AI 日报 · 2026-08-28

群核科技发布3D生成模型Lux3D，用户上传图片或输入一句话，即可在最快20秒内生成带PBR材质的网格、3D高斯等3D资产，单个成本最低约0.07元，并同步内测走显式3D路线的世界模型。

据腾讯研究院AI速递2026年8月28日报道，群核科技发布了3D生成模型Lux3D。该模型面向3D资产生成场景，支持从图片或文字输入直接生成多种格式的3D资产，并特别强调补齐了材质生成能力。与此同时，群核科技还在内测世界模型，采用“空间派”显式3D路线。

腾讯研究院（搜狐同步）

WALL-SS 是自变量机器人发布的“下一尺度自回归世界模型”，核心改进是让未来画面生成受动作控制，配合长时记忆可连续虚拟推演约 60 秒；在动作跟随得分与虚实相关性上明显优于材料中的对比模型，但暂不支持力矩与多指灵巧手。

按腾讯研究院AI速递 2026-08-28 报道，自变量机器人发布了世界模型 WALL-SS。该模型面向机器人操作与虚拟推演场景，试图解决世界模型中的“动作可控性”问题：模型不仅要生成未来画面，还要让不同动作对应不同结果，才能在虚拟环境中为真机策略提供可靠预测。

腾讯研究院（搜狐同步）

OpenAI与泰国高等教育科研与创新部（MHESI）合作，推出一个为期八周的加速器项目，帮助10家来自健康、福祉和教育领域的AI初创企业将原型转化为可信赖的产品（具体细节待核实）。

根据已知元数据，OpenAI与泰国MHESI联合发起了一个面向AI初创企业的加速器项目，重点支持健康、福祉和教育方向，共覆盖10家初创企业，项目周期为八周。由于原始网页未能抓取正文，事件的具体启动时间、申请条件、合作形式等信息待核实。

OpenAI

SemiAnalysis预测2028年两家实验室控制全球算力

腾讯研究院（搜狐同步）

OpenAI宣布，在Cursor被SpaceX收购后，将逐步终止（wind down）向Cursor提供OpenAI模型的合同。具体安排与影响尚待核实。

根据OpenAI官网页面标题及摘要信息，OpenAI就Cursor被SpaceX收购一事作出决定：不再继续向Cursor提供OpenAI模型。该决定涉及双方原有供应合同的终止流程。

OpenAI

在 DeepSWE 基准上，GLM-5.3 Flash 以约 1/17 的 rollout 成本，实现了 pass@1 只比完整版 GLM-5.3 低 5.6 个百分点、pass@4 只低 2.6 个百分点的成绩；若采用“Flash 先跑、失败后升级到完整 GLM-5.3”的级联路由，可以每任务 1.70 美元解决 80.9% 的任务，超过完整版单独使用的…

Together AI 于 2026-08-28 发布对比测试，评估 GLM-5.3 与其蒸馏版本 GLM-5.3 Flash 在 DeepSWE 上的表现。 实验覆盖 113 个 DeepSWE 任务，每个配置 4 次试验，两个模型均设为 max effort，共 900 次 rollout，其中完整版 452 次、Flash 448 次。 核心研究问题…

Together AI 博客

Claude宣布Cowork内置浏览器正式上线，付费用户可通过侧边栏让AI代理直接操作网页，但官方提示存在提示注入风险。

Claude推出Cowork内置浏览器。当任务涉及网站操作时，系统可直接调起侧边栏浏览器，完成导航、读取、点击、输入与表单填写等操作。

腾讯研究院（搜狐同步）

法拉第未来在EAI机器人“Built in USA”大会上半场公布三阶段路线图：目标年内工厂投运、2027年2月首款机器人本体下线；计划未来十年在美投资不少于50亿美元，每年推出3至5款机器人产品，首批纳入全尺寸人形机器人Next Futurist与四足机器人Next Aegis。

法拉第未来举办EAI机器人“Built in USA”大会上半场，公布三阶段路线图。 已知时间节点：年内工厂投运；2027年2月首款机器人本体下线。 投资计划：未来十年在美投资不少于50亿美元。 当前进展：机器人出货量已超400台，保持单品正毛利；教育生态覆盖约22所K-12学校；共享平台RoboShare启动全北美招商。

腾讯研究院（搜狐同步）

根据现有材料，Mark DiLeo是波士顿动力Atlas维修团队的“机器人外科医生”，他在“Ask a Roboticist: Meet Mark”访谈中回答了关于修复“此前不存在的东西”的操作指南、他见过的最严重的机器人损坏，以及人们看到机器人摔倒时的感受；具体访谈内容细节待核实。

波士顿动力博客发布“Ask a Roboticist: Meet Mark”专访，邀请Atlas维修团队成员Mark DiLeo分享机器人维修与部署经验。材料显示，访谈还配有一段关于“什么造就了一名好的机器人外科医生”的对话视频。

bostondynamics.com

百度搭子通过“专业套件 + 企业知识库 + VPC安全版本”和自研Harness引擎，提出“交付即惊艳”的AI办公新标准；在量子位实测中，它能在20分钟内将一套发布会资料自动产出17份跨平台自媒体成品，但能否真正实现稳定可靠的企业级交付，仍需更多独立验证。

2026年8月28日，量子位报道了百度搭子的产品发布会。发布会现场演示了长程任务：从资料检索、信息分析到生成最终成果，新闻稿、产品长图、嘉宾金句海报、现场高光视频等实时产出。同期发布了百度搭子企业版，提出“专业办公新定义，交付即惊艳”。文章还记录了记者对自媒体套件和金融套件的实际测试。

量子位

据The Information报道，英伟达已同意以129亿美元收购Hugging Face，价格约合其1.5亿美元年化收入的八十多倍；交易若完成，将引发对Hugging Face中立性的广泛质疑。

英伟达已同意收购开源模型生态平台Hugging Face，交易价格约为129亿美元，对应其约1.5亿美元年化收入的八十多倍。英伟达此前已扩张Nemotron家族、组建Nemotron联盟并拿下Poolside技术授权，此次收购被视作其加强开放模型生态布局、制衡大客户自研芯片的战略举措。Hugging Face曾拒绝英伟达5亿美元投资，理由是担心单一投资者过…

腾讯研究院（搜狐同步）

OpenAI复盘智能体入侵事件，训练中学会奖励黑客

腾讯研究院（搜狐同步）

云知声2026年中期财报显示，其智能体（Agent）业务上半年营收4.78亿元，同比增长35.7%，占总营收85.1%；Token业务收入近3000万元，Q2环比增长超500%。这说明Agent不仅能落地，还能通过解决方案、订阅和Token调用变成可复购的亿元级生意。

2026年8月28日，被称为“港股AGI第一股”的云知声发布2026年中期财报。文章以“OpenClaw遇冷”为对照，分析云知声如何将Agent业务做成核心增长引擎，并提炼出其“强基模＋深应用”战略和具有Palantir色彩的产业AI商业化路径。

量子位

高通提出以“连接、感知、计算”为三大支柱的AI原生6G方向，目标频谱效率提升约50%，并展示13GHz与7GHz的Giga-MIMO原型机；预计AI-to-AI流量几年内增长约8倍，智能体应用可使单用户月流量超过50GB，同时动态QoS可将AI问答耗时从约48秒压缩至约13秒。

腾讯研究院AI速递（2026-08-28）报道了高通6G技术日展示的AI原生用例。该活动的具体举办日期、地点未在材料中说明。核心问题是：面向AI与智能体普及，6G网络应如何设计？高通给出的方向是6G不再只是连接管道，而是围绕连接、感知、计算三大支柱构建，并通过Giga-MIMO原型机、分布式计算、协同通信等方式验证。

腾讯研究院（搜狐同步）

自动语音识别（ASR）错误可能使具身AI（EAI）模型接受并执行有害指令，从而显著降低其安全性；自动纠错能在部分情况下降低风险，但并非总是有效。

研究问题：用户语音输入中的ASR错误，是否会导致具身AI模型产生不安全输出？

arXiv 论文

将预训练视频生成模型改造为几何估计器（GeoNeXt），把单目深度估计与表面法线估计创新性地表述为“下一帧预测”任务，以显著更少的标注数据实现零样本几何估计，并在多个基准上媲美训练数据多 100 倍以上的判别式方法。

现有的生成式几何估计方法大多基于预训练图像扩散模型，将任务视为图像条件生成。这类方法通常有两种路线：

arXiv 论文

CE-MoE 通过将专家层集中到少数路由 MoE 层、同时增加额外 token-mixing 层与稠密 FFN 层来保持深度，在匹配总参数和激活参数的条件下，相比常规 full-MoE 模型降低了训练成本；在 31.5B 规模下，GPU 小时使用减少 33.3%，并提高了平均下游得分和推理吞吐量。

研究问题：使用专家并行（expert parallelism）训练混合专家（Mixture-of-Experts, MoE）语言模型时，all-to-all 的 token 分发与合并集合通信可能占用端到端训练时间的很大一部分。 该工作提出通信高效的 MoE 模型（CE-MoE），采用异构层模式，将 token-mixing 的深度与 channel-mi…

arXiv 论文

Texture Image Classification Using DWT AlexNet Feature Fusion and Deep Neural Networks

arXiv 论文

在基于人设的对话生成中，训练阶段的传记可见性比推理阶段更能决定模型是表达人设特质还是退而复制传记文本；非对称披露下（只有对话者能看到目标说话者传记），目标内容更容易泄漏到对话者话轮中，且这类痕迹可被大语言模型评判者识别。

基于人设的对话系统通常以说话者传记为条件，但对话至少涉及两个参与者，谁能看到谁的传记在训练、推理和评估阶段可能各不相同。以往研究往往忽略这些阶段差异，很大程度上把传记可见性当作单一因素，遮蔽了只有在训练、推理、评估三阶段分别切换可见性时才会显现的机制。本文针对这一三阶段分解进行系统性研究，使用与说话者传记配对的对话数据集，改变目标说话者和对话者在训练与推理…

arXiv 论文

SignRR 提出“检索-精炼”（retrieve-and-refine）的新范式：先从真实手语片段库中检索动作来初始化姿态序列，再用部位感知的残差 VQ-VAE 对整段序列进行精炼，从而在保留真实手部细节的同时获得全局连贯的手语动作；实验在 PHOENIX14T 和 CSL-Daily 上取得领先的反向翻译性能。

手语生成（Sign Language Production, SLP）旨在从口语/文本生成连续的手语动作，常见路线是 gloss-to-pose（从注释到姿态）生成。既有工作主要有两条范式： **生成式模型**：从学习到的先验或噪声中合成动作，不参考真实手语实例，导致罕见手型与特定手语者的动作风格难以保持。 **检索式方法**：复用真实且动作良好的片段，但…

arXiv 论文

Real-time virtual circuits for plasma shape control via neural network emulators: experimental demonstration on MAST Upgrade

arXiv 论文

QGPINNs 是一个基于 PyTorch 的物理信息神经网络框架，专用于求解量子图上的非局部微分方程（如多阶分数阶椭圆问题和时间分数阶演化方程），并通过统一的图损失函数将边上的神经网络解耦合为全局解，同时可扩展求解逆问题。

本研究提出 QGPINNs（Quantum Graph Physics-Informed Neural Networks），旨在解决量子图（由边和顶点构成的度量图）上的非局部微分方程数值求解问题。传统 PINN 主要针对单域或简单几何，而量子图上的微分方程需要处理边上的解、顶点处的传输条件以及分数阶算子的非局部性，挑战更大。该框架试图提供一个通用的计算实现…

arXiv 论文

PCMI（Phoneme-Cluster Mutual Information）和 WACS（Word Acoustic Consistency Score）是两种基于自监督语音表征的语料级指标，可在不依赖人工标注时间戳的情况下评估强制对齐质量，从而支持大规模和多语言场景。

强制对齐评估通常需要手动标注的时间戳，限制了大规模和多语言分析。本文提出两种“免参考”（reference-free）语料级指标，利用自监督语音表征对强制对齐结果进行质量评估，无需参考时间戳。

arXiv 论文

本文给出加权 Dikin 行走混合时间的两个证明：对于多面体上的指数分布采样，使用 Lee–Sidford、Lewis-weight 或 John 度量时可得到 $\widetilde O(d^2)$ 的总变差混合界；对于适当缩放的 Lee–Sidford 度量，还可在 $\chi^2$ 散度下得到 $\widetilde O(d^2)$ 混合界，改进此前…

研究加权 Dikin 行走从多面体和截断半正定（PSD）锥上的指数分布采样的混合时间。作者提出统一的证明框架，对不同度量给出混合界，并给出第二个更强的 $\chi^2$ 散度分析。

arXiv 论文

Claude Code 插件市场正在快速扩张，插件开发以功能提交为主导；技能目录中的自然语言指令文件与实现脚本存在显著共演化，构成一种传统软件工程中未观察到的维护依赖类型。

AI 编码智能体通过推理和工具调用来自动化开发任务，越来越多地通过插件市场进行扩展。与依赖源代码交付功能的传统软件包不同，智能体插件由自然语言指令文件、脚本和配置文件组合而成。

arXiv 论文

NL2AGBench 是一个专门评测大语言模型（LLM）能否把英文几何题自动翻译成 AlphaGeometry 可执行形式语言（DSL）的基准，结果显示最强闭源模型的可执行翻译率超过 80%，而开源模型即使在最大规模下也较难稳定保持几何约束并生成合法形式化表示。

AlphaGeometry 这类神经符号几何系统在定理证明上已接近 IMO 金牌选手水平，但它的证明引擎要求输入用专门的领域特定语言（DSL）书写。目前，把自然语言几何题手动转换成这种形式语法是重要的使用瓶颈。论文提出 NL2AGBench，研究 LLM 能否自动完成这一“形式化”步骤。

arXiv 论文

Logos: An Agent Harness on a Cross-Process Bus

arXiv 论文

这篇系统综述覆盖 2023–2026 年同行评审文献，发现当前 LLM 安全智能体已经“能行动”——能规划、用工具、在多步流程中保持状态并修订计划——但尚未达到“权限有界、行为可审计”。领域中“agent”一词使用不一致、应用场景风险差异大、评估协议常不可比。

软件与系统安全流程通常是程序性的：分析者检查异构工件、形成假设、调用工具、解读输出、修订计划。LLM 智能体具备规划、工具使用、状态保持和多步修订能力，正被快速用于自动化这类工作。由于把安全决策委托给自主系统后果严重，理解这类智能体如何构建、使用和评估至关重要。

arXiv 论文

本文提出 LTP-BIT，一种“先学目标域生成先验、后学源条件控制”的解耦训练范式，将遥感跨模态图像翻译中的目标先验学习与跨模态依赖学习分开；在 SAR-to-RGB 和 NIR-to-RGB 基准上仅用 9.81% 任务特定参数达到 SOTA，并在 QXS-SAROPT 上仅用 25% 配对样本保留接近全数据实例保真度。

跨模态图像翻译在遥感中需要保留源图像观测到的内容，同时匹配目标域的分布。现有方法通常从稀缺的配对数据中联合学习“目标域先验”和“跨模态依赖”，但忽略了一个关键不对称性：只有跨模态依赖本质上需要跨模态对应关系。本文通过条件分数（conditional-score）和去噪风险（denoising-risk）分析形式化了这一区别，并提出解耦训练范式 LTP-BI…

arXiv 论文

本文研究输入协方差特征值按幂律衰减的各向异性高斯数据上的核岭回归，在多项式高维机制（\(n=\Theta(d^\kappa)\)）下推导出核谱与泛化误差的渐近精确表达式，发现各向异性会从根本上重塑学习曲线。

研究问题：输入分布的各向异性如何影响核岭回归的泛化性能？作者针对高斯输入、多项式内积核，设定输入协方差特征值按幂律衰减（指数 \(\alpha \ge 0\)），并在样本量 \(n\) 与维度 \(d\) 满足 \(n=\Theta(d^\kappa)\) 的多项式高维机制下，给出核谱和泛化误差的精确渐近刻画。

arXiv 论文

本文提出一个通用框架，用“规模-权重前沿”（size-weight frontier）刻画合成数据增强统计推断时的样本量与权重配置，并从历史任务中估计该前沿，从而对前沿上或下方的所有配置同时给出有限样本覆盖保证。在利用大语言模型回复增强民意调查数据的实验中，该方法达到目标覆盖率并显著缩窄置信区间。

真实数据稀缺时，合成数据可以改善统计推断；但简单地把合成样本当作真实数据使用会引入偏差，导致推断不可靠。论文研究的是在“一组相关任务”上进行合成增强推断的一般性问题：如何选择合成观测的数量以及赋予它们的权重，使得推断具有可信的覆盖保证。

arXiv 论文

本研究提出 GOLLuM（Gaussian Process Optimized LLMs）——通过高斯过程的边际似然目标训练大语言模型，使其具备校准的不确定性估计，从而能够在自然语言指导下进行跨领域实验优化；仅从 10 个低性能实验出发，即可在 23 个任务上平均排名第一。

实验发现（从反应优化到分子设计）面临一个共同的高成本问题：在时间和资源约束下，下一个候选应该测试什么？贝叶斯优化（BO）提供了原则性答案，但严重依赖领域专家构造的特征表示，且这些表示难以跨领域迁移。大语言模型（LLM）包含丰富的科学知识，但缺乏高利害决策所必需的不确定性校准能力。本文试图将两者结合，使 LLM 成为可靠且易用的实验优化器。

nature.com

在LLM机器翻译中，顺序式测试时扩展（sequential sampling）相比并行式（parallel sampling，如i.i.d.采样+重排）具有更高的性能上限，其收益主要体现在翻译流畅性和自然度上；但当推理预算较大时，顺序采样反而可能损害翻译准确性。该增益可部分归因于模型能够访问更大的目标侧上下文（target-side context）。

本文研究测试时扩展在LLM机器翻译任务中的表现，关注两种范式：

arXiv 论文

InstructMesh 是一个面向制造的交互式后处理精修工具，允许用户通过区域选择和局部操作（如打开/封闭空洞、调整局部厚度）修复生成式3D模型的几何缺陷；其关键设计是直接在中间潜变量表示上进行编辑，使没有专业建模技能的新手也能完成制造前的几何修正。

生成式AI虽可从文本或图像创建3D模型，但这些模型往往偏重视觉合理性而牺牲几何精确性，输出结果常带有会损害制造/打印后用途的缺陷。InstructMesh 针对这一问题，提出一种“生成后精修”的交互式方案，帮助用户选择性地修复生成模型中的可制造性问题。

arXiv 论文

即使不同评分规则在理论上都激励模型“说出真实概率”，五种 proper scoring rules 作为 LLM 训练目标时，仍可能产生不同的校准、概率使用和误差结构；因此不能简单认为 proper scoring rules 可以互换。

该研究评估奖励函数选择如何影响 LLM 预测器的表现与行为。核心问题是：对于已解决的真实世界事件，使用五种 proper scoring rules 作为二分类预测的训练目标，是否会导致模型出现可区分的预测特征与误差结构。

arXiv 论文

GeBDA 提出将建筑损毁评估（BDA）直接建模为文本序列预测任务：一个通用视觉-语言模型仅通过自回归生成，输出建筑物边界框及其损毁等级；初步实验表明，仅输入双时相卫星图像和合适的文本提示即可获得有前景的损毁映射结果。

研究问题：通用视觉-语言模型（VLM）能否不借助专用网络结构或地理空间基础模型微调，仅靠自回归序列生成完成建筑物的定位与损毁分级？ 事件概述：作者将 BDA 定义为预测一个可变长度的边界框集合，每个边界框由坐标和损毁标签指定，并基于开放 Gemma 模型进行了初步实现。

arXiv 论文

将人工智能融入地球系统模型（Earth system models, ESMs）虽然提升了模拟与预测能力，但也显著放大了可复现性挑战；本文提出将可复现性从“事后要求”重构为混合地球系统模型的“结构性属性”，并推出 RHEM（Reproducibility in hybrid Earth system models）参考指南与实施路线图。

这是一篇发表于 *Nature Machine Intelligence* 的 Perspective（观点文章），讨论的是融合人工智能的混合地球系统模型（hybrid ESMs）的可复现性问题。

nature.com

DARTS 提出了一种面向自回归解码器的模型合并后表示偏置校正方法，通过熵加权 L1 损失和逐位置加性偏置，在新增参数约 0.1% 的情况下，显著改善合并模型在代码生成、数学推理和指令跟随等任务上的表现。

模型合并（model merging）可以将多个任务专用微调后的大语言模型组合成单个多任务模型，而无需额外训练。但合并后的模型普遍存在“表示偏置”（representation bias），即合并模型的隐藏状态与每个源模型的隐藏状态之间出现系统性漂移。

arXiv 论文

COVER 是一种评估契约，通过在结果生成前固定公共信息边界、下游栈 G 和有限合法团队族，使有限基准上的“路由后悔值”（oracle regret）可被识别；受控测试表明它能暴露选择余量，但并未制造出“路由必胜”的结论。

多智能体系统在改变其团队时，也会改变它产生的消息和最终答案，因此端到端准确率差距本身并不能识别出“路由效应”。COVER 试图解决这一识别问题：如何在没有额外假设的情况下，把“选择不同团队/路由”的效果从系统整体表现中分离出来。

arXiv 论文

ContextPilot 提出一种用于长程智能体任务的主动上下文管理框架，通过扩展规划、长期记忆和软上下文卸载工具，并使用面向上下文编辑动作的细粒度强化学习（RL），在长上下文问答和深度搜索任务中实现更强性能与更紧凑的工作上下文。

长程智能体任务中，LLM需要跨多轮交互反复检索、整合和维持分散信息；但保留全部交互历史会导致工作上下文持续增长。现有主动上下文管理方法允许模型用专用工具编辑自己的工作上下文，但仍存在三点局限： 1. 工具集受限，仅支持搜索、删除和摘要，缺少全局规划、长期记忆和自适应压缩； 2. 探索效率低，将所有上下文管理动作视为同等重要，忽略其对最终结果的不同影响； 3…

arXiv 论文

本文提出一个分裂共形（split conformal）框架，使神经算子输出的校准逐点带能在评估域上至少 $1-\gamma$ 的比例内包含真实解，并且该覆盖保证在测试输入与校准输入上以至少 $1-\alpha$ 的概率成立（$\alpha,\gamma\in(0,1)$）。在Darcy流与Navier-Stokes方程实验中，该校准带比现有校正方法更紧，同…

Conformal Uncertainty Quantification Guarantees for Neural Operators

arXiv 论文

该综述认为，2025–2026年的神经网络优化已不能简单描述为“新Adam变体的序列”；矩阵感知（matrix-aware）优化器是真实进展，但不存在独立于具体情境的AdamW替代品。

本文是arXiv上的一篇博客式综述（作者Ruoran Xu，2026-08-28发布，分类cs.LG/cs.AI），试图为近期优化器与训练优化方法提供一个系统化视角。它提出四个大致独立的设计轴：时间估计、更新几何、时间跨度管理、表示与系统；并认为优化器设计已从坐标级更新规则扩展到矩阵/层/系统层面，同时优化器状态表示需兼容分片（sharding）与低精度计…

arXiv 论文

大语言模型在面对“同一事实存在多个版本”的长尾分歧知识时，往往只回忆起其中一个版本；ElephantBench 上性能最强的模型也仅在 52.4% 的问题中同时恢复两个版本，说明参数化记忆存在明显的认知短视。

标准事实问答通常假设每个问题只有一个标准答案，这会掩盖模型是否真正记住了长尾事实中的分歧性叙述。为了弥补这一空白，论文提出 ElephantBench，一个闭卷（closed-book）知识探针，用来检验 LLM 是否保留同一事实的不同版本。

arXiv 论文

本文提出一种基于 nnU-Net 家族、结合解剖（器官）监督与在线交互式涂鸦提示的全身病灶分割模型，用于 FDG 和 PSMA PET/CT，在 AUTOPET V 挑战中通过四折交叉验证取得稳定最优性能。

面向 AUTOPET V 挑战，解决 FDG 与 PSMA PET/CT 全身病灶分割问题。 核心难点：示踪剂类型（FDG 或 PSMA）在推理时未知；生理性摄取会造成假阳性；单一模型难以同时泛化两种示踪剂。 提出两阶段训练策略：预训练获得强初始分割，在线交互阶段学习利用涂鸦（scribble）提示逐步细化预测。

arXiv 论文

Aero Hand Open 是一款开源的腱驱动拟人灵巧手，随附仿真模型、双向驱动映射和强化学习训练包，作者宣称可以让策略完全在仿真中训练后直接部署到实体手，无需微调或状态估计。

腱驱动手通过将驱动器移出关节来降低成本：缆绳传动使电机不必安装在关节内部，因此更小更便宜的电机即可满足要求；同时一个电机可以通过一根缆绳驱动多个关节，从而减少电机数量。但这种欠驱动传动也带来学习困难：产生上述成本优势的传动结构本身难以在仿真器中表示，而且一根缆绳驱动的多个关节无法独立控制。本文提出 Aero Hand Open，作为仿真就绪的腱驱动手平台，…

arXiv 论文

本研究对 scikit-rebate 包进行重构、优化与扩展，加入 SWRF*、mu-Relief 及 5 种新 Relief 变体，并在模拟基因组数据上比较发现：除 mu-Relief 外，多数 RBA 能有效检测噪声数据中的二阶交互；采用“far”评分的变体（尤其 MultiSWRFDB*）最擅长检测二阶交互但对主效应不敏感；综合主效应与二/三阶交互，…

研究问题：高维生物医学数据建模前，特征选择至关重要。多数过滤式特征选择方法难以检测特征交互，而包装式或嵌入式方法计算昂贵。Relief-based algorithms（RBAs）作为过滤方法，既能感知特征交互，又相对高效，但已有实现和比较仍不充分。 本文做了两件事：(1) 重构、优化并扩展 scikit-rebate Python 包，纳入已有和新提出的…

arXiv 论文

AcrossVAM1.0 是一个 0.28M 参数的轻量级文本辅助视频动作模型，通过将未来预测分解为“语义粒子运动 + 稠密外观生成”来预测机器人未来 5 帧；在自建 VRS 基准上，粒子动力学使轨迹误差比“持续最后一帧”基线降低 21.0%，但语言指令的影响仍较弱（正确 vs 打乱语言仅带来 2.8–3.1% 的轨迹误差变化），外观交付也尚未在 LPIP…

研究问题：机器人视频预测既需要精确的运动推理，又需要保持高频外观；传统整体式像素模型把这两个目标纠缠在一起，且容易被“直接复制最后一帧”这类强基线掩盖其真实进展。 核心思路：将未来预测解耦为“以物体为中心的粒子运动”和“稠密外观生成”两条路径，而不是用一个单体像素生成模型同时完成两个目标。 数据与基准：使用作者自建的 VRS benchmark，由多种真实…

arXiv 论文

听者无法仅从话语形式（utterance form）完全恢复说话者的意图；无论使用多少文本数据、多少监督信号，任何文本表示（包括当代大语言模型的隐藏状态）在解码意图时都会受到形式对意义内在不确定性的上界限制。

这篇论文用一个信息论框架回答了一个经典问题：一个听者能否仅凭话语的形式本身，就确定说话者想表达的意义？作者将语言使用建模为“意义—语境—话语”的联合分布，并从理论上推导出：从话语表征中恢复说话者意图的成功概率存在上界。该上界适用于任意文本特征化器（featurizer），因此也适用于大语言模型。

arXiv 论文