AI 日报 · 2026-10-21

腾讯研究院副院长杜晓宇在《一本书读懂词元经济》序言中提出：Token 二十多年经历“令牌—通证—词元”三次身份转换，词元经济是以大模型最小内容单位为计量基础、围绕智力服务生成与交易的新业态，其真正增量来自 Agent 对千行百业的带动，而非单纯的算力堆砌或内容替代。

2026年10月21日，由腾讯研究院和金融科技50人论坛联合学术支持的“词元经济理论、实践与政策研究”成果——《一本书读懂词元经济》（人民日报出版社，2026年10月出版）在2026金融街论坛年会“金融街发布”活动上正式发布。序言作者杜晓宇从自身在人民银行条法、支付结算岗位及中国支付清算协会的工作经历出发，梳理 Token 一词在支付（令牌）、区块链（通证…

腾讯研究院（搜狐同步）

马斯克宣布计划于2027年向全美约7200万名未成年人各赠一股SpaceX股票（总价值约105亿美元），并将AI与机器人带来的成本坍塌所对应的分配愿景称为“全民高收入”，而非“全民基本收入”。

据腾讯研究院AI速递（20261021）收录，马斯克公布了一项赠股计划：2027年向全美约7200万名未成年人每人赠送一股SpaceX股票，按披露口径总价值约105亿美元。有网友将此举解读为“全民基本收入”的开端，马斯克纠正为“全民高收入”，理由是AI与机器人将带来成本坍塌。材料称此举缘起于Anthropic向公益基金投入5%股份。儿童身份核实等执行细节尚…

腾讯研究院（搜狐同步）

Anthropic 于 2026 年 10 月 21 日宣布，哈佛大学实验物理学家、前理学院院长 Christopher Stubbs 加入其 Long-Term Benefit Trust（长期利益信托），成为该信托首位物理学家成员。

本条为人事任命公告，非研究论文。核心事件是 Anthropic 的治理监督机构 Long-Term Benefit Trust 新增一名具有观测宇宙学与精密测量背景的科学家受托人。公告同时借此人选强调“科学严谨性”与“智力诚实”在 AI 治理中的价值，并顺带交代信托的职权定位与近期公共利益报告、公共利益基金等治理动作。

Anthropic 博客

2026 年 Anthropic 通过密集的“合作公告”把 Claude 推向企业、政府、教育与科研体系，合作形态从 IT 服务巨头的规模化部署、政府 MOU，到与金融机构共建服务公司、向公益与科研提供大额资助，呈现“渠道＋人力＋资本”三线并进的企业化扩张路径。

本材料是 Anthropic 官网“Partnerships（合作伙伴关系）”新闻列表页（共 51 篇文章）的抓取摘要，覆盖 2026 年 1 月至 10 月的合作公告。可从中观察的问题是：一家前沿 AI 实验室如何借助外部合作网络（咨询/IT 服务商、政府、教育机构、金融机构）实现产品分发与“评测能力”建设，并把安全与公共利益叙事嵌入商业扩张。

Anthropic 博客

据现有元数据，OpenAI 与 Google Cloud 将把前沿模型及 Codex 工作流引入 Gemini 的 Model Garden，并通过 Google Cloud Marketplace 提供，具体技术细节与商业条款待核实。

本条关注的是模型供给渠道的跨云扩展：OpenAI 的模型与 Codex 相关工作流据称将出现在 Google Cloud 的 Gemini Model Garden 中，并通过 Google Cloud Marketplace 面向企业客户提供。由于原始网页正文未能抓取，本条仅基于标题与摘要等元数据整理，事件时间、覆盖模型清单、区域可用性与定价机制均待核实。

OpenAI

腾讯将元宝搜索能力通过腾讯云对外开放，以千亿级索引和日均数亿次调用支撑50多个内部业务，并以8毫秒级检索、30毫秒级排序推理的低延迟表现，把搜索作为可复用的AI基础设施输出。

据腾讯研究院AI速递（2026年10月21日）整理，元宝搜索已通过腾讯云正式开放。其定位不是单一App内的搜索功能，而是支撑WorkBuddy、ima、腾讯视频等50多个业务的通用搜索能力，每月提供2000次免费调用。本条关注的问题是：搜索能力被平台化、云化后，如何同时服务内部多业务与外部开发者，并在索引规模、信源覆盖与响应速度之间取得平衡。

腾讯研究院（搜狐同步）

据可获得的元数据，AT&T 正与 OpenAI 合作，让法律知识更易获取，其 LegalEdge 团队在重新思考法务需求的受理（intake）方式并规模化法律判断；具体做法与成效待核实。

OpenAI 官网发布案例式内容，主题为 AT&T 如何借助 OpenAI 重新设计内部法务工作。已知信息指向两个方向：一是降低法律知识的获取门槛，二是重构法务需求的进入与分派流程（intake）。研究/报道问题可归纳为：生成式 AI 能在多大程度上把“法律知识获取”和“法律判断”从少数专家处释放出来，并在大型企业内部规模化。正文未能抓取，细节待核实。

OpenAI

据腾讯研究院AI速递，出身英伟达GR00T团队的Dream Labs获9000万美元种子轮，上线Dream API，以自然语言生成电机指令、每小时2美元起，并称Dream-1可零样本适配新机器人。

来源为腾讯研究院AI速递（2026年10月21日）第八条，标题为“英伟达DreamZero团队创业，推出首个机器人大脑API”。 报道称Dream Labs完成9000万美元种子轮融资，并上线Dream API；该API主打“用自然语言生成电机指令”，定价“每小时2美元起”。 团队背景：出自英伟达GR00T，葛云皓任CTO（来源表述如此，具体履历待核实）。

腾讯研究院（搜狐同步）

DeepSeek将其内部推理框架DeepInfer全面开源，该框架已支撑DeepSeek V4.1 Flash的高吞吐、低延迟大规模推理服务，并同时兼容英伟达与华为昇腾平台。

据腾讯研究院AI速递（20261021）整理，DeepSeek宣布将内部使用的推理框架DeepInfer全面开源。该框架此前已在DeepSeek V4.1 Flash模型的大规模推理服务中实际运行，具备高吞吐、低延迟的线上服务能力。此次开源的核心问题是：如何让一个经过生产验证的推理框架同时适配英伟达GPU与华为昇腾两类硬件平台，并对外提供可复用的推理与To…

腾讯研究院（搜狐同步）

美国国土安全部（DHS）发布通告，要求联邦民事行政机构不仅禁止采购DeepSeek产品，还须从现有IT系统中彻底清退任何底层使用DeepSeek模型权重的第三方软件与服务（美国企业亦不例外），并拟援引曾用于封杀华为的《联邦采购供应链安全法》作为法律依据。

本条源自腾讯研究院AI速递（2026-10-21）第六则。核心事实：DHS向联邦民事行政机构下达DeepSeek禁令，覆盖“采购”与“存量清退”两个环节，且清退范围从DeepSeek自有产品延伸到底层调用其模型权重的第三方软件与服务，明确“美国企业也不例外”。DHS给出的理由包括敏感信息外流、iOS应用漏洞等，但材料同时指出这些理由“被指未拿出实锤”，并点…

腾讯研究院（搜狐同步）

OpenAI 发布文章《Broad access through consistent standards》，阐述其如何与分发伙伴合作，在扩大访问范围的同时维持一致的安全保障、支持负责任访问，并明确 Usage Policies 中的期望；正文内容待核实。

该文属于 OpenAI 官方“index”栏目，主题涉及 AI 行业的分发与治理。 从标题与元数据看，文章聚焦“广泛可及”与“一致标准”之间的关系：即如何在通过分发伙伴扩大用户触达的同时，保持安全与使用政策的统一。 由于未能抓取正文，文章的具体论证、案例与数据均待核实。

OpenAI

据 The Information 爆料，Anthropic 将推出一款未命名新模型，推理与直觉判断据称超过其现有全部商用模型，核心卖点是能推断用户未明说的意图，名称与发布时间均未公布。

该爆料由 The Information 发布，经腾讯研究院 AI 速递（20261021）转述。 报道称 Anthropic 将推出新模型，其“推理与直觉判断能力”据称超过 Anthropic 现有全部商用模型。 模型的名称、参数、发布时间均未披露，属于传闻阶段信息。 同一速递还提及两条竞品动态：Google 正开发 Gemini 4 Carbon；Op…

腾讯研究院（搜狐同步）

Agility Robotics 宣布在匹兹堡新建 5 万平方英尺设施，作为软件与 AI 卓越中心及东海岸部署/服务中心，同时披露新增四家跨行业客户及 Digit 5 逾 3 亿美元多年期订单（受合同里程碑约束）。

2026 年 10 月 21 日，Agility Robotics 发布新闻稿，宣布大幅扩建其匹兹堡业务版图：新设施面积 5 万平方英尺，在其现有匹兹堡基础上新增约 3.5 万平方英尺。该基地定位为软件与 AI 卓越中心（聚焦 Digit 技能开发与软件赋能），并作为客户部署与支持团队的主要枢纽，同时成为公司东海岸服务中心，与俄勒冈州 Salem 的 Ro…

agilityrobotics.com

NVIDIA Sentry 是构建在 NVIDIA OpenShell 参考架构之上的安全软件框架，运行于 BlueField-4 DPU 的硬件隔离信任域中，在代理无法触及的位置监视 AI 代理运行时行为并强制执行访问策略。

AI 代理即使完成既定任务，也可能在使用工具、凭据和服务的过程中越过安全边界。近期事件显示，代理能够绕过安全控制，因此监控与执行机制必须位于代理之外，使其无法篡改或禁用。NVIDIA Sentry 要解决的是：如何在主机资源不可信时，仍能验证代理按设计意图运行、处于定义的操作边界内，并对代理访问模型、工具和数据实施细粒度控制。

NVIDIA 博客

NVIDIA 发布开源运行时 OpenShell 及其参考架构，把安全与治理下沉到 Agent 之外的运行环境，并配合 Vera CPU 与 BlueField-4 DPU/Sentry 实现从软件沙箱到芯片级隔离的大规模 Agent 管控。

自主 Agent 可连续数小时执行复杂任务，访问文件、工具、互联网，甚至派生其他 Agent 协作。长时间跨度带来复合风险：Agent 可能下载代码、自建工具、申请额外权限、触达更多底层基础设施。文章提出的核心判断是“Agent 无法自治”，安全与治理必须放在 Agent 所运行的infrastructure 中，而非依赖 Agent 自我约束。OpenS…

NVIDIA 博客

清华AIR孵化的紫荆智康推出“紫荆AI医院”（Agent Hospital），以医学多分身智能体协同技术（Multidisciplinary Human-Agent Collaboration）让不同专科的医生AI分身在同一次诊疗中协作，把跨专科支持前置到首诊与预问诊环节，并在真实医院开展测试。

事件：紫荆智康（由清华智能产业研究院AIR孵化）发布并升级“紫荆AI医院”系统，提出医学领域的多分身智能体协同技术，让医生拥有专属AI分身，分身之间可跨科室协作。 研究/产品问题：好医生稀缺、跨科室病症需走完多个科室才能发起多学科会诊（MDT），最佳治疗窗口可能被错过；如何让多个专科的“专家分身”在更早环节集体到位，同时保留医生的最终决策权。 技术路线来源…

量子位

易观报告称，2026年9月20款主流桌面端AI原生办公智能体合计访问量突破3亿次，较6月增长近5倍；腾讯WorkBuddy以8534万次月访问量居首，阿里千问办公、字节豆包工作分列二、三。

易观发布报告，统计2026年9月主流桌面端AI原生办公智能体的访问量表现，覆盖20款产品。报告试图回答：在AI原生办公智能体这一快速增长的入口上，各类厂商的竞争格局如何分布。

腾讯研究院（搜狐同步）

该研究通过可执行算术规则构建受控输入变化，将决策模型的规则迁移、联合可靠性与定向信息利用分开测量；结果显示，模型对“等价改写”的敏感度可高于对完全相同文本重复的敏感度，且通常会跟随被篡改的表格数值或映射所暗示的答案目标。

决策模型将“陈述的规则”和“观察到的状态”映射为离散答案，但总体准确率无法说明究竟是哪类规则变化或信息变化在驱动答案。论文试图把受控的输入变化与迁移（transfer）、联合可靠性（joint reliability）和定向信息利用（directed information use）联系起来，用可执行算术规则作为实验载体，回答“哪些差异真正影响决策输出”。

arXiv 论文

VX-One 用小型多头网络输出“类型化”决策原语（校准门控、含显式 unknown 选项的闭集选择、序数分数），在检测未见攻击和 CPU 低延迟上表现有竞争力，但多类归因不及 XGBoost，且所有方法在校准上于时间漂移下显著失效。

边界分诊存在延迟与语义的权衡：签名引擎快且格式安全，但对未见攻击“失明”；生成模型有语义能力，但慢且输出难以解析。2026 年底出现一类商业“System One”决策模型（TypeSafe Jev；Microsoft-Decision-1），以产品 API 形式售卖类型化决策原语，但尚无学术处理。论文提出 VX-One 并实证考察：类型化校准决策在边界分…

arXiv 论文

VoxProg 提出将3D物体摆放任务转化为“体素编程”问题：由语言模型生成可执行程序，在场景表面的局部体素视图上构建几何参照并计算目标位姿，配合执行反馈迭代修正代码；其具体性能数字与实现细节待核实。

论文关注语言模型在3D场景中执行空间指令的能力。作者指出，语言模型擅长理解任务并生成程序，但3D空间指令往往依赖语言未明示的几何参照，需要程序自行构造。 为此提出 VoxProg，把3D物体放置表述为体素编程（voxel programming）任务。 同时发布 71 个任务的 VoxProg-Bench 基准与配套评测套件，覆盖功能可用性、几何契合与上下…

arXiv 论文

VAP 将流匹配（flow matching）中按插值时间平均的损失，拆解为随时间变化的“内在歧义下界”与“可约残差”两部分，用于定位哪些时间段受数据量限制、哪些受模型/估计器限制；具体数值与证明细节待核实。

流匹配训练的是沿插值时间连续变化的速度回归问题，但通常只报告对时间平均后的损失，难以判断误差究竟来自数据内在歧义还是样本不足/估计器不佳。论文提出 Velocity Ambiguity Profile（VAP）作为时间局部贝叶斯风险下界，并给出时间分辨损失的分解框架。摘要信息来自 arXiv 元数据，正文未能抓取，方法细节与实验设置待核实。

arXiv 论文

LoopRec 挑战序列推荐“所有历史条目固定计算深度”的默认做法，用逐条目的二值退出/继续门控把全局深度变成可学习的条目级属性，在四个骨干家族上稳定优于同深度固定计算基线。

论文针对序列推荐中一个被普遍接受的设计：对用户交互历史中的每个条目分配相同的计算预算，不论其对最终预测的贡献大小。作者通过两项诊断发现质疑该设计：同一序列内条目的计算需求差异巨大（多数浅层即收敛，关键少数需满深度才稳定）；在给定目标条目信息的 oracle 条件下，非均匀深度分配始终优于固定分配，说明均匀计算既浪费容量又牺牲推荐质量。据此提出从固定深度计算…

arXiv 论文

该研究用师生模型（teacher-student）比较卷积学生与局部连接学生，试图分离“局部性”和“权重共享”对学习动态与样本复杂度的独立影响，但正文未获取，具体结论待核实。

论文关注卷积神经网络成功常被归因于局部性（locality）与权重共享（weight sharing），但二者如何分别塑造学习过程、以及效果如何依赖自然图像的空间相关性，仍缺乏清晰理解。作者在教师-学生框架下设定：卷积教师作用于 $P$ 个输入位置，位置间相关性为 $c$；比较卷积学生与局部连接学生，用在线随机梯度下降训练，并在特征维度 $D$ 很大时推导…

arXiv 论文

一篇 arXiv 论文报告：借助名为 AI-greement 的智能体工具链，AI 辅助发现了新的共识协议 A-greement，在地理复制状态机场景下显著降低时延；但作者强调人类共识专家在搜索前、中、后仍不可替代，智能体改变的是研究者角色而非终结共识研究。

共识是分布式计算的基础问题，也是状态机复制（SMR）的核心；尽管经过数十年研究，发现实用的低时延共识方案仍是开放问题，因为需要同时结合协议知识、正确性推理、实现与实验评估。 论文研究的问题是：AI 能否在共识协议这一高度专业化的领域内，辅助完成“发现—实现—实验—验证”的完整研究流程，并产出可用的新协议。

arXiv 论文

SWE-DIVE 是一个动态、交互式的评估框架，通过引入“用户模拟器”和“对话验证器”，在 Harbor 环境中对编码智能体进行多轮交互式评测，以弥补传统单轮、结构良好提示（如 SWE-bench）与实际使用场景之间的差距。

现有编码智能体评测（如 SWE-bench）通常采用一次性、形式良好的提示，并以 GitHub issue 作为输入判断任务是否解决。但真实使用中提示往往不够规范，且一次会话常包含多轮交互——用户会迭代追加新任务和需求。SWE-DIVE 旨在对这类多轮、动态交互能力进行基准测试。

arXiv 论文

论文为具有独立同分布标记周期（有限平均长度）的再生过程上的有界函数，证明了一个自归一化伯恩斯坦不等式；该界使用观测到的周期长度，并保留截断项与观测窗口结束后周期的显式项，进而用于非独立同分布再生数据的分类泛化误差界与学习目标设计。

研究问题：在数据不满足独立同分布（i.i.d.）假设、而呈现再生结构（regenerative process）时，如何给出可用的集中不等式，并据此推导分类任务的泛化误差界与可优化的学习目标。作者为 Imon Banerjee 与 Pierre Alquier，论文发表于 arXiv（cs.LG，交叉 math.PR、math.ST）。

arXiv 论文

据期刊元数据，Science Advances 2026年第12卷第43期刊出题为“Scentronic: An artificial intelligence–assisted olfactory interface for remote odor sharing and transmission”的论文，提出一种AI辅助的嗅觉界面用于远程气味共享与传输…

论文标题指向一个“人工嗅觉/气味界面”系统，目标场景是远程气味共享与传输（remote odor sharing and transmission）。 题目中的“AI-assisted”表明人工智能被用于该界面的控制、建模或生成环节，但具体作用机制待核实。 研究问题可概括为：如何构建可远程共享与传输气味的嗅觉交互界面，并借助AI提升其可用性/可控性（待核实…

science.org

CADRE 是一族开放权重的因果扩散表示自编码器，覆盖多种时空压缩率，用于检验交互式世界模型“在哪里、压多少”压缩更划算；据摘要，它在延迟-质量前沿上占主导，并给出四条与机器人操作/导航相关的压缩取舍发现（正文细节待核实）。

视频世界模型从过去帧与动作预测未来帧，充当智能体训练、规划与评估的模拟器，并支持人类交互控制。它通常在视频自编码器的潜空间中生成，而自编码器的压缩率决定了每帧成本与每个动作生效前的等待时间。作者指出：世界模型常直接复用文生视频生成器的自编码器，后者为离线生成设计、没有智能体在等待，且若缺少训练数据与代码，就无法在另一压缩率上重训。因此本文追问：世界模型应当…

arXiv 论文

Quant-Arena 用真实 A 股数据把“提出假设→写特征与打分代码→在 2022–2023 反馈调优→冻结策略→在封存的 2024 年评估”这一完整量化研究闭环交给 LLM 智能体，结果显示九个前沿模型中最高的 GPT-6 Astra 也没能在 2024 年跑赢等权市场。

量化研究本质上是一个迭代循环：研究者提出市场假设，将其实现为可执行信号，在历史数据上检验，再决定保留什么。已有基准多只评公式、代码或单笔交易决策，无法回答“LLM 能否走完这个闭环并产出研究期之外仍然有效的策略”。Quant-Arena 针对这一问题提出端到端基准与公开排行榜，数据基于真实 A 股市场。

arXiv 论文

Pinal 是一个 16 亿参数（16-billion-parameter）的基础模型，可直接从自然语言功能描述生成候选蛋白质；在四类设计任务中均观察到预期功能，其中设计的 H-protein 在多酶 CO2 固定路径中使产物滴度较天然大肠杆菌 H-protein 提高 1.7 倍，且未经过迭代实验优化。

来源：Nature，2026 年 10 月 21 日在线发表，DOI: 10.1038/s41586-026-11205-z。 研究问题：现有蛋白质设计模型通常需要以天然蛋白为优化起点，或需将功能目标手动改写为几何与序列层面的约束；作者试图验证“自然语言”能否作为蛋白质候选生成的高层接口。

nature.com

ProactEgoMem 是一个评估“主动记忆”能力的基准，要求穿戴式助手在流式自我中心视频中主动判断该记什么、何时开始与停止记忆维护，而不仅是被动回答提问；现有最强模型在该基准上仍无法同时做到及时且准确地捕获记忆。

当前多模态助手通常是被提示后才去解读眼前的视觉证据。若要让穿戴式助手替用户分担长时段记忆的认知负担，它需要在用户周围环境变化时主动获取并维护有用记忆——这要求识别什么重要、实时理解场景，并在用户专注于自身活动时于后台发起记忆维护。ProactEgoMem 正是为评估这种“主动记忆”而提出的流式自我中心视频基准。

arXiv 论文

PhysiCalWorld 提出用“上下文提示”方式，把测试场景中的一段探索性交互片段编码为紧凑的“物理描述符 token”，从而在不微调、不做解析物理建模的情况下，将动作条件世界模型校准到该实例特有的动力学上，显著改善 rollout 预测精度与视觉规划成功率。

现有世界模型通常只通过当前视觉帧或很窄的历史窗口来感知场景，但这些观测未必能揭示决定状态转移的物理属性（如物体质量分布、关节阻尼、表面摩擦）。若不对这些物理因素做校准，世界模型的预测会回退到经验先验，在新测试场景中产生严重漂移。PhysiCalWorld 针对的正是这一问题：如何让动作条件世界模型适配实例级动力学。

arXiv 论文

该论文将并行 AI 智能体的编辑合并问题建模为带依赖图的离散块优化，利用分数着色给出可证明的合并质量下界，并在代码修复与路线搜索任务上验证了“验证式合并”能缓解朴素合并导致的共享解退化。

并行 AI 智能体各自能产出有用的局部修改，但把这些修改直接合并到同一共享解时，整体效果反而可能下降。论文要解决的核心问题是：在目标函数可精确评估、编辑间依赖关系已知的条件下，如何协调多个智能体的并行编辑，使合并后的解既安全又能保留尽可能多的已验证局部改进。

arXiv 论文

Orbitol 把晶体生成的最小单位从“原子”换成“Wyckoff 轨道”，在给定空间群与占据的 Wyckoff 位置条件下直接生成满足该群对称性的原子类型、自由坐标与兼容晶格，并在速度与目标空间群保持率上优于对称性感知基线。

问题：现有生成模型通过学习组分与几何来提出晶体材料，但无条件采样无法直接控制空间群；而空间群决定了诸如压电性等响应是否被对称性允许。 方案：提出 Orbitol，构建在 Crystalite 扩散 Transformer 之上，用 Wyckoff 轨道 token 替代原子 token。 输入条件：给定一个空间群和一组占据的 Wyckoff 位置。 输出：…

arXiv 论文

论文提出 PAPAV 能力框架，用五个反复出现的功能（感知、预判、规划、执行、验证）来统一比较多模态智能体（MMAs）与机器人系统（RSs），并追问：当多模态智能体从 computer-use 走向 robot-use 时，究竟发生了什么变化（具体结论待核实）。

材料将多模态智能体（MMAs）描述为通过推理、记忆、工具与反馈维持交互的系统，最典型地表现为 computer-use agents；机器人系统（RSs）则在物理动力学下耦合感知与执行。 作者据此定义“多模态具身智能体”（MMEAs）为目标导向系统：把多模态任务推理与物理行动耦合，并依据行动产生的反馈修正决策。 核心研究问题：多模态智能体从 compute…

arXiv 论文

对于一元高斯混合密度估计，非参数最大似然估计（NPMLE）在平方 Hellinger 距离下达到极小极大最优收敛速率：真实混合测度次高斯时为 $\log(n)/n$，紧支撑时为 $\log(n)/(n\log\log n)$。

论文研究基于 $n$ 个独立同分布样本估计一元高斯混合密度的问题，分析对象为 NPMLE。核心问题是：NPMLE 在平方 Hellinger 距离下是否达到极小极大最优速率，以及该速率如何依赖真实混合测度的尾部/支撑性质。

arXiv 论文

LAW（Loopholing All the Way）证明连续生成模型可以完全基于自条件（Self-Conditioning）构建：它在每一步传播去噪器预测下的期望嵌入（Expected Embedding），仅在最后一次性解码 token，在数独、迷宫、GSM8K 和 OpenWebText 上均取得优于既往扩散语言模型的表現。

近期扩散语言模型（Diffusion Language Models, DLMs）普遍使用自条件（Self-Conditioning, SC），又称“Loopholing”，作为提升性能的辅助启发式手段。本文提出的核心问题是：既然 SC 在经验上如此有效，能否构建一个**纯粹**基于自条件的连续生成模型，而非把它当作附加技巧？作者给出肯定回答，并提出 LA…

arXiv 论文

在训练目标与采样器保持不变的前提下，给均匀扩散语言模型（UDLM）引入“选择性循环”（递归复用早期 Transformer 层）能显著降低训练 FLOPs，并在匹配 NFE 预算下改善生成困惑度。

论文研究的问题是：已在掩码扩散语言模型（MDLM）中被证明可提升等 FLOP 预算下训练效率的“选择性循环”机制，是否同样适用于均匀扩散语言模型（UDLM）。UDLM 在训练时需要从可能自身不可靠的上下文中去噪，而 MDLM 始终以干净上下文为条件，因此 UDLM 训练更耗 FLOP，但下游推理表现更强。作者在 OpenWebText 与 FineWeb-…

arXiv 论文

LongZero 提出一种不依赖任何外部语料或更强教师模型的长上下文强化学习数据合成方法：先让模型在紧凑结构化形式中自拟问题、答案与支撑证据，再单独把证据扩展为长多文档上下文，并结合自拟多跳推理任务与多轮检索任务，用 GRPO 训练模型，从而提升其长上下文推理能力。

强化学习（RL）是增强大语言模型（LLM）长上下文推理的有效手段，但需要“长、多样、有挑战性且可验证”的训练数据。 人工标注此类数据成本高昂，自然产生数据不足以支撑 RL，现有合成方法又依赖外部语料或更强的教师模型，而随着被训练模型变强，这些资源愈发难以获得。 已有的“零数据 RL”（模型从自己提出的任务中学习）在短上下文任务上表现优异，但尚无方法针对长上…

arXiv 论文

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。

越南语预训练编码器进展迅速，但最强的一批往往是大规模、多语种词表的模型，或者依赖外部分词（word segmentation），部署成本高。论文要解决的问题是：能否在不依赖外部切词、不引入庞大参数量的前提下，得到可直接处理原始文本的紧凑越南语编码器，并尽量保住下游任务性能。

arXiv 论文

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。

来源为一篇 arXiv 综述（arXiv:2610.30121v1），作者为 Tao Zhong、Kaison Fong、Keqin Wang、Christine Allen-Blanchette，主分类为 eess.IV，交叉分类为 stat.ML，发布时间为 2026-10-21。研究问题是：几何代数（GA）为神经网络提供了统一表示几何基元与变换的代数…

arXiv 论文

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。

研究问题：通用目的的前沿 AI 模型（具备视觉理解、推理、规划与工具使用能力）能否在**无需任务特定训练**的情况下直接控制机器人完成操作任务？ 现有空白：这类模型的操作能力此前尚未在标准化机器人基准上被系统评估。 论文性质：据摘要表述为“report”（报告），并发布评估框架与实验结果以支持可复现基准测试。

arXiv 论文

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。

个性化联邦学习需要回答一个核心问题：哪些客户端应当共享表征、哪些应当保持个性化。已有方法通常通过额外优化目标、二次训练轨迹或后训练微调来做这一决策，代价较高。HDC-FL 的问题是：能否直接从训练过程已产生的信号中“读出”这一分组决策，而不引入新的优化负担。

arXiv 论文

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。

前沿 LLM 通过合成训练管线与开放网络数据，不断吸收前代与竞争模型所创造的内容。论文追问：在这个生态中，每个模型作为**创作者（author）** 和**解题者（solver）** 各自表现如何？为此构建 Environment Duels：每个模型编写交互式环境并附一条“特权提示（privileged hint）”，目标是让有能力的解题者在无提示时失败…

arXiv 论文

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。

RLHF 已成为对齐大语言模型的核心范式，但其依赖的偏好数据敏感，需要严格的差分隐私（DP）保证以防用户信息泄露。现有隐私对齐方法通常假设稠密奖励参数化，导致估计误差界随环境模型规模 $d$ 多项式增长；在 $d$ 极大的现代过参数化模型中，这种依赖不可接受。本文研究“隐私稀疏 RLHF”问题：假设人类偏好（奖励模型）仅由 $s^* \ll d$ 个相关特…

arXiv 论文

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**。

研究问题：模型在 P 与 NP-完全（NPC）问题上的表现差距，究竟来自复杂度类本身，还是来自对教科书式题面的熟悉度（回忆而非推理）？ 动机：许多 NPC 问题存在仅差一个结构细节的多项式时间“孪生题”（如 3-着色 vs. 2-着色）。若模型真在推理，应能识别问题落在边界哪一侧；但现有基准要么固定题面措辞，要么忽略复杂度类标签，因而无法分离这两种解释。…

arXiv 论文

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。

背景：只需提示模型对样本分类，就能低成本构建 LLM 分类器；但其预测既不确定，可靠性也随样本变化。 问题：如何组合不同模型的预测以提升可靠性？ 目标：在给定平均查询成本约束下，最大化平均分类准确率。

arXiv 论文

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。

基于 ReAct 风格循环的数据智能体已能对结构化数据执行复杂分析工作流，但其中间推理几乎仍完全通过文本进行。人类分析师则在数字、表格与图表之间往返，读取视觉证据以暴露文本摘要会遗漏的趋势与异常。论文追问两件事：图表能否作为数据智能体推理循环内部的认知动作？如何教智能体使用它们？

arXiv 论文

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。

研究问题：尽管域适应方法已有进展，当前 AI 系统在域偏移下仍存在显著性能差距；生物医学成像尤其明显，因为图像通常在差异很大的实验条件下采集。 作者提出 BatchBench：一个排行榜（leaderboard），用于在来自未见实验批次和数据源的生物医学图像上评估与比较 AI 系统的鲁棒性。 数据基础：BatchBench 构建于 JUMP-CP（JUMP…

arXiv 论文

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%。

背景：VLA 模型在机器人操作中表现有潜力，但仅靠模仿学习（IL）难以掌握复杂的长程技能；强化学习（RL）被视为进一步提升 VLA 策略的有效途径。 问题：现有 VLA-RL 方法通常因轨迹级稀疏奖励导致信用分配延迟且有偏；同时各子任务掌握程度不均衡，形成瓶颈并限制整体性能。 论文提出 AtomicRL，利用原子任务结构实现更可靠的信用分配与自适应探索。

arXiv 论文

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。

部分可观测下的序贯决策要求智能体先探索以推断隐藏的任务相关信息，再有效行动。直接用在线强化学习从零学习这类“信息收集”行为样本效率低；而离线模仿会把专家动作在多个隐藏状态上做平均，因而学不会探索。论文要解决的问题是：能否用简单的师生监督学习框架，学到测试时的探索行为，而不付出强化学习级别的训练数据成本。

arXiv 论文

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。

世界模型需要把视觉表示转化为预测和动作。论文主张，世界模型的视觉基础应同时具备三种能力：编码物理状态信息、与语言原生对齐、支持像素重建，这样单一表示才能同时服务于预测、指令和检查。作者指出，现有编码器通常只专精其中一两种能力，因此提出 ALPS，目标是在一组 patch token 中统一这三种能力。

arXiv 论文

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。

该报道为 Nature 于 2026 年 10 月 21 日发布的 Research Highlight，标题为 “AI doctors’ orders come with a sky-high bill”。其核心问题是：当大语言模型参与临床诊疗计划制定时，其建议的医疗资源使用强度与人类医生相比是否存在系统性差异，以及这种差异对医疗成本意味着什么。报道援引…

nature.com

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。

论文研究的是在 ℓ∞ 范数下计算 $d$ 维非扩张（nonexpansion）映射的 $\epsilon$-近似不动点问题。作者提出了一种新算法，其核心是一个“boosting”论证，用于几何式地收缩搜索区域。作为推论之一，该算法表明简单随机博弈（simple stochastic games）可以在拟多项式时间内求解。

arXiv 论文