举定位为国产通用GPU从“画路线图”转向“交实测作业”。天垓300基于此前公布的天枢架构，该架构在天数智芯四代架构路线图中被列为对…

量子位

根据 OpenAI 官网文章元数据，律所 Ropes & Gray 正在与 OpenAI 合作，将 AI 用于交易尽职调查（transactional diligence）场景；正文未能抓取，具体技术方案与成效待核实。

该材料指向一个法律服务行业的 AI 应用案例：Ropes & Gray 围绕“交易尽职调查”开发 AI 能力，合作方为 OpenAI。可确认的信息仅限于标题与摘要层面，即律师会对分组后的文件、摘要与报告进行审阅，再据此向客户提供建议；这一流程描述是否准确、完整，待核实。

OpenAI

谷歌 DeepMind 发布 Genie 4，号称迄今最逼真、交互性最强的世界模型，并首次实现原生实时音频生成，可用键盘操控、用自然语言修改场景。

据腾讯研究院 AI 速递（2026-10-29）转述，谷歌 DeepMind 发布世界模型 Genie 4。材料将其定位为“迄今最逼真、交互性最强的世界模型”，核心能力包括实时操控与原生音频，目标是让生成式环境既能被用户即时操作，又能同步产出声音。本条为对既有“世界模型”脉络（昆仑万维、自变量 WALL-SS、蚂蚁等）的延续，增量在于“原生实时音频”与消费…

腾讯研究院（搜狐同步）

2026 年 10 月 29 日，Cursor VS Code 扩展市场出现被篡改的 Anthropic.claude-code 2.1.313 版本，内含尝试安装持久化 SSH 后门的恶意代码，最多影响 5,000 名用户，Cursor 已下架该版本并重建市场。

Cursor 团队于 2026 年 10 月 29 日发现其 VS Code 扩展市场中存在一个恶意修改的扩展包：Anthropic.claude-code 版本 2.1.313。该版本并非 Anthropic 开发。恶意版本在太平洋时间约 2:27 至 13:35 期间可被下载，Cursor 估计最多 5,000 名用户受影响，并表示将直接联系受影响用户…

Cursor 博客

Anthropic 公布与 Generate、Divergence、Enveda 等六家机构在药物研发上的协作进展，并披露其收购 Mithril 后的内部项目，Claude 被用于从分子设计到运营的全流程；材料给出的量化指标显示 AI 在 CAR 设计、抗体生成、批记录审核与动物实验等环节有阶段性效果，但“一人药企”的说法目前仍是愿景表述。

Anthropic 公布与六家机构在药物研发方向的合作进展，涉及 Generate 等机构；同时披露收购 Mithril 之后的内部项目。 按照材料表述，Claude 参与的范围覆盖“分子设计到运营”，目标指向高度精简、由 AI 承担大量工作的“一人药企”形态。 本条为产业动态类信息，来源为腾讯研究院 AI 速递（20261029）的条目摘编，非 Anth…

腾讯研究院（搜狐同步）

OpenAI 发布更新版 Model Spec，提出五项核心价值，旨在让能力更强的 AI 朝向良好判断、尊重人的能动性并忠实于人类意图的方向发展（正文细节待核实）。

据现有元数据，OpenAI 通过官方页面发布“An updated Model Spec for more capable and beneficial AI”。该更新围绕“更强能力”与“更有益”两个目标，试图为模型行为提供一套价值层面的规范框架。核心问题是：当模型能力持续提升时，如何用明确的价值原则约束其行为，使其判断可靠、不越界替代人类决策，并准确遵循…

OpenAI

一项面向社会的AI研究案例征集显示，AI对人的意义或许不在于替人做得更多，而在于“把人放大”——放大能力、表达、连接与主体性；同时研究者提醒要防范判断被接管、偏见被固化、代价被转嫁与关系失真四类风险。

2026年4月，AI & Society创造营面向高校老师、在校学生、独立研究者公开征集研究案例，两个月内收到跨城市、跨学科投稿，主题分“面向技术、面向人类、面向社会、面向未来”四个方向。 投稿中“面向人类”的案例超过总数一半，说明公众与研究者最关心的是人在技术高速发展中的处境。 核心问题：AI用得越来越多，人的思考能力、判断力、真实社交意愿会不会退化？A…

腾讯研究院（搜狐同步）

腾讯 WorkBuddy 推出企业专享版，把文档、知识、网盘与设计资产交由单一智能体打通，并以统一控制台与 Credit 池管理席位权限和用量，同时配套可观测中心、资料库与可信安全客户端。

本条来自腾讯研究院 AI 速递（2026-10-29），报道 WorkBuddy 企业专享版开放智能体办公套件。核心问题是：企业级智能体办公如何在一个入口内整合多类资产与业务系统，并在权限、用量与安全上实现统一治理。该速递同时提到 WorkBuddy 上线远程控制功能，但该部分属另一条独立内容，本条聚焦企业专享版套件。

腾讯研究院（搜狐同步）

OpenAI 公开介绍其通过“分层监控”来检测前沿模型的失准（misalignment）以及智能体的未授权行为，目标是在事件升级前让响应人员介入；具体技术细节因原文未能抓取，待核实。

来源为 OpenAI 官方页面，标题为 “How we detect frontier model misalignment”。 主题聚焦于前沿模型失准的检测，以及与智能体（agent）相关的未授权行为识别。 核心问题：如何在前沿模型与智能体部署中，及早发现偏离预期目标或越权操作的行为，并在风险扩大前进行干预。

OpenAI

在 JUMP–CP 全量无标注化合物图像上预训练的自监督基础模型（SSL FMs）可绕过细胞分割与手工特征工程，在化合物重复检索与作用机制（MoA）检索上优于经典 CellProfiler，其中对比式 DINO 与混合式 DINOv2 稳定强于掩码生成式模型。

研究对高内涵成像（HCI）/Cell Painting 形态学画像中的自监督学习方法做了大规模、系统性的横向评测，回答“对比式、掩码生成式与混合式三类 SSL 学习机制，哪一种更适合细胞扰动表示”这个问题。 作者指出，此前缺乏覆盖三类机制的 HCI 大规模基准；已有工作只在约 1 万化合物的 JUMP–CP 子集上比较过 SimCLR、DINO 与 MAE…

nature.com

world2vec 提出一种不依赖奖励信息、直接从观测与动作中学习潜在动力学的方法，在显著减少参数量的同时，既能实现像素级连续控制，也能在 71 个吸引子基准上完成系统辨识，展示了世界模型用于科学发现的可能。

论文关注的问题是：世界模型可以在控制任务上表现优异，却未必忠实捕捉环境的真实动力学，这限制了它们在机制性可解释性和科学发现方面的价值。作者提出 world2vec，试图学习“机制性”世界模型，即潜在动力学需在长预测时域上忠实复现真实系统。该方法不依赖奖励信息，直接从观测和动作中学习。

arXiv 论文

一项在 28,058 个决策点上进行的评估显示，一个 1B 参数的紧凑解码器可以同时完成“是否介入”的门控与“生成记忆驱动提示”两项任务，在自动端到端指标上匹配或超过双模型流水线，并将实际耗时降低 1.31–1.76 倍。

主动式助手需要在对话中提供简短、基于记忆的提示，核心挑战有两个：决定“何时”介入（gating），以及决定“建议什么”（提示生成）。现有系统通常将这两步拆分为一个独立的门控模块和一个更大的生成器。本文的问题是把两者联合评估，并检验能否用单个紧凑模型同时承担两项职责。

arXiv 论文

VeriCUA 提出把“任务完成验证”重构为智能体在数字环境中的动态证据收集过程，用统一的“先建评分细则、再按需选择 GUI 或代码检查、最后按显式证据规则合并结论”的流程，跨桌面、移动与 Web 平台同时服务在线与离线验证。

来源：arXiv 论文（cs.AI，交叉 cs.CL、cs.CV），2026-10-29 发布。 问题背景：构建和扩展计算机使用智能体（CUA）需要可靠的任务完成验证，用于数据整理、评测与强化学习。 现有做法及其局限： 用视觉语言模型（VLM）评判轨迹：只能看到被提供的观测，视野受限。 生成程序检查应用状态：依赖可访问的状态，可能看不到决定性证据。 两类方…

arXiv 论文

这篇论文提出“统一训练”（unified training），把预训练、中训练、监督微调（SFT）与强化学习（RL）统一到同一个基于似然的训练算法下，将分阶段训练视为其特例，并在实验中改善了精度—算力权衡与任务覆盖度。

基础模型通常按阶段训练：预训练、中训练、监督微调（SFT）、强化学习（RL），各阶段不仅数据不同，学习算法也不同。论文要回答的问题是：这种算法层面的分离是否是本质的？作者认为不是，并提出可以把所有阶段放进单一训练算法框架中。

arXiv 论文

TRACER 是一个基于解码器架构、在四个医疗系统超 450 万患者纵向电子健康记录（EHR）上预训练的基础模型，在未参与开发的两个外部医疗系统、200 多万患者、16 种新发疾病、1/2/5 年预测窗口上，按筛查场景所需的高特异性（95%）工作点评估，被其标记的患者一年内确诊概率最高可达未筛选人群的约 8 倍；同时该评估方式揭示了全局指标（如 AUROC…

研究问题：纵向 EHR 基础模型能否作为疾病筛查工具，在跨医疗系统的外部环境中保持判别能力？在贴近真实筛查的低假阳性率工作点上，其检出效果与误报负担如何？ 作者与发布：Mara Pleasure、Ekaterina Redekop、Vedrana Ivezic、Rushikesh Kulkarni、Aaron Chin、William Speier、Cor…

arXiv 论文

TextSeal2 是一种无失真的大语言模型水印方案，通过高斯 Copula 混合多个密钥并在推测解码中利用指数竞速的无记忆性，在保持输出多样性与接受率不变的前提下，显著提升水印检测率。

该论文关注大语言模型水印在**推测解码（speculative decoding）**场景下的鲁棒性问题。推测解码会生成草稿并由目标模型验证，被拒绝的草稿 token 被替换，这可能导致传统水印信号丢失或需要重新计算。TextSeal2 要解决的问题是：如何让水印信号在被拒绝草稿被替换后依然保留，同时不改变输出分布（无失真）、不损失多样性、不增加推理延迟。

arXiv 论文

该论文提出 STRATA 基准与 ART 范式，把语言模型对“事件随时间如何展开”的断言从“流利结论”推进到可检验的统计推断流程，并按结论之前的每一步决策（零假设、检验选择、证据记录集合）进行评分；实验显示系统主要失败在“选哪些记录算数”上，准确率指标会掩盖这一“结论—证据鸿沟”。

材料指出，语言模型常以流畅句子回答诸如“产品召回后销量是否趋于下降”“疫苗接种后一种副作用是否倾向于跟随另一种副作用”之类问题，读起来像研究发现，但背后没有检验。这类关于事件在多个案例中如何展开的断言属于时间性假设，只有对正确记录做显著性检验才能判定。验证者需要明确零假设、选择检验方法、决定哪些记录与假设相关；其中任一选择都可能出错，而结论仍可能碰巧正确。…

arXiv 论文

SymAnt 提出一种神经-符号方法，利用场景图与知识图的联合搜索构建符号上下文作为先验，使系统能在仅给定短观察窗口的情况下预测长时程动作序列，并支持用户直接编辑底层知识以调整预测而无需重新训练。

论文关注的问题是：机器人与智能系统在与人类交互时，需要从极短的观测中预判未来一长串动作。纯神经网络模型通常依赖大量观测数据，且难以解释和调整；符号先验则提供了结构化的替代路径。SymAnt 试图将神经网络的表达能力与场景图、知识图的结构化推理统一起来，解决“短观测、长预测”的动作预判难题。

arXiv 论文

SonoWorld4D 提出“Video-to-4DAVScene”新任务，能从单目视频生成可探索、随时间变化的4D视听场景，并通过双空间音频扩散同步合成与场景几何一致的物理化空间音频。

此前视觉场景生成已从静态3D扩展到动态4D，但声音虽与动态物体和事件天然耦合，在已有工作中仍基本未被建模。本文要解决的问题是：如何仅凭一段单目视频，同时重建动态视觉场景与对应的空间声场，使生成结果支持新视角观看和空间音频渲染。

arXiv 论文

ShallowDefend 提出“评估→决策→回复”（Assess → Decide → Respond）框架，将模型安全行为集中的“浅层”输出前缀改造为显式、可解析的安全决策标记，并用强化学习训练该决策，从而把攻击者利用的“浅层性”转化为防御机制。

大语言模型经安全对齐后能较可靠地拒绝直接的有害请求，但同一请求被拆分到多轮对话中时仍常常成功。作者认为这种脆弱性有机制性根源：安全行为集中在模型输出的最初几个 token（“浅层对齐”），而现有防御继承了这一弱点，只监督回复的表面形式，未让模型学习一个显式的安全决策。论文据此反向利用“浅层性”：既然短跨度决定整段回复走向，就应在此处优先介入。

arXiv 论文

EVENET 是一个事件级粒子对撞基础模型，先在 5 亿个模拟对撞事件上以自监督学习加物理信息监督预训练，再微调迁移到重共振搜索、稀有希格斯衰变、量子关联测量等多种分析任务，并在 CMS 开放数据中重新发现 ϒ 介子，初步验证了模拟到真实数据的迁移能力。

高能物理对撞实验每年产生海量高维、部分观测的事件记录，但主流做法仍是“一个分析训练一个专用模型”，专家与算力成本随 HL-LHC 数据量增长而上升。已有基础模型尝试多集中在单个喷注（jet）层面，或仅覆盖少数下游任务与狭窄物理过程；且多数仅在模拟上验证，缺少在真实实验数据上的迁移检验。EVENET 要回答的是：能否用一个共享的事件级表征骨干，跨多种对撞分析…

nature.com

在高斯混合模型中，非参数最大似然估计（NPMLE）无需显式模型选择即可“自正则化”到最优复杂度，并在数据来自有限混合时自动收敛到有限成分数——这一结构性质在任意维度 $d$ 下成立。

论文研究 $d$ 维高斯混合模型（均值限制在超立方体内）的非参数最大似然估计（NPMLE）的结构性质。核心问题有两个：NPMLE 是否会过拟合（拟合过多成分）？以及当真实数据来自有限混合模型时，NPMLE 是否能自动“识别”出有限成分结构？作者在任意维度 $d$ 下给出肯定回答。

arXiv 论文

论文提出把长上下文检索重新表述为“在地址空间中持续局部遍历”，将记忆内容与地址分离，并用带成本正则的索引目标让互补记忆共检索、冗余记忆互斥；目前仅在 MiniGrid Memory 上验证了最简单的固定几何实例，作者明确表示完整方法尚未测试。

长上下文模型会反复解决高度相关的检索问题：注意力或全局检索虽能保留大容量存储，但每次前向传播都要重新搜索“什么重要”；循环压缩则通过提前决定保留哪些信息来回避搜索。两者都没有直接利用“相邻检索步骤中有用记忆可能大幅重叠”这一事实。论文试图回答：能否让检索成为一种持久、有状态的局部遍历，从而避免每步重新全局搜索。

arXiv 论文

Neural Thickets 所报告的“权重空间密集专家邻域”带来的性能增益，未必源自权重几何结构；仅对输出 logits 加随机偏置、配合验证集选择与投票（Logit PSV），在多数推理任务上即可匹配甚至超过全权重扰动，且模型全程冻结。

论文针对 Neural Thickets 假说展开重审。该假说认为预训练语言模型位于权重空间中任务特定专家的密集邻域内，随机高斯权重扰动可以“发掘”这些专家并带来性能提升。作者复现了原始增益，但质疑其几何解释的必要性，并提出替代解释：增益来自输出多样性、基于验证集的选择与投票聚合。

arXiv 论文

SpecSlot 是一种像素空间 rectified-flow Transformer，它把每个空间锚点扩展为多个槽位并分别绑定不相交的 DCT 频带，仅让最低频槽位参与全局注意力，从而在不解大全局序列长度的前提下提升频谱细节；具体性能数字与实现细节待核实。

论文针对像素空间生成式 Transformer 的常见做法：每个图像 patch 对应一个 token，因此更细的细节需要更多 token，全局注意力成本随之上升。 作者提出观察：更细的细节不一定需要更多全局通信——低频结构适合全局交换，高频细节可局部建模。 据此提出 SpecSlot，目标是把“输出细节”与“全局注意力序列长度”解耦。

arXiv 论文

针对研究级数学基准“拉马努金挑战赛”的提交分析显示，AI辅助评估流水线能将自然语言证明的误报判定率从23%降至6%，并将支撑代码的判定准确率从46%提升至58%，为规模化评估研究级数学证明提供了方法。

随着AI数学能力提升，有意义的基准正从大学水平题目和数学奥林匹克转向研究级数学。拉马努金挑战赛是一个由数论领域研究级问题构成的基准，包含未发表结果和开放猜想；它给出数学常数的具体公式，正确性可数值验证，但证明可能需要非显然的数学。本文分析该挑战赛的提交，衡量不同AI模型、计算机代数系统（CAS）和形式化工具的相对成功率，并应对由此暴露的第二重挑战：如何在大…

arXiv 论文

RADIOlogy 利用视觉语言模型中多头注意力池化的“开箱即用”特性，以单次前向（single-pass）的对比评分替代提示学习与滑窗搜索，在免训练零样本异常检测中显著优于同类免训练基线，并可低改动迁移到医学领域。

现有零样本异常检测方法为捕捉小尺度异常，通常依赖复杂的提示学习（prompt-learning）或计算代价高的滑窗策略。论文将这一依赖归因于标准 CLIP 架构的固有局限：[CLS] token 注意力与空间 patch 池化难以刻画细微、局部化的异常特征；而提示学习方法往往需要辅助数据集中的大量真实分割掩码，这在专业领域常常不可得。本文提出的问题是：能否…

arXiv 论文

PFR（propose-filter-release）是一种新的差分隐私原语：它先对输入做私有过滤，把“保护典型记录”的机制升级为对所有输入都满足标准差分隐私的机制，从而避免让少数极端记录决定整体噪声规模。

论文关注差分隐私机制中一个常见困境：估计器在典型数据上可能既准确又稳定，却对少数可能出现的记录高度敏感。标准差分隐私机制通常按“单条记录的最坏影响”来校准噪声，于是这些极端记录即便在其余数据本可支持更小噪声时，仍会主导噪声规模。直接删掉它们可以恢复较小噪声，但删除过程本身必须满足隐私要求。PFR 要解决的正是“如何私密地完成这一过滤”。

arXiv 论文

视觉基础模型的“看得懂”不等于“记得住、推得动”：在静态室内环境的流式自我中心观测下，十个表征的冻结特征探测显示，可见场景的强读出能力并不能保证物体持续性或未来特征检索的准确性。

论文追问一个核心问题：视觉基础模型是否提供了支持“持久空间状态”的表征——即一个在自我运动下被更新、并用于指导动作的内部状态。作者将空间能力拆为四个层级：空间结构、物体持续性、预测性空间更新、可行动性，并在静态室内环境的流式自我中心观测下，对十种表征做冻结特征探测。来源未在摘要中列出这十种表征的具体名称，待核实。

arXiv 论文

在多智能体受控实验中，对模型激活做线性探针，可以在智能体写出泄密内容之前就预判它即将“松口”；在 Qwen3-32B 上以 5% 良性误报率为阈值可捕获 82% 的泄密调用，但增益主要来自有标签训练而非激活本身。

当 AI 智能体共享通信频道与凭证时，一个智能体可能向另一个施压，使其违反运营方规则，这是走向串谋的第一步。现有输出过滤器只能检查智能体已经写出的内容。论文提出的问题是：监管者能否在事前判断某个智能体“即将让步”？作者在受控的多智能体设定中，用线性探针读取每次模型调用在输出生成前的激活，以此识别即将泄密的调用。

arXiv 论文

PIVOT 将教师生成的纠错片段插入学生 rollout，并对这些片段施加 token 级 KL 监督，与 RLVR 目标联合训练；在困难逻辑游戏上把平均 avg@8 从最佳基线 19.5% 提升到 35.6%，接近翻倍。

论文针对 RLVR（基于可验证奖励的强化学习）在困难推理任务上的稀疏反馈问题：当一个 rollout 组内全部失败时，结果级奖励不提供任何学习信号。引入更强教师可提供额外指导，但核心问题是如何把这类信号纳入 RLVR，既帮助学生产出“能带来奖励的轨迹”，又保持对学生可学习。作者据此区分两种互补机制：轨迹级干预（改善获得含奖励轨迹的机会）与 token 级监…

arXiv 论文

PhysCount 是一个专门区分“数可见表象”与“数物理实体”的多模态计数基准，40 个 MLLM 在其上的表现显示：模型能较好枚举可见出现，却难以把同一实体的多次出现（反射、玻璃透视等）归并为正确实体数，最强模型也仅在 13.36% 的题目组中全部答对。

图像呈现的是“表象”（appearances），而计数问题通常问的是“物理对象”。同一实体可能被直接看到、在多个反射中出现、或透过玻璃被看到，因此检测到所有可见出现并不能确定场景中有多少个实体。现有视觉计数基准很少把这两种操作分开评估。PhysCount 即为评估 MLLM 能否区分“图像中可见之物”与“场景中物理存在之物”而构建。

arXiv 论文

仅用预填充阶段（prefill）隐状态预测大语言模型将解码多少 token，其精度受自回归解码固有随机性所决定的下界约束；当前基准把预测器质量与任务难度混为一谈，导致更换模型、数据集或采样配置时准确率骤降，且不同预测器设计最终都收敛到接近该界。

论文关注推理调度中的一个关键原语：在预填充阶段预测后续解码长度（decode length）。作者指出，现有评测把“预测器好坏”和“任务本身难度”混在一起，因而不可比。研究问题是：预填充侧方法是否存在不可逾越的误差下界？该下界由什么决定？论文将解码建模为停时随机过程，尝试从理论上刻画这一极限，并用实验验证。

arXiv 论文

NEOPIC 是一种直接在粒子经验测度上求值、无需网格或树结构的神经算子，用作粒子模拟中的“即插即用”场求解器，并在理论上具备与标准蒙特卡洛粒子方法一致的误差结构。

论文提出 NEOPIC 框架，目标是学习粒子类动理学等离子体模拟中的**场算子**（field operator），而非替代整个模拟流程。 核心问题：如何在不引入网格沉积（deposition）的前提下，让神经算子直接作用于粒子分布，从而避免粒子噪声被网格混叠（aliasing）。

arXiv 论文

该论文提出一种带杂波抑制的多基地集成感知与通信（ISAC）框架，利用残差与注意力增强的深度神经网络直接从受杂波污染的观测中增强目标响应，在密集动态杂波条件下对目标位置与速度估计的表现显著优于传统信号处理方法。

研究场景：利用5G及未来信号作为机会信号（signals of opportunity）的ISAC系统，可在共享基础设施与频谱资源上同时完成无线感知与通信。 多基地ISAC通过空间分布接收机扩大感知覆盖范围，但密集且动态的杂波会严重退化双基地距离与多普勒估计，进而导致目标定位与速度估计出错。 核心问题：如何在强杂波条件下实现高保真的目标位置与速度估计。

arXiv 论文

Multi-View MoE 通过多路由器聚合与路由偏好复用，在不增加激活专家数、专家 FLOPs 和全对全通信量的前提下，改善了稀疏 MoE 的专家选择质量，并在 10B-A1B 规模模型上取得下游任务平均 1.18 个百分点的提升。

稀疏混合专家（MoE）模型通过为每个 token 激活一小部分专家来扩展参数容量，专家选择在固定激活专家预算下直接影响模型能力。论文指出，对全部专家进行稠密评估后发现，单路由器排序与专家效用评估排序之间一致性较弱，尤其在中层和深层。若想用更丰富的信号做选择与计算，又会带来额外开销：基于专家内部激活的选择需要预先计算，而将多个完整表示分别送入同一专家则会重复…

arXiv 论文

该研究通过针对专业剪辑师的形成性研究，提炼出“微剪辑”（micro-edits）的结构并给出数学形式化，进而构建基于 AI 与优化的工具，帮助用户在标准剪辑工具中更简单高效地探索这类精细到帧的局部调整。

电影剪辑中，宏观的内容级剪辑塑造影片的高层叙事，而局部的小幅剪辑常控制节奏与引导视觉注意力，例如调整片段精确时间以控制一段有意义的静默长度，或切到强调某角色在关键时刻反应的镜头。 在标准剪辑工具中做这类小范围精细调整既慢又繁琐，因为用户需把高层叙事目标映射为低层的逐帧调整。 这类细粒度调整被称为微剪辑，可能细腻且富有表达力，不同选择服务于不同创作目标。 研…

arXiv 论文

在220条加纳移动货币（MoMo）标注短信上，多项式朴素贝叶斯与线性SVM在留出测试集上取得准确率、F1与AUC均为1.00的成绩，交叉验证平均准确率分别为96.6%、94.9%，随机森林为92.0%；作者将其定位为低资源、端侧可部署的可解释过滤方案。

研究对象：加纳移动货币场景下的诈骗与合法短信二分类。 背景数据（引自原文所引Graphic Online, 2026）：2025年12月交易额达5184亿加纳塞地（GHC518.4 billion），活跃账户超2670万。 问题：短信与USSD渠道上的社会工程诈骗增多，诈骗者冒充运营商、代理、亲属或监管机构以套取PIN、身份信息或资金。 研究问题：经典监督…

arXiv 论文

该研究针对真实监控场景中遮挡、背景杂乱和人群拥挤导致行李重识别（ReID）性能下降的问题，提出并评估了一套从多路视频流到检测与重识别的端到端流程策略，重点考察多视角/多帧选择与融合以及跨环境数据集训练对实际应用性能的影响。

行李重识别是视频监控中的关键任务，服务于取证、安全与边境管理（如可疑或遗弃行李识别）以及行李管理（如丢失行李找回）。它需要跨不重叠的摄像头视角关联同一行李的观测。现有方法多在相对干净的条件下做基于外观的裁剪图像匹配，而真实场景中的频繁遮挡、杂乱背景与拥挤人群会显著降低性能；同时，利用来自不同视频流的多镜头、多视角互补性的策略仍被忽视。论文即研究从多路视频流…

arXiv 论文

L3G-World 用“潜在三维高斯记忆”（Latent 3D Gaussian Memory, L3G）替代随时间无限增长的序列上下文或显式三维记忆，让记忆规模随场景范围而非生成流长度增长，从而在 9 FPS 下实现长时程空间一致的实时世界生成。

交互式世界模型根据用户动作生成视觉内容，但要在实时条件下维持长时程探索中的空间一致性仍然困难。现有做法依赖时间上下文或显式三维记忆：前者记忆随生成流长度增长，后者需将 RGB 渲染重新编码后再条件化潜视频生成器，二者都难以兼顾规模与实时性。论文提出 L3G 与基于它的 L3G-World，试图同时解决“记忆可扩展性”和“实时生成”两个问题。

arXiv 论文

IndicIPR-QA 是覆盖印度全部七部知识产权法案的抽取式问答基准，包含 4,462 个问答对；在该基准上，BM25 的 token 级 F1 仅 20.21，而微调后的 InLegalBERT 达到 85.02，说明单纯词匹配远不足以应对此类法律问答。

针对法定文本的法律问答（Legal QA）要求答案精确且以法律条文为依据，在低资源、法律体系复杂的场景下尤为困难。 作者指出，据目前所知，尚无现有抽取式问答基准能从全部七部印度知识产权（IPR）法案的法定文本中给出精确答案片段。 为此提出 IndicIPR-QA，用于印度 IPR 法律的抽取式问答评测。

arXiv 论文

论文提出基于模板的可扩展数据增强流程，从有害提示中抽取安全模板、翻译后填充文化本地化实体，构建覆盖60种语言的MSafeTemp语料，用于多语言安全对齐与评测。

大语言模型的安全对齐高度集中于英语，多语言（尤其低资源语言）代表性不足；现有开放训练数据集规模有限，且往往不覆盖区域本地化的有害话题。论文试图解决两个问题：一是如何以可扩展方式生成大规模多语言拒答与良性语料，二是英语单语评测是否低估了多语言安全风险。

arXiv 论文

一篇教程论文展示了如何在单张消费级 GPU 上从零训练含分词器的葡萄牙语小型语言模型（11–12M 参数），并用预注册协议对比自回归与掩码扩散两种生成模式在巴西法律等专业领域任务上的表现；论文不提出新方法。

问题：个人研究者能否不依赖数据中心、仅用一张消费级 GPU 从零构建语言模型（含分词器），并可靠判断它对专业领域任务是否够用。 该工作定位为教程（tutorial），明确不提出新方法，重点在可复现流程与评测方法。 领域聚焦巴西葡萄牙语，尤其是联邦法律文本。

arXiv 论文

HairDeck 将风格化角色的发型视为“无序的发卡集合”，用集合扩散 Transformer 从单张图像一次性生成发卡几何与驱动其动画的弹簧骨骼链，在 CHARM 测试集上 Chamfer 距离降低 44%、发卡朝向误差减半以上，且推理速度快 33 倍。

游戏与虚拟形象中风格化角色的头发由“发卡”（hair cards）构成：艺术家放置的带状几何本身就是可见头发，通过弹簧骨骼（spring bones）驱动动画。现有基于图像的方法要么生成写实头发，要么输出单一融合网格；唯一能生成风格化发卡的生成器 CHARM 将发型自回归地解码为一长串控制点序列。论文提出：发卡发型本质上是艺术家定义的图元的无序集合，因此应…

arXiv 论文

Gym-Anything for Robotics 把“创建机器人仿真环境”本身当作编程智能体的任务，通过对抗式创建-审计流程构建了 RoboWorld（25 个仿真、25 个测试与 175 个训练 RL 环境），并显示当前最强前沿模型在全部测试任务上失败（平均奖励仅 0.06）。

现实、快速的机器人仿真有望支撑具身 AI 模型的大规模训练并向真实世界迁移，但现有仿真只覆盖很窄的任务与物理现象范围。 核心瓶颈：制作更好的仿真需要大量专家投入，因而无法规模化。 本文的问题：能否让编程智能体来创建逼真的机器人仿真，从而把编程智能体能力的提升直接转化为更丰富、更忠实的仿真？

arXiv 论文

WxCrop 是据称首个从物理可解释天气指数出发、经因果分析判断农业灾害，并融合天气与农业信息预测作物损失的智能体；在佛罗里达针对飓风、霜冻和干热灾害的演示中，其损失模型经三项可靠性检查，包括飓风指数识别历史气旋日的 AUC 达 0.98、留出年份记录损失复现误差在 2% 以内、独立产量记录确认县级排名（秩相关 0.63）。

极端天气通常能提前数天预报，但预报只说明风暴会在哪里登陆，并不说明哪些作物会受损、风险有多大；能够回答这些问题的记录又分散在多个来源。该研究提出 WxCrop，试图把天气预报推进到农业后果判断：既支持历史日期，也支持预报日期，输出按作物组计算的损失占预期季节价值的比例，并让每个数字可溯源。

arXiv 论文

Fight World Model（FWM）将格斗游戏的“规则执行”与“视频渲染”解耦：由可执行引擎维护状态并判定交互，再由确定性编译器把结果编码成时空对齐的交互代理来驱动视频生成，从而在不重新训练渲染器的前提下支持伤害缩放、限次免伤、吸血、多段技能等原生规则之外的机制。

可玩、可编程的游戏世界需要维持持久状态、执行可运行规则并支持可扩展玩法。现有视频世界模型能生成看似合理的战斗画面，但难以让受击反应与生命值更新同游戏规则保持一致。FWM 针对这一问题提出“规则执行与渲染分离”的方案。

arXiv 论文

FARMS 提出一套“忠实且高效”的基础设施，把计算数学文献转化为 AI 可解释、可复用且带显式保证的计算知识，并在随机数值线性代数与数值偏微分方程共 171 个目标上实现 157 个被流水线接受，单目标平均估计成本为 0.85–2.29 美元。

自动化计算科学有望通过选择、适配与开发数值方法来加速科学发现，但其前提是 AI 系统能够理解并复用带有显式保证的数学知识。论文提出的核心问题是：如何将计算数学转化为“AI-ready”的计算知识，并使形式化陈述与来源语境、算法含义、定量保证相互连接。

arXiv 论文

MTA-OPSD 提出首个 token 级自适应的在线策略自蒸馏（OPSD）方法：不再让整条回复共用固定教师，而是为每个 token 从候选教师池中动态选择“更偏好”的教师，在 Qwen3 数学推理任务上最多比基座模型平均提升 +5.9。

现有 OPSD 通过构造一个“能看到特权参考（privileged references）”的教师来后训练大语言模型，但教师配置方式存在两类固定做法： 训练全程固定：始终让教师接触完整参考； 回复级自适应：只在“不同回复之间”调整部分参考的暴露程度，同一条回复内仍保持同一教师。 论文主张这两类做法都不充分：教师偏好可以在同一条回复内部逐 token 变化，…

arXiv 论文

该研究提出可控归因基准 CATT，用虚构知识微调语言模型以获得无歧义的真值，从而隔离数据集属性对归因算法的影响；并发现改用负对数几率梯度并只聚合高分 token，可在多个基线上将真值召回率提升 35–72 个百分点。

语言模型的数据归因方法通常借助事实检索等下游任务评估，但现有评估会同时改变多个数据集属性，难以判断归因算法失败的具体原因。该研究的核心问题是：如何系统诊断归因算法的失败来源，并厘清评估与设计选择的影响。作者以评估为主要切入点，探索 LLM 数据归因的设计空间。

arXiv 论文

论文提出“可回卷交互式证明”（Rewindable Interactive Proofs, RIPs），利用验证者能够保存并恢复 AI 证明者状态的能力，在不假设证明者诚实、也不使用密码学的前提下，以更低计算成本实现可扩展监督。

可扩展监督（scalable oversight）的核心问题是：较弱的验证者如何检查更强大 AI 系统所执行计算的输出。已有方案中，“辩论”（debate）效率高，但假设两个强模型中至少有一个是诚实的；对于某些 oracle 辅助计算，可以去掉这一假设，但代价是计算成本大幅上升。本文试图在“不假设诚实证明者”与“高效率”之间取得更好平衡。

arXiv 论文

论文提出沿“训练时间”和“扩散时间”两个轴校准图像重建难度，把“模型记住了这张图”与“这张图本来就容易重建”区分开，从而大幅提升扩散模型成员推断攻击（MIA）的准确率与跨参数化泛化能力。

现代扩散模型常在大规模数据集上训练，其中可能包含受版权保护或私人图像。成员推断攻击用于判断某张图是否在训练集中，标准做法是看重建损失：损失低即判为成员。但这一做法有系统性缺陷——图像本身的重建难度不同，一张简单的未见图像，损失可能低于一张复杂的训练图像。论文要解决的问题是：如何把“记忆（memorization）”与“图像固有难度”分离，从而得到更干净的成…

arXiv 论文

CrossWeave 表明，仅用稀疏 2D-3D 对应关系做局部对齐监督，就能用**单一模型**同时完成场景级与实例级跨模态检索，并在 ScanNet 与 3RScan 上达到当前最优，挑战了“必须整体编码场景/物体”的既有做法。

研究问题：给定查询 2D 图像，检索对应的 3D 环境（场景级）或 3D 物体（实例级），即跨模态场景与实例检索，是机器人与 AR/VR 空间推理的基础机制。 既有方法的问题：只在整场景或整物体层面学习对齐，对场景/物体内部的细粒度局部结构缺乏监督。 本文主张：无需场景级或实例级对比目标，仅靠一组稀疏 2D-3D 对应关系的监督，就足以训练一个统一模型兼顾…

arXiv 论文

一项教育数据挖掘短论文比较了新手咨询师与人类同伴（扮演来访者）及由 Mistral Mixtral 8x7b（4-bit 量化）模拟来访者的角色扮演对话，在句子层面用咨询沟通模式系统分析后发现两者在咨询模式使用上既有相似也有差异，显示 LLM 角色扮演可用于咨询技能训练，但虚拟来访者模拟仍需改进。

研究关注大语言模型在教育角色扮演中模拟“咨询来访者”的能力，与人类角色扮演者进行对比。作者提出两个核心问题：（1）LLM 生成的回应在多大程度上复现真实的对话动态；（2）咨询师在面对人类来访者与 LLM 模拟来访者时，其沟通行为是否存在差异。

arXiv 论文

该研究构建了一个由大语言模型智能体组成的“自主实验室”，让智能体互相审查、质疑并叫停/改道研究流程，并在金刚石量子自旋系综实验中完成了从提出理论预测到设计实验检验的闭环；当实验信号漂移导致结果不可靠时，智能体主动判定结果不确定并修订测量协议，而非放宽验收标准。

目标：探索“自主研究实验室”是否能在真实实验科学中承担完整研究流程——从提出问题、理论推导到实验检验。 问题背景：已有 AI 系统可扮演多种科研角色，但可能得出证据不足以支持的结论；因此需要能相互评估、能停止或重定向研究的协作机制。 演示场景：金刚石中量子自旋系综（ensembles of quantum spins in diamond）的微波脉冲序列响…

arXiv 论文

BURGER 是一个语言条件化的机器人绘画基准，用可扩展的提示驱动流水线生成连续绘画轨迹，以 28,200 条模拟演示覆盖 282 个绘画任务，系统评估五类代表性 VLA 模型在数据规模、语言 grounding 与多模态行为上的泛化表现。

论文关注的核心问题是：随着训练数据规模扩大，视觉-语言-动作（VLA）模型能在多大程度上学会多样化的语言条件化行为。回答该问题需要大规模、多样化的机器人数据集，而真机采集成本高昂。BURGER 以此为动机，构建了一个可在仿真与真实世界中生成绘画轨迹的基准，用于细粒度分析语言 grounding、空间构图与动作生成。

arXiv 论文

HUS-QA 是一个无需真实标注掩膜的三阶段启发式质量检查引擎，用于牙科 X 光分割结果的质量评估；据候选摘要，它在 PRAD 数据集上对实际 Dice 分数呈正相关（r = 0.4647），ROC-AUC 达 0.8405，而标准置信度方法表现接近随机（ROC-AUC = 0.4275）。上述数值与实验细节待核实。

研究背景：真实临床场景中，基于深度学习的牙科 X 光分割存在可靠性问题。 核心问题一：模型在分割质量差时仍给出高置信度预测，即“校准盲区”（calibrational blindness）。 核心问题二：实际使用中医生没有真实标注掩膜可用于核对分割准确度。 研究目标：构建一个不依赖真实标注的分割质量评估引擎，用于临床质量控制。

arXiv 论文

论文提出指数残差流（ERFs），为离散扩散模型构造了类似连续扩散“概率流 ODE”的确定性采样框架，并证明其保持原扩散模型的边缘分布。

连续扩散模型可以用确定性 ODE（概率流 ODE）复现其边缘分布，这为加速采样和一致性蒸馏提供了基础。本文追问：离散扩散模型是否存在类似 formulation，并给出肯定回答，提出指数残差流（ERFs）。

arXiv 论文

ClinGeX 是一个由大语言模型驱动的临床基因组分析智能体，通过组合 105 个可执行技能并在基准测试与人类-AI 协作研究中显著优于对照条件，显示出“可执行领域技能”作为辅助专家基因组解读路径的潜力。

临床基因组分析要求专家整合不断更新的指南、数据库与计算证据；随着测序可及性提高，这一复杂且劳动密集的过程已成为基因组信息及时进入临床决策的主要瓶颈。研究旨在探索能否用大语言模型智能体填补这一缺口。

arXiv 论文

论文提出将 KL-DRO 的模糊集中心从经验分布改为拟合数据的学习密度模型，并配合自适应场景生成方法，在数据稀缺且模型能捕捉结构时降低分布偏移下的决策成本。

分布鲁棒优化（DRO）用于对冲数据驱动两阶段随机规划中因有限样本估计分布而产生的误差。标准模糊集对“记录中未出现的实现”处理方式不同：围绕经验分布的散度球只包含对已有记录的重新加权，而传输球还包含记录之外支撑的分布，甚至包括数据生成过程无法产生的实现。论文研究如何设计模糊集中心与场景集，使对抗者能按照模型赋予的概率对代价高昂的未观测实现进行加权，同时解决有…

arXiv 论文

在自然语言聆听任务中，LLM 表征与人类神经活动之间的线性可预测关系高度集中于一个极低维的子空间——仅用原始嵌入维度的 1–3% 即可恢复完整线性编码性能，且这些方向与嵌入的主成分轴明显不同。

论文：A Low-Rank Space Captures Linear Alignment Between LLM and Human Neural Activity During Naturalistic Language Listening（arXiv:2610.40511v1，cs.CL / q-bio.NC，作者 Zach Paris、Emily…

arXiv 论文