本期 55 件事。点击标题可查看卡片、来源与相关知识点。
AMD与World Labs达成82亿美元收购协议，并计划让李飞飞出任AMD执行副总裁兼首席科学家；此举意在为AMD补齐空间智能与World Model能力，使前沿AI workload更早对接芯片路线图，但交易仍待监管批准，关键细节需以官方公告为准。
据《腾讯研究院AI速递 20260930》条目，AMD与World Labs达成82亿美元收购协议，预计年底前完成，并等待监管批准。李飞飞将任AMD执行副总裁兼首席科学家，直接与CEO苏姿丰合作。World Labs主攻空间智能与World Model。苏姿丰是其早期投资人，双方此前已有GPU训练推理合作。AMD希望借此补齐空间智能能力，更早对接前沿wor…
腾讯研究院（搜狐同步）
查看来源原文Arena 对 12 个模型、1,460 场真实 Text Arena 对战的研究显示，LLM 作为评审时明显偏好自己的答案：平均自选率比人类投票高约 70%（正文口径为 58% vs 34%；关键结论称平均高 23 个百分点），并且更少判平局、更常与其他 AI 一致，而不是与人类一致。文章提醒：使用 LLM-as-a-judge 时，作者身份不是中性变量。
Arena Research / Arena Team 于 2026-09-30 发布、2026-10-06 更新的英文文章 **“Do LLM Judges Favor Themselves?”**，文中亦称 **“Self-Preference of AI Judges”**。研究问题是：在隐藏来源模型名和人类投票的盲测条件下，LLM 评审的判断是否匹…
arena.ai
查看来源原文腾讯研究院 AI 速递称，Anthropic 发布 Claude Sonnet 5.5，在 Terminal-Bench 4.0 以 70.6% 超过 Opus 5.5 的 66.4%，同时维持与 Sonnet 5 相同的输入/输出标价，并出现单任务成本下降与速度提升；但高算力 Max 档单题成本可能高于 Opus 满档，真实性价比仍需看配置与评测口径。
材料条目属于模型发布与基准评测更新：Anthropic 上线 Claude Sonnet 5.5。 重点比较对象包括 Terminal-Bench 4.0、Artificial Analysis 智能指数、Chartography，以及仅凭截图玩《宝可梦 红》的代理能力。 核心问题可概括为：Sonnet 5.5 是否在终端代理任务上反超 Opus 5.5，…
腾讯研究院（搜狐同步）
查看来源原文Figure AI 发布了一条标题为“September 30, 2026 F.02 Decommission”的公告，从标题与 URL slug 看，指向其 F.02（疑为 Figure 02 系列）平台在 2026 年 9 月 30 日的退役或停用安排；正文未能抓取，公告对象、范围与后续替代方案均待核实。
已知元数据仅有：发布方为 Figure AI，页面路径为 `/news/f-02-decommission`，人工记录标题为“September 30, 2026 F.02 Decommission”。 从命名看，这似乎不是一次能力发布，而是一次**生命周期节点声明**，即某个代号为 F.02 的对象被“decommission（退役/停用）”。具体指的是…
figure.ai
查看来源原文据量子位 2026-09-30 报道，OpenAI 在 DevDay 2026 发布 25 项更新，主线是让 Agent 从“单次任务”转向“常驻职责”，同时用更便宜的 GPT-6.1 Sol、Ultrafast 速度档、Codex/Agents API 云端执行能力和账户商业化动作，降低长时间运行 Agent 的成本与工程门槛。
文章称，OpenAI 于“今天凌晨”在旧金山举行 DevDay 2026；文章发布日期为 2026-09-30。 文章称这是历届规模最大的一次 DevDay，公布 25 项更新，横跨 ChatGPT、Codex、GPT-6 模型和 API。 文章重点展开 5 个方向：Dots、GPT-6.1 Sol、Codex、Agents API，以及两个商业化动作；同…
量子位
查看来源原文LingBot-Vision 1.0 的官网技术页把“边界中心自监督”推进为可量化系统：以 1B 参数 ViT-g/16 在 NYUv2 深度 RMSE 上取得 0.296，超过 7B 参数 DINOv3 的 0.309，并给出蒸馏家族、边界 token 时序追踪与迁移到 LingBot-Depth 2.0 的具体结果。
材料是 Robbyant 官网的 LingBot‑Vision Vision Foundation Model 页面，Manual title 为 LingBot-Vision 1.0。页面提出的问题是：稠密空间感知对 physical intelligence 很关键，但现代视觉基础模型常优先语义不变性，牺牲细节空间理解；能否用 boundary-cen…
technology.robbyant.com
查看来源原文LingBot-Map 把流式 3D 重建的关键归结为“记忆问题”：以端到端学习的几何上下文注意力（GCA）维护锚点、局部位姿参考窗口和轨迹记忆，从而在长序列流式输入中持续输出点云、相机位姿与深度。已有相关卡片已概括其 10,000+ 帧与约 20 FPS 的长序列表现；本条增量在于补充 GCA 的内部上下文构成与 pipeline 细节。
来源页面将 LingBot-Map 定位为“Streaming 3D Reconstruction with Geometric Context Transformer”的模型/技术报告入口，并列有 Tech Report、Code、Hugging Face、ModelScope 等入口。其核心研究问题是：在流式 3D 重建中，模型应该保留什么记忆，以及以…
technology.robbyant.com
查看来源原文LingBot-Depth 1.0 是 Robbyant 页面介绍的深度空间感知模型，核心是把消费级深度传感器在玻璃、镜面、金属等反光/透明物体上的失效空洞，通过 Masked Depth Modeling（MDM）转化为可学习的监督信号；与已有相关卡片相比，本条增量主要在官网披露的数据管线、RGB-depth 统一潜空间、工业级硬件对比和机器人抓取成功率…
研究问题：消费级深度相机在玻璃、镜面、金属、透明物体等场景中经常失效，而这些恰是机器人最需要可靠深度感知的场景。 来源指出，现有 stereo-based depth cameras 在纹理缺失区域、透明表面或高反光材料上，因两视图匹配失败而返回空白或失真结果。 LingBot-Depth 的目标是把“不完整、含噪的深度传感器数据”转化为高质量、metri…
technology.robbyant.com
查看来源原文腾讯研究院 AI 速递（2026-09-30）称，可灵 Kling 4.0 将于 10 月正式发布，主打真实、可控、专业，并支持 10-bit HDR、4K/1080P 输出、多关键帧、单次原生最长 30 秒等能力；Flash 版于 9 月 28 日小范围开放。具体官方细节待核实。
该条目关注生成式视频模型如何从“生成可用片段”走向“进入专业后期与可控编辑流程”。材料以可灵 Kling 4.0 为例，列出发布节奏、输出规格、参考素材、关键帧、画幅、语言口型匹配与实测表现。来源为腾讯研究院 AI 速递的汇编条目，非可灵官方一手公告，因此关键规格与时间需待官方确认。
腾讯研究院（搜狐同步）
查看来源原文来源材料称，Cohere 发布 Embed 5 嵌入模型家族，提供 Pro 与 Fast 两档、共享同一嵌入空间，主打多模态、多语言、128K 上下文和复杂企业文档检索，并以文本 $0.12/$0.08 每百万 token 的定价在多个平台提供。
材料标注日期为 2026 年 9 月 30 日，Cohere 发布 Embed 5，称其为“前沿企业检索”嵌入模型家族。 面向的问题：企业搜索、RAG、agentic workflows 需要更高质量检索；在复杂多模态、多语言、金融/解析 PDF 数据中提高相关性，同时控制延迟、成本和私有部署要求。 Pro 定位：最高检索质量、离线索引、复杂企业语料。 F…
Cohere 博客
查看来源原文根据 AGIBOT 官网抓取到的英文标题，IDC 数据被用来支持“AGIBOT 在 2026 年上半年全球人形机器人出货量中领先”的说法；但抓取正文仅为网站导航与产品列表，具体数据、统计口径、排名和报告出处均待核实。
来源标题：IDC Data Shows AGIBOT Led Global Humanoid Robot Shipments in H1 2026-AGIBOT Innovation (Shanghai) Technology Co., Ltd. 给定 Manual title：IDC Data Shows AGIBOT Led Global Humano…
agibot.com
查看来源原文OpenAI 宣布与美国 SBDC 网络合作，面向小微企业扩展 AI 实操培训与本地支持，并配套发布一份关于小团队如何使用 AI 的报告；合作范围、培训形式、报告口径与时间信息均**待核实**。
根据现有元数据，本条对应 OpenAI 官网文章《Helping small businesses put AI to work》（Track: industry；Topics: ai-industry）。可确认的信息仅限于：OpenAI 与 America's SBDC 建立合作，方向是扩大小微企业的 AI 动手培训与本地支持，同时伴随一份关于小团队 A…
OpenAI
查看来源原文据 OpenAI 官方页面标题与摘要信息，OpenAI 披露并处置了一次以提取其受保护模型推理能力为目标的协同式“模型蒸馏”行动，并表示正在加强针对对抗性蒸馏的防御；具体事件细节待核实。
已知元数据指向 OpenAI 官网 index 页面，标题为 “Disrupting a coordinated model-distillation campaign”。 候选摘要称：OpenAI 阻断了一次试图提取受保护模型推理（protected model reasoning）的行动，并正在加强对对抗性蒸馏（adversarial distilla…
OpenAI
查看来源原文路透披露的 Anthropic 秘密 S-1 草案显示，其上市估值目标超 2 万亿美元；“2025 年净亏约 420 亿美元”中约 340 亿美元为可转股工具估值会计费用，经营亏损为 80.6 亿美元，因此简单把净亏等同经营烧钱会误读。
事件：路透披露 Anthropic 秘密 S-1 草案，上市估值目标超 2 万亿美元；具体条款与数字待正式文件核实。 核心问题：如何区分会计口径造成的账面亏损与经营亏损；高估值、高收入增长与客户集中度、长期合同缺口、算力承诺、特殊投票权结构之间的张力。 材料将其概括为“Anthropic招股书曝光：估值冲2万亿，亏损被误读”。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA TensorRT Model Connect 的实践表明，AI 原生开发的关键不只是用 coding agents 生成代码，而是从一开始围绕可并行、可隔离、可回滚、可验证的工作单元设计软件系统；候选代码可以随 agent 和 token 扩展，但可信软件只能按证据与验证系统的速度扩展。
NVIDIA TensorRT Model Connect 是一个开源 C++ AI 模型参考实现集合，构建在 NVIDIA TensorRT 之上。项目始于一个实际问题：能否让非 TensorRT 专家的模型开发者也能使用 NVIDIA 推理栈的性能？
NVIDIA 博客
查看来源原文据《腾讯研究院AI速递 20260930》，智元与网易云音乐达成合作，使远征A3成为材料所称“全球首个原生集成音乐平台的全尺寸人形机器人”，并计划自10月15日起支持语音点播正版曲库。
来源材料为《腾讯研究院AI速递 20260930》中的条目：“六、智元远征A3原生接入网易云，10月起可语音点歌”。 核心事件：智元与网易云音乐合作；远征A3原生接入网易云音乐；10月15日起可语音点播正版曲库。 待回答问题：所谓“原生集成”是在系统层、账号层还是应用层实现？支持哪些地区、账号体系与曲库范围？材料未说明，待核实。
腾讯研究院（搜狐同步）
查看来源原文据腾讯研究院AI速递20260930，SpaceX第14次星舰试飞中，Ship 41完成轨道插入并首次进入约262×277公里、倾角32度的绕地轨道，随后释放26颗运营级商业卫星；尽管上升段一台真空猛禽提前关机、任务从原定绕地6圈/约10小时缩短至约3小时提前溅落，材料称入轨与部署主目标均完成。
时间与地点：北京时间9月28日20:49，SpaceX第14次星舰试飞自得州Starbase升空；年份由材料期号20260930指向2026年，原始发布待核实。 核心问题：星舰能否完成入轨并部署真实商业载荷，而非仅携带模拟器。 任务结果：Ship 41完成轨道插入点火，进入约262×277公里、倾角32度轨道；入轨后约半小时依次释放26颗运营级商业卫星。
腾讯研究院（搜狐同步）
查看来源原文来源材料“腾讯研究院AI速递 20260930”第三条记录了Manus推出2.0与Cue。 核心事件：蝴蝶效应发布Manus 2.0海外版与多Agent群聊应用Cue。 可关注的研究/产业问题：多Agent协作如何从“能演示”走向“可运营、可授权、可核算成本”的产品形态？
腾讯研究院（搜狐同步）
查看来源原文前 Chrome 开发者体验负责人 Addy Osmani 提出，AI 编程最大风险是“认知投降”：开发者把模型答案直接当成自己的答案，交付加快却说不清系统，因此必须保留决策摘要、风险范围、测试证据与人类 OWNERS。
Addy Osmani 是前 Chrome 开发者体验负责人。 他指出，AI 用得越多，越容易失去对问题的记忆与理解。 把模型答案直接当自己的答案，即“认知投降”。 其后果是：交付加快，但开发者可能说不清系统。 核心问题是：当 AI 与多 Agent 让实现越来越自动化，人类如何维持理解、审计与事故承接能力。
腾讯研究院（搜狐同步）
查看来源原文Box CEO Aaron Levie 在 a16z 播客中主张：安全治理应靠测试、沙盒、治理和细粒度授权/审计，而非笼统“放缓”；当 Agent 能大规模读写、调用工具甚至花钱时，企业权限边界比单纯限速更紧迫。
这是一段行业对谈观点，不是产品发布。核心问题：如何判断模型/Agent 风险，如何避免安全规则变成与安全无关的限制，以及企业如何为可执行 Agent 划定权限与责任边界。
腾讯研究院（搜狐同步）
查看来源原文WorldAuditBench 将“交互式 3D 世界审计”作为评测多模态智能体能否耦合行动与视觉推理的任务；根据摘要，在固定探索预算下，五个前沿模型成功率仅为 6.6%–42.3%，远低于人类表现 83.4%。
根据摘要，交互式 3D 世界越来越多用于研究智能行为，因此需要高效发现模拟环境中的异常，例如悬浮物体、可穿越墙壁、与周围场景不一致的物体。核心问题是：VLM 和 VLA 等多模态 AI 系统能否把“行动”（在 3D 世界中导航并系统、高效地搜索异常）和“视觉推理”（从多模态观察中理解环境并识别异常）紧密耦合。摘要称这一点“largely unexplore…
arXiv 论文
查看来源原文ViTeX-Bench 用 387 段真实 720p 视频、三轴 13 项指标和 ViTeX-Edit-14B 参考编辑器，把“视频场景文本编辑”的文本正确性、时序质量与局部保持难题变成一个可复现评测对象。
视频生成越来越真实可控，但视频编辑，尤其必须保持原始场景动态的精确局部编辑，仍较不成熟。视频场景文本编辑的目标是替换店面招牌、白板、产品标签等场景表面文字，同时保留周围内容、运动和相机动态。图像场景文本编辑已有较多研究，但视频版本要在高视觉质量、时序一致性和编辑局部性上同时达标，仍缺少专门资源和指标。现有资源缺少成对真实视频数据，通用视频编辑指标也不能直接…
arXiv 论文
查看来源原文Turbo Harness 提出把已完成的一次全局 harness 优化过程“回收”为结构化 playbook，并训练 harness editor 为每个任务实例生成补丁，从而将统一 harness 转为实例自适应 harness；摘要称其在七个基准上持续优于现有 harness 优化基线。
现有 harness 优化通常产出一个全局 harness，并统一应用于所有任务实例。问题是：平均表现好的 harness 不一定对每个实例最优。Turbo Harness 研究能否复用原优化过程产生的信息，在推理时针对具体实例调整全局 harness。论文作者为 Tunyu Zhang、Hao Wang、Kai Xu、Dimitris N. Metaxa…
arXiv 论文
查看来源原文Alonso-Monsalve 等提出一种稀疏 Vision Transformer 框架，用掩码自编码器与体素级关系目标进行自监督预训练，在能量前沿中微子探测器模拟事件上提升分类、回归、顶点重建和数据效率，并在部分公共探测器基准上观察到跨域迁移；作者仅称其为 “foundation-style”，不宣称已完成通用探测器基础模型。
加速器中微子物理进入能量前沿，相互作用达到 TeV 尺度，产生异常密集、重叠的探测器信号。 在此类事件中，传统重建不切实际，从头训练的监督模型也面临标签稀缺、分析目标多样等困难。 论文以拟议的 FASER 量能器概念 FASERCAL 为案例：其高粒度三维量能器 3DCAL 有超过 460,000 个读出体素，单事件中仅部分活跃；其后还有电磁量能器、强子量…
nature.com
查看来源原文该工作提出一种新的有向无环图（DAG）乘积算子，使定义在两个 DAG 之积上的线性结构方程模型（SEM）、图傅里叶模态、因果偏移与滤波器能够沿两个图因子分离，从而避免直接处理规模为两因子规模之积的加权传递闭包矩阵。（基于元数据与摘要要点，正文未抓取，细节待核实）
论文标题（英文，保留原文）：**Signal Processing over Product DAGs: Causal Shifts and Filters** 来源：arXiv:2609.40275v1（URL 见下）。 研究场景：信号由两个 DAG 的“乘积”索引，并由线性 SEM 描述。作者给出的典型情形是线性因果关系同时作用在两个维度上，例如“部件…
arXiv 论文
查看来源原文SCAPO 将半事实（semifactual）提示干预下的 token 概率漂移纳入 GRPO 的 token 级信用分配，在 Qwen3-4B-Base 和 Qwen3-1.7B-Base 上相比 GRPO 提升 AIME 2024-2026 准确率 5.63 和 4.17 个百分点，表明半事实稳定性可作为 RLVR 中细粒度训练信号。
背景：Reinforcement Learning with Verifiable Rewards（RLVR）提升了大语言模型（LLM）的推理能力，但模型预测仍对任务无关的 prompt 特征敏感。 研究切入点：使用半事实 prompt 干预（semifactual prompt interventions）——保留原问题及其答案不变，只改变任务无关的 p…
arXiv 论文
查看来源原文一篇编号为 arXiv:2609.40316v1、题为《Scaling Laws for Looped Mixture of Experts》的预印本，据其摘要声称提出了首个把「循环（recurrence）」与「稀疏专家（MoE）」连同模型规模、数据量一起联合建模的缩放定律；但正文抓取失败，本卡片仅基于元数据与摘要信息整理，全部技术结论与数字均待核实。
该工作针对的问题是：循环 Transformer 与混合专家（MoE）被视为两条互补的高效扩展路径——循环在参数量固定的前提下增加计算深度，MoE 稀疏则在激活计算固定的前提下扩大总容量；然而既有缩放定律通常只单独建模二者之一，缺少统一描述。论文试图给出一个同时覆盖循环轴与稀疏轴的缩放定律框架（待核实）。
arXiv 论文
查看来源原文Ataraxos 通过自博弈强化学习、信念网络与测试时搜索的组合，在隐藏信息规模极大的 Stratego 中取得作者所称的首个超人类结果，并将同一设计模式推广到 Barrage Stratego、Hanabi 和斗地主，表明大规模隐藏信息不再必然阻碍强化学习与搜索。
现实决策常涉及隐藏信息：一方 Unknown 但另一方拥有的信息。论文指出，传统不完全信息 AI 多依赖公共信息问题变换，但这类方法的成本随隐藏信息量增长，通常只适用于德州扑克等隐藏信息较小的场景（例如 1,326 种手牌）。Stratego 有超过 10^33 种棋子配置，此前多年、多人、数百万美元级工业研究仍未实现超越人类。本文提出 Ataraxos，…
nature.com
查看来源原文论文发现，非侵入式脑到文本解码中一些显著性能提升可能来自“时间捷径”；把句子中所有窗口改为独立处理，并配合对同一词多次神经响应的聚合与预训练 LLM 语言先验后，SimpleB2T 在感知语音基准上取得 36.6% 词错误率。
研究问题：从非侵入式脑记录中解码词语的所谓主要改进，是否真正依赖脑数据？ 材料称，在有影响力的 d'Ascoli et al. (2025) 工作中，受试者感知连续语音时的脑活动时间序列被切分成从每个词起始位置开始的固定长度窗口；神经网络再联合为句子中所有词生成预测。 相邻窗口部分重叠，会隐式泄露词与词之间的间隔。由于这些间隔指示所说词的持续时间，而不同词…
arXiv 论文
查看来源原文Ranking-PE 把反思式提示进化中的“逐实例正确性”替换为“阳性—阴性配对排序”，使候选提示的选择目标对齐 AUROC；在 MIMIC 的三个疾病上，它逆转了准确率导向提示进化对排序的损害，并分别比准确率基线提升 +5.8 AUROC 百分点（经微调的 Qwen3-VL-8B）和 +16.2 个百分点（MedGemma-4B），但医疗级视觉骨干仍被论…
论文标题：**Ranking-Aware Prompt Optimization for Multimodal Clinical Diagnosis**。 arXiv ID：**2609.40361v1**；作者：Tian Xia, Minghao Liu, Yiqing Liang, Laixi Shi, Jiayun Wang；发布/更新：2026-0…
arXiv 论文
查看来源原文Science Advances 刊载的一篇论文（标题为 *Programmable robotic textile with closed-loop self-sensing and active actuation*）报告了一种可编程机器人织物，其宣称的核心特征是将**闭环自感知**与**主动驱动**集成在同一织物载体中；由于正文抓取失败，本卡片仅基于…
来源为学术期刊论文，期刊与卷期信息：Science Advances, Volume 12, Issue 40, October 2026（依据候选摘要元数据，待核实）。 从标题可推断的研究问题：如何让织物这类柔性、分布式、可编制的材料同时具备（a）可编程性、（b）对自身状态/形变的感知、（c）主动产生动作或形变的能力，并让感知与驱动构成闭环（待核实，属基…
science.org
查看来源原文Physis-Lang 把“物理语言”作为跨数据整理、模型训练和视频生成的共享、可优化表示，通过自演化框架提升视频世界模型的物理合理性。
英文标题：Physis-Lang: Self-Evolving Language as a Physical Representation for Video World Model。 arXiv ID：2609.40358v1；主分类为 cs.CV；发布与更新时间为 2026-09-30T17:59:51Z。 研究问题：视频世界模型被期望预测物理世界如何…
arXiv 论文
查看来源原文Multimodal Flow 提出一种完全连续的多模态生成/预训练框架：将语言与视觉表示为有序连续 hyperchunks，并用共享 chunk-causal flow backbone 通过 Flow Matching 统一建模；其 MF-1 在多模态生成与理解基准上取得有竞争力成绩，但全文细节与对比设置待核实。
论文关注统一多模态模型的路线选择：现有方法多将语言和量化图像都离散 token 化，或采用离散语言预测加连续图像生成。前者引入视觉量化瓶颈，后者需要模态依赖的目标与采样流程。论文探索“完全连续建模”用于多模态预训练，以避开上述折衷并实现共享生成过程。材料未提供同行评审状态，待核实。
arXiv 论文
查看来源原文MatLoom 把“文本到材质生成”表述为生成紧凑、分层的可执行程序：程序既可被解释为 PBR 材质贴图，又保留命名字段和层参数供后续编辑；在材料报告的 141 条提示基准、六种骨干和盲测中，其提示对齐与人类偏好结果优于三类扩散基线。
材料生成应不仅产生外观，还应产生构造该外观的规则。论文提出 MatLoom，一个面向层的紧凑语言，用预训练语言模型从文本生成材质。核心问题是：能否在无需任务特定微调的情况下，生成与提示对齐、且构造过程可作为资产保留并继续编辑的材质？
arXiv 论文
查看来源原文在一种语言中让 LLM“遗忘”某个事实，并不保证其他语言也遗忘；该工作提出语言预算多语言遗忘任务、174 语言—文字对基准 Cross-Lingual Unlearning Tensor，以及 COVER 方法，用有限语言预算选择遗忘监督源语言，使未获监督语言的留出集残余访问相对均匀源选择降低 7.8–27.3%。
跨语言漏洞：改变查询语言，甚至改变要求回答的语言，可能重新打开看似已遗忘的知识。 最直接的全语言遗忘方案不可扩展，且会放大对无关模型能力的损害。 研究问题：在语言预算约束下，应选择哪些语言作为遗忘监督源，以最大化跨语言擦除？ 该工作引入任务：language budgeted multilingual unlearning。
arXiv 论文
查看来源原文MM--GSA 提出一种基于元模型的全局敏感性分析（GSA）方法，试图在只有观测样本、无法按设计抽样重复评估输入—输出机制时，估计一阶 Sobol' 指数，并引入一种新的基于触发的结构指数来刻画预测性能对预测变量可用性的依赖。
经典方差型全局敏感性分析通常假设输入—输出机制可以在设计好的抽样方案下被反复评估。但在只有给定观测样本的场景中，这一假设往往不可行。本文研究的问题是：能否从观测数据中学习全局敏感性指数。
arXiv 论文
查看来源原文在 GPT2 与 DistilGPT2 的 DP-SGD 实验中，解除输入/输出嵌入的权重绑定（untied embeddings）比权重绑定（weight tying）取得更高准确率，最高提升 4.74 个百分点，并可启用内存高效的 ghost clipping，报告内存使用降低超过 60%。
英文标题：Is Weight Tying Still Beneficial for Decoder-Only LLMs in Private Settings Under DP-SGD? 作者：Razan El Mais、Ali Chehab、Ibrahim Issa、Razane Tajeddine。 材料标注：arXiv:2609.40335v1，20…
arXiv 论文
查看来源原文据元数据与摘要信息，VideoMSN 尝试把视频重排为“超级图像”（由采样帧组成的网格），再用标准图像 Vision Transformer 与掩码孪生（Masked Siamese）目标学习时空表示，从而避免依赖重型 3D 架构或基于重建的自编码器；其自称在多个动作识别基准上达到当前最优，并显著减少视频预训练轮数（具体数值待核实）。
论文标题（英文）：Image Classifiers are Efficient Self-Supervised Video Representation Learners 提交载体：arXiv（编号 2609.40347v1） 主题归类：foundation-model；Track：academic 研究问题：能否直接复用图像领域预训练好的基础模型与标准…
arXiv 论文
查看来源原文论文研究“按时间顺序消费帧、严格滑动窗口批次、无全局打乱、无多轮回放”的连续视频流自监督预训练；结果显示对比学习和蒸馏类方法在该设置下表现困难，MAE 更稳健但仍落后于标准 i.i.d. 预训练，而提出的 StreamMAE 通过流感知正则化与运动偏置裁剪，缩小了这一差距。
自监督学习常被类比为婴儿视觉发展，但标准训练管线通常是独立采样图像、跨 epoch 全局打乱，与连续视觉流并不相似。作者追问：如果数据是连续视频流，帧按时间顺序被消费，采用严格 sliding-window batches，不做 global reshuffling 或 multi-epoch replay，自监督学习还能否成立？
arXiv 论文
查看来源原文在相同时间预算与同一前沿 LLM 底座下，复杂的开源“外挂框架”（harness）相对最简会话式编码智能体并未显示优势，性能差异更可能来自模型底座本身——**该结论目前仅来自元数据与摘要级描述，正文未抓取，具体实验设置与数据待核实**。
英文标题：How Much of a Harness Does a Strong Agent Need for Autonomous ML Engineering? 来源：arXiv:2609.40303v1（https://arxiv.org/abs/2609.40303v1） 领域标签：academic / foundation-model 研究问题（…
arXiv 论文
查看来源原文据候选摘要（正文未抓取，待核实）：在被 FineWeb 质量过滤后的 2026 年 6—8 月网页数据中，被 Pangram 判为 AI 生成的 token 占比从 27.5% 升到 31.1%；作者预训练 800 个语言模型后发现，这类“野生”AI 文本对预训练的边际价值可正可负——先压低人类文本损失，随后迅速反转为损害，且现有 Chinchilla 式…
网页文本是预训练语料的主体，而其中 AI 生成内容的比例正在上升。 研究对象不是实验室合成数据，也不是模型崩溃（model collapse）式闭环设定，而是“野生 AI 文本”：来源模型众多、面向人类读者写作、无标注地混入预训练语料。 核心问题：在野生 AI 文本不断进入预训练语料的情况下，它究竟如何影响语言模型预训练？一个 AI token 相对一个人…
arXiv 论文
查看来源原文GLARE 试图把“倾听者头部生成”从只追求视觉真实，推进到同时判断何时反应、如何反应与反应类型是否恰当；候选摘要称其通过反应感知的数据、模型与评测取得增益，但正文未抓取，结论待核实。
背景：talking head generation 已快速发展，但双人对话中的 listener behavior 仍研究不足。 核心问题：倾听者需要知道何时反应、如何反应、以何种类型反应。 主要缺口：现有 dyadic datasets 缺少细粒度 listener reaction annotations；沿用 talking-head 与 vide…
arXiv 论文
查看来源原文EvoDuet 是一种在固定 LLM 参数下，让“候选解”和“搜索查询”双层共同演化的方法；在部分模型和 21 个优化任务上，它提高了 OpenEvolve 的归一化发现增益，并表明检索增强进化搜索的关键不只是加网页搜索，而是让查询随解变化。
研究背景：使用大语言模型（LLM）进行进化搜索时，如果进展需要模型本身缺乏的外部知识，搜索可能停滞。 已有痛点：提供相关文档有帮助，但简单加入网页搜索工具，可能随着解决方案变化仍反复返回相同页面。 论文提出 EvoDuet，目标是在固定模型参数的情况下，让网页搜索与任务求解共同演化，以支持科学发现中的优化搜索。
arXiv 论文
查看来源原文Ego4WAM 在固定 world-action model 骨干的设定下，系统解耦自我中心人类数据的“对齐性、时长、任务多样性、动作监督、使用策略”等因素，指出机器人学习收益并不只由数据时长决定，而是由这些数据属性共同塑造。
英文标题：Ego4WAM: What Matters When Scaling Egocentric Human Data for Robot Learning? 研究问题：自我中心人类数据虽然是机器人学习的可扩展经验来源，但在人-机器人对齐、行为覆盖和可用监督上差异很大；现有工作显示增加人类数据可带来有利 scaling，但尚不清楚哪些数据属性真正驱动下…
arXiv 论文
查看来源原文候选摘要称，DynaHarness 试图用“共享执行契约 + 快慢双脑 + 失败归因与回归检查”的动态物理 Harness，把机器人长程操作中的语义推理与物理执行协调起来，并让失败证据转化为经过验证的能力修订；正文未获取，结论待核实。
英文标题：DynaHarness: A Dynamic Physical Harness for Self-Evolving Robot Agents Track：academic 英文关键词 / Topic：foundation-model 研究问题（据候选摘要，待核实）：预训练机器人策略可提供有用的动作先验，但长程操作仍需语义推理与物理执行之间的协调。…
arXiv 论文
查看来源原文据元数据与候选摘要，该工作主张：对训练好的多任务循环网络，可以用**有限时域格林算子（finite-horizon Green's operator）**统一刻画扰动的全局一阶响应，并用它的简单约简同时得到"任务到任务"和"时间到时间"的两种计算组织视图；由于正文未能抓取，本卡片中所有具体结论均**待核实**。
论文标题（英文，保留原文）：**Disentangling Computation in Multi-Task Neural Networks with the Green's Operator** 原始来源：https://arxiv.org/abs/2609.40292v1 （arXiv 预印本，版本 v1） 来源轨道：academic；主题标签：fo…
arXiv 论文
查看来源原文据来源元数据，本文题为“Deep learning–enhanced single-shot triorganelle STED-FLIM imaging of lipid dynamics in living cells”，指向一种用深度学习增强、以单次采集方式同时对三类细胞器进行 STED-FLIM 成像、并用于活细胞脂质动态观测的方法；由于正文未能抓…
来源标注：Science Advances, Volume 12, Issue 40, October 2026（据候选摘要元数据，出版信息的准确性待核实）。 从标题可读出的研究目标：在活细胞中观测脂质动态；成像对象涉及三类细胞器（triorganelle）；成像模态为 STED-FLIM；强调“单次”（single-shot）采集；并引入深度学习进行增强…
science.org
查看来源原文Nature Methods 报道的 CytoVI 是一个面向抗体单细胞数据（流式细胞术、质谱流式、CITE-seq）的概率生成模型，试图在一个端到端框架中统一完成数据整合、缺失测量插补、差异蛋白表达检验和细胞自动注释。
抗体单细胞技术已广泛用于临床诊断和基础研究，但其分析受技术噪声、批次效应、平台差异和抗体 panel 受限等问题影响。材料提出的研究问题是：如何解耦技术变异与生物变异，对多平台、多队列的抗体单细胞数据进行统计上严格的统一分析。CytoVI 被描述为覆盖流式细胞术、质谱流式和 CITE-seq 的概率生成模型。
nature.com
查看来源原文cua-speedrun 试图用统一的虚拟机环境、执行流水线和通用 agent 接口，把“计算机使用智能体（CUA）有多快、多贵”变成可复现、可跨基准比较的评测对象；其初步结论是速度、性能与成本之间不存在单一模型家族通吃的解（具体数值待核实）。
英文标题：cua-speedrun: Standardized Benchmarking of the Speed of Computer-Use Agents 英文关键词：computer-use agents; benchmarking; speed; efficiency; reproducibility; GUI; agent harness; r…
arXiv 论文
查看来源原文该工作主张把联邦学习中的有损压缩从"误差来源"重新理解为"安全信号"：压缩器对诚实更新与攻击更新的响应差异（压缩足迹）可被服务器端用于鲁棒聚合，并在摘要报告的多数实验设置中取得领先或接近领先的精度。
英文标题：Compression Footprints as Security Signals for Model-Poisoning Defense in Federated Learning 研究场景：联邦学习（Federated Learning, FL）中，客户端更新可能被投毒；传统防御主要检查更新的几何形态（如距离、方向、范数等）。 核心问题：既…
arXiv 论文
查看来源原文Cogentic 是一个面向开放研究问题的多智能体证明发现框架，通过“证明—验证”迭代循环、对抗验证与已验证中间结果账本，以 Gemini 为基础模型在在线学习、拍卖理论与机制设计的五个开放问题上取得新结果，并由领域专家独立验证。
论文：Cogentic: Multi-Agent Orchestration for Automated Proof Discovery（arXiv:2609.40324v1）。 研究问题：前沿语言模型能单次生成较强的数学想法，但对开放问题通常不足，因为开放问题需要探索多个竞争猜想、克服细微技术障碍，并在长时程中保留中间进展。 目标：Cogentic 被设…
arXiv 论文
查看来源原文来源为 arXiv 预印本条目，英文标题：**CAS II: Symmetric Partitions as Kolmogorov Models**；URL：https://arxiv.org/abs/2609.40290v1。 所属轨道：academic；主题标签：foundation-model。 研究背景（据候选摘要）：在算法统计中，字符串 x 可由…
arXiv 论文
查看来源原文据候选元数据摘要，MAGIC 通过在多智能体执行过程中在线维护一张共享的“可通行性”高斯信念，并用高斯马尔可夫随机场与高斯信念传播做近似推断，把观测到的局部地图变化外推到未观测的邻近区域，从而为常规 MAPF 规划器生成“绕行感知”的代价——在基准测试中于 96.3% 的实例上降低了执行后的总代价（具体数值与实验细节待核实）。
英文原题：Belief-Aware Multi-Agent Path Finding under Map Uncertainty。 研究场景：多智能体路径规划（Multi-Agent Path Finding, MAPF）为共享环境中的多个智能体寻找无碰撞路径。 经典假设：所有静态障碍在规划前已知。现实中环境会因掉落物、液体洒漏等局部扰动而改变。 问题切口…
arXiv 论文
查看来源原文Atomizer-IO 试图把“观测”及其采集元数据作为原子表示，通过局部交叉注意力映射到可任意放置的锚点，从而不再让像素、图块和规则网格定义传感架构的接口；摘要称其在多数任务上与灵活的 EO 专用架构有竞争力，并可在无需架构重设计的情况下扩展到无序 3D 点云。
多数视觉架构假设观测位于规则网格。该抽象对自然图像有效，但对通道、时间采样、空间分辨率和几何可变的传感数据过于受限。 通用集合式架构去除了网格，但也去除了有用的空间归纳偏置。 论文提出 Atomizer-IO，核心问题是：能否以观测优先、从物理关系推导结构的方式，替代像素、图块和网格作为传感架构接口。 评估方式：逐步放松网格假设，包括变化输入栅格配置、不完…
arXiv 论文
查看来源原文AssemblyWorld 提出一个交互式 3D 装配环境与 AssemblyWorldBench，用于检验预训练通用智能体能否仅通过视觉交互、在无需额外装配专用微调的情况下操作刚性零件完成装配；结果显示最强系统零件准确率可达 80.9%，但完整装配成功率仅为 59.4%，从“近似结构恢复”到“精确重建”之间仍有明显差距。
研究问题：预训练通用智能体能否通过视觉交互装配物体，而无需额外的装配专用微调？原文表述为：Can pretrained general-purpose agents assemble objects through visual interaction without additional assembly-specific fine-tuning? 论文…
arXiv 论文
查看来源原文