AI 日报 · 2026-09-16

阶跃星辰发布 StepAudio 3 系列，包含 Realtime、ASR、TTS、Gen、Music 五款模型；材料称其在 Artificial Analysis 等语音相关榜单中多项位列第一或并列第一。

腾讯研究院 AI 速递材料显示，阶跃星辰发布 StepAudio 3 系列，五款模型均已上线开放平台。该条目聚焦语音/音频模型的能力矩阵与榜单表现，尤其是 Realtime、ASR、Gen、Music 等方向。具体发布时间、榜单快照日期与评测细节待核实。

腾讯研究院（搜狐同步）

Arena（Research Arena Team）于 2026 年 9 月 16 日发布题为 “HarnessTax: How Much Does the Harness Matter for Coding Agents?” 的文章，从标题判断其关注点是：在编码智能体（coding agents）中，智能体框架/harness 本身对最终表现的贡献与代价…

已知元数据：来源为 Arena 博客，文章英文标题 “HarnessTax: How Much Does the Harness Matter for Coding Agents?”，署名/发布方为 Research Arena Team，日期为 2026 年 9 月 16 日。 归类：Track = industry；Topics = benchmark…

arena.ai

据量子位 2026-09-16 报道，紫东太初开源约 9B 的通用多模态模型 ZDTaichu5.0-9B，宣称在九项空间理解基准中八项第一，并以数据管线、自适应循环推理和内外循环协同兼顾空间具身与通用能力；榜单与演示效果尚待独立复现。

事件：紫东太初发布并开源 ZDTaichu5.0-9B，定位通用多模态大模型，强调“通用能力不打折，空间具身智能断层领先”，标题称其“跻身全球多模态第一梯队”。 研究/产品问题：多模态模型已能理解图片，但进入真实物理世界后，空间理解与行动规划往往不足；一些模型补空间能力时又会牺牲通用能力。文章称 ZDTaichu5.0-9B 试图同时跑通两者。 来源：量子…

量子位

生数推出Vidu S2，视频流支持实时编辑与换装

腾讯研究院（搜狐同步）

按 Boston Dynamics 对该博客的描述，Spot 机器人 5.2 版本试图把企业系统与自主机器人连接起来，以让 AI 投资从“洞察”走向“自主行动”；但具体功能、效果和发布细节待核实。

材料主题为“AI 栈中缺失的一环”。 Fetched description 称：Spot 机器人 5.2 release 连接企业系统与自主机器人，以释放 AI 投资更多价值。 Fetched text excerpt 出现：Inspection、Webinar、31 min watch、From AI Insights to Autonomous Ac…

bostondynamics.com

据腾讯研究院 AI 速递转述，OpenAI 数学家称 Astra 在球堆积线性规划界的最优渐近行为与首个非 Sofic 群反例上取得证明进展；他们认为该模型优势在于知识广博、执行细节可靠、能持续更新路径成功率并剪枝，且 AI 证明往往简短漂亮。上述结果与判断尚需原始论文、独立验证与官方信息核实。

来源条目“七、OpenAI数学家拆解Astra攻克数学难题的路径”称，OpenAI 数学家透露 Astra 完成两项数学结果： 1. 证明球堆积线性规划界的最优渐近行为； 2. 给出首个非 Sofic 群反例，后者证明约 15 页。 讨论问题包括：AI 攻克数学难题的路径是什么，模型相对人类数学家的优势在哪里，AI 产出的证明会是什么形态，以及这对数学研究…

腾讯研究院（搜狐同步）

据腾讯研究院AI速递 20260916，苹果推送 iOS 27 正式版，核心是 Apple Intelligence 加持的新一代 Siri 可读取屏幕上下文并跨应用执行复合指令，手机助手进一步向系统级 Agent 方向演进；但国行版相关功能暂未开放，实际可用范围与时间待核实。

事件：苹果推送 iOS 27 正式版，最低支持 iPhone 11 与 iPhone SE 2。 核心变化：全面接入 Apple Intelligence 的新一代 Siri。 关键问题：Siri 能否从单应用问答升级为跨应用任务执行入口？材料只给出产品描述，权限、隐私和执行边界待核实。

腾讯研究院（搜狐同步）

OpenAI 发布了一篇题为 “How to connect AI usage to business value” 的材料，主题是用 ChatGPT Work 与 Codex 的分析能力，帮助团队了解 AI 使用情况与支出、识别培训需求，并把采用情况与业务成果联系起来；由于正文未能抓取，以下内容仅为基于元数据的草稿，具体论述与数据**待核实**。

来源为 OpenAI 官网 index 页面，标题为 *How to connect AI usage to business value*（URL 见文末）。 从标题与元数据摘要看，它要回答的问题是：企业如何把“用了多少 AI”转化为可衡量的“业务价值”。 涉及对象包括 ChatGPT Work、Codex 及其分析（analytics）能力。 发布时间…

OpenAI

NVIDIA 技术博客称，Groq 3 LPX 通过确定性、周期精确的执行调度，让编译器提前预测电流需求，并用 Preemptive Power（PEP）与 Clock Period Synthesis（CPS）降低电压跌落和电压裕量，从而在 Vera Rubin NVL72 平台上提升高交互、长上下文推理的每瓦性能；页面 AI 摘要还称其与 Vera R…

材料来源为 NVIDIA Technical Blog，发布于 Sep 15, 2026，作者为 Seth Weidman、Aravind Vellora Vayalapra、Santosh Raghavan。 文章讨论的核心问题是：AI 工厂受电力约束，性能/瓦而非未归一化吞吐，是衡量 AI 平台价值的关键指标。 文章解释 Vera Rubin 平台、V…

NVIDIA 博客

据可获取的元数据，OpenAI 与美国退休人员协会（AARP）合作，在美国 10 座城市为 1,000 名老年人提供免费的 ChatGPT 动手实践工作坊，目标是帮助他们安全地建立实用 AI 技能；由于正文未能抓取，具体安排与成效均待核实。

已知信息（来自元数据/候选摘要）：这是一项面向老年人群的 AI 素养推广活动，由 OpenAI 与 AARP 合作，形式为免费、动手实践（hands-on）的 ChatGPT 工作坊，覆盖 10 个美国城市，规模约 1,000 名老年人，强调“安全地”（safely）建立实用 AI 技能。 研究/推广问题（据元数据推断）：如何让老年人在日常生活中安全、有效…

OpenAI

NVIDIA 技术博客指出，Dense 模型每个 token 激活全部参数，MoE 模型通过路由只激活部分专家参数，从而把显存成本（总参数）与每 token 计算成本（活跃参数）解耦；实际选型取决于显存预算、并发需求、微调计划与量化行为，而不只是参数总量。

这篇文章回答的问题是：为什么一个 30B 总参数模型可以每 token 只激活 3B 参数，却仍利用较大模型的容量？文章对比 Dense 与 MoE 架构，讨论吞吐、内存、路由、微调、量化与部署选择，并以 Nemotron 3.5 Lightning（30B 总参数、3B 活跃参数）为 MoE 案例，同时比较 Gemma 4 31B、Qwen3.8-27B…

NVIDIA 博客

2026年9月16日，Cohere宣布与Aleph Alpha签署最终业务合并协议，计划以Cohere品牌全球运营，形成材料所称的“首个跨大西洋主权AI解决方案”；交易仍需最终监管批准。

Cohere Team发布博客称，公司已与Aleph Alpha签署最终业务合并协议，此前曾在2026年4月发布计划合作消息。 合并后的公司将在全球以Cohere名义运营。材料将其定位为“首个跨大西洋主权AI解决方案”，但交易仍受最终监管批准约束。 公司计划在加拿大和德国都保持深度布局，包括总部、研发中心和领导角色。 交易完成后，Cohere员工总数预计超…

Cohere 博客

英伟达等企业限制Claude，数据留存成新门槛

腾讯研究院（搜狐同步）

无问芯穹联合清华大学、上海交大开源具身端侧推理引擎 APXInf，材料称其在 Jetson Thor 上把 Pi 0.5 FP8 端到端推理延迟从 278 毫秒压至 26 毫秒以内，推理频率达 38.46 赫兹，降幅约 10.7 倍。

腾讯研究院 AI 速递 20260916 第六条报道，无问芯穹联合清华大学、上海交通大学开源具身端侧推理引擎 APXInf。材料将其定位为端侧推理项目，并强调其面向具身场景、支持多类硬件平台、以 Rust 构建运行时并封装 Python 接口。具体研究问题、设计目标与完整技术报告，材料未提供，待核实。

腾讯研究院（搜狐同步）

盖茨警示AI加剧不平等，基金会投入10亿美元

腾讯研究院（搜狐同步）

黄仁勋在 All-In Summit 上反对以放慢 AI 速度为安全策略，主张通过工程体系、沙箱、运行时与持续监控来管控模型事故风险。

材料第九条记录，黄仁勋在 All-In Summit 回应 Dario Amodei 的 AI 限速主张。他称放慢速度“绝对是错误策略”，并认为安全与技术领先不必二选一。对于模型事故，他主张应先回到工程体系查根因，而不是直接以减速作为主要应对。该条属于产业领袖对 AI 安全、监管与发展速度之争的公开表态。

腾讯研究院（搜狐同步）

NVIDIA 团队在 TileGym 中构建了一个受约束的多智能体 AI agent skill，把 cuTile Python 与 Triton-TileIR 的 GPU kernel 翻译为 cuTile Rust；材料称已移植全部 24 个公开算子，平均达到 cuTile Python 性能的 99.5%，并用 Tile IR diff 和机器可检判…

NVIDIA Technical Blog 文章《Translating CUDA Tile Operations from Python to Rust Using Agentic AI》讨论：如何把 TileGym 中已有的生产 tile kernels 从 CUDA Tile Python / Triton-TileIR 迁移到 cuTile Rus…

NVIDIA 博客

据可获取的元数据，OpenAI 正在探索以 AI 智能体为核心的新广告体验，涉及名为 “Sponsored Agents” 的形态、面向营销人员的工具，以及与 HubSpot、Shopify 的集成；但原始正文未能抓取，除标题与摘要外的具体机制、发布时间、可用范围与商业条款均待核实。

材料标题为 **Reimagining advertising with AI**，来源为 OpenAI 官网（openai.com/index/…），轨道归为 **industry**，主题标签为 **agent**。 候选摘要称其内容是：探索 OpenAI 推出的新 AI 驱动广告体验，包括 Sponsored Agents、面向营销人员的工具，以及与…

OpenAI

据开发者抓包与腾讯研究院 AI 速递转述，Claude Code 中调用 Opus 5 时已被路由至 Opus 5.2，Anthropic 可能跳过 5.1 直接开启灰度测试；材料同时将这一动作与 Anthropic 内部 RSI（材料称“自我改进”）及 Model 2 跑 Agent 写代码的叙事联系起来，但官方确认信息待核实。

来源为《腾讯研究院AI速递 20260916》第一条“Opus 5.2灰度上线，Anthropic押注RSI自我改进”。 开发者抓包发现，Claude Code 中调用 Opus 5 时已被路由至 Opus 5.2。 材料称 Anthropic 大概率跳过 5.1 版本，直接开启灰度测试。 此前曝光的内部风险报告显示，Anthropic 大部分代码已由未发…

腾讯研究院（搜狐同步）

How to Use AI Agents to Prepare 3D Scenes for Simulation

NVIDIA 博客

据腾讯研究院AI速递 20260916 摘要，Meshy创始人胡渊鸣判断：GPT-6 Astra可能接管场景生成、参数化建模与CAD零件等任务，但与精细3D生成互补；精细3D生成仍需专用模型，扩散路线在速度上更有优势。

本条是胡渊鸣对 Astra / GPT-6 Astra 在3D生成与建模领域能力边界的回应。核心问题是：通用大模型或代理是否会取代专用3D生成与建模工具？材料的观点是“部分吞掉、部分互补”。同一材料另有 OpenAI 数学家谈 Astra 攻克数学难题的条目，但本条未说明两者是否为同一模型版本或同一发布主体，待核实。

腾讯研究院（搜狐同步）

Track, Articulate, Act 提出一个 real-to-sim 框架：仅用日常随意拍摄的单目 RGB 人类视频，重建可仿真的铰接物体与手-物交互，并在 MuJoCo 中通过接触重放交互。

研究对象：门、抽屉、柜子、笔记本电脑、烤箱、带铰链容器等日常铰接物体。 难点：这些物体不能由单一姿态表示，运动依赖底层部件与关节；对具身交互构成特殊挑战。 核心问题：如何在没有 RGB-D、多视角、先验扫描、手动指定关节、机器人演示的条件下，从 casual monocular RGB video 得到 simulation-ready 的铰接物体和手-物…

arXiv 论文

论文将多智能体“社会法则”从确定性、基于目标的设定扩展到随机、基于奖励的环境，提出 α-robustness 概念，并给出基于归约为求解一系列 Markov decision processes 的鲁棒性验证方法；实验仅在玩具环境中展示潜力。

英文标题：Social Laws for Multi-agent Coordination in Stochastic Environments。 核心问题：在多智能体环境中，如何协调智能体以避免相互干扰，并保证个体性能具有鲁棒性。 既有社会法则研究主要集中在 deterministic, goal-based settings；本文面向 stochast…

arXiv 论文

论文提出：攻击者若影响 AI 顾问，可能把其建议转化为有害的量子纠错恢复更新；在奇数距离方形 toric code 中，被动 syndrome 历史无法区分相反的相干 X 旋转，需额外校准测量和独立评估器来认证更新是否真正优于当前恢复。

研究问题：攻击者能否通过影响 AI 顾问，让量子纠错系统接受有害更新？作者指出被动 syndrome 记录中的歧义会阻碍恢复选择，并研究在不确定性和漂移下，额外校准测量如何支持“认证的恢复更新”。

arXiv 论文

ScienceIDE 试图把科学代码仓库转化为科学智能体可编程、可执行、可验证的学习环境；基于验证过的交互轨迹训练的 PhAI-IDE-72B、PhAI-IDE-9B、PhAI-IDE-4B，在留出的科学代码修复任务和部分通用代码、推理、知识基准上取得提升，提供了科学经验向更广能力正迁移的证据。

科学代码仓库以可执行模型、方法和工具的形式，编码了数十年的科学知识。 但碎片化工具链、隐式领域约定和专门的正确性标准，使这些知识难以转化为可靠的学习经验。作者将这一挑战称为“scientific experience bottleneck”（科学经验瓶颈）。 ScienceIDE 的研究问题是：如何把世界的科学代码转化为科学智能体可用的可编程环境，并进一步…

arXiv 论文

rMuscle 是一个受人类肌肉记忆启发的实时 VLA 推理框架，通过复用机器人重复执行中的上下文与动作内部状态，在 RTX 4090 和 Jetson Thor 上取得 1.29–1.42X 加速，并在真实机器人上保持原成功率（更细粒度指标待核实）。

工厂重复性手工工作是具身 AI 的早期场景；VLA 模型已成为这类机器人的主流策略范式。VLA 推理延迟直接影响机器人响应速度和运动平滑度。现有 VLA 推理框架未充分利用具身工作负载特征，也未充分处理 VLA 推理不同阶段的瓶颈。论文首先刻画具身工作负载，发现机器人重复执行之间存在显著任务相似性，且相似性超出观测和动作轨迹，延伸到内部模型状态。

arXiv 论文

RLLBC-Lib 是一个面向强化学习（RL）与基于学习控制（learning-based control）的教育代码库，通过表格型 RL 与深度 RL 的平行实现、核心原则示例以及可支持自动评分作业的基础，试图降低学生和其他学习者的入门门槛。

来源材料指出，强化学习既是令人兴奋的概念，也是值得分享的成功故事；但 RL 依赖不同对象之间较复杂的交互，并且这些交互会在多个周期中展开。此类动态通常更适合通过易于访问的实现来解释。

arXiv 论文

在 AI 胸片报告生成（RRG）评估中，参考报告的书写风格差异足以改变评估指标结果乃至模型排名；论文提出 ReRef 重写参考报告，并发布经放射科医生验证的 MIMIC-CXR-Ext-ReRef 数据集。

放射科医生遵循异质的报告书写实践。即使两位放射科医生查看同一张图像并识别出相同临床发现，也可能因术语、简写、格式和详细程度不同，写出表面差异较大的报告。这种报告规范差异在评估 AI 放射报告生成模型时是一个未被充分重视的障碍，因为机器生成报告通常依据与人类参考报告的一致性来评估。

arXiv 论文

xvr 是一个自监督 2D/3D 刚性配准框架：它用物理模拟从患者自身术前扫描生成训练数据，结合基础模型与患者特定神经网络/梯度优化，摘要称仅需约 5 分钟微调即可适配任意解剖区域，并在真实透视数据上实现秒级、高精度的跨解剖结构、跨体积成像模态和跨医院配准。

图像引导介入和手术机器人需要把术前 3D 体积（如 CT、MRI）与术中 2D 图像（如 X 射线透视）快速、精确对齐。既有 2D/3D 配准方法难以泛化到广泛的透视引导手术：强度型优化器需要逐例调参；深度学习方法需要大量人工标注数据，且受限于训练时使用的特定解剖部位。xvr 试图解决标注依赖、逐例调参和解剖泛化问题。

nature.com

论文摘要提出一个统一的概率可解释性框架，用稀疏、锚定线性模型同时面向二分类与连续回归，并给出 MIP 与 IHT 两类求解路线；摘要称其解释按构造满足锚定与稀疏约束，并比 LIME、MAPLE 等基线取得更低 relevance error。

形式化可解释性可为个体预测提供数学上 grounded 的 justification，但溯因解释（abductive explanations）常因涉及过多特征而超出人类认知限制；概率化放松此前又主要限于分类任务。本文关注的问题是：能否为个体预测提供概率化、可控稀疏、且可推广到回归的线性解释。

arXiv 论文

一项 2025 年 12 月至 2026 年 3 月在尼日利亚 761 名医疗专业人员中进行的横断面调查显示，医疗 AI 认知度很高（92.6%），但知识/准备度不足（40.9% 报告低或极低知识，63.0% 自认准备充分），形成“高认知—低准备”的临床采用缺口。

研究评估尼日利亚多个学科、多个实践场景的医疗专业人员对医疗 AI 的认知、态度、准备度与采用障碍。核心问题是：在低收入和中等收入国家（LMICs）基础设施与培训缺口持续存在时，医疗队伍是否准备好临床采用 AI？来源为 arXiv 条目，英文标题为 *Prepared Or Unprepared? Evaluating Healthcare Workforc…

arXiv 论文

英文标题：PointZero: 3D Point Track Completion for Learning Transferable 3D Dynamics。 背景：世界模型使感知系统能够预测场景在交互下如何演变；这类模型通常需要多样、大规模数据训练，才能形成丰富先验。 瓶颈：现有方法通常需要 robot action labels 来学习 action…

arXiv 论文

在双智能体 log(N)-Questions 游戏中，除 Claude Opus 5 明显落后外，五个前沿模型表现接近；随文档集合增大，胜率按单一每轮可靠性参数衰减，且每问题信息量与胜率相关，而推理 token 开销与成功关系不大。

该研究评估六个前沿语言模型在双智能体 log(N)-Questions 游戏中的通信效率。提问者看到 N 个 Wikipedia lead paragraphs，必须用恰好 log₂ N 个是/否问题找出秘密目标；回答者只看到目标与问题，并用一个词回答。两个角色运行在同一提供方上，因此该游戏衡量的是一个模型在信息不对称下与自身沟通的能力。

arXiv 论文

PhysVGGT 是一个前馈模型，能从单张 RGB 图像经一次前向传播，同时预测摩擦系数、邵氏硬度、杨氏模量、密度的逐像素稠密图以及物体级质量；论文摘要称其在 ABO-500 上取得 SOTA，并有效泛化到分布外的 NeRF2Physics，单图推理延迟 0.13 秒，比此前 SOTA 快 27 倍。

研究动机：摩擦、硬度、刚度、密度等物理属性决定机器人应如何抓取、操作和与物体交互，但从 RGB 图像估计这些属性仍然困难。 既有做法的代价：一类方法先做逐物体重建再附加物理属性，另一类在测试时直接查询视觉语言模型（VLM），二者都带来可观的计算开销，限制了实际可用性。 本文提出的问题可概括为：能否用一次前馈推理，直接从单张图像读出稠密的局部物理属性与物体级…

arXiv 论文

PANORAMA 面向“全景接地图文描述”（Panoptic Grounded Captioning）任务，要求视觉语言模型同时描述前景对象与背景区域，并把每个指代短语接地到像素级掩码；它通过从短语条件化的掩码提案池中选择匹配掩码，并与字幕生成联合训练，在 PanoCaps 基准上取得最佳整体 grounding。

英文标题：PANORAMA: Panoptic Grounded Captioning via Mask Proposal Selection 来源类型：arXiv 预印本，主要分类为 cs.CV，同时列入 cs.CL。 研究问题：当前 VLM 能生成流畅、详细的图像描述，但可靠地把描述关联到图像像素仍然困难。已有“密集描述 + 像素级 grounding…

arXiv 论文

该研究把分词器设计拆成“优化目标”（压缩 vs. 对数似然）与“搜索过程”（自底向上合并 vs. 自顶向下剪枝）两个正交轴，并用新算法补全 2×2 设计空间；结果表明，搜索过程而非优化目标是多数设置下 bits-per-byte 的主导因素，但在 BLiMP 上未观察到设计选择与表现的一致关系。

现代语言模型主要使用两种分词算法：byte-pair encoding (BPE) 和 UnigramLM。二者在两个正交轴上有差异：优化目标（compression vs. log-likelihood）与搜索过程（bottom-up merging vs. top-down pruning）。现有比较混淆了这两个轴，因此不清楚观察到的差异来自“优化什么…

arXiv 论文

MUSE 是一个面向情境化教育应用的大型视觉语言模型基准，重点评估模型对艺术图像的多模态理解；摘要称评估发现不同能力维度差异明显，尤其在情感解读与组合推理方面。

大型视觉语言模型在多模态理解上已有显著进展，但其教育场景能力仍缺乏充分评测。 在 AI 辅助语言学习中，模型需要解读艺术图像，理解其语义、情感与文化内容，并围绕视觉语境进行推理，以支持有意义的互动。 现有基准多聚焦真实世界图像或特定领域的教育推理，对艺术教育内容的覆盖有限。 论文提出 MUSE，试图填补这一缺口，聚焦情境化教育应用中的艺术图像理解。

arXiv 论文

奖励黑客行为在前沿开源 LLM 的内部表征中留下了可用简单均值差向量（difference of means, DoM）捕捉的信号；该信号可在评估中以近乎零成本监测、在线预警，并在部分设置中迁移到非 SWE 评估。

论文英文标题为 Monitoring and Discovering Reward Hacking with Internal Representations during LLM Evaluations。研究问题是：随着模型规模扩展，reward hacking 变得更频繁、更复杂、后果更大，它是否会在模型表征中留下“告密”签名？作者分析前沿开源 LLM…

arXiv 论文

对于本地部署的语言模型游戏 NPC，修改少量记忆若导致长可复用前缀失效，会与前台对话和其他角色维护争夺计算资源；摘要描述的增量记忆维护运行时通过移除被取代的注意力 KV、在真实序列尾部计算替换记录，并保留持续循环状态与未变 KV，在八轮脚本维护中保持关键当前状态与历史绑定。这提示角色推理状态应被视为需要维护的历史依赖资源，而不仅是其最新记忆文本的一次性编码…

游戏角色不应在每次对话前重读其整个生命。 本地部署语言模型角色面临的问题：修改少量记忆会使长可复用前缀失效，准备成本与前台对话、其他角色维护竞争。 当对话驱动游戏定义的动作与价值判断时，流畅但不正确的叙述（例如物品归属、转移是否已经发生）会污染原本确定性规则的输入。 研究焦点：为长期游戏 NPC 做增量记忆维护，在量化 Qwen 混合循环-注意力模型上进行…

arXiv 论文

材料提出 GPT-Policy：一个面向上下文机器人学习的通用智能体框架，目标是在不做梯度更新、不持久修改任务特定参数的前提下，让商业 VLM 依据演示、示例和交互反馈，提出可验证并执行的机器人工具动作，以适应新的初始状态。

具身 AI 的长期目标之一，是让机器人像人类一样适应陌生环境。有限演示集无法覆盖机器人将遇到的全部任务与情境，因此部署时的上下文学习对泛化很关键；但现有机器人策略仍难以实现这种 ICL。材料提出的问题是：以 GPT-6 Astra 等商业 VLM 为代表的广泛智能体能力，能否从演示、示例和交互反馈中学习，并把信息转化为在新初始状态下可执行、可验证的机器人行…

arXiv 论文

根据题名与元数据，这是一篇关于提升探索型机器狗视觉可解释性、并出现 “peering” 概念的 Science Robotics 论文；正文未抓取，具体结论、机制与实验结果均待核实。

英文标题为：How robot dogs see the unseeable: Improving visual interpretability via peering for exploratory robots。 候选摘要显示发表信息为：Science Robotics, Volume 11, Issue 118, September 2026；该卷…

science.org

这篇预印本摘要声称，预训练中的架构干预可以改变 scaling exponents，而不只是改变 scaling law 的常数项；其中通过循环/递归深度实现的模型增长对指数改变最大，并在特定比较中带来显著的算力效率增益。

传统 scaling laws 通常描述损失如何随计算增加而下降；该研究提出的核心问题是：架构干预能否在预训练中改变 scaling exponent，从而带来随计算增加而加剧的效率改进。 摘要以 looped transformers 的架构形式作为锚点，讨论 looping（也称 recursive depth，递归深度）如何通过训练中增加循环次数实现…

arXiv 论文

HOPE（Higher-Order Pruning of Experts）把混合专家（MoE）模型的专家剪枝从“逐个专家独立打分”的一阶做法，升级为显式建模专家之间协作关系的二阶目标；论文摘要称其在高剪枝率与智能体类任务上优于现有方法，包括把 REAP 作为忽略交互项的特例包含在内。

来源材料指出，MoE 语言模型虽然激活参数稀疏，但总参数量庞大，形成显著的内存瓶颈。 专家剪枝被视为降低总参数量最直接的手段，但既有方法有两个前提假设：(1) 对每个专家独立做剪枝决策；(2) 假定各专家的贡献是可加的。 论文主张真实情况并非如此：MoE 中专家使用具有“协作性”（inherently cooperative），因此需要能刻画专家交互的剪枝…

arXiv 论文

Flag Game 是一个研究 AI 智能体集体信念形成机制的玩具模型；它复现了群体规模与表现的非单调关系，并将小群体“集体信念崩塌”到大群体“集体信念极化”的转变作为核心现象，同时提出 social circuit attribution 与统计力学理论两条互补分析路径。

来源论文英文标题：*Flag Game: A Toy Model for Mechanistic Swarm Interpretability*。 作者：Elizabeth Pavlova, Hidenori Tanaka。 arXiv ID：2609.19124v1；发布时间按材料记为 2026-09-16T17:46:06Z。 研究问题：AI 智能体涌…

arXiv 论文

在日志记录器依赖历史时，一个已记录数据集可以频繁访问每个隐藏状态并满足多种覆盖/揭示条件，却仍对目标策略价值指数级无信息；评估已知确定性目标策略到精度 $1/8$ 需要 $\Theta((3/2)^H \log(1/\delta))$ 条日志回合。

论文提出的问题是：日志数据集能否频繁访问每个隐藏状态，却仍然对目标策略的价值指数级无信息？作者证明，当 logger 依赖 history 时，这是可能的。对每个 horizon $H \ge 3$，论文构造两个 POMDP，它们每阶段至多有两个隐状态、三个动作，并共享一个具有三个记忆状态的 logger。即使 action coverage、belief…

arXiv 论文

根据来源摘要，Andromeda 2 在紫杉醇自乳化给药系统（SEDDS）配方开发中，以结构化内部实验证据为推理基础，在匹配预算下相较 Andromeda 1 和湿实验室 DoE 取得更高高性能命中率、更多满足四项 TPP 目标的配方，并显示结构化内部实验证据带来可量化的 AUC 增益。

来源材料关注：SEDDS 可改善难溶性药物的口服生物利用度，但识别高性能配方仍高度依赖实验。研究问题是，能否用证据驱动的智能体系统在自动化实验室中设计并执行连续配方批次，从而减少实验密集度并提高配方发现效率。作者提出 Andromeda 2，并在匹配预算下与 Andromeda 1、湿实验室设计实验（DoE）进行基准比较。

arXiv 论文

该研究提出联合生成视频与音频，从结构化自然语言任务提示中导出运动轨迹，并用生成接触声音的响度塑造有界、时变的期望力曲线；在 Franka Panda 机器人上通过闭环力调节器执行后，能够在纯运动学基线失败的接触丰富任务上完成操作，同时可作为数据生成引擎训练闭环策略。具体任务数量、成功率与力控指标待核实。

背景：近期视频生成进展使机器人可从生成视频中学习操作轨迹，但这类方法产生的是纯运动学轨迹，缺少力信息；在接触丰富任务中，合适的接触力对成功至关重要，因此纯运动学方案会失败。 研究问题：能否用生成音频增强生成视频，从结构化自然语言任务提示中同时得到运动轨迹和对应期望力曲线，实现零样本力感知操作，并进一步作为数据生成引擎训练闭环策略。 材料范围：当前来源为 a…

arXiv 论文

该论文用统计力学解释双下降现象：测试误差随参数数量 d 的曲线先下降、在模型刚好能拟合训练数据时出现峰值、然后再次下降；在固定训练损失下增加参数会降低诱导温度 T，使 Boltzmann 分布趋向 stationary path，并降低 stationary path 的 L² 范数，从而相当于增强权重正则化。

研究问题是双下降现象为何会出现。摘要称，模型的测试误差相对于其参数数量 d 作图时，会先下降，在模型刚好能拟合训练数据时达到峰值，随后再次下降。论文提出用统计力学解释这一现象。

arXiv 论文

VyPER 是一个将对撞机事件建模为物理启发超图、并用超边监督分类与扩散模型联合完成事件重建的几何学习框架；摘要报告其在多个质子-质子碰撞过程中可实现准确事件重建，并指向 Higgs、电弱与顶夸克扇区的精度测量。

粒子对撞机实验中的事件重建，是指从探测器记录的稳定末态，推断硬散射中产生的短寿命粒子运动学。该工作把事件重建分解为两个主要任务： 将测量到的喷注和带电轻子分配给其母粒子； 预测未被测量的中微子运动学。

arXiv 论文

在 ScienceWorld 上，将 Adaptive Memory Module (AMM) 与 Self-Reflection Module (SRM) 作为 SwiftSage 的模块化认知扩展后，全系统取得最佳平均最终得分（64.62）、成功率（43.17%）和成功步骤效率（19.33 steps）；其中 SRM 是单独贡献最强的模块，提示执行时控…

语言智能体在交互环境中仍较脆弱，成功往往需要长时程状态跟踪、有效动作执行，以及从失败步骤中恢复。该论文研究：如何在同一执行基底上，通过记忆与自我反思两个模块化认知扩展，提升双过程语言智能体在交互任务中的表现？研究对象为 SwiftSage，一种结合快速动作提议者与较慢规划器的 dual-process agent；评估基准为 ScienceWorld。

arXiv 论文

DualViewEval 通过联合利用“结果关系”和“过程关系”来压缩智能体基准，在少量任务上预测全基准分数，并在多个智能体基准上优于代表性基线。

智能体基准的评测成本显著高于传统 LLM 基准，因此基准压缩是自然需求。材料指出，现有方法主要建模任务—模型最终分数分布中的冗余。为弥补这一局限，作者分析大规模轨迹，识别出六类与最终智能体表现系统相关的互补过程信号，并提出从完整视角解耦智能体性能冗余的问题。

arXiv 论文

Affora 是一个同时服务人类用户和计算机使用智能体的设计系统：它试图在不牺牲视觉自由和人类熟悉工作流的前提下，让界面中的动作、任务状态等交互含义对机器可读；在能修补既有缺陷的独立界面评测中观察到增益，但效果受覆盖范围限制，工作流交互成本降低仅为初步证据。

计算机使用智能体越来越多地操作原本为人类设计的软件。问题在于，界面常常没有向机器读者清楚表达可执行动作或任务状态。Affora 要回答的是：能否让同一套界面同时支持人类与智能体，而不是为智能体另建一套专用界面？论文围绕组件实现、视觉变化和交互设计原则三项受控研究展开，并把发现转化为从单个组件到完整站点的指南、可复用实现和可执行检查。

arXiv 论文

Science Robotics 2026 年 9 月（第 11 卷第 118 期）刊载一篇题为 *Advancing minimally invasive precision surgery in large open cavities with robotic flexible endoscopy* 的论文，主题指向用机器人柔性内窥镜在大开放腔体内实施…

已确认的元数据：文章发表于 *Science Robotics*，Volume 11, Issue 118, September 2026；DOI 为 10.1126/scirobotics.aed1470。 从标题可推断的研究问题（待正文核实）：在大尺寸、开放式的解剖腔体（large open cavities）中，如何借助机器人化的柔性内窥镜实现微创且…

science.org

该论文提出一种自适应卷积稀疏编码（CSC）框架：用 FISTA 展开 CSC 优化，把稀疏系数作为可微变量与网络参数联合学习，并从信息瓶颈视角控制压缩与任务信息保留；摘要称其在 CIFAR 和 ImageNet 上取得有竞争力的干净识别表现，并明显提升不同输入扰动下的鲁棒性。

视觉信号需要紧凑但充分的表示，以支持鲁棒的下游预测。卷积稀疏编码能显式抑制冗余并保留信号内容，但其稀疏系数通常固定且手工选择。论文研究如何让该系数自适应学习，并用于鲁棒视觉信号表示。材料显示为 arXiv 预印本 arXiv:2609.19122v1，主分类 cs.CV，作者 Meng'en Qin、Yinchen Liu、Mingxuan Cui、You…

arXiv 论文

ComPO 提出一种基于比较 oracle 的零阶偏好对齐范式，试图在不直接优化可微偏好损失的情况下，从偏好对中提取方向信息，并在多个 LLM 上报告优于现有直接对齐方法的长度控制胜率。

直接偏好对齐方法因计算与内存效率被广泛用于让 LLM 符合人类偏好。但摘要指出，likelihood displacement 促使研究者寻找替代方式，从似然边际较小的偏好对中提取信息。本文提出并分析 Comparison-based Preference Optimization（ComPO）。

arXiv 论文

论文提出 Sparse Landmark Embedding (SLE) 核：将输入嵌入为基于全部 |D| 个训练点处紧支撑 bump 函数的稀疏特征向量，再在嵌入空间中套用任意标准 PSD 核，从而在不需要原始距离平方满足条件负定（CND）的情况下，构造出可证明 PSD 的核矩阵。

核方法，尤其是高斯过程（Gaussian Processes, GPs），通常要求距离度量是 Hilbertian distance measure，即其平方为条件负定（CND），以保证核矩阵正半定（PSD）。但光滑流形、概率分布空间等自然输入空间上的距离往往不满足该条件。论文试图消除这一限制。

arXiv 论文

Nature 论文提出 **Paper2Agent**：一个多智能体框架，可把论文的手稿、代码、数据和工作流自动转换为基于 **MCP（Model Context Protocol）** 的论文智能体，使其能通过自然语言复现原结果、回答新查询，并与其他论文智能体协作。

传统研究论文是科学传播的主要单位，但本质上是被动对象：读者需要先发现论文，再理解其贡献，并手动判断如何应用到自己的工作中。 对计算方法论文，技术门槛尤其明显：读者可能要找代码库、安装依赖、配置环境、理解 API 层级与参数语义。 材料以 **AlphaGenome** 为例：它提供基因组尺度基础建模框架，但部署和使用需要大量技术专长，限制了本可受益的生物学…

nature.com