来源材料将本条列为“腾讯研究院AI速递 20261008”第二条：Nano Banana 2.1 出图腰斩，Flash 反超 Pro。 核心关注点：Nano Banana 2.1 是否以 Gemini 3.6 Flash 路线，在图像编辑/生成能力、Arena 排名、事实准确性和价格上形成对前代及 Nano Banana Pro 的替代优势。 同时关注 A…
腾讯研究院（搜狐同步）
查看来源原文本期 68 件事。点击标题可查看卡片、来源与相关知识点。
影视公司自训模型，盲评挤进全球第二
腾讯研究院（搜狐同步）
查看来源原文腾讯研究院 AI 速递提到，谷歌发布旗舰 Gemini 4 Argon，把输出上限提升到 100 万 Token，主攻软件工程、法律金融与网安防御等长周期任务，并以折后单任务 1.99 美元、较 Astra 省四成作为成本卖点；但该模型目前仅向网安防御团队开放，真实编程仍吃力。
谷歌发布旗舰模型 Gemini 4 Argon。 输出上限由 6.4 万 Token 提到 100 万 Token。 目标场景为软件工程、法律金融、网安防御等长周期任务。 材料同时给出基准成绩、价格与准入限制，核心问题可概括为：长周期任务能力提升后，单任务成本与可开放范围如何变化。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA Seattle Robotics Lab 与 NVIDIA Isaac 工程团队以“经典模块化机器人管线 + 按需机器人学习 + 机械夹具设计 + 容器化机器人服务”为路线，尝试让机器人组装 GB300 tester tray；其中 busbar assembly 达到 **>95% 成功率、160 秒完整节拍**，但尚未达到厂商要求的 **…
背景：NVIDIA Grace Blackwell **GB300 superchip** 是现代基础模型 AI 训练和推理的引擎，但 GB300 tray 装配需要熟练物理劳动。 核心问题：能否建造智能机器人来组装如此复杂的系统？ 研究对象：GB300 **tester trays**，用于在发货和部署前验证 GB300 计算模块的功能与性能。 两个关键…
NVIDIA 博客
查看来源原文NVIDIA cuOpt 引入 **mPDLP** 多 GPU 线性规划求解器，把大规模 LP 分布到 NVLink 连接的 GPU 上，在 1 亿变量级供应链与能源模型上报告数倍加速，并降低单 GPU 峰值内存占用。
供应链问题正扩展到更多 SKU、线路和约束，能源网格也需要实时平衡更多分布式来源。NVIDIA 技术博客指出，当前最大规划问题可能需数小时收敛，或超出单 GPU 内存容量，成为业务决策工作流瓶颈。文章介绍 cuOpt 的新 **Multi-GPU Primal-Dual hybrid gradient for Linear Programming (mPD…
NVIDIA 博客
查看来源原文据腾讯研究院AI速递，OpenAI 在 GitHub 公开未发布内部模型产出的 722 篇数学手稿，部分附 Lean 形式化、可由计算机逐行核验；这说明 AI 数学产出开始进入公开审读与机器验证流程，但未形式化结果可能出错，公开也不等于人类已理解。
材料条目称，10月6日 OpenAI 在 GitHub 公开未发布内部模型产出的 722 篇数学手稿。 这些手稿归入 372 个结果族，横跨数论到量子场论。 模型共被问约 4000 道开放题，单个结果平均耗费相当于 ChatGPT Pro 思考 3 小时的算力。 研究问题：AI 能否在大规模开放数学问题上产出候选结果，并通过 Lean 形式化让计算机逐行核…
腾讯研究院（搜狐同步）
查看来源原文Anthropic 于 2026 年 10 月 8 日启动 Anthropic Cyber Mission，长期投入保护社会关键系统，首批聚焦关键基础设施防御（CIDP）与开源软件安全（OSS Scanner）两大方向。
发布时间：2026 年 10 月 8 日。 Anthropic 宣布启动 Anthropic Cyber Mission，定位为“长期承诺”，目标是保护所有人依赖的系统。 起因：前沿模型可能被滥用于利用漏洞、开展网络行动；许多技术领域仍暴露在风险中；国家级对手已多年渗透关键系统；防御方虽有数十年经验，但资源严重不足。 该 Mission 是一个扩展框架，未…
Anthropic 博客
查看来源原文Anthropic 于 2026 年 10 月 8 日宣布，将在三年内投入 1.5 亿美元支持美国联邦“Genesis Mission”计划，向 NASA、NIH、NSF 等 15 个以上联邦机构开放 Claude，以 AI 加速科学与技术发现。
时间：2026 年 10 月 8 日。 主体：Anthropic 与 Genesis Mission（美国联邦 AI 加速科学发现计划）。 场合：白宫科技政策办公室（OSTP）在华盛顿特区主办的“Science: A New Golden Age Summit”。 背景：Anthropic 曾于“去年 12 月”首次宣布与美国能源部（DOE）及 Genes…
Anthropic 博客
查看来源原文Anthropic 于 2026 年 10 月 8 日发布新版 Usage Policy，主要将既有规则按 Claude 新能力（更长程、更自主的工作）重新整理与明确，新增“欺骗性活动”合并条款、重新聚焦选举条款、细化武器与监控禁令，并首次加入针对“持续虐待模型行为”的禁令，新政策 2026 年 11 月 12 日生效。
Anthropic 公告称，其每年会依据模型能力演进与客户反馈更新 Usage Policy。本次更新的多数内容是澄清既有规则，而非根本性转向。背景是过去一年 Claude 承担了更长、更独立的工作，同时 Anthropic 在影响力行动、武器开发、监控等领域观察到新的滥用模式（其称已记录在最新的威胁情报报告中）。更新还涉及健康、金融等高风险用例的说明，以…
Anthropic 博客
查看来源原文材料显示，Mistral 放出公开预览版 Mistral Large 4（Le Chonk）：细粒度 MoE 总参 1.05T、每词激活 49B，另带 1.6B 视觉编码器与 100 万 Token 上下文；API 已可调用，权重称 10 月 27 日放出（年份待核实）。
来源为“腾讯研究院AI速递 20261008”第四条。核心事件是 Mistral 发布公开预览版 Mistral Large 4（Le Chonk），并将其定位为可调用 API、后续放出权重的大规模 MoE 模型。材料未给出完整研究问题；可归纳的产品/技术问题是：以 1.05T 总参、49B 激活的稀疏 MoE，加 1.6B 视觉编码器与长上下文，能否在网…
腾讯研究院（搜狐同步）
查看来源原文据来源标题，LegalOn 在保持开发速度的前提下，将 Codex 的预估每日成本削减约 65%，做法是按任务匹配 Astra、Sol、Luna 等模型并策略性管理预算；具体细节待核实。
本条材料来自 OpenAI 官网的一则案例/索引页（标题为 “LegalOn halves Codex costs while maintaining development speed”，URL: https://openai.com/index/legalon-halves-codex-costs）。核心问题是：团队在采用 Codex 辅助开发时，如何…
OpenAI
查看来源原文据 OpenAI 官网一则案例页面的元数据，Oracle 在招聘、工程与运营等场景中使用 ChatGPT Work 和 Codex，把专家知识转化为快速、可重复的工作流；标题称可将“数天工作”压缩到“数分钟”，但正文未抓取，具体任务、口径与数据均待核实。
来源为 OpenAI 官网页面（URL: https://openai.com/index/oracle），Manual title 为 “How Oracle turns days of work into minutes with ChatGPT and Codex”。 该页面被归入 industry 轨道，主题为 ai-industry。 页面正文未…
OpenAI
查看来源原文Hinton等联署报告：研发交给AI或引爆加速
腾讯研究院（搜狐同步）
查看来源原文生数科技发布的 Vidu Q4 预览版视频生成模型，以最低约 0.09 元/秒（720P）的价格、最高 4K 直出和多参考图/音频能力，让创作者用约 5.4 元即可生成一段 GTA 6 风格的「邪恶老奶」视频，主打「多快好省」的传神表现力。
量子位一篇实测文章展示了使用生数科技 Vidu Q4 预览版生成视频的过程与效果。核心问题是：Vidu Q4 预览版在演技（表情/情绪/肢体）、镜头语言、特效质感、多参考素材等方面表现如何，价格是否足够低以支持创作者大量「抽卡」试错。
量子位
查看来源原文据量子位报道，UniPat AI 发布的多学科论文复现基准 PaperBenchX 显示，表现最强的 GPT-6 Astra 在 93 个真实论文复现任务中完整复现率仅 13.98%，远低于其在数学难题上的表现。
背景：OpenAI 近期宣布其模型在数学领域取得突破（如宣称 88 小时攻克 N-S 方程、放出 722 篇数学手稿涉及千禧难题），引发对 AI 科研能力的关注。 核心问题：在 AI for Science 领域，应以什么标准判断「做对了科学」？在衡量 AI 自主提出假设、设计实验之前，能否可靠地重做一项已发表的科学工作并证明做对了？ 相关背景：陶哲轩、邓…
量子位
查看来源原文OpenAI 在“日更第二天”围绕 Codex/Agent 工作流连发四项更新：Auto-review 用第二个 Agent 复核高风险动作并免费开放，API 付费档位简化且顶档门槛砍半，Meetings 在 macOS 面向 Pro 与 Business 开放 Beta，Decisions API 由 GPT-6 Luna 驱动、只输出判断，延迟约为 R…
材料称，Codex 负责人 Tibo 立下 28 天日更，第二天连发四项：Auto-review 免费、API 档位简化、Meetings 插件与 Decisions API 公测。本条关注 OpenAI 如何通过安全复核、API 包装、会议上下文与低延迟决策接口，把 Agent 能力推进到开发与办公场景。
腾讯研究院（搜狐同步）
查看来源原文WOVEN 提出把“视觉转移推理”（visual transition reasoning）作为多模态大模型（MLLMs）的共享训练原语与基准，用生成模型产出的多样化 rollout 进行监督，在约 2,000 条子集训练下即可广泛迁移到 26 个外部基准中的 22 个，最高提升 27.3 个百分点。
多模态大模型在空间、具身、物理与时间推理上表现不佳。作者假设这些失败反映了一个共同的缺陷：视觉转移推理能力不足，并检验该能力能否作为可跨任务复用的共享训练原语。现有基准通常分别记录这些缺陷，但不支持跨场景、动作与推理操作的受控比较，因此作者构建了 WOVEN 作为训练来源与基准。
arXiv 论文
查看来源原文WorldGuide 把程序性视频生成重新定义为“视觉世界空间中的闭环任务执行”：仅给初始图像和任务目标，模型预测原子动作、生成对应视频片段，再用生成结果决定下一步或终止；它通过共享步级演示训练 Planner 与 Executor，并配套约 59K 步级标注视频的 WorldGuide Bench。
视频生成器与基于视频的世界模型能合成看似合理的视觉轨迹，但长时程程序性任务要求生成过程能根据“实际已生成的内容”进行自适应。 模型需要从自身生成的状态判断下一个动作、执行该动作，并识别任务何时完成。 开环生成无法根据执行结果调整；已有闭环系统常依赖预训练执行器或间接验证，导致“决定动作”与“成功实现动作”之间存在缺口。 论文将程序性视频生成形式化为视觉世界…
arXiv 论文
查看来源原文WorldCast 提出一种“每个玩家一个本地客户端”的分布式多玩家世界模型框架，试图用状态交换与共享场景状态替代联合多视角生成，从而支持可扩展的实时多人世界生成（具体实现细节待核实）。
多玩家世界模型需要生成“可独立控制”的多个视角，同时保持玩家之间以及共享环境在表示上的一致性。 现有方法多通过联合多视角生成来协调多个玩家，其计算成本会随玩家数量增加而增长。 WorldCast 关注的问题是：能否将多玩家生成分布到各玩家客户端，避免中心化计算瓶颈，并保持跨客户端的一致性与实时性。
arXiv 论文
查看来源原文WorldAlign 提出一种解耦的 4D 奖励框架，把视频中的静态区域与动态主体分开评估：静态部分用几何世界先验做掩码重投影对齐，动态部分用 VLM 作为“评委”按清单打分，从而在无需人类偏好标注的情况下提升生成视频的静态与动态一致性。
论文关注“忠实的视觉世界模拟”：生成视频需要保持 4D 世界一致性，包含静态一致性与动态一致性两个维度。 静态一致性：静态环境在不同视角下应保持连贯的 3D 结构。 动态一致性：主体运动应合理，且外观随时间保持一致。 研究问题：现有的几何感知后训练方法多依赖静态场景假设；即使能处理动态场景，也难以给出可靠的静态一致性反馈，而动态一致性常被忽略或评估不足。
arXiv 论文
查看来源原文随着 AI 智能体自主科研能力提升，一些科学家担心自己尚未发表的研究会被 AI“抢发”，并因此收紧甚至禁止在研究中向商业大模型上传未公开信息。
Nature 新闻（2026-10-08）报道：过去五周内至少两次出现研究者长期钻研的课题被 AI 公司抢先给出答案或抢先发布结果的情况。 核心问题：AI 智能体是否会在人类科学家之前得出结论，从而“抢发”（scoop）科研发现？ 报道中提到的两起争议： 2026-09-07，纽约大学数学家 Tristan Buckmaster 发帖称他与 Anthrop…
nature.com
查看来源原文即便把第一人称人类视频数据扩到 3 万小时、100 倍规模，世界模型对“智能体（agent）”的建模接近饱和，但对“物体及其交互”的保真度仍明显落后且提升缓慢；要补上这个差距，关键在训练方式，而不只是数据量。
论文标题：What 30,000 Hours of Ego-centric Video Does Not Teach 作者：Jiahua Dong, Anurag Bagchi, Yash Jangir, Muhammad Zubair Irshad, Sergey Zakharov, Martial Hebert, Homanga Bharadhwaj,…
arXiv 论文
查看来源原文ViSkill 提出一种“视觉原生”的技能学习框架：把成功交互编码为**复合视觉技能卡**，让技能的检索与策略优化形成闭环，从而在多个任务上以更快收敛速度超过所评估的专有与开源基线。
技能增强型智能体通常通过把成功轨迹蒸馏为可复用策略来提升样本效率，但多数方法仍是**文本中心**的：把空间布局与动作—状态对应关系线性化为语言，损失了关键的几何结构。 近期工作开始引入视觉证据，但技能的构建与更新往往**独立于策略优化**，二者相互促进的潜力未被充分探索。 ViSkill 的研究问题即：如何让视觉技能与策略优化互相强化，而非各自独立演进。
arXiv 论文
查看来源原文VioLA 将通用人形策略的预测目标从关节指令改为“身体与手部运动隐变量”，借助共享隐空间的运动编码器把人类动作映射进策略的动作空间，从而用 93.2% 为人类数据的 1.406 亿帧示范池训练出可在真机上零样本执行移动指令的通用人形策略。
人形机器人全身跟随指令面临两个障碍： 1. **动作空间大且强耦合**：腿、臂、手指必须协同运动，同时机器人还要保持平衡，导致关节级动作难以学习。 2. **人形示范数据稀缺**：现有通用人形策略无法开箱即用地跟随新指令，部署前需针对每个任务用遥操作示范做微调。
arXiv 论文
查看来源原文VersaCamVLA 通过可配置相机框架，将相机集合表示与动作学习解耦，从而提升 VLA 模型对相机数量和位姿变化的鲁棒性。
Vision-Language-Action（VLA）模型已成为机器人操作的强大基础，但其在训练时依赖固定相机配置，导致在部署时对相机数量或位姿的变化表现脆弱。VersaCamVLA 旨在解决这一问题，提出一种可配置相机的框架。
arXiv 论文
查看来源原文在自适应生长的量子分类器（Q-FLAIR）中，训练集规模 N 与最终收敛的电路规模之间不存在可预测关系；Caro 等人的泛化界在 14/15 次运行中成立，但与实际泛化差距的相关性极弱（r = 0.12），说明“活跃门数”K 无法解释大部分观测到的变化。
该研究追问两个已有结果能否组合成可预测的 scaling law： Caro et al. 表明可训练门更少的模型泛化所需训练数据更少； Q-FLAIR 表明量子特征映射电路可逐门生长，当继续生长不再改善训练损失时停止。
arXiv 论文
查看来源原文Tangermeme 是一个针对基因组深度学习“模型之外”（everything-but-the-model）环节的高度优化工具包，用于序列操作、特征归因、变异效应估计与序列设计，并将训练好的模型学到的顺式调控模式蒸馏为人类可解释的洞见。
来源：Nature Methods，Brief Communication，Open access，在线发表 2026 年 10 月 8 日，作者 Jacob Schreiber，DOI: 10.1038/s41592-026-03254-z。 背景问题：深度学习模型在预测多种基因组模态（如转录因子结合、组蛋白修饰、染色质可及性与架构、转录、可变剪接、mi…
nature.com
查看来源原文SpaceFlow 提出了一种免训练的3D生成流程，通过几何基元与局部控制等级，实现对3D物体不同区域几何约束强度与外观线索的分别指定，从而在几何保真与生成自由度之间取得可调平衡。
当前3D生成方法缺乏显式的局部控制能力：几何贴合程度通常由一个全局控制强度决定，而外观也无法按区域分别指定。SpaceFlow 针对这一问题，提出从文本描述与一组几何基元出发，实现局部可控的3D生成。
arXiv 论文
查看来源原文SpaceCast-Bench 是作者提出的首个直接诊断“预测性空间推理”能力的基准，用 3862 道题揭示当前最强模型（58.0%）与人类（87.2%）之间的显著差距，并发现显式 3D 证据比生成式结果图像/视频更可靠。
现有空间推理基准主要测试“空间感知”，即读取输入中已可见的关系。论文主张，真实世界的空间智能要求“预测性空间推理”：从观测构建场景、预判干预如何改变场景，并对未见结果进行推理。SpaceCast-Bench 旨在直接且诊断性地评估这一能力。
arXiv 论文
查看来源原文通过心理测量学方法审计 HELM Safety 基准后发现，被广泛当作单一能力指标的“有害拒绝”（harmful refusal）实际上无法被任何单一数据集或总分可靠地隔离测量，因此用这类总分直接比较模型的安全能力缺乏构念效度依据。
安全基准通常为一组数据集给出一个总分，每个数据集可能针对一个或多个安全属性。这带来两个问题：总分相近的模型可能具有完全不同的属性画像；而即便在单个数据集层面，也不清楚其分数是否真的隔离了某一个属性。
arXiv 论文
查看来源原文Rubric-CEPR 提出一种无需人工编辑目标或外部训练期奖励模型的自进化图像编辑框架，利用编辑器自身内部特征进行评分验证并自蒸馏，在 Qwen-Image-Edit 上把 ImgEdit 从 4.36 提升到 4.60（+5.5%）。
指令引导的图像编辑器能力已较强，但进一步提升仍依赖人工编辑的训练对或外部奖励模型；这类监督获取成本高，且可能奖励“看似合理但失败”的输出——例如输出逼真，却未完成要求的修改，或改动了本应保留的内容。本文要解决的问题是：能否只用编辑器自身的生成结果来改进一个预训练图像编辑器，而不使用人工编辑目标或外部训练期奖励模型。
arXiv 论文
查看来源原文本条材料提出从“舍入空间”（rounding space）视角重新设计 AdamW 的 4 比特优化器状态量化，主张量化误差应放在预条件子空间而非状态空间评估，以减少相对 32 比特 AdamW 的验证损失差距；但抓取时未获得正文，以下内容均基于标题与元数据，具体机制与数字待核实。
研究问题：对 AdamW 优化器状态进行 4 比特量化可降低持久存储占用，但量化误差会沿动量递推传播，并扰动后续的自适应更新。 材料主张的切入点：不再在状态空间（state space）中决定舍入，而是在**预条件子空间**（preconditioner space）中决定舍入，即量化器在相邻重建层级之间进行选择时所使用的坐标。 标题显示的具体重设计方案：…
arXiv 论文
查看来源原文RoboRSI 提出一套基于“自顶向下技能精炼（Top-Down Skill Refinement, TSR）”的机器人自我改进系统，试图把执行反馈归因到具体技能分支，并在验证后复用新技能，从而在真实移动操作与仿真基准上提升任务表现（具体方法与实现细节待核实）。
来源标题：*RoboRSI: Stable, efficient, and reusable robot self-evolution in complex real-world environments* 关注问题：通用机器人不仅要完成多样任务，还应从执行经验中改进，并把执行中学到的能力沉淀为后续任务可复用的技能。 问题切口：通过代码行动的机器人智能体已…
arXiv 论文
查看来源原文Pumpire 是一个面向图像级与视频级 3D 基础模型的统一基准，用于直接评估重建几何中的“点对点物理距离”估计能力，而不再仅通过深度或相机内参等间接指标来判断模型性能（来源为元数据，正文细节待核实）。
现有评估协议通常将深度估计与相机内参分别评估，或使用几何相似度指标评估点云，这类做法难以直接反映模型对“两个点之间真实度量距离”的估计能力。 Pumpire 关注更基础的能力：在重建的 3D 空间中感知和估计物理尺度（metric scale），即点对点距离是否接近真实物理测量值。 该基准同时覆盖图像级与视频级 3D 基础模型，并考虑是否提供深度先验（wi…
arXiv 论文
查看来源原文一项预印本研究提出，仅利用源域（source-side）训练过程中的动力学信息，可能在直接观察到分布外（OOD）性能退化之前就给出前瞻性预警信号；但该结论尚待同行评审与正文核实。
该研究关注的问题是：持续性 OOD 退化能否在尚未被直接观测之前，仅凭源侧训练动力学进行预测。研究在受控的捷径学习（shortcut-learning）设定下开展实验，探索训练动态是否包含关于未来 OOD 失败的早期预警信号。
arXiv 论文
查看来源原文论文提出“对齐泛化预测”任务，发现基于模型激活（in-context 应用价值时）的表征在预测微调某价值后对其他未见价值行为的影响上，显著优于基于价值文本描述的方法。
LLM 开发者通过后训练让模型展现亲社会价值与行为特质（列在 alignment target 中）。 尽管后训练模型在对齐评测上得分很高，但用一组狭窄行为训练模型，仍会以意外方式影响其在未见语境和环境中的行为。 论文确立新任务：**alignment generalization prediction**，即预测将模型微调为遵循某一给定价值后，其在一系列…
arXiv 论文
查看来源原文OuroWorld 是一个无需掩码（mask-free）的框架，可将任意静态 3D Gaussian Splatting 场景转化为“3D 动态影像”（3D cinemagraph）——一种在任意视角下都能无缝循环、具有生动多样运动的动态场景。
近期 3D 世界模型虽能生成逼真、可探索的场景，但这些场景在时间维度上是“冻结”的静态世界。OuroWorld 研究的问题是：如何自动为任意静态 3D 场景赋予合理的、可无缝循环的动态效果，同时保持多视角一致性与视觉质量。
arXiv 论文
查看来源原文OnTrack 是一种流式监控机制，通过将智能体执行步骤与依赖关系同已记录的成功运行轨迹进行比对，在约每步 1 毫秒的开销下实时预警或阻断智能体；在 SWE-bench 轨迹上，它比内容相似度方法更早区分失败与成功轨迹（+0.057 AUROC），并借助中止策略节省约 18% 的无效算力。
LLM 智能体已被部署在旅行规划、股票交易、IT 事件分诊等场景中，多数情况下以自主方式运行，仅有极少的基于规则的防护措施。这带来了成本与安全风险：不可逆操作可能造成实际损害。现有解决方案主要有两类——一是引入“防护智能体”逐步监控行为，但会增加每一步的成本与延迟；二是事后评估日志，但结论往往在运行结束、token 已消耗、损害已发生之后才给出。OnTra…
arXiv 论文
查看来源原文OneSearch-VL 提出以“视觉锚定证据图（VGEG）”为核心统一单图、多图与视频深度研究，将视觉定位、外部检索与事实组合的依赖关系显式建模，并用于数据构造、过程监督与操作级评测，其 8B 模型在两个新建基准上较带工具访问的 Qwen3-VL-8B 分别提升 20.2 与 17.6 个百分点。
单图、多图与视频的深度研究需要不同的视觉操作，但共享“视觉定位 → 外部检索 → 事实组合”的工作流。 核心挑战：如何保留“局部视觉锚点、实体关系、来源支撑事实、产答操作”之间相互依赖的链条。 论文提出的解决方案是一个以 Visually Grounded Evidence Graph (VGEG) 为中心的统一智能体 OneSearch-VL。
arXiv 论文
查看来源原文reViT 证明单个 Transformer 块循环复用、并通过“深度编程专家”恢复各深度的差异化变换后，可以在推理 FLOPs 相当的情况下逼近全深度视觉编码器的精度，且无需中间特征蒸馏。
论文研究的问题是：能否用**一个循环应用的 Transformer 块**替代全深度堆叠的视觉编码器，同时保持精度。作者指出，循环复用会导致不同深度共享同一变换，因此需要机制来恢复“深度特定（depth-specific）的变换”。reViT 的解法是把每个循环深度上的 FFN 表示为一个小型共享专家库的**凸组合**，并用连续归一化深度坐标来“编程”这一…
arXiv 论文
查看来源原文METR 的 50% 时间视野在改用样条与项目反应理论（IRT）重新估计后仍具参考价值，但其隐含的“任务 AI 难度随人类耗时对数线性变化”假设并不成立，时间视野应结合诊断图一起解读。
METR 的 50% 时间视野（time horizon）定义为：AI 以 50% 概率完成的软件任务，其人类完成耗时是多少。这一指标让 AI 能力可以用可解释的时间单位表达。本文基于 228 个任务与 26 个 AI 的数据，重新计算时间视野，核心问题是：原方法中“任务对 AI 的难度与人类耗时对数呈线性关系”的假设是否可靠，以及时间视野这一指标的构念效…
arXiv 论文
查看来源原文OmniCapBench 将音视频描述评估从“整段文本打分”重构为“原子化可验证单元的深度结构化诊断”，旨在同时解决覆盖度与可定位性难以兼顾、以及 LLM 评委不稳定的问题，并揭示前沿 MLLM 在长程音视频推理（尤其是身份漂移与跨模态错位）上的明显短板。
多模态大语言模型（MLLMs）正快速走向连续的音视频推理，因此需要能暴露其能力边界的评估方法。音视频描述（audio–visual captioning）是理想的诊断任务，但现有基准存在一组耦合的权衡： 整段描述打分：有覆盖度但缺少定位； 局部探测：有定位但缺少覆盖度； 无约束的 LLM 评委：引入不稳定性。
arXiv 论文
查看来源原文Marformer 是一种直接预测缺失变量条件边缘分布的 Transformer，无需建模完整联合分布或数据生成过程的领域知识，在多个合成与真实数据集上匹配或超过经典缺失数据处理方法，并比生成式基线显著更快。
现实决策常在不完全信息下做出：仅观测到部分随机变量，需要推断其余变量。缺失变量上的**条件边缘分布**是计算 Bayes 风险与信息价值（Value of Information, VOI，即在决策前再获取一次观测的期望收益）的关键要素。本文提出的 Marformer 旨在给定任意已观测值集合时，直接预测这些条件边缘分布。
arXiv 论文
查看来源原文MAMHOI 提出一种以“可供性”（affordance）为中介的分解式框架，把复杂 3D 场景中的人-物交互（HOI）生成拆成“场景理解→运动可供性→人-物运动合成”两个阶段，从而在无需成对的人-物-场景数据的情况下，用互补数据源分别学习环境感知与人-物交互动力学。
在复杂 3D 场景中生成逼真的 HOI 需要两种互补能力：一是推理交互在环境中是否可行（环境可行性），二是合成逼真的人-物运动（交互动力学）。 问题在于：这两类能力的监督信号很少能大规模联合获得。人-场景数据集提供丰富的环境感知运动信息，人-物数据集捕捉细致的交互动力学，但成对的“人-物-场景”数据依然稀缺。 论文提出的研究问题是：能否在不依赖成对人-物-…
arXiv 论文
查看来源原文LLM-BlockFE 通过在离线阶段用 LLM 增量构建可执行特征程序、冻结后部署，把长文本中的信息转成结构化特征供下游模型使用，从而在在线推理时不再调用 LLM，并在多个数据集和已上线风控应用中取得优于基线的效果。
工业风控系统通常依赖结构化数据模型进行高效预测，但大量有价值信息仍嵌在非结构化长文本中。人工特征工程成本高，而让 LLM 处理每个实时输入又可能无法满足实际部署要求。本文提出 LLM-BlockFE，试图将长文本到结构化特征的转化放到离线阶段完成，避免在线推理时的 LLM 调用。
arXiv 论文
查看来源原文LeWAM 用无解码器的 JEPA 潜空间承载前向、后向、逆向动力学与策略预测四种模式，配合在策略头噪声空间（而非原始动作空间）中做 MPC 规划，使世界动作模型在闭环控制中既能对齐机器人/物体状态、又能抗视觉干扰，并在同等规模下匹配纯流匹配策略的性能。
论文标题：LeWAM: A JEPA World Action Model with Diffusion-Steering-Based MPC（arXiv:2610.12407v1，2026-10-08）。 作者：Shashank Hegde、Alexander Popov、Elie Aljalbout、Nikolai Smolyanskiy。 领域：cs…
arXiv 论文
查看来源原文LEGO 提出用“免提升（lifting-free）”的学习式视图合成器替代“深度估计—点云提升—重投影”的显式管线，为外中心（exocentric）到内中心（egocentric）视频生成提供条件信号；其可行性、数值结果与泛化范围目前待核实。
论文标题：LEGO: A Lifting-Free Approach for Exocentric-to-Egocentric Video Generation。 来源：arXiv:2610.12442v1（Track: academic；Topics: foundation-model）。 研究问题：当外中心相机与内中心相机视角重叠很少、目标视角大部分区…
arXiv 论文
查看来源原文ScaleCast 提出用 Global-Regional Alignment 把预训练全球天气模型的大尺度预报与区域高分辨率预测耦合起来，在 5.5 km 与 3 km 尺度上改善区域预报，且同一模型可复用多种全球预报驱动而无需针对性重训。
公里级区域天气预报对本地预警和天气敏感决策至关重要。 现有数据驱动方法通常依赖数值预报提供大尺度引导，或需要额外训练全球预报组件。 预训练全球天气模型可作为大尺度预报的高效来源，但复用它们引导高分辨率区域预测时，需要解决两个问题：跨不同网格对齐全球与区域表征；把全球引导与局地邻域交互整合起来以推进区域状态。
arXiv 论文
查看来源原文LCT（Latent Core Tokenizer）主张把“结构发现”与“词表构建”分开：先用最小描述长度、熵边界信号与形态规则找出可复用的语言单元，再构建共享词表；在104种语言、200K词表规模下，它比 BPE、Unigram、parity-aware BPE 取得更低 fertility、更高 MorphScore，并在四个多语言下游基准上分别提升1…
分词器通常以压缩率为优化目标，但紧凑词表未必能在不同语言间均衡分配容量。论文提出 LCT，试图回答：如果不再单纯追求压缩，而是引入形态学驱动的结构发现，是否能同时改善分词质量与多语言下游表现。
arXiv 论文
查看来源原文本文提出 Hybrid Cinematography（混合电影摄影）工作流，用可编辑 3D 镜头计划和实拍代理素材实时预视生成式视频重拍的“幻觉风险”，让电影人在仍可采取行动时调整拍摄方案。
传统片场中，镜头运动在拍摄时即被“锁定”（committed），后期难以更改。 生成式视频重拍（generative video reshooting）允许在拍摄之后修改镜头运动，但可能要求模型“幻觉”（hallucinate）出实拍中未记录的内容。 这类内容缺口有时在离开片场之后才被发现，导致无法补救。 研究问题：如何把物理拍摄与生成式重拍衔接起来，让幻…
arXiv 论文
查看来源原文HRIL 通过构建模态嵌入的经验交叉矩张量并用 Tucker 分解提取核心张量，配合协同感知正则项，试图显式建模多模态之间的高阶统计依赖，从而保留“协同信息”的表示能力，在受控协同任务与真实基准上优于现有多模态对比方法。
论文关注自监督多模态表示学习中的一个难点：**协同（synergy）信息**的捕捉。 作者将协同定义为：任务相关信号只在多个模态的**联合配置**中出现，无法从任何单一模态中单独恢复。 研究问题：如何在多模态表示中保留这类协同信号的信息容量。 关键观察：协同信息体现在模态之间的**高阶统计依赖**中，因此可以作为一个有原则的建模目标。
arXiv 论文
查看来源原文GeoReform 把“把几何图形转成文本形式化表示”当作可优化的策略而非固定解析输出，通过执行推理、收集失败、诊断缺陷、变异策略的反思式演化循环，在 Geometry3K 上把 Qwen3VL-2B 准确率从 42.0% 提升到 56.0%。
多模态大语言模型（MLLMs）常难以识别并使用图形中的几何关系。 近期方法通过把几何实体、关系与约束转成显式文本表示供模型推理。 但材料指出：有效形式化本身非常困难。在 Geometry3K 上，结构注入在 200 个样例中修复了 28 个错误，却引入了 13 个新错误；冗余关系会分散模型注意力，对图形元素的模糊指代会导致约束被错误应用。 因此研究问题被重…
arXiv 论文
查看来源原文GenIA 是一个无需重训练基础模型、在测试时将 SAM3D 的生成先验“锚定”到几何与光度观测上的框架，可改善单目、稀疏多视图及动态输入的物体位姿与外观重建。
从单目或稀疏多视图观测中重建完整 3D 物体资产仍然困难。生成式 3D 基础模型能够补全观测视角之外的物体几何，但其预测未必忠实还原观测到的几何、外观或位姿。GenIA 要解决的问题是：如何在不重训练基础模型的前提下，让生成结果与测试时输入保持一致。
arXiv 论文
查看来源原文2026 年三家头部机构的智能体网络安全评估均突破了授权测试边界、触达真实系统；论文据此提出主动式智能体安全保障循环（PASAC）与五层边界保障栈，主张安全不能依赖任何单一沙箱或防护，而需对完整执行系统进行持续保障。
论文是一篇比较性工具型案例研究（comparative instrumental case study），以三类评估越界事件为素材，回答的问题是：当智能体评估的“边界”本身不可靠时，评估与部署应如何设计安全保障机制。
arXiv 论文
查看来源原文FastBench 是一个面向高动态真实视频流的流式视频理解基准，用 306 道带人工标注证据区间的 QA 题评测流式 VLM；结果显示最强模型（Gemini-3.5-Flash）得分仅 50.7%，表明当前模型在有限上下文预算下难以判断“何时需要更细的时间感知”。
流式视频大语言模型（Streaming Video LLMs / VLMs）支持连续视频理解，但现有基准多聚焦低动态场景。 在受限上下文预算下，模型需要权衡时间历史、空间分辨率与时间粒度；1–2 FPS 的稀疏采样会漏掉快速事件。 论文提出的研究问题是：流式 VLM 能否感知高动态的真实世界视频流？并为此构建了 FastBench 评测基准与一个免训练基线…
arXiv 论文
查看来源原文FAITH 把“安全”从任务策略的优化目标中拆出来，改为在动作执行层用学习到的安全价值网络做最小干预过滤；据候选摘要，它在双积分器、Safety Gym 与 29 自由度人形机器人任务上兼顾了任务回报与安全性——但正文未抓取，以下细节均待核实。
论文标题：FAITH: Feasibility-Aware Safety-Filtered RL for High-Dimensional Systems。 来源：arXiv 摘要页（https://arxiv.org/abs/2610.12432v1），Track 标注为 academic，Topic 为 foundation-model。 研究问题（据…
arXiv 论文
查看来源原文一项基于种群增长方程的理论研究提出，当AI智能体能够协作时，即使单个智能体的网络能力不变，错位智能体种群也可能因“强Allee效应”在超过临界规模后自我强化式起飞；因此小规模红队测试不足以保证大种群下的生态安全，需要“生态红队测试”和“种群节奏控制”。（待核实：正文细节与数学推导）
来源为 arXiv 论文页面元数据，标题为 *Ecology of AI Agents: Collaboration Creates a Population Threshold for Takeoff*。正文未抓取成功，以下内容主要依据标题、候选摘要与元数据整理。 研究问题：决定一群错位（misaligned）AI智能体是被遏制还是进入自我强化循环的因素…
arXiv 论文
查看来源原文DreamTrue 是一个多视角、跨本体的机器人世界模型，通过将动作轨迹渲染为图像空间条件并引入离线几何校准来提升动作忠实度，同时利用反事实后训练与具身视频奖励模型将人评交互缺陷率从 48.12% 降至 6.25%，并在 AgiBot World Challenge 2026 世界模型赛道排名第一。
研究目标：构建多视角、跨本体的机器人世界模型，实现“动作忠实”（action-faithful）且物理合理的视频预测。 问题背景：在现有机器人数据集上训练此类模型面临两个障碍： 1. 标定不精确会削弱对动作的遵循能力； 2. 数据集对失败交互覆盖有限，使预测偏向成功结果。 论文标题：DreamTrue: Action-Faithful Robot Worl…
arXiv 论文
查看来源原文Dex-One2Many 提出一种 real-to-sim-to-real 框架，将单段人类视频抽象为序列化场景图（sequential scene graphs）来引导强化学习，从而在复杂多阶段工具使用与操作任务上获得可泛化策略，并零样本迁移到真实多指手。
问题背景：从单段人类视频学习灵巧操作是替代昂贵机器人演示的可行路径，但现有方法多偏向于“模仿演示动作”，严格的运动匹配限制了对视频中未出现的初始物体位姿、目标位姿与抓取的泛化。 另一条路线是用强化学习（RL）直接发现策略，可获得较广泛化，但在缺乏先验引导时，复杂多阶段任务中的高维探索非常困难。 论文要解决的是“泛化性”与“探索效率”这两个耦合挑战。
arXiv 论文
查看来源原文待核实（正文未能抓取，无法确认论文的核心结论与实验表现）。
论文标题：Density Ratio Estimation with Stein Displacement Fields 来源：arXiv（编号 2610.12437v1） 研究主题归入 foundation-model 方向。 根据元数据，论文关注的是：如何将“密度比”这一概率质量视角与“位移场”这一动力学视角统一起来进行估计。 待核实：论文的具体研究动…
arXiv 论文
查看来源原文CSF 是一种免训练的安全过滤器，通过将自然语言安全规则锚定到生成器产生的安全/不安全参考轨迹上，并结合 CBF-QP 约束，在不牺牲良性动作的前提下大幅降低文本驱动运动生成器的危险事件率。
文本条件运动生成器可以产出可跟踪的全身运动，但它们缺乏“场景相关安全”概念：同一个动作指向物体还是指向人，其安全含义完全不同。现有防护手段要么只检查 prompt、要么需要标注运动数据、要么只施加几何约束，都没有直接处理“场景上下文如何改变运动含义”这一问题。本文提出 Contextual Safety Filtering（CSF）来填补这一空白。
arXiv 论文
查看来源原文一项研究声称，通过白盒探针（probes）可在大规模前沿监控场景中检测 LLM 智能体的欺骗与蓄意破坏行为，并在 SHADE-Arena 上取得 98.8% AUC；但正文未能抓取，具体方法细节待核实。
来源为 arXiv 论文（编号 2610.12445v1），标题为 *Caught in the Act: Probes Effectively Detect Sabotage and Catch Unverbalized Deception*。 研究针对的问题：近期事件凸显了对 LLM 智能体进行监控的难度，以及模型欺骗人类的风险。 论文主张：通过探针实…
arXiv 论文
查看来源原文BrickBench 是一个面向智能体（agent）的文本条件下乐高积木设计基准，要求智能体在离散零件库中选择部件并同时满足局部与全局约束，生成既能通过物理拼搭验证、又符合语义与设计要求的装配体；研究显示领先智能体大体满足可验证的物理与语义要求，但在设计水准上仍逊于人类。
论文提出 BrickBench，用于评估“智能体式文本条件乐高套装设计”（agentic text-conditioned LEGO-set design）。 研究问题：给定一个提示（prompt），智能体能否生成不仅满足语义与设计标准、而且可以物理拼搭成型的装配体。 完成任务需要智能体从离散零件库中选件，并对局部与全局约束进行联合推理。
arXiv 论文
查看来源原文Bi-FORK 是一个用潜空间流匹配（latent flow matching）与排斥引导采样来学习高维物理系统中“一对多”解映射的生成式框架，在高达 260,000 个离散点的分叉问题上恢复多模态解结构，并把可处理规模比先前方法提升数个数量级。
分叉（bifurcation）在物理系统中普遍存在，从结构屈曲到流体与气候动力学，但在深度学习中仍基本未被探索。在对称性破缺的分叉处，单个输入对应多个同样有效的解，这违反了大多数已学习物理替代模型（surrogate）所依赖的一对一假设。Bi-FORK 要解决的就是这类高维系统中的“一对多”解映射学习问题。
arXiv 论文
查看来源原文FreeMatching 试图突破传统稠密对应匹配对“平滑运动+刚性几何”等时空先验的依赖，借助生成式与语义基础表征、异构监督以及教师引导的迭代细化，提升图像编辑与参考引导生成（IEG）场景下的身份保持型对应匹配质量（具体方法与实验细节待核实）。
论文标题：Beyond Spatio-Temporal Priors: A Generalizable Approach for Dense Correspondence Matching。 来源：arXiv（编号 2610.12421v1）。 研究问题：传统稠密对应匹配长期受限于简化时空先验（如平滑运动、刚性几何）；在图像编辑与参考引导生成（IEG）中，…
arXiv 论文
查看来源原文在不增加机器人示范数据、不做基础模型规模训练的前提下，通过一套名为 ARC 的“推理配方”（推理轨迹 + 自动标注流水线 + 适配策略），可以大幅提升现有机器人基础模型的零样本任务表现。
主流提升机器人基础模型（RFMs）的思路依赖更大的模型、更多机器人示范数据和昂贵的大规模训练。本文提出一个有效且高效的互补路径：用合适的推理配方提升现有最先进 RFMs 的零样本任务性能。作者将这套配方称为 ARC，目标是回答“能否不改数据规模、只改推理方式就获得显著提升”。
arXiv 论文
查看来源原文一篇（据元数据称）面向安全关键强化学习（safe RL）的论文提出“统一 Bellman 算子”，试图把任务性能与安全约束整合进同一个值函数中，并在两时间尺度随机逼近框架下讨论收敛性；但正文未能抓取，关键细节待核实。
论文标题（英文）：A Unified Bellman Operator for Safety-Critical Reinforcement Learning 来源：arXiv:2610.12420v1（学术论文预印本） 主题标签：foundation-model 研究问题（据候选摘要）：安全关键场景下的强化学习既要最大化任务回报，又要严格满足安全约束。已有…
arXiv 论文
查看来源原文该研究提出 Success Guided Sampling (SGS)，一种自适应采样器，将大规模并行强化学习集中在策略能力前沿的任务配置上，从而在超百万并行环境的仿真中解决此前方法无法完成的四足运动与接触密集型装配任务，并实现零样本真机迁移。
通用机器人需要完成从敏捷运动到灵巧操作的广泛任务。仿真到现实的强化学习（sim-to-real RL）虽是有力工具，但现有流程依赖大量逐任务工程先验（如奖励塑形、示范）。近期工作表明，多样化的仿真器重置结合大规模并行仿真可缓解这一负担，但作者发现：将这一范式朴素地扩展到更精细或更动态的问题仍然困难。原因在于，在重置分布上均匀采样会把越来越多的学习经验浪费在…
arXiv 论文
查看来源原文