本期 46 件事。点击标题可查看卡片、来源与相关知识点。
据 OpenAI 官方页面标题及候选摘要，Terminal X 的 Eval Agent 以 54 项标准评分表（rubric）评估输出，在使用 GPT-6.1 Sol 时，对某基金投资授权（mandate）的偏离识别量提升 25%，与资深投资人判断的一致率达 88.6%；正文未能抓取，细节待核实。
**来源**：OpenAI 官方页面（https://openai.com/index/terminal-x），标题为 “Terminal X matches senior investor judgment 88.6% with GPT-6.1”。 **核心问题**：能否用 AI 评估代理（Eval Agent）在投资合规/授权审查场景中，替代或辅助资深…
OpenAI
查看来源原文腾讯面向全国教师推出WorkBuddy教育公益版，通过封装高频教学场景并内置209位“教育专家”，以每月2000积分的普惠方式降低教师使用AI的门槛，并在深圳福田率先实现区域级整建制配备。
腾讯SSV数字教育实验室与WorkBuddy团队联合研发教育公益版产品，面向教师群体提供AI辅助教学工具。核心问题是：如何让AI工具真正进入教师日常教学流程，而非停留在通用聊天层面——答案是通过场景封装与积分普惠双管齐下。
腾讯研究院（搜狐同步）
查看来源原文MemT 1.0 是记忆张量（MemTensor）开源的一类“记忆原生”大模型，通过在选定 Transformer 模块中增加与注意力并行的记忆计算通路，把经验编码为可训练、可更新的内部动态状态，并宣称这是记忆原生模型首次实现近 300B 参数规模的工程验证。
背景：RSI（递归自我改进）讨论升温，Hinton 的 RSI 论文作者阵容包括 Bengio、OpenAI 首席科学家 Pachocki、Anthropic 联创 Jack Clark 等。文章提出的基础问题是：一次改进如何成为下一次的起点——有效方法要被保留，走过的弯路要被识别，承接这件事的是“记忆”。 常规思路：给 AI 外接经验库，保存与检索操作方…
量子位
查看来源原文Sam Altman在播客《Sources》中确认OpenAI将独立开发人形机器人，现阶段聚焦智能“大脑”，预计2027年推出演示原型，真正进入公共场景还需数年。
OpenAI此前通过投资1X与Figure布局人形机器人赛道，但Figure于2025年2月终止合作并转向自研Helix。此次Altman公开确认自研整机，意味着OpenAI从“投资+大脑供应”转向掌握软硬件全栈，核心动机在于获取真实环境数据闭环。研究问题可归结为：AI“大脑”能力是否足以支撑人形机器人走出实验室、进入真实场景。
腾讯研究院（搜狐同步）
查看来源原文腾讯Marvis（马维斯）已上架麒麟软件商店，面向银河麒麟桌面操作系统V10SP1（X86、ARM），定位为操作系统级个人AI管家，支持用自然语言调节系统设置、安装软件、查找文件，并具备本地索引的语义搜索与App端远程操控能力。
腾讯Marvis（马维斯）正式上架麒麟软件商店，适配银河麒麟桌面操作系统V10SP1的X86与ARM架构。产品定位为“操作系统级个人AI管家”，核心问题是：能否用自然语言一句话完成原本需要多步点击的系统操作与文件管理任务，并在本地完成索引与查询以保障隐私。
腾讯研究院（搜狐同步）
查看来源原文腾讯·反诈联合实验室在中国老龄科学研究中心指导下发布《银发群体反诈分析报告》，以长图形式梳理针对老年群体的典型诈骗话术与套路，定位为面向长辈的防骗科普材料。
材料以“你觉得诈骗离爸妈有多远”切入，列举三类常见诱导话术——“免费领礼品，群发信息就行”“马上要扣费了，怎么能不管”“别人都在盈利，我也要投资”——分别指向个人信息泄露、紧急扣费转账、虚假投资理财三类风险场景。报告要回答的问题可概括为：银发群体容易被哪些话术吸引、这些套路如何一步步造成财产损失。
腾讯研究院（搜狐同步）
查看来源原文一家独立经营 Schlotzsky’s 与 Cinnabon 的加盟商借助 ChatGPT Work 把现金对账时间减少 94%，并把菜单重新定价时间压缩 95%，据称其搭建的工作流有望释放约 10 万美元现金流（具体口径待核实）。
来源标题称：Franchisee reconciles cash in 94% less time with ChatGPT Work。 案例主体为一家独立加盟商，同时经营 Schlotzsky’s 和 Cinnabon 两个品牌。 研究/叙事问题：小型多品牌加盟经营者能否用 ChatGPT Work 处理现金对账、菜单定价等重复性运营工作，从而节省时间并…
OpenAI
查看来源原文亚马逊CTO Werner Vogels在亚马逊云科技创业加速营对谈中提出，AI创业若只在大模型上做“薄皮”包装便缺乏护城河，应聚焦客户痛苦且无人解决的真实问题，同时把安全视为“Job Zero”（第零优先级），并对AI生成代码保持审慎。
本条为腾讯研究院AI速递（20261020）中“报告观点”部分第九条，转述Vogels在创业加速营对谈中的若干判断。原始对谈的完整内容、时间地点与具体表述细节无法从现有材料确认，待核实。
腾讯研究院（搜狐同步）
查看来源原文Anthropic 宣布成立全资公益基金，经股东投票通过后划入公司 5% 股份（按 5 月 9650 亿美元估值约合 480 亿美元），并同步启动 1.5 亿美元的 Claude Corps 公益人才计划。
据腾讯研究院 AI 速递（20261020）条目，Anthropic 官宣以公司股份设立公益基金，探索把 AI 公司股权收益定向用于公共利益。本条关注的问题是：AI 实验室如何用股权结构安排（而非单纯现金捐赠）承载公益承诺，以及这类安排附带哪些约束与触发机制。
腾讯研究院（搜狐同步）
查看来源原文2026 年 10 月 20 日，AGCO（NYSE: AGCO）与 Agility Robotics 签署商业协议，计划于 2027 年在美国堪萨斯州 Hesston 生产基地启动人形机器人 Digit 试点，初期用于零件分拣、堆叠及周转箱智能放置等重复性、体力型任务。
发布时间：2026 年 10 月 20 日；发布地点：美国佐治亚州 Duluth。 协议性质：商业协议（commercial agreement），并非最终大规模部署合同；试点预计 2027 年启动。 试点范围：从 AGCO Hesston, Kansas 生产设施开始。 目标：探索人形机器人在制造运营中对重复性与危险性任务的自动化支持，构建更灵活、更智能…
agilityrobotics.com
查看来源原文Cursor 于 2026 年 10 月 20 日发布 Agent SDK，将其内部构建 Bugbot、Security Reviewer、Rollouts 等托管智能体所用的框架对外开放，支持以代码定义智能体并通过一条命令部署到 Cursor 基础设施或自托管环境。
软件团队希望用“定义为代码”的智能体处理开发生命周期中的重复性工作（如代码审查、合规流程、事故调查），但此前要么采用围绕他人工作流设计的产品，要么从零自建。Agent SDK 试图解决“如何按团队自身工作方式快速构建并部署智能体”的问题。
Cursor 博客
查看来源原文据腾讯研究院AI速递（2026-10-20）报道，MiniMax 更新 M3.1 Flash，采用更激进的稀疏注意力架构，输出速度超 200 TPS，输入/输出价格降至每百万 Token 1 元/4 元，并在多项 Agent 与编程基准上给出国产第一的分数。
材料称 M3.1 Flash 的早期版本以匿名形式（Space Bunny）处理超 200T Token，官方定位为在 Agent、编程、Computer Use 及网络安全能力上的“代际提升”。 本条关注的问题是：在 Flash 级低成本模型上，速度、价格与 Agent/编程/Computer Use 能力能否同时兼顾。
腾讯研究院（搜狐同步）
查看来源原文Lovart 2.0 推出个人设计 Agent Arti，核心卖点是“记住用户审美”：通过个人记忆库沉淀审美偏好，并以画布巡检、Skill 自进化与“设计委托”自动任务把设计协作流程代理化。
据腾讯研究院 AI 速递（20261020）条目，Lovart 2.0 上线个人设计 Agent Arti，并已向所有用户开放。该条目关注的问题是：设计类 Agent 能否从一次性生成工具，演进为持续理解用户偏好、主动巡检与自动执行任务的“个人设计代理”。材料未给出 Lovart 2.0 的发布时间、版本细节与底层模型信息，待核实。
腾讯研究院（搜狐同步）
查看来源原文WildMAE 是在 MAE（掩码自编码）解码器侧加入局部结构感知细化与“掩码到可见”交叉注意力的扩展方法，用于处理相机陷阱野生动物图像在动物外观、光照、背景杂乱与视觉退化上的显著变化；其报告的重建指标相对原始 MAE 更优，但属于历史协议下的结果，需按待核实对待。
研究对象：相机陷阱（camera-trap）野生动物图像的重建建模。 问题背景：此类图像在动物外观、光照条件、背景杂乱和视觉退化方面变化很大，MAE 通过重建随机隐藏的图像块提供无标签建模框架。 论文提出 WildMAE，目标是在不替换原始 Transformer 解码器的前提下，增强掩码图像重建中的结构先验与上下文检索能力。
arXiv 论文
查看来源原文该论文指出，常规 RTL 修复评分未必能区分“模型是否利用了有缺陷的 RTL 本身”与“模型是否只是按规格从头写出修复版本”，并据此提出一套评测控制与诊断协议；具体结论与数值因未能抓取正文，**待核实**。
研究问题：RTL 修复基准应当衡量“给定规格、模型能否修复损坏的 RTL”，但现有评分可能混入与修复能力无关的因素。 作者构建了 RTLRepairDataset（5,784 对 (broken, fixed) 训练样本）、RTLRepairBench（459 个留出案例，含 374 个语法变异与 85 个行为变异）以及支持仿真与形式等价检查的评测框架，并…
arXiv 论文
查看来源原文该研究提出一套区分“价值表达”与“价值组织”的诊断性指标框架，发现 AI 生成的辩论往往在价值维度上并不贫乏（甚至常与人类参照相当或更多），但在跨轮次的价值分布与持续方式上与人类存在系统性差异。
当前对 LLM 生成辩论的评估主要聚焦论辩质量（如论证强度、逻辑性），而对生成论证背后的价值结构缺乏考察。论文要回答的问题是：AI 生成辩论与人类参照辩论在“价值如何被表达”和“价值如何被组织”这两个层面分别有何异同，并据此提出辩论评估不应只看价值是否存在，还应看价值如何组织。
arXiv 论文
查看来源原文UniWALM 将视频、动作与语言放进同一个混合 Transformer 主干，让每种模态既作为条件输入又作为监督目标，并在同一次推理中联合去噪生成动作、子任务与“文本记忆”，从而在无需外部规划器或记忆库的情况下支持依赖记忆的操作任务。
来源：arXiv 2610.28626v1（cs.RO），标题为 *UniWALM: Unified World Action Language Model for Embodied Robot Control*，发布时间 2026-10-20。 研究动机：人类能跨语言、感知与动作整合经验；作者追问“联合生成语言能否丰富共享表征，从而改进操作并支持记忆依赖…
arXiv 论文
查看来源原文一篇理论计算机科学论文证明：任意深度的 ReLU 神经网络都可以被一个仅含两个隐藏层的 ReLU 网络**精确模拟**（而非近似），并给出同调代数与组合数学两条独立证明路径。
论文标题：Two $\operatorname{ReLU}$ Layers is All You Need 作者：Florestan Brunck, Christoph Hertrich, Kilian Ruess, Jack Stade, Amir Yehudayoff 发布：2026-10-20（arXiv:2610.28587v1），主分类 cs.C…
arXiv 论文
查看来源原文TS2Vec-FM 通过三项改动把原本需逐数据集重训的 TS2Vec 变为“一次预训练、跨数据集复用”的冻结编码器，仅 160 万参数即在 UCR-128 与 UEA-27 线性探测下接近当前最优（差 0.3 个百分点），且无需注意力、patch tokenizer 或中间层特征提取。
TS2Vec 是 2022 年提出的强自监督时间序列分类方法，但设计上针对每个数据集单独进行自监督预训练加线性探测。随着领域转向跨数据集复用同一编码器的基础模型，作者提出：TS2Vec 紧凑的卷积架构、直接作用于时间采样、支持变长输入且无需重采样等特性，能否在“只预训练一次”的前提下保留？论文给出的答案是肯定的，并据此构建 TS2Vec-FM。
arXiv 论文
查看来源原文Tessera 是一个面向空间转录组的表示学习框架，试图同时解决“空间知情基因选择”和“保留方向性的细胞邻域建模”两个问题；但本卡片仅依据 arXiv 元数据撰写，正文内容与实验细节待核实。
来源材料标注为 arXiv 预印本（编号 2610.28579v1），标题为 *Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics*。 研究问题（据元数据摘要）：细胞状态既受内在基因表达程序影响，也受其所处空间微环境影响…
arXiv 论文
查看来源原文SolarRenderer 通过冻结 33B 视频生成主干并仅训练两个轻量 LoRA，把任意结构表示（游戏引擎/模拟器输出的粗结构视频）作为参考条件，实现 4 步生成、比 50 步采样快 12.3 倍的写实视频渲染，并能泛化到 11 种未见结构表示。
游戏引擎与编码智能体能够指定场景的布局、运动与相机，但要把这种粗粒度结构转成写实视频，仍需要一个既能遵循结构、又能补全外观的渲染器。现有渲染器存在三个问题：绑定单一引擎的表示形式；需要数十步去噪或昂贵的自蒸馏；训练条件与目标视频不对齐。论文提出 SolarRenderer 作为结构条件视频渲染器来回应这些问题。
arXiv 论文
查看来源原文一篇提出“语义可观测性”架构的概念性论文：把分散的多格式日志统一建模为可查询的属性图，再用有状态多智能体系统（基于有向循环图）结合因果图算法与时序回溯定位故障影响范围，最后由 LLM 生成代码级根因分析与修复建议；量化评估尚未完成，待核实。
现代分布式微服务部署在物理与逻辑分区的基础设施上产生海量、异构、多格式的可观测性日志。站点可靠性工程师（SRE）在级联故障中定位根因仍然困难，瓶颈在于手工关键词过滤与各监控面板之间割裂的时间关联。
arXiv 论文
查看来源原文SceneRig 是一个智能体（agentic）系统，可将单张图像重建为可编辑、物理稳定、可直接用于机器人仿真的 3D 场景，其核心增量在于用“编辑—验证”循环替代事后物理沉降，从而改善物体放置与操控表现。
研究问题：机器人仿真需要大规模、多样化的仿真就绪场景，但从单图重建场景时，仅追求视觉相似并不够——物体必须被正确恢复、准确放置并具备物理支撑关系。 现有方法依赖“事后物理沉降”（post-hoc physics settling），常导致物体错位，场景“看起来对、操控起来差”。 SceneRig 的目标是把单张图像变成可编辑、仿真就绪的场景。
arXiv 论文
查看来源原文Sage-A1.5 是一个 35B 参数的混合专家（MoE）智能体模型，在 A1 基础上通过“能力组合”推进长程问题求解，强调智能体编排、验证与开放式科学发现三项改进（依据摘要；技术细节待核实）。
该工作属于学术预印本（arXiv:2610.28578v1，Track: academic，Topics: foundation-model）。研究问题是：如何让智能体不仅完成单个任务，还能在执行过程中组织工作、修正策略，并将能力从预设问答扩展到探索性科学研究。作者将 Sage-A1.5 定位为面向开放科学发现的可访问基础模型，试图打通“长程任务执行”到“…
arXiv 论文
查看来源原文PsycheMME 是一个受心理学理论启发的视频基准，用八个能力维度把“理解他人”与“选择回应”拆开评测，并通过“推理验证”协议同时考察答案与理由；在 17 个模型上，Timing（时机）能力得分与理由可信度最低。
论文指出：理解人类需求与选择回应是两类不同判断，聚合准确率会掩盖这种差异。 研究问题：如何构建一个视频基准，既区分社会理解与回应选择，又能评估模型给出答案时其显式理由是否站得住脚。 基准名：PsycheMME（心理学启发的视频社会理解与交互基准）。
arXiv 论文
查看来源原文PUN 是一种学习“噪声感知价值场”的神经算子，用于在未见几何环境中做带执行噪声的规划；元数据称其在 4D 重规划基准上兼顾更高成功率与更低运行时间，但正文未抓取，细节待核实。
研究问题：当控制执行存在不确定性（执行噪声）时，如何在不同环境/几何中仍获得可靠的反馈策略以支持规划。 论文提出 **Planning Under Noise (PUN)**：学习从几何到噪声感知价值场的映射，用于在未见过的几何中规划。 理论出发点：基于随机最优控制的 screened-Poisson 表述（该表述本身为既有工作，论文在其上做扩展）。
arXiv 论文
查看来源原文一篇发表于 Nature Machine Intelligence 的 News & Views 评论指出，一种融合拉格朗日（Lagrangian）与欧拉（Eulerian）视角的神经网络架构，能够将稀疏观测转化为复杂、混沌流体运动的高分辨率且物理准确的映射。
材料类型：News & Views 评论文章，非原始研究论文。 主题：物理信息机器学习（Physics-informed machine learning）在流体动力学中的应用。 关注问题：如何从稀疏的流场观测中重建复杂、混沌流体运动的高分辨率且物理一致的流场。 核心思路：弥合拉格朗日视角与欧拉视角的神经网络方法。
nature.com
查看来源原文PaPi 是一种受弱非线性流启发的积分方案，通过指数积分与 Duhamel-Picard 迭代实现时间并行推理，在保持预测精度的同时将神经谱架构（NeuSA）的训练与推理加速最多两个数量级。
神经谱架构（NeuSA）是一类物理信息神经网络（PINNs），已被证明在频域求解时间相关 PDE 方面有效。然而其训练与推理通常依赖对学习到的向量场进行昂贵的数值积分，一般使用顺序 Runge-Kutta 时间步进，限制了时间维度的并行性。PaPi 针对这一瓶颈提出替代积分方案。
arXiv 论文
查看来源原文把经典几何优化中的曲面能量泛函搬到神经隐式 SDF 的参数空间上做正则，可在百万点级 LiDAR 场景中抑制抖动与伪影、提升重建平滑度，且不增加推理开销。
神经隐式表示能以较低内存为大规模 LiDAR 场景提供 signed distance field（SDF）参数化，但从稀疏、常带噪声的输入中恢复出的几何存在抖动（jitter）和伪影。本文关注的问题是：能否借助经典几何优化中“曲面能量泛函的最小化解对应光滑曲面”这一原理，在神经隐式建图中获得更平滑的重建。
arXiv 论文
查看来源原文NarraSpace 将图片描述中的词语和语音时间对齐到具名场景元素，用冻结语言模型对预设场景事件做患病/健康对比打分，并保留“事件分数—原话语—语音区间—词汇匹配”的可追溯记录；在 ADReSS 官方 48 人测试集上，固定 SVM 取得 80.88%±2.56% 的平均准确率（50 个随机种子），平均概率后准确率 81.25%、AUC 91.32%。
图片描述式痴呆分类共享同一幅视觉场景，但仅凭转写文本级预测无法说明输入所依据的场景证据是什么。NarraSpace 针对这一问题，把分类输入的构造过程显式化、可检查化：不再只输出一个标签，而是把每个场景事件的模型测量回溯到原始话语、语音时间与词汇提取记录。
arXiv 论文
查看来源原文MindView 是一个包含 1,500 个样本、覆盖 513 个室内场景的生成式多视图空间智能基准，用七类任务评测“从部分多视图观测出发、按语言指令生成空间一致新视角”的能力，并配套给出微调方案与免训练证据选择器 MindCue。
论文指出，空间智能此前多通过“空间接地的图像编辑”等生成任务来评估，但**从部分多视图观测出发、按语言引导生成空间一致视角**这一方向仍缺乏系统评测。MindView 即针对这一问题构建基准，并进一步追问两件事：任务特定监督能否提升目标视角生成；模型能否有效利用更多多视图证据。
arXiv 论文
查看来源原文VPM（Video-Point Model）尝试把“多视角视频预测”和“持久场景点的三维轨迹预测”放进同一个世界模型里联合学习，用轨迹监督把不同相机的表观变化锚定到同一份三维运动描述上；但本卡片未能获取论文正文，方法细节与数值结果均待核实。
本条对应 arXiv 条目 *Learning the 4D World through Point Trajectory Forecasting*（arXiv:2610.28594v1，手动标注的标题）。按候选摘要，论文关注的问题是：可靠的多视角预测要求不同相机的视频描述同一个正在演化的三维场景，因此需要一种能同时预测“任意视角的未来视频”和“场景中持久…
arXiv 论文
查看来源原文AdaDex 提出“混合灵巧模仿”（Hybrid Dexterous Mimicking）框架，用一段仅数秒的单次手-物体运动轨迹，在大量并行仿真环境中同时训练“动作跟踪”与“带噪泛化”两类环境，从而得到既能保持类人先验、又能泛化到参考轨迹之外的可适应灵巧技能策略。
多指灵巧手有望实现功能性抓取、手内重定向、动态交接等技能，但现有学习范式存在权衡：目标导向的强化学习（goal-reaching RL）能泛化到任意物体位姿，却因缺乏人类先验而收敛到不自然、不可靠的手指策略；动作跟踪（motion tracking）能从单段视频复现类人行为，却无法偏离参考轨迹。论文要解决的是：如何仅凭极少量人类演示，同时获得“类人”与“可…
arXiv 论文
查看来源原文KoalaGS 提出一种“复杂度感知”的连续细节层次（LoD）方法：利用优化前由输入视图估计的图像复杂度作为先验，在训练中引导高斯原语向重建较差区域迁移，并通过原语重要性评分支持低容量推理；据摘要称可在保持满容量质量竞争力的同时改善全预算区间质量、平滑 LoD 过渡并支持更快的渐进式流式传输（具体数值与实验细节待核实）。
研究场景：已训练完成的 3D Gaussian Splatting（3DGS）场景需要在不断缩小的计算预算下部署，即用“更小的前缀”渲染时仍保持有效性，这被称为连续细节层次（continuous level of detail, LoD）设置。 核心问题：当预算下降时，应决定哪些高斯原语（Gaussians）保留容量。 论文标题（英文）：KoalaGS:…
arXiv 论文
查看来源原文该研究提出一种将3D运动生成与视频生成解耦并协同的模型，可为任意骨架（rig）从文本直接生成可复用的3D运动与对应视频，并同时恢复相机以将运动注册回3D场景。
现有视频生成模型能生成逼真的运动画面，但这些运动仅停留在像素层面，无法直接用于驱动特定3D资产或在3D场景中重放。已有视频-运动模型要么只支持人体骨架且需增加数十亿参数，要么从生成的2D姿态图三角化出3D运动。本文要解决的问题是：如何为任意骨架联合生成视频与可重放的3D运动，并确定该运动在场景中的相机位置。
arXiv 论文
查看来源原文Industrial ReMEmbR 将 NVIDIA ReMEmbR 扩展为面向仓库机器人车队的共享时空记忆系统，通过在机器人端编码视频并仅在需要时生成场景描述，降低服务器端计算、通信与存储成本，同时支持 GDPR 合规的 PII 抽象。
仓库机器人车队持续观测运行环境，但若要保留这些观测作为可复用的语义记忆，会带来巨大的计算、通信与存储开销。例如，解释反复出现的通道堵塞可能需要回看多个机器人、多个班次的视频。本文提出 IndustrialRemembr，一个共享时空记忆系统，目标是在机器人车队场景下扩展 NVIDIA ReMEmbR，并减少服务器端计算——场景描述仅在按需时生成。
arXiv 论文
查看来源原文GBClaw 是一个将大语言模型（LLM）嵌入模块化智能体架构的材料计算框架，用于系统研究一般晶界（general grain boundaries）的结构与变形行为，并在镍的 14 个非对称倾转晶界上完成了界面缺陷表征、变形模式识别与剪切阻力机制的追踪。
研究问题：智能体 AI 在材料发现与设计的工作流自动化上潜力巨大，但把这种能力延伸到“领域知识密集的机制型研究”（mechanistic investigation）仍然困难。 研究对象：一般晶界。这类界面在多晶材料的真实界面中占绝大多数，但因结构复杂、界面错配严重，实验与建模研究都相对不足。 作者提出 GBClaw，目标是把系统性模拟与有针对性的机制分析…
arXiv 论文
查看来源原文Agent S4 提出把“接口设计”本身变成智能体的一种能力：元智能体从任务轨迹中自动构建和修订接口与使用知识，再用基于种群的演化筛选可泛化的接口库；在 OSWorld V2 上以 Qwen3.8-27B 达到 21.3% 二值得分，约为固定接口同模型的 3.8 倍（据摘要，待核实全文）。
问题起点：计算机使用智能体受人类给定接口的限制——例如本可用一行代码完成却逐格填写表格，或为找一个函数而把两千行文件全部打印出来。 核心论点：接口与“何时用哪种接口”的知识目前都由人工构建，无法跟上新应用、新工作流与新模型的节奏；因此接口设计应成为智能体自身的能力。 研究产出：提出 Agent S4，一个“自主计算机使用科学家”，从任务经验中构建 Evol…
arXiv 论文
查看来源原文该研究提出一种边感知注意力层，通过按注意力头调制分数并配合轻量残差机制更新边表示，可借助 PyTorch 的 FlexAttention 实现；在生成质量与基线相当的前提下，将峰值 GPU 显存降低约 65%，并显著提升训练与采样吞吐。
图生成模型通常采用图专用 Transformer 架构，同时更新节点与边特征。这类架构难以直接受益于近期硬件感知的注意力实现（如 FlexAttention），从而限制了可扩展性。但适配并非易事：边特征与图级特征需注入成对注意力分数、图掩码必须被遵守，且动态边更新仍是二次方显存占用的主要来源。论文针对这一问题提出新的注意力层设计。
arXiv 论文
查看来源原文该论文提出一个面向连续时间强化学习的策略梯度框架，试图在未知动力学（由随机微分方程驱动）且仅有离散时间观测的条件下，同时给出收敛性分析与无模型算法；具体定理形式与实验细节待核实。
连续时间强化学习通常假设系统由随机微分方程（SDE）驱动，但实际中动力学未知、观测往往只在离散时刻获得。论文研究的问题是：能否在这样的离散数据条件下建立策略梯度方法，并给出严格的收敛性保证，同时设计无需已知动力学的算法。上述问题定位来自摘要，正文细节待核实。
arXiv 论文
查看来源原文论文指出智能体同策略蒸馏（OPD）中的失败不能完全用“复合误差”解释，并提出 R2S 方法：在蒸馏前用教师接管轨迹修复“评分器”，弥合教师实际行为与其逐 token 打分之间的差距，在 12 个“教师-学生-环境”组合上平均比最优对比方法高 12.8 个成功点。
研究对象是 agentic on-policy distillation（OPD）：学生在自身轨迹上训练，教师对每个 token 打分。 现有解释把问题归于复合误差，常用对策是把训练限制在教师可靠的区域内（如回合长度课程、教师引导回合、前缀回放、分歧处教师干预）。 论文指出该解释不完整：从学生偏离教师最大的状态出发，教师自己接管仍能完成任务，但学生在教师…
arXiv 论文
查看来源原文Cache Engineering for Agents 提出“缓存工程”这一新范式，让 LLM 智能体直接控制活跃 KV cache（通过 drop 与 repos 操作），在不修改轨迹前缀、不重新预填充的前提下降低长程任务的缓存 I/O 与存储开销；因未能抓取正文，具体方法细节与实验数据待核实。
来源类型：arXiv 预印本（academic track，主题为 foundation-model）。 研究问题：长程智能体轨迹变长后，KV cache 的 I/O 与存储成为主导成本；轨迹还可能超出模型最大上下文长度，需要控制活跃缓存增长。 既有做法（据摘要）：通过上下文工程对历史进行裁剪或摘要来缩小缓存，但修改轨迹前缀会使后续缓存状态失效并触发昂贵的…
arXiv 论文
查看来源原文CoRAL 提出一种“扩散规划器 + 自回归执行器”的非对称混合架构，试图同时缓解自回归模型推理的“顺序性瓶颈”与扩散语言模型语义连贯性不足的问题；但因来源正文未抓取，具体指标与实验细节待核实。
来源元数据指出，自回归模型（ARMs）在推理任务中受制于“顺序性瓶颈”（Sequentiality Bottleneck），即逐 token 生成带来的串行开销；扩散语言模型（DLMs）虽可并行生成，却缺乏语义连贯性。该工作提出 Collaborative Reasoning Asymmetric Learning（CoRAL），以混合框架同时应对两类模型…
arXiv 论文
查看来源原文首个面向方言阿拉伯语（Dialectal Arabic）数学推理的人工整理基准 DAR-MGSM 被提出，包含翻译版与文化本地化版两个平行版本，初步结果显示文化本地化会普遍拉低模型表现，且不同模型敏感度存在差异——以上均基于摘要元数据，具体数值待核实。
数学推理在低资源语言（含方言阿拉伯语）中研究不足。该工作试图填补这一空白：构建一个用于评估方言阿拉伯语数学推理能力的基准，并检验“语言变体”与“文化语境”两个因素如何影响大语言模型的数学推理表现。
arXiv 论文
查看来源原文AEON 提出一个统一框架，在文本或图像条件化的视频潜空间中生成可渲染的 4D Gaussian Splatting（4DGS）显式表示，从而试图同时获得视频生成模型的真实感与 3D 生成模型的几何一致性。
当前面向显式世界模拟的世界模型大致分为两条路线：视频生成模型（如 Sora）外观真实但难以保持 3D 一致性；3D 生成模型（如 Marble）几何一致但观测往往静态、真实感较弱。AEON 的研究问题是能否将两者桥接，在一个框架内兼得视频级真实感与可渲染的 4D 显式世界表示。
arXiv 论文
查看来源原文多Token预测（MTP）的投机视界（horizon）应随上下文动态选择，而不是固定窗口；论文提出无需重训练的轻量控制器 AMTP，用验证反馈在线预测“草稿能活多远”，在 10 个设置中有 8 个达到或超过固定窗口，吞吐最高提升约 10%，解码最高提速 4.1 倍。
MTP 通过一次草拟多个 token、再由目标模型单次前向验证来加速语言模型解码。 核心矛盾：视界越长，草稿可靠时摊销收益越大；但一旦被拒绝，被丢弃的后缀就是纯浪费。 与自回归草拟不同（可逐 token 决定何时停），MTP 的所有头在同一次前向中同时触发，因此必须在草拟前就固定视界。 论文把“视界选择”建模为在线控制问题：利用验证反馈学习当前上下文中草稿…
arXiv 论文
查看来源原文