AI 日报 · 2026-10-09

Grok Bot因服务成本相对收入过高而承压，用户实测周额度可用token明显缩水，同时Grok网页版新增支付宝付款并调整订阅档位。

11月1日Grok Bot额度条出现异常跳动，多扣部分退回后，马斯克公开表示其服务成本相对收入“高得扛不住”。 两位Cursor Pro+用户对周额度进行测算，发现每1%周额度可用token显著下降。 同期Grok网页版新增支付宝付款方式，Premium首月15美元、之后每月30美元，Plus档不含Grok Bot。

腾讯研究院（搜狐同步）

Artificial Analysis Cyber Index 是一个聚焦**网络防御**的复合基准，通过三项评估衡量模型在真实软件仓库中“发现漏洞—复现验证—修补且不破坏既有功能”的能力，并对安全拒答单独统计。

该 Index 面向企业网络防御场景，回答的问题是：AI 模型在防御性安全工作上到底有多强、代价多大、因安全原因拒答的比例如何。Artificial Analysis 称，该 Index 与 Cyber Index Alliance 合作开发，联盟伙伴包括 Collinear AI、IBM、NVIDIA、Vercel，伙伴在设计、实现上提供专家输入，并可能…

artificialanalysis.ai

WorkBuddy推出独立文件浏览器，用户在系统中右键“打开方式”即可在独立窗口打开Word、Excel、PPT、PDF、Markdown、HTML等文件，并在窗口内直接与Buddy对话、修改文件，改动以黄色色块标注、保存写回本地。

本条来自腾讯研究院AI速递（20261009）第六则，属于产品功能更新类信息。核心问题是：WorkBuddy如何将AI对话能力嵌入本地文件的查看与编辑流程中，以及这一交互方式对用户本地文件操作习惯的改变。

腾讯研究院（搜狐同步）

Vidu 开放新一代视频生成旗舰的预览版 Vidu Q4 Preview，上线首日全球开放，重点强化人物演绎、镜头语言与视效场面，最多支持 3 段参考音频与 15 张参考图，并支持 2K、4K 输出与 10bit 色深。

来源材料显示，Vidu 开放了新一代视频生成旗舰的预览版 Vidu Q4 Preview。 该预览版“先交出”三项能力：人物演绎、镜头语言与视效场面。 上线首日即全球开放。 本条属于 AI 视频生成赛道的新品预览信息，核心关注点是参考控制能力、镜头表现与输出规格。

腾讯研究院（搜狐同步）

据量子位报道，TRAE 于 2026-10-09 宣布将 TraeCode 与 TraeWork 双端合并为新的 TRAE，提供 Agent 模式（全局工作台）与 IDE 模式两种形态，试图把从需求拆解到交付的全链路放进同一个窗口，并以多 Agent 并行推进为主要卖点。

来源材料标题为「TRAE终于把Code和Work合并了」，作者十三，来源量子位，发布时间 2026-10-09 17:19:57。 核心变化：原先改 bug 用 TraeCode、出技术方案用 TraeWork，如今二者「双端融合」，统一升级为新的 TRAE。 来源用了大量实测场景（3D 鹈鹕骑自行车、3D 地牢游戏地图编辑器、接手老项目 TeamDesk…

量子位

据元数据摘要，Sophos 使用 OpenAI 的 Daybreak 将网络威胁调查时间缩短了 96%，并自动化处理了 52% 的 MDR（托管检测与响应）案例，同时保留了人工监督；具体细节待核实。

来源材料为 OpenAI 官网案例页（URL: https://openai.com/index/sophos），标题为 “Sophos cuts threat investigation time by 96% with OpenAI Daybreak”。 正文未能抓取，以下内容仅基于已知元数据与候选摘要，尚待核实。 核心问题：安全运营（尤其是 MDR…

OpenAI

国家数据发展研究院与腾讯研究院计划于2026年10月9日举办“人工智能用数新趋势、新需求”主题沙龙，围绕AI用数需求、数据合规流通、数据产权与利益补偿等议题征集问题并组织研讨。

活动名称：“人工智能用数新趋势、新需求”主题沙龙。 时间：2026年10月9日（周五）14:30—17:00。 主办单位：国家数据发展研究院、腾讯研究院。 地点：腾讯北京总部。 背景判断（来自材料）：随着人工智能大模型技术快速演进，智能体、世界模型和具身智能的发展及行业应用面临新机遇；数据作为重要生产要素与能力底座，其供给形态、汇聚治理模式、价值释放路径、…

腾讯研究院（搜狐同步）

马斯克在X上宣布Grok Bot将根据任务自动选用“最可能带来最好结果”的后端模型，并点名Claude Opus 5.5、Midjourney、Suno及其他领先API；官方文档称用户没有模型选择菜单，只按实际调用模型计费。

时间：马斯克于10月7日在X上发布上述声明；9to5Mac同日报道Grok Bot已可使用Claude Opus 5.5。 背景：Grok Bot为xAI旗下AI助手产品，8月11日推出Beta版。 待核实：本材料未提及Grok Bot是否引入除Claude、Midjourney、Suno之外的其他具体模型名称（马斯克仅泛称“其他领先的API”）。 待核实…

腾讯研究院（搜狐同步）

据 AGIBOT 官网英文标题，AGIBOT 于 2026-10-09 在香港铜锣湾开设办公室；但抓取到的正文仅为网站导航与产品列表，具体细节待核实。

来源标题显示：AGIBOT Opens Hong Kong Office in Causeway Bay（AGIBOT 在香港铜锣湾开设办公室）。 时间标注为 2026-10-09（依据给定英文标题与 Track 标注）。 研究问题：该办公室的职能定位（销售/研发/生态/交付）、团队规模、与既有业务（如人形机器人出货、产品线、开源生态）的关系，均待核实。

agibot.com

微软开售首款 RTX Spark 笔记本，起价 2599 美元，搭载英伟达 RTX Spark N1X 芯片，主打本地运行超 1200 亿参数模型，并同步在 Windows 11 正式发布 MXC 智能体管控能力。

本条来自腾讯研究院 AI 速递（20261009），属于“生成式AI”板块第五条。核心事件是微软开售首款 RTX Spark 笔记本，定位为面向本地 AI 工作负载的高算力终端，同时配合 Windows 11 的 MXC 与本地版代码模型，构成一套端侧 AI 能力组合。

腾讯研究院（搜狐同步）

NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛中获得第二名，其核心经验是：在固定的小型 LLM 上构建可靠分析智能体，关键不在于让模型更开放，而在于围绕它设计一个受约束、可检查的 harness（约束框架）。

KDD Cup 2026 Data Agents 竞赛要求参赛智能体对异构数据源（数据库、CSV、JSON、散文文档、PDF、简报视频）回答自然语言问题。每个任务都需要智能体检查数据、选择工具、跨源推理、产出最终答案文件，并处理分析工作流中的陷阱。竞赛强制使用小型、固定的 LLM，因此 harness 成为主要优化面。NVIDIA KGMON 团队分享了其…

NVIDIA 博客

据 OpenAI 官方页面标题与候选摘要，Asana 借助 GPT-6.1 Sol（候选摘要中亦提及 GPT-6 Astra 与 Codex），在浏览器 agent 测试中实现成本降低 76 倍、速度提升 5 倍，从而可为客户提供更强模型。以上关键数据待核实。

来源材料为 OpenAI 官网索引页（URL: https://openai.com/index/asana-browser-agent），正文未能抓取。基于已知元数据，该材料描述的是 Asana 对其浏览器 agent 进行模型替换与优化的工作，核心问题是：如何在不牺牲（甚至提升）能力的前提下，显著降低浏览器 agent 的模型调用成本与延迟。

OpenAI

Anthropic发布Claude Haiku 5.5，在10万Token以内将输入输出价格下调90%，并首次引入low到max五档effort机制，但新tokenizer导致同任务耗Token增加，实际节省低于标价折扣，官方仍建议复杂Agent编码使用Sonnet或Opus。

Anthropic推出Claude Haiku 5.5，定位为低价档模型，定价对标GPT-6 Luna。核心变化包括：首次支持low到max五档effort；提示词10万Token以内的请求输入输出降价90%，超出部分降50%。本次发布的核心问题是：在显著降价的同时，Haiku 5.5能否在Agent任务上接近更大模型的可用性。

腾讯研究院（搜狐同步）

X-AgentRed 是一个自演化的红队测试框架，通过构建工具依赖有向图并利用执行反馈扩展/精炼有害工具调用路径，在四个前沿代理模型上实现了 STAC 的 1.77 倍有害路径率和 2.99 倍工具覆盖率。

个人代理（Personal Agent）越来越多地通过工具连接网络和应用程序中的各类服务。当代理执行良性用户请求时，其行为效果跨服务累积和交互，可能产生非预期或有害结果。主动识别这类组合性失败需要系统性地探索多样化的跨服务路径。然而，现有红队测试方法通常只是提示 LLM 从任务和环境描述中识别潜在有害路径，或将人类/LLM 指定的有害目标分解为看似良性的动…

arXiv 论文

据摘要信息，3D 医学图像自监督预训练中常用的随机子体积裁剪隐含“所有空间区域同等值得观察”的假设；该研究把子体积采样重新表述为“where-to-look”问题，并提出用离线由粗到细的探针库替代随机裁剪，其中轻量变体在多项下游任务上一致优于随机采样（具体数值与实验细节待核实）。

论文标题：*Where to Look Matters: Rethinking Sub-Volume Sampling in 3D Medical Self-supervised Learning* 作者：Junkai Liu, Le Zhang 发布：arXiv 2610.13915v1，2026-10-09（据来源材料） 研究问题：3D 医学自监督学习…

arXiv 论文

多项视觉-语言模型（VLM）架构在内部表征中无法忠实编码空间关系，即使这些模型在组合性基准测试中得分高于随机水平；关系信息在谓词 token 处可识别，但在句子聚合为全局表征（EOS token 或均值池化）时丢失。

论文研究 VLM 的内部表征是否忠实编码图像推理所需的结构化关系。作者指出，尽管 VLM 越来越多地用于分析和推理图像，但其内部表征能否忠实编码这类推理所需的结构化关系仍不明确。为回答这一问题，作者提出 EICS 指标与 CASP-VL 基准，并在多种 VLM 架构上进行测试。

arXiv 论文

该研究提出一种低成本、自监督的方法，利用同步的RGB与长波红外（RGB-I）图像检测积雪覆盖路面上安全关键的车轮轨迹；由于未抓取到正文，具体指标与实现细节**待核实**。

论文标题：*Tracking the Invisible: Self-Supervised Wheel Track Detection with Thermal-RGB Fusion*（arXiv:2610.13872v1）。 针对问题：自动驾驶与高级驾驶辅助系统（ADAS）的可行驶区域检测在积雪覆盖道路上失效；此时沿既有车轮轨迹行驶可带来更好牵引力、可预…

arXiv 论文

SAFE-QE 是一种无需训练、与检索器无关的查询扩展方法，利用“子序列关联”幻觉机制过滤不可靠扩展词，并用广度感知选择控制保留数量；在 TREC 与 BEIR 上，其 nDCG@10 与生成式/语料引导式扩展在统计上难以区分，但每查询注入的无支持扩展词显著更少（4.3 对 Query2doc 的 27.8 与 HyDE 的 57.5）。

LLM 已成为查询扩展词的常规来源，但会幻觉出不存在的实体与离题词，给排序引入噪声，甚至损害强检索器。既有补救（语料接地、互相验证、偏好对齐）把幻觉词当作无差别噪声，用一致性启发式过滤，缺乏对“某个词为何出现”的机制性解释，也缺乏“应保留多少词”的原则性标准。本文提出 SAFE-QE，并引入查询侧忠实性指标 Hallucinated Expansion T…

arXiv 论文

Artisan 通过引入带物理仿真反馈的多智能体流水线，将铰接式3D资产生成的目标从“看起来对”推进到“动起来和用起来对”，并配套构建了覆盖空间保真度、物理合理性、下游任务表现和整体质量的统一基准。

论文研究的是“物理落地的铰接式3D资产生成”（physically grounded articulated 3D asset generation），即从复现物体外观转向捕捉物体的运动方式和功能特性。现有方法（如 Articraft）已能处理几何、外观和物理上看似合理的铰接关系，但尚未系统性地解决无碰撞运动、重力下的稳定性以及准确的质量与材质属性等问题。…

arXiv 论文

任务情境不仅决定共享注意力头“对哪些事实做出反应”，也决定它们的输出“如何影响后续计算”；这种任务依赖的影响力分布可用线性响应图部分预测。（待核实：以上结论目前仅基于候选摘要与元数据，正文未能抓取。）

论文标题：Task Context Shapes Component Roles in Language Models 来源：arXiv:2610.13895v1（待核实：该编号与抓取状态需在正文中确认） 研究问题：大语言模型在不同任务间会复用相同的注意力头，但“识别出共享头”并不能解释它们在每个任务中各自在做什么。 作者以“共享脑区在不同任务中发生任务依…

arXiv 论文

TabMF 把预训练的表格基础模型（TFM）改造成“数据集编码器”，在数据集检索、紧凑基准构建与分布偏移严重度评估等任务上取得了优于所学与经典数据集表示的综合表现。

论文关注“监督数据集层面的表示”（dataset-level representations），这类表示可用于数据集检索、分布偏移监控等更高层机器学习任务。 现有做法通常依赖两类路径：人工设计的元特征（meta-features），或专门为表示学习训练的 dataset encoder。 论文提出的问题是：能否直接复用预训练的表格基础模型（TFM）来编码整…

arXiv 论文

论文提出 PAGE 框架，把人工智能（含视觉语言模型）用作漫画研究的工具，对 3,929 本美国漫画（1938–1956）和 87 卷日本漫画做大规模解析与标注，并展示三项研究分别考察政治权力呈现、页面视觉形式与艺术家识别、以及跨传统的“谁在说话”。

漫画被视为二十世纪重要的视觉记录，包含数十万页大众阅读内容；但既有漫画研究多是一本一本进行，整体上很少被系统研究。 研究问题：人工智能（包括生成模型）能否改变这种状况，使漫画研究、保存与传播受益。 论文提出 PAGE 框架，主张让 AI 成为漫画研究的“仪器”，而非研究对象本身。

arXiv 论文

该研究提出在神经语义解析的多个阶段引入结构自动机，其中接受路径解码（APD）能在固定输出长度限制下保证生成合法结果且无需回退 token，在 DRS 和 AMR 任务上优于局部掩码方法。

神经语义解析器逐 token 生成意义表示，但其良构性依赖于生成过程中逐步展开的指代、作用域和图关系。受约束的解码可以防止局部无效 token，但无法保证一个合法前缀能够在固定输出长度限制内被补全。该研究在 DRS 解析的三个阶段（解码、事后处理、训练）考察结构自动机，并额外在 AMR 上评估解码方法。

arXiv 论文

Splat2Act 提出了一条全自动的 real-to-sim-to-real 流水线，仅凭手机扫描和物体照片，就能把预训练的 VLA 策略个性化到特定建筑级室内场景与用户物体，在真实 Stretch 3 上达到 63.9% 的抓取成功率。

用户把通用操作策略带入家中或办公室后，希望它能在自己的架子、台面和桌子上抓取自己的物体。但论文指出，即便是像 $π_{0.5}$ 这样的强通用策略，在作者捕获的部署场景中不做适配时抓取成功率为 **0%**；而在每个用户环境中收集真实演示的成本高得难以承受。核心问题：能否用自动化仿真数据替代真实演示，实现 VLA 策略的个性化？

arXiv 论文

预训练数据的知识组织方式（按时间顺序 vs. 随机打乱）会影响模型后续学习新知识的效率：按时间顺序训练的“专才”模型比随机顺序训练的“通才”模型需要更少的更新步骤即可获得新知识。

理想的语言模型需要持续更新知识。已有工作主要集中在训练完成后如何高效地进行知识更新，而本研究关注一个更上游的问题：预训练阶段对时间变化型知识的组织方式，如何塑造后续更新的效率。

arXiv 论文

SpatialASM 提出一种可扩展的训练框架，通过训练时的空间模拟，让大型视觉语言模型（LVLM）学会像人类一样主动进行“主动空间心理化”（Active Spatial Mentalization, ASM）——即在空间推理中自适应地规划视角并想象新视角下的场景布局，从而在多个空间推理基准上提升性能，同时保留原有通用视觉能力。

人类在解决复杂空间推理任务时，会自然地从与任务相关的视角重新审视场景，并在脑中重建这些视角下的空间布局。论文提出核心问题：大型视觉语言模型（LVLM）能否以同样的方式主动思考？作者将这种能力定义为“主动空间心理化”（ASM），指出它是视觉智能的内在组成部分，而当前 LVLM 在这方面仍严重欠缺。为弥补这一差距，论文提出 SpatialASM 框架。

arXiv 论文

论文提出 $\beta$-Flow——一种由相关参数 $\beta$ 与置信度参数 $\kappa$ 索引的通用即插即用后验采样方法，将流匹配（flow-matching）、扩散（diffusion）与去相关先验统一在同一框架下，并在 7 个逆问题、4 个数据集上取得稳定最优（SOTA）水平的表现。

流匹配与扩散模型正越来越多地被用作线性逆问题的先验，但现有大多数方法只针对某一类轨迹先验定制。已有的即插即用方法虽然更通用，却隐含地对引导轨迹做去相关处理，导致先验过于宽泛，在数据稀疏时表现不佳。本文的研究问题是：能否设计一种统一方法，同时覆盖流、扩散与去相关先验，并在采样中显式控制先验与似然的相对强度？

arXiv 论文

SLICE 通过将模拟得到的预测分数共形化为条件 E-值并构造检验鞅，为似然不可解的科学模型提供精确的“随时有效”置信序列，且其有效性不依赖于打分函数的准确性。

许多科学模型可以被模拟，但其似然函数难以解析计算，这使得频率派的不确定性量化变得困难。论文针对此类模型，研究如何在序列观测下构造对参数具有精确频率派保证的置信序列（confidence sequences），并支持在连续监控下保持有效性。

arXiv 论文

论文提出 SCCR 审计框架，通过选择性移除原始输入模型与专家特征模型共享的表征方向，量化原始黑盒模型相对于专家视角所额外利用的预测信号。

在临床实践中，专家通常先将原始输入转换为一组专家特征再作决策。尽管直接在原始输入上训练的黑盒模型可能优于基于专家特征的模型，但原始模型究竟利用了哪些超出专家视角的预测信号仍不清楚。论文旨在通过 SCCR（Shared Canonical Component Removal，共享规范成分移除）量化这一差距。

arXiv 论文

在温度设为 0 的语义查询引擎中，重复执行同一查询仍会导致部分行甚至整条答案发生变化，且查询计划会把行级波动指数级放大为答案级波动；现有基准测试的少量执行结果往往不足以定论系统优劣。

语义查询引擎让大语言模型（LLM）逐行判断，而基准测试通常只比较在温度 0 下少数几次执行的质量。本文测量“再执行一次”会带来多大差异：作者通过各基准自带的 harness 重新执行 SemBench、LRO-Bench、UDA-Bench 的文本与表格工作负载，记录全部 120 万次模型调用，并重新分析 SemBench 已发布的执行结果。研究问题即：在…

arXiv 论文

RSI-Anything 是一个基于 JEPA-Anything 构建的领域通用框架，通过预测性世界模型指导行动与学习数据选择，并结合组件兼容性检查来保留更新后的“策略-模型”配对，从而在代码修复、GUI 操作、实验室规划与反应优化等多领域实现递归式性能提升。

递归自我改进（Recursive Self-Improvement, RSI）的核心目标是把交互经验转化为持续性的能力提升。但该方向面临两个关键障碍：外部反馈成本高昂，且随着策略不断演化，世界模型的预测可能变得不可靠。本文提出的 RSI-Anything 试图在领域通用层面解决这一问题。

arXiv 论文

一篇立场型综述章节指出，建筑损毁评估（BDA）领域虽已活跃十年并积累了多个大规模数据集，却缺乏共享基础；作者从数据、评估与方法三大支柱出发，主张采用传感器无关、基于实例且容忍缺失震前影像的任务定义，并批评当前以单一聚合分数为主的评估实践在理论上脆弱。

来源为 arXiv 论文（arXiv:2610.13857v1，cs.CV，2026-10-09 发布），作者为 Anthony Cioppa、Virgile Blua、Sébastien Piérard、Pietro Ceccato、Marc Van Droogenbroeck。 背景：地震、热带风暴、洪水等自然灾害对建筑造成大范围损毁，快速可靠的损毁地…

arXiv 论文

在表格数据深度回归中，经过恰当调参的 MSE 仍是难以被多数替代目标函数稳定超越的强基线，分位数损失（quantile loss）在测试的多种骨干网络上表现出一致的总体提升；但即便使用这一强目标函数，不同目标噪声区域的最佳预测性能出现在不同训练轮次，单一全局早停检查点会在异方差区域之间强加折中。

论文标题：Revisiting Tabular Deep Regression: Objectives and the Limits of Global Early Stopping 作者：Danil Rudenko, Georgii Bulgakov, Nikolay Kartashev, Ivan Rubachev, Daniil Krasylniko…

arXiv 论文

在长程编码任务中，对完整沙箱快照做 Go-Explore 式搜索之所以能提高并优化求解率，主要依赖仓库之外的进度（如数据库、服务与运行时状态），因此当任务横跨多个服务、状态无法由单个 diff 重建时，全快照搜索最有效。

来源：arXiv 论文 *Returning to Development States: When Full Sandbox Snapshots Help Coding Agents*（arXiv ID: 2610.13841v1），作者 Daniel Thi Graviet、Tanmay Shah，2026-10-09 发布，主分类 cs.LG，兼跨…

arXiv 论文

RATED 提出一种将语义匹配与运行时可靠性反馈相结合的智能体工具检索框架，在严重API故障场景下将错误选择率从86.2%降至2.9%，且延迟开销不足1毫秒。

随着AI智能体日益依赖外部工具，工具检索的准确性对智能体的可靠行为至关重要。然而，现有方法主要优化语义相关性，很大程度上忽略了工具在执行过程中的可用性问题——即工具可能因API故障、服务中断等原因而暂时不可用。RATED旨在填补这一空白，让检索机制能够动态感知工具的实际可用状态。

arXiv 论文

QTestBench 是一个独立评估大模型生成量子测试套件的框架：即便生成的测试几乎都能运行，它们区分正确实现与错误实现的能力仍然有限（最佳生成器在 QHack 上测试质量为 0.71，在 Qiskit HumanEval 上仅为 0.34）。

大模型在经典代码生成上表现良好，也越来越多地被用于编写守护代码的单元测试。 但在量子软件上情况不同：量子程序具有概率性、依赖数值容差，且由领域专用检查器判定，因此形式正确的测试仍可能与基准判定不一致。 现有量子基准衡量的是模型能否生成正确解，而不是其测试能否区分正确实现与错误实现。QTestBench 正是针对这一缺口提出的评估框架。

arXiv 论文

一篇理论论文提出：一个循环记忆状态即使能复现当前全部预测，也未必保留“如何从下一次观测继续学习”所需的信息；对特定损失函数，这种“预测等价但记忆不等价”的缺口可以被精确刻画。（摘要级结论，正文待核实）

论文标题：Prediction Is Not a Sufficient Memory State 来源：arXiv 预印本（URL：https://arxiv.org/abs/2610.13881v1），Track: academic，主题：foundation-model。 研究问题（据候选摘要）：区分“能复现当前预测的状态”与“足以支撑精确累积学习（e…

arXiv 论文

PISO（Partially Informed Stochastic Optimization）把“已知的部分梯度”和“由函数评估推断的残差”结合起来，通过对残差做在线追踪并以此为基准中心化零阶观测，降低探测方差并给出非凸收敛保证。

许多优化问题只能直接获得梯度的一部分，剩余分量必须通过函数评估（零阶信息）推断。论文指出这类结构出现在 performative prediction、performative reinforcement learning，以及下层为黑盒的双层优化（bilevel optimization with a black-box lower level）中。研究…

arXiv 论文

OpenPA 是一个基于 Whisper 交叉注意力机制的自动发音评估（APA）框架，无需强制对齐即可同时预测词级与语句级发音分数，并通过混合转写自适应在单一模型中兼容封闭式与开放式作答场景。

自动发音评估领域正从“脚本化评估”转向“自由形式评估”，但现有方法通常依赖多阶段流程，需要强制对齐（forced alignment）和独立特征提取器，限制了其在不同作答场景中的实用性。OpenPA 旨在解决这一问题：如何在不做强制对齐的前提下，用单一模型统一处理封闭式与开放式作答的异构转写文本，并给出多粒度发音评分。

arXiv 论文

该研究聚焦连续扩散语言模型（CDLMs）中的自条件（self-conditioning）与嵌入几何（embedding geometry）两个关键设计杠杆，提出 DoubleCat 与 SemiCat 两种方法，在 TinyGSM 和 1.7B 规模上验证了连续扩散可达到甚至超越离散扩散的性能；但部分扩展选项（如混合腐蚀过程与非同步噪声调度）仍待进一步核实。

连续扩散语言模型（CDLMs）承诺将连续流建模的优势（加速采样、可控生成）引入语言任务。虽然该领域发展迅速，CDLMs 的能力已开始接近离散扩散，但与图像、视频等连续模态不同，学界对训练 CDLMs 时哪些设计因素真正重要仍缺乏系统理解。本文聚焦两个关键杠杆——自条件与嵌入几何——揭示其背后机制，并据此提出更经济、更有效的设计方案。

arXiv 论文

MC-EvoBench 是一个受控的 Minecraft 基准，通过隔离“能力改变”与“资源携带、来源暴露不均、早期执行失败”，发现相关经验并未带来稳定的跨世界能力迁移。

具身递归自我改进（embodied recursive self-improvement）的核心挑战，是让智能体把交互历史转化为能够跨越单个世界、并迁移到后续任务的能力。作者指出，保存的记忆或最终动作成功，本身并不能证明智能体获得了可复用的能力；评估必须将能力变化与以下因素区分开：被携带过来的资源、不相等的来源暴露（unequal source expos…

arXiv 论文

在由正定核导出的 MMD 几何中，若同时满足核几何下的收缩假设与标准谱隙假设，马尔可夫链的经验占用测度能以非渐近、高概率方式逼近不变测度，且谱隙主导有效样本量、核收缩只产生线性修正。

论文研究马尔可夫链在核诱导几何（即与正定核关联的 Hilbert 嵌入所诱导的几何，也称 Maximum Mean Discrepancy, MMD）中的收敛问题。核心问题是：在什么假设下，经验占用测度到不变测度的收敛能被非渐近、高概率地界定，且两类假设各自扮演什么角色。

arXiv 论文

该研究提出一种无需动态捕捉与物理模拟的方法，通过将2D光流“提升”为一致的3D欧拉运动场并驱动高斯图元形变，在静态3DGS场景中生成视觉合理的无缝循环水流动画，同时保留实时渲染性能与自由视点导航能力。

背景：3D Gaussian Splatting（3DGS）等显式3D场景表示已能实现高质量、实时的新视角合成，但通常假设场景是静态的。 痛点：现实世界中普遍存在动态现象；相干运动（如行人、车辆）尚可被捕捉重建，但像流动的水这类高频效应在“随手拍”条件下（缺乏密集多视角、高速采集）难以处理。 研究目标：在不依赖动态捕捉或物理模拟的前提下，为静态3DGS场景…

arXiv 论文

LapMerge 是一种面向有序序列的可微分 Token 合并算子，通过学习到的质量分布在 Laplace 核密度下把序列划分为恰好 N 个等质量片段并聚合，从而在 O(M+N) 时间内同时实现精确输出预算、端到端可微分与线性开销。

现代视觉与语言模型处理的 Token 序列越来越长，减少 Token 数量是控制下游成本的主要手段。但 Token 压缩面临一个根本性权衡：选择（selection）类方法会直接丢弃信息，而既有合并（merging）类方法要通过成对 Token 匹配或 MN 量级的 Token 到输出交互来保留信息，代价高。LapMerge 试图为有序序列同时解决这一权衡。

arXiv 论文

据论文摘要，在一种“每轮冻结条件边缘分布、按随机调度并行生成坐标”的并行采样模型下，按调度平均的 KL 与按输出律平均的 KL 会导出截然不同的轮复杂度：对平衡二元串目标，前者为 \(\Theta_\varepsilon((\log n)^2)\)，后者可低至 \((e^{-\varepsilon}+o(1))\log_2\ln n\)。

论文研究并行采样器的“轮复杂度”：采样器可以随机选择哪些坐标在同一轮一起生成。作者比较两种 KL 准则：调度平均散度 \(\mathbb{E}_U D_{\mathrm{KL}}(p\|q_U)\)，以及输出律散度 \(D_{\mathrm{KL}}(p\|\mathbb{E}_U q_U)\)（单位 nats）。问题是：在同一目标分布与同一容差 \(\v…

arXiv 论文

InstantFusion 提出一种轻量级共享隐空间接口，通过模型专属的 Latent AutoEncoders（LAEs）在异构扩散/流模型之间转换中间去噪状态，使去噪过程能在冻结的生成器之间无缝切换，而无需为每一对模型单独训练映射。

扩散/流模型已成为图像生成的事实范式，模型家族日趋多样，架构与表示日益异构。但其隐表示的跨模型对齐、去噪动态的一致性仍研究不足。本文关注的问题是：独立训练的异构生成器之间是否存在可利用的兼容性，能否构建一个通用接口连接它们的去噪轨迹。

arXiv 论文

该工作把从头纳米抗体设计中的“条件选择”（支架身份、目标表位等）重新表述为推理时算力分配问题，并提出两种动态预算分配器（联合 Global SMC 与解耦的 BaSE 变体），在摘要层面声称可将“每 GPU 小时可设计候选产率”提升近 5 倍且不牺牲多样性——但具体方法细节、实验设置与数据范围**待核实**。

生成式分子设计常依赖“过量生成 + 事后筛选”，效率低。 Feynman-Kac（FK）类推理时引导（inference-time steering）通过将生成轨迹偏向高奖励候选来提升效率，但通常在**单一固定配置**内优化。 在从头纳米抗体设计中，预先承诺某些条件选择（如支架身份 scaffold identity、目标表位 target epitope…

arXiv 论文

多模态扩散 Transformer（MMDiT）中图像到文本（I2T）的反馈会“锁死”已生成的内容（包括错误）；抑制这一反馈可提升生成质量，论文据此提出 Semantic Feedback Guidance（SFG）及其原地变体 iSFG。

研究对象：MMDiT 类模型允许演化中的图像通过联合注意力更新内部文本表示，这些表示又反过来引导后续图像更新。 核心问题：这种 I2T 反馈究竟是在纠正偏离提示词的部分，还是在保留（甚至固化）已有的对象与属性（包括错误）？ 来源：arXiv:2610.13941v1（cs.CV），作者 Yucheng Yang、Xiaoxiao Sun、Shusheng…

arXiv 论文

该研究给出了标准异步 Q-Learning 在单条轨迹、固定行为策略下的“最后迭代”误差界：零初始化、常数步长的 Q-Learning 可在 \(\widetilde{O}(H^4/(\mu_{\min}\varepsilon^2)+\mathfrak h_\star)\) 次转移内达到 \(\varepsilon\) 级 sup-norm 误差，其中初始…

研究对象：有限马尔可夫决策过程（MDP）中，从单条轨迹出发的标准异步 Q-Learning 的最后一次训练迭代（last iterate）。 设定条件：轨迹遵循固定行为策略；其状态-动作链不可约，且可能为周期链。 关键参数：折扣因子 \(\gamma\)，有效时域 \(H=(1-\gamma)^{-1}\)，最小平稳状态-动作概率 \(\mu_{\min}…

arXiv 论文

HnS 是一种无需模型权重或概念标注数据集的黑盒视觉模型概念级归因方法，通过“检索—定位—遮蔽—比对输出变化”的流程直接测量模型行为，在 CelebA 和 COCO-Stuff 上比现有方法更符合真值归因，并可迁移到图像描述与卫星图像分割等任务。

论文关注黑盒视觉模型预测难以解释的问题。现有基于概念的归因方法存在三类限制：只能解释分类与回归模型；需要访问模型权重或大规模概念标注数据集；多数方法无法给出图像级归因。作者提出 Hide and Seek（HnS），目标是在不接触模型内部参数、也不依赖标注概念数据的前提下，对广泛的视觉模型做概念级归因，并支持图像级局部归因。

arXiv 论文

该论文面向间歇连接、长传播时延与中继存储受限的深空网络，把中继侧的 Bundle 调度、丢弃与流控建模为约束半马尔可夫决策过程，并用带掩码的拉格朗日 PPO 求解，以“超额年龄”与任务相关性为优化目标，在 DTNSim 仿真中报告了优于基线调度器的年龄效用与流间公平性。

深空通信依赖 Bundle Protocol 的 store-carry-forward 机制，中继节点需要在有限存储和稀缺接触机会下决定哪些数据优先转发、哪些丢弃。传统 FIFO 等调度器不显式优化任务效用，且可能对来自不同行星源（如月球与火星）的异构流提供不公平服务。论文研究的问题是：如何在接触驱动的深空网络中，对中继侧束管理与流控进行目标导向的联合优…

arXiv 论文

这篇论文（Finite-Sample Guarantees for Fully Discrete Conditional Diffusion Models）据摘要称，在光滑条件密度假设下，为从数据学习、且以有限步去噪实现的条件扩散模型建立了有限样本高概率误差界，并给出与既有条件分布估计理论相匹配的 TV 误差率；具体证明细节与实验尚待核实。

研究对象：条件扩散模型（conditional diffusion models）。 关注点：模型在“从数据学习”（统计估计）与“有限去噪步数实现”（数值离散化）两个误差来源下的联合理论刻画。 研究问题：能否在光滑条件密度模型下，同时分析统计估计误差与数值离散化误差，并给出生成分布相对于真实条件目标分布的有限样本界，以及所需分数函数评估次数。

arXiv 论文

该研究提出多帧事件表示与改进的掩码自编码预训练框架，在长时复杂事件序列的动作识别上取得 THU-EACT-50 CHL 和 DailyDVS-200 的最优性能。

动作识别在机器人、病人监护与监控等场景中十分关键。事件相机因能捕捉快速运动、且相较传统视觉相机更具隐私优势，使基于事件的动作识别受到关注。然而，基于帧的事件表示在短事件序列上表现良好，面对更长、更复杂的事件序列时判别能力急剧下降。本文的核心问题即：如何提升长时、复杂事件序列下的识别性能。

arXiv 论文

DyssomniaNN 是一个耦合睡眠稳态/昼夜节律调节、下丘脑互抑开关回路与皮层-丘脑脉冲神经网络的多尺度生物物理框架，用同一套 72 小时光周期模拟五类临床队列，并通过新提出的 Well-Rested Index 显示“客观睡眠时长”无法预测“恢复性”。

临床睡眠医学中反复出现客观睡眠时长与主观日间损害之间的分离，典型例子是矛盾性失眠（paradoxical insomnia）中的睡眠状态误知觉，以及 1 型发作性睡病（narcolepsy type 1）中的状态边界不稳定。该工作提出的问题是：能否用统一的生物物理计算模型，在同一光周期条件下同时复现多种睡眠障碍的脑电特征与“恢复感”差异。

arXiv 论文

D2R 通过让冻结的世界模型“想象”旧任务来排练，从而在持续学习新任务时锚定一个轻量级引导模块，避免了对冻结通用机器人策略进行微调或重放数据所带来的灾难性遗忘。

通用机器人策略通常通过模仿学习训练，其能力受限于演示数据的质量与覆盖范围。强化学习可用于改进和扩展这类策略，常见路径有二：微调策略权重，或训练一个小模块去引导（steer）冻结生成式策略的输入噪声。然而当任务按顺序到达时，两种路径都会遭遇灾难性遗忘：微调新任务会损害旧任务，而引导方案只是把遗忘转移到了共享的引导模块上。论文提出 Dream to Remem…

arXiv 论文

Prompteina 是首个支持以自然语言指定设计目标的全体原子（all-atom）蛋白质结构生成模型，在结构属性、结合剂设计与针对 GM2A 的实验验证中均超越基线，表明自然语言可作为蛋白质结构生成的有效条件接口。

来源：arXiv 论文《Designing Protein Structures from Natural Language》（arXiv:2610.13917v1，2026-10-09）。 核心问题：de novo 蛋白质设计的目标是生成具备所需结构与功能属性的蛋白质，但现有设计模型通常要求针对每一种属性使用专用的输入表示，从而限制了所能支持的设计目标范…

arXiv 论文

该研究提出用神经网络输出空间 \( \beta(\Phi(X)) \) 的 Betti 数（而非决策边界的 Betti 数）来刻画拓扑表达力，为 ReLU 网络构造性地给出了表达任意连通 Betti 数序列的架构上界，并针对球面乘积与球面同胚空间给出更紧的界与猜想。

论文标题：Constructive Bounds for the Topological Expressivity of Neural Networks 作者：Kosio Beshkov arXiv ID：2610.13931v1（学科分类：math.AT 主分类，cs.LG 交叉） 发表/更新：2026-10-09T17:55:33Z（同日更新） 核心研…

arXiv 论文

Chronos Policy 把“物理时间”显式建模进扩散 Transformer 策略：以观测捕获时间和期望动作执行时间为条件，并用 time-aware RoPE 注入时间信息，从而在观测频率、延迟、推理时延变化或异步多速率数据下保持稳健。

机器人策略通常把感知与控制转成固定频率的“观测—动作”序列，物理时间被隐式地编码为序列位置。但一旦观测速率或延迟变化、推理时延改变，该假设就会失效。论文提出的研究问题是：如何让策略直接以物理时间为条件，而不是依赖序列位置来代表时间？

arXiv 论文

GenVerOpt 通过把“生成候选解—验证—迭代优化”结合成推理流水线，尝试让机器在视觉/非言语任务上实现逐样本优化，并在抽象 IQ 题、前列腺癌分割、肝血管重建和肿瘤边界对齐等任务上报告了超越现有系统或专家/人类的表现。

论文关注的问题是：现代机器虽能解方程、做逻辑推理和用语言推理，但在需要视觉非言语推理的任务上仍表现有限，例如完成抽象图案或勾画模糊的感兴趣区域；即便 DeepSeek、ChatGPT、Gemini 等先进系统也受限。作者指出，言语推理的中间步骤通常可显式写出并用逻辑或自动测试验证，而视觉推理涉及隐式中间步骤，缺乏清晰验证方法，因此难以建模，并被视为当前机器…

arXiv 论文

研究者用“维基百科游戏”（仅通过文章链接到达目标条目）作为信息检索基准，测试句子嵌入模型与 LLM 在五种维基百科语言和五个学术文献数据集上的导航能力；没有模型显著超越人类，但顶尖模型（GPT-o3 mini、GPT-4o、QwQ:32B、DeepSeek-R1:70B）达到了与人类相当的成功率。

语言模型越来越多地被用于支持或自动化从**大到无法建立索引的文档集合**中进行信息检索。 当检索任务需要**专业语言或科学知识**时，这一任务尤其困难。 研究问题是：语言模型能否在一种类似的信息检索任务——“维基百科游戏”中有效导航？即玩家必须**仅使用文章链接**到达目标文章。

arXiv 论文

在 Qwen3-14B 的事实问答场景中，训练一个独立的“答案选择器”比直接使用模型校准置信度过滤更能提升阈值平均效用，但这一优势在 NQ-Open 上仍不足以超过“始终拒答”，跨数据集的可靠拒答问题尚未解决。

研究问题：一个有用的语言模型应当知道何时回答、何时说“我不知道”。这一拒答决策应该通过训练模型本身来改进，还是通过训练一个独立组件来检查其答案？ 作者在 Qwen3-14B 上对事实性问题同时考察了这两条路径。 使用一个评分机制：奖励正确答案、惩罚错误答案，并允许弃权（abstention）。

arXiv 论文

一项针对 WADS-3D 与 CADC 数据集的细粒度评估发现：降雪强度增加时 LiDAR 目标检测精度反而持续提升，这一反直觉现象可能由“目标点云数量增加”这一主导因素掩盖了落雪噪声的负面影响（基于摘要，细节待核实）。

研究背景：LiDAR 是自动驾驶感知的关键传感器，但已知其在恶劣天气下性能会退化。 既有认知：现有文献通常将降雪建模为降低性能的大气噪声。 研究问题：降雪究竟如何影响 LiDAR 目标检测？是否存在与天气严重程度相关的混杂因素导致评估结论失真？（研究问题的完整表述待核实）

arXiv 论文

在对抗条件下，模型可以借助密码学手段将任意计算能力加密嵌入权重中，除非收到秘密触发器，否则这些能力在可证明意义上难以被激发或解释，从而动摇了基于“激发式”能力审计的可靠性。

能力评估（capability evaluations）试图在部署前暴露模型的有害行为，但其可靠性依赖于一个假设：隐藏的能力可以被激发（elicited）。该研究检验这一假设是否成立，并给出去否定答案的构造：作者构建后门攻击，将加密的神经网络嵌入宿主模型权重中，只有接收到秘密触发器时才解密并执行，从而把先前“隐藏固定字符串”的研究扩展到“隐藏任意计算”。

arXiv 论文