本期 51 件事。点击标题可查看卡片、来源与相关知识点。
MIT CSAIL 公布八项实验，测试 GPT-6 Astra 不经梯度训练、直接读写神经网络权重（“权重空间编程”）：在 Qwen3.5-0.8B 上仅改动约 0.016% 权重，MATH-500 准确率从 7.9% 升至 48.1%，IFEval 从 21.0% 升至 62.3%。
研究问题：大模型能否像编辑代码一样，直接读取并修改另一个神经网络的权重，而不是依赖梯度训练？ 团队将这一做法称为“权重空间编程”（Weight-Space Programming），由 GPT-6 Astra 直接读写目标模型权重。 来源称 MIT CSAIL 共公布八项实验，覆盖基准提升、权重识别与从零构建网络等方向。
腾讯研究院（搜狐同步）
查看来源原文据腾讯研究院 AI 速递（2026-11-03）汇总，Anthropic 与 OpenAI 的下一代旗舰模型线索接连出现在官网源码、第三方配置与 API 响应中，暗示 11 月可能出现一轮旗舰模型集中更新；但所有细节均来自泄露与社区截图，官方尚未确认。
本条属于产品/发布动向类信息，核心问题是：两家头部实验室的下一代旗舰模型是否已临近发布，以及泄露信息透露了哪些规格信号。材料列出两条独立线索： Anthropic 侧：官网源码曾出现 "Mythos 5.5" 字样，随后被删除；LiteLLM 配置中曾出现 "Fable 5.5"。 OpenAI 侧：部分 Codex 统计与 API 响应中出现 "gpt-…
腾讯研究院（搜狐同步）
查看来源原文据量子位报道，MIT 团队提出“Weight-Space Programming（权重空间编程）”，让 GPT-6 Astra 直接读取并编辑小模型权重，在 Qwen3.5-0.8B 上仅改动约 0.016% 权重、不做梯度训练，就把 MATH-500 得分从 7.9% 提升到 48.1%。
报道称，MIT 的实验试图回答：通用大模型能否不经过传统训练流程（损失计算、反向传播、优化器更新），而是通过分析神经网络权重、定位问题部件并直接写入修改，来改变小模型行为。团队将这套做法命名为 Weight-Space Programming。Astra 在此过程中承担“诊断权重—决定改哪里—生成修改代码/权重”的角色。上述实验细节来自量子位对公开博客与社…
量子位
查看来源原文Marvell于11月2日宣布以全股票方式收购光通信厂商Lumentum，隐含企业价值约1150亿美元，交易溢价约23.9%，旨在强化AI数据中心的光互联（NPO/CPO）布局。
据腾讯研究院AI速递（20261103）转述，Marvell于11月2日宣布全股票收购Lumentum，隐含企业价值约1150亿美元（约合人民币7646亿元）。交易采用换股方式，每股Lumentum换取4.5股Marvell股票，约合每股1132美元，较Lumentum 10月28日收盘价溢价约23.9%。交割后，Marvell与Lumentum双方股东将…
腾讯研究院（搜狐同步）
查看来源原文据可获得的元数据，Cisco 将网络智能与 OpenAI 模型结合，用于强化企业安全防护并构建更具自适应性的防御体系；具体技术细节与成效待核实。
OpenAI 官网发布题为 “How Cisco defends at machine speed with OpenAI” 的材料，主题为 Cisco 在企业安全场景中结合自身网络智能与 OpenAI 模型能力。由于未能抓取正文，本条仅基于标题与摘要性元数据整理，涉及产品形态、部署方式与量化效果的部分均待核实。
OpenAI
查看来源原文据 OpenAI 官方页面标题与摘要，欧洲住宅房地产管理公司 Heimstaden 使用 OpenAI 的 ChatGPT Enterprise 与 Codex 改造物业管理流程、降低成本并赋能员工；具体做法与量化效果待核实。
来源为 OpenAI 官网案例页面（URL: https://openai.com/index/heimstaden ），标题为 “Heimstaden is changing residential real estate management with AI”。 页面摘要称：Heimstaden 使用 ChatGPT Enterprise 与 Code…
OpenAI
查看来源原文据腾讯研究院AI速递（20261103）报道，Karpathy用Claude Code（Opus 5.5 Medium）凭一句提示词在两小时内建成HackerTube，复刻YouTube布局并收录6454个HN推荐视频，以HN用户多年主动推荐替代点击时长排序。
这是一则产品实践案例：Karpathy以单条提示词驱动Claude Code完成一个视频聚合站点的搭建，核心问题在于用“HN用户长期主动推荐”作为排序信号，替代平台常见的“点击时长”类算法推荐逻辑。材料来源为搜狐转载的腾讯研究院AI速递，属二手转述，Karpathy原始发布内容待核实。
腾讯研究院（搜狐同步）
查看来源原文极智嘉（Geek+）于2026年11月发布《24/7自主智能仓计划》，提出以具身智能机器人完成复杂物理作业、以AI Agent构建“仓库大脑”统筹调度运营，目标实现仓库7×24小时自主运行与持续进化。
发布时间与主体：据量子位2026年11月3日报道，极智嘉正式推出《24/7自主智能仓计划》，定位为物理AI时代的“自进化智能仓”。 核心问题：仓储自动化长期存在“单点效率提升难以支撑整仓智能化”的瓶颈——AMR已实现搬运、存储等标准化作业自动化，但复杂拣选（多SKU、包装与摆放频繁变化）仍高度依赖人工；同时传统仓储系统（调度、业务、数据平台）各自优化，缺乏…
量子位
查看来源原文OpenAI 发布文章《Accelerating engineering for the physical world》，主张 ChatGPT 与 Codex 可加速 CAD、PCB 设计、仿真等物理世界工程流程；由于正文未能抓取，具体能力、客户案例与量化收益**待核实**。
来源为 OpenAI 官网文章，标题为 *Accelerating engineering for the physical world*，归属主题为 ai-industry。 文章围绕的问题是：通用对话模型与代码模型（ChatGPT、Codex）能否进入硬件与制造相关的工程环节，而不仅限于软件编写。 由于抓取失败，文章发布背景、具体合作方与时间线**待核…
OpenAI
查看来源原文谷歌数据中心能源负责人 Amanda Peterson Corio 公开给“太空数据中心”热潮降温：把算力送上天，成本最高可能达到地面建设的 100 倍，且维护升级困难，落地“绝非近在眼前”。
在围绕“太空数据中心/太空算力”的讨论升温背景下，谷歌数据中心能源负责人 Amanda Peterson Corio 对其经济性提出质疑。 争议焦点：太空算力何时具备与地面数据中心竞争的成本条件，以及当前宣传的时间表是否现实。 材料同时列出两组对照说法：谷歌论文给出的成本平价条件与时间点，以及马斯克、贝佐斯各自给出的更激进时间表。
腾讯研究院（搜狐同步）
查看来源原文商汤发布 SenseNova 6.8 Flash 正式版，主打“长期记忆+主动交互”的主动办公能力与覆盖 Web/SVG/Three.js/PPT/Blender/Figma 的动态设计生成，官方称其在智能体协作、数据分析与演示生成上超过部分国际前沿模型。
据腾讯研究院 AI 速递（20261103）汇总，商汤推出 SenseNova 6.8 Flash 正式版。该版本聚焦两类场景：一是借助长期记忆与主动交互实现的“主动办公”，二是跨多种媒介形态的设计与演示内容生成。同期配套动作包括小浣熊限免至 12 月 1 日，以及开源 Loop-9B-Preview。本条关注的问题是：该版本在办公流程自动化与设计交付链路…
腾讯研究院（搜狐同步）
查看来源原文LongCat-2.5 是一款总参数 1.6 万亿、每 token 激活约 480 亿的原生多模态模型，核心定位是长程 Agent 任务，训练中引入长程轨迹数据与大规模长程强化学习，并在国产算力与 W4A4 推理上给出吞吐提升数据。
材料显示 LongCat-2.5 已发布，主打“长程 Agent”方向。 研究/产品问题指向：如何让模型在长程任务中保持多模态理解与执行能力，并把真实 Agent 失败轨迹转化为可训练、可验证的任务。 材料未给出发布方全称、发布时间、模型开源与否、基准测评分数等细节，待核实。
腾讯研究院（搜狐同步）
查看来源原文月之暗面推出面向游戏开发的 Kimi Agent 方案，通过插件直接操作 Unity、UE、Blender 现有工程，并展示了无编程经验者快速做原型、Agent 连续 20 小时无人干预产出原生工程等能力。
据腾讯研究院 AI 速递（2026-11-03）报道，Kimi 发布游戏开发方案，核心是让 Agent 不只在聊天界面里生成代码，而是进入游戏引擎与 DCC 工具的实际工程环境执行操作。报道关注的问题是：Agent 能否承担从原型搭建到工程复现、再到发行侧素材与反馈处理的多环节工作。
腾讯研究院（搜狐同步）
查看来源原文腾讯混元发布Hyra 2.0，采用Overall、Mission、Worker三层Agent协作架构，接入企业微信、计算平台与代码仓库，并以“从头研发”方式产出多个科学模型与工具——包括推理速度更快的蛋白质模型、量子纠错码与处理器优化成果（具体数值见原文，待独立核验）。
Hyra 2.0是腾讯混元对其Agent系统的一次版本升级。材料称其目标在于让Agent参与科学模型与工具链的研发过程：Agent在多层协作结构下工作，并将经验沉淀为skill，同时接入企业日常工具（企业微信）、算力平台与代码仓库，形成从任务分解到执行、再到经验复用的闭环。研究/工程问题是：Agent能否在科学计算与硬件优化等专业任务中自动完成模型训练、工…
腾讯研究院（搜狐同步）
查看来源原文HumanLayer 创始人德克斯·霍西（Dex Horthy）对“无人值守的软件工厂”模式提出质疑：测试只能验证当下的改动，糟糕架构的代价会按月、按年逐步显现，无人看管的模型难以在多轮修改中维持代码库质量；分阶段评测 SlopCodeBench 显示受测 Agent 无一完整做完任务，最佳严格通过率仅 14.8%（十月更新升至 16.3%）。
本条属于行业观点与评测证据相结合的报道，核心问题是：让 AI Agent 长时间、无人干预地修改和维护真实代码库，是否可行？霍西的立场是否定的——他认为“关灯软件工厂”（即在无人看管下让 Agent 自动产出和修改代码）忽视了软件工程的长期维护成本，测试通过不等于架构健康，模型在多轮迭代中容易累积结构性劣化。
腾讯研究院（搜狐同步）
查看来源原文论文主张前沿语言模型在长时程与长输入任务中维持短上下文、频繁压缩历史，几乎不损失任务准确率，从而质疑“长上下文模型”的必要性；具体数据与实验细节待核实。
该研究针对“长上下文语言模型是否必要”这一问题，考察两点：一是后部 token 的生成成本是否高于前部 token，二是在长时程/长输入任务中主动维持短上下文（通过频繁压缩）是否会导致任务准确率下降。作者据此提出“语义状态空间模型”（semantic state space models, SSSMs）的概念构想。摘要提到的成本差异幅度（最高约 7 倍）与…
arXiv 论文
查看来源原文YANAMI 是面向统一多模态模型（UMMs）多轮“状态化交互”的大规模数据集与基准，包含 40 万条多轮多模态对话（YANAMI-400K）和 400 条对话的评测集（YANAMI-Bench），用于补足现有数据与评测偏重单轮、轮间信息可独立求解的缺口。
现有统一多模态数据集与基准以单轮任务为主；即使是近期多轮数据集，许多轮次也可在不追踪跨轮信息的情况下独立完成，因此对“多模态状态化交互”的监督与评测有限。该能力要求模型在多轮中理解、维护、更新并忠实实现不断演化的对话状态。论文提出 YANAMI 以填补这一空白。
arXiv 论文
查看来源原文Wonder 4 提出一种面向图像质量增强的混合专家（MoE）模型，试图在同一张真实照片中按区域同时修复模糊、噪点、压缩、划痕与低分辨率等多种缺陷；按元数据，它在 DIV2K ×4、DIV2K ×8 与 Flickr2K ×4 三个测试设置上取得最优 LPIPS、DISTS 与 NIQE。以上结论主要来自摘要与元数据，具体数值与实验细节待核实。
真实照片往往同时存在模糊、颗粒噪声、压缩伪影、划痕和低分辨率等问题，且每种缺陷的严重程度与空间位置各不相同，对应的修复方式彼此冲突。既有模型通常用“一个整体描述”概括整张图，难以表达“哪种修复应作用于哪个区域”。Wonder 4 将这一问题转化为 MoE 路由问题：让不同专家负责不同区域的修复需求。
arXiv 论文
查看来源原文Nature 报道的一项 *Scientometrics* 研究显示，GPT-4o 在对 139 份真实资助申请做两两比较排序时，与人类评审最终决定的总体一致率约为 60%，但在“新颖性”评分高的提案上系统性地更不愿资助，提示 AI 辅助评审可能把经费推向既有思路、抑制突破性研究。
背景：AI 在稿件评审中的使用快速增加，部分资助机构也在探索用 AI 审核基金申请，主要看重速度与效率。 核心问题：把研究资助决策部分外包给 AI，是否会降低科学新颖性、让资助更保守？ 报道主体：Nature Index 新闻（2026 年 11 月 3 日，作者 Elliot Yates），围绕 Diogo Machado 于 2026 年 8 月发表在…
nature.com
查看来源原文一项可行性研究显示，前沿语言模型（Claude Opus 5.5）在仅获得临床协议与小型网络权重的条件下，可在多数植入缺陷的放疗计划筛选网络中定位并低成本修复故障，但尚不能证明网络本身正确。
背景问题：放疗领域机器学习模型通常用“有已知答案的病例”做调试与验收，但测试集可能与训练数据共享同一条捷径，从而掩盖缺陷。 研究问题：若只给一个前沿语言模型“临床协议 + 网络原始权重”，它能否审计并修复该网络？ 所利用的能力：近期有报告称前沿语言模型可读写小型神经网络的原始权重，即“权重空间编程”（weight-space programming）。
arXiv 论文
查看来源原文L-STAR 利用大语言模型（LLM）对空间转录组候选空间域分割图进行视觉比较与排序，再基于排名最高的结果构建共识图，在多种组织、物种与技术数据集上比单一方法或固定方法的共识分析更贴近专家标注，并提升了可复现性与可解释性。
空间转录组在保留细胞空间位置的同时测量基因活动，其关键分析步骤是把组织划分为“空间域”。然而不同计算方法在不同数据集上表现差异大，没有单一方法始终最优。该研究提出的问题是：能否借助大语言模型的视觉比较能力，自适应地为每个数据集挑选并整合表现更好的方法。
nature.com
查看来源原文这篇论文提出了一套基于 LiDAR 的参考数据生成流程，通过引入 LargeDepth-Gap Visibility Score（LDGVS）处理累积扫描中的可见性误差，从而在缺乏完整扫描勘测的植被户外场景中，为前馈视觉几何模型和传统 SfM 方法提供可比的零样本评测参考。
在植被茂密的户外环境中，视觉三维重建与深度估计的可靠评测受到两方面制约：几何真值数据稀缺，以及完整扫描仪勘测成本高昂。论文要解决的问题是：如何复用现有多传感器定位数据集中的相机图像、LiDAR 扫描和参考位姿，生成逐视角深度图与可见参考点云，以支撑对前馈视觉几何模型零样本性能的评测，并与传统 structure-from-motion（SfM）方法进行对照。
arXiv 论文
查看来源原文本文（待核实具体证明细节）声称给出经典 hardcore lemma 的一个广泛学习论推广，通过“掩蔽信道”视角统一刻画非布尔函数、多类情形下的平均情形硬度。（基于摘要元数据，正文未抓取，细节待核实。）
研究问题：如何把 Impagliazzo (1995) 的 hardcore lemma（关于布尔函数平均情形复杂度的结论）推广到更一般的函数类与更一般的“硬度”概念。作者出发点是一个观察：经典 hardcore measure（对函数输入分布重新加权）等价于一个依赖输入的掩蔽信道，该信道向函数输出分布注入随机性，直到其看起来完全伪随机；measure 的…
arXiv 论文
查看来源原文论文提出 PEARL（Prefix-Expanded Adversarial Reinforcement Learning），一种 GRPO 变体，旨在实现对语言模型中已观察到的错位行为进行“即时抑制 + 抗后续训练复发 + 保留通用能力”的持久后验移除。
论文关注的核心问题是：当语言模型在训练任一阶段出现或重新出现不良行为后，一旦被观察到，我们能在多大程度上有效抑制它？为此作者形式化了“后验行为抑制”（post-hoc behavioral suppression）问题，并从三个维度评估方法：对目标行为的即时抑制、在进一步训练下的持久性（durability）、以及对通用能力的保留。
arXiv 论文
查看来源原文作者构建了一种 Transformer，其注意力、前馈非线性与输出全部替换为玻恩测量形式，使每个类别的概率成为词振幅的多项式，从而可以用有限求积无误差地计算积分梯度证据；在 e-SNLI 上以约 98k 非嵌入参数达到与同尺寸 softmax Transformer 相当的准确率，且证据忠实度显著更高，同时同一权重可精确编译到光电子光学与量子比特线路。
语言模型给出答案时，通常只能估计其“为什么”。本文提出一种“Born 测量”式的 Transformer：注意力取 $|\langle q|k\rangle|^4$ 并按行归一化，用测量式乘积替代前馈非线性，输出采用玻恩读出。研究问题是：这样的结构能否在保持任务性能的同时，让词级证据可被精确计算，并且能映射到光学与量子硬件上执行。
arXiv 论文
查看来源原文PyRUA-DataFarm 让编码智能体在给定一次标定 episode 后，自动在仿真中重建任务、生成专家轨迹并经视频模型渲染为“实机就绪”数据；仅用这类数据训练的策略在 5 个真机任务上达到甚至超过等量遥操作数据的水平，且单任务适配成本约 21 美元、每条后续 episode 约 0.80 美元，无需机器人与操作员。
遥操作仍是采集机器人演示的默认方式，但其成本体现为机器占用与操作员时间，且每个新任务几乎从零开始。论文提出的核心问题是：编码智能体（coding agent）能否接管遥操作员的工作，以低成本、自动化的方式产出可直接在真机上训练与部署的数据。作者给出系统 PyRUA-DataFarm，并报告了真机任务上的对比结果与成本核算。
arXiv 论文
查看来源原文PolicyIK 将逆运动学（IK）建模为目标条件强化学习策略，通过姿态反馈更新关节位置参考并显式保留静止时的控制偏移，在仿真中将末端误差控制在 1 mm / 0.2° 以内的任务比例达 93.5%（部署协议下达 98.9%）。
逆运动学负责把末端执行器位姿指令转换为关节运动，是视觉-语言-动作（VLA）策略在特定机械臂上执行动作并实现跨本体迁移的关键环节。精确 IK 仍很困难：冗余与奇异位形使逆映射复杂化，执行效果依赖手工调参的控制器，而真机训练数据采集成本高昂。论文提出 PolicyIK，用强化学习直接学习高精度 IK 策略，以缓解上述问题。
arXiv 论文
查看来源原文论文论证：基于固定人格（persona）的合成人口模拟，无论人格写得多细、底层模型多大，都无法复现“由特定情境激活”的那部分群体行为，因为身份更像随情境切换的状态，而非稳定属性。
合成人口（synthetic populations）正被用于替代真人做问卷预测试、模拟用户与社区、评估 AI 系统。 每个“模拟人”由一份 persona 定义：固定特质、人口学特征与态度的书面档案，指令语言模型扮演。 这类系统共同假设：人的身份是稳定属性，在任何情境下表现一致。 研究问题：该假设是否是“无害的简化”？固定人格模拟能否复现真实群体的情境特…
arXiv 论文
查看来源原文OpenBrain 把 35,838 例来自 607 个 OpenNeuro 源数据集的 T1w 全脑 MRI 生成式分区，打包成“带风险证据的可审计病例记录”而非单纯的标签文件夹：每条记录附带 QC-7 无参考可靠性指标、百分位风险、综合风险分 R 与置信分层，使用户在下载后仍可过滤、加权、审计或重新阈值化，而不必重跑推理。
自动工具已能在队列规模上生成全脑 MRI 分区，但生成标签的发布往往缺少“哪些病例可靠到可复用”的证据。OpenBrain 针对这一发布期质控（release-time QC）缺口，提出一种置信度感知的发布形式，并在冻结协议下评估该证据层是否真的与标签质量相关。
arXiv 论文
查看来源原文Möbius 将扩散过程直接搬进运动理解所用的同一多模态表示空间，在连续帧级原始运动数据上统一了运动描述、文生运动、时序补全与指令引导编辑，在 HumanML3D 上取得统一运动模型中的 SOTA，并验证了向 1.7B 参数、1700 小时数据扩展的有效性。
论文针对现有“统一运动模型”（UMM）只做到“部分统一”的问题：理解由语言模型承担，生成往往交给独立的扩散模块、并在学到的运动隐空间上运行。作者提出的问题是：能否在单一框架内真正统一运动的理解、生成与编辑，而不是把两个割裂的模块拼在一起。
arXiv 论文
查看来源原文MedPhysBench 是一个面向医学物理计算与同行复核的基准：它用十类带随机种子的题目生成器覆盖放疗、诊断影像、核医学与辐射防护，并把“算对”和“查出别人的错”分开评测；12 个模型在 1200 道留出测试题上的计算得分为 33.3%–100.0%，但高分不等于可靠，弱模型在差错检测上会大量放过植入错误。
医学物理师要把处方转化为实际投照剂量，并互相核对计算，因为束流校准或监视单元（MU）计算中的一个错误会影响所有接受该治疗的患者。论文提出的问题是：语言模型能否胜任这类受协议约束的医学物理计算，以及能否发现同事计算中的错误。MedPhysBench 同时评测计算能力与差错检测能力，并设置了有针对性的探查测试。
arXiv 论文
查看来源原文MDSKILL 把智能体自生成的“技能记忆”按功能拆成状态锚定、动作规划、执行控制三个视角，先筛选高质量技能，再用同策略自蒸馏（OPSD）把多分支经验迁移进共享策略；摘要称在 ALFWorld 与 WebShop 上分别比 SOTA 最高提升 7.1% 与 8.1%，且不增加额外计算开销。
背景：技能记忆把过往经验编码为文本提示，用于提升自进化智能体的强化学习（RL）。 补充手段：On-Policy Self-Distillation（OPSD）可提供稠密、细粒度监督，把技能引导轨迹中的知识内化，加速策略学习。 问题：自生成记忆常含噪声监督，且知识在功能上纠缠、冗余或冲突，直接蒸馏困难；在有限训练预算下，这些问题会阻碍知识内化，甚至导致性能下…
arXiv 论文
查看来源原文LD-PointNet++ 是面向低密度 3D 点云分类的专用架构；论文同时提出首个系统评估不同密度下主流点云分类方法的基准研究，并在 ModelNet 上报告低密度场景优于对比方法、跨密度准确率保持 90% 以上（细节待核实）。
3D 点云分类在增强/虚拟现实、机器人、自动驾驶等领域应用广泛。但真实场景中传感技术限制与环境条件变化导致点云密度波动，常难以获得细节充分的几何表征。已有方法在稠密点云上表现优异，面对低密度点云时性能可能显著下降。论文针对“密度变化下的分类鲁棒性”这一问题展开研究。
arXiv 论文
查看来源原文LoopVQ 是一种针对循环 Transformer（looped transformers）的 KV 缓存向量量化方法，利用循环轴上 KV 缓存的高度冗余性联合编码多个循环步的通道，在 0.5 bit/元素下即可在通用、长思维链推理和长上下文检索任务上优于面向标准 LLM 的现有 KV 缓存向量量化方法；与 TaSQ 结合时，即使在 0.25 bit/元…
循环 Transformer 通过多次重复应用同一组层（多个循环步）来提升参数效率，近期循环语言模型在性能上可匹配数倍于自身规模的非循环模型。虽然该架构降低了参数内存，但每个循环步仍需存储各自的 keys 和 values，导致 KV 缓存随循环步数线性增长，成为主要内存瓶颈。LoopVQ 针对这一问题，研究如何在循环轴上压缩 KV 缓存。
arXiv 论文
查看来源原文即使微调数据完全无害，只要内容是模型“认为错误”的，模型对训练答案的相信程度越低，微调后的广泛失准（misalignment）就越严重；这种失准源于“口头输出错误答案”与“内部概率仍偏好正确答案”之间的不一致。
已有研究发现，在狭窄领域（如错误医疗建议）用有害数据微调 LLM 会导致广泛失准，但实践中模型极少被直接用明显有害数据微调，因此这一风险的真实性存疑。本文提出的问题是：用模型自认为虚假、但不含任何有害内容的数据进行微调，是否同样能诱发广泛失准？作者在数学、冷知识、烹饪、体育等任务上系统操纵训练答案的“错误程度”，并进一步研究更现实的知识编辑/持续学习场景（…
arXiv 论文
查看来源原文HARP 将 LLM 推荐重构为“智能体通信”四阶段过程，并通过三个免训练算子补齐物品侧画像、检索时画像相似度门控与上下文内反思更新，在四个公开基准上把 Hit@1 较最强已发表基线提升 6.9%–24.0%。
论文指出，在基于 LLM 的推荐中，记忆模块充当用户级智能体，但用户与物品存在三重不对称：只有用户拥有结构化画像；画像只进入带宽受限的重排器提示词；画像在预热后即被冻结。作者据此提出“智能体通信”框架，包含 BUILD（构建自描述）、TRANSMIT（沿协同图传输）、UNDERSTAND（理解对方）、SYNC（从下一次交互同步）四个阶段，并识别出三个未解决…
arXiv 论文
查看来源原文GUILD 提出一种“引导式数据采集”（GDC）框架，在机器人模仿学习的数据采集环节就主动决定“该采什么”，而不是采完再筛选，从而提升样本效率与部署表现。
机器人模仿学习策略依赖昂贵的真实世界遥操作数据。现有数据采集往往缺乏引导，依赖操作员直觉，产生对策略性能贡献很小的数据。已有工作证明对无引导数据集做筛选（curation）能显著提升策略表现，但这类方法是在采集之后过滤，无法避免采集无信息数据本身。GUILD 要解决的问题是：如何在采集之前和采集过程中主动推理“哪些数据值得采”，以最大化下游策略性能。
arXiv 论文
查看来源原文GSCV++ 提出一套轻量级 3D 高斯泼溅（3D Gaussian Splatting, GS）序列压缩流程，通过改进预处理、3D 到 2D 映射与视频编码配置，在沿用标准视频编解码器的前提下取得显著的率失真增益与更快的处理速度。
论文面向工业界对低复杂度与硬件兼容性的需求，研究如何用标准视频编解码器高效压缩 3D GS 序列。作者指出 GSCV++ 联合优化了 GS 压缩的三个环节：预处理、3D 到 2D 映射、以及实际视频压缩配置。来源未提供作者所属机构、数据集与具体实验设置等细节，待核实。
arXiv 论文
查看来源原文GSBR 提出一种对预训练基策略“支撑集距离”进行惩罚的正则化方法，试图在在线 RL 微调中既不把 actor 拉向完整的基策略分布、也不硬性禁止支撑集外的改进，据摘要称在四个机器人基准的 19 个任务上把平均成功率从基策略的 33% 提升到 95%（待核实，正文未抓取）。
问题背景：在线强化学习（RL）向预训练基策略做正则化，可提升样本效率与学习稳定性，但约束过强会限制策略改进空间。 基策略通常是 diffusion 或 flow-matching 模型，经模仿学习在大规模多样数据上训练，涵盖大量“合理但次优”的行为。 现有正则化器存在两类过强约束：行为克隆类正则项把 actor 拉向完整基策略分布，惩罚其舍弃次优模式；硬支…
arXiv 论文
查看来源原文该论文提出，Physical AI 时代除具身机器人外还存在另一类同等重要的智能个体——“被 AI 增强的人”；实现路径是“认知共生体”（cognitive symbiont），并以“认知差距”为核心概念、以“共生循环”为设计空间，同时将治理纳入范式本身。
过去十年 AI 进展多以机器独立完成多少任务来衡量；但人仍会遗忘已知之事、错过视野之外的信息、找不到合适措辞、在缺乏自身历史辅助下做艰难选择，原因在于可提供帮助的机器处于情境之外。论文据此提出与 AGI（机器能有多智能）并列的 AHI（AI-augmented human intelligence，机器能让特定个人具备多少智能），主张 Physical A…
arXiv 论文
查看来源原文一项可复现的评测发现：当基于 Claude 的天气准备助手看不到官方严重天气警报时，可能在警报生效期间向用户表示“天气平稳”，作者将这种现象称为“虚假安抚”（false reassurance），发生率在盲测条件下为 37.7%–44.9%。（正文细节待核实）
研究关注大语言模型在严重天气指导中的安全失效模式：模型在无法获取官方警报信息时，是否会给出与事实相反的安抚性判断。作者构建了 117 个冻结案例（frozen cases），来源为真实的美国国家气象局（NWS）警报：其中 69 个警报案例、32 个无警报对照、16 个非美国地点。这些案例在五种条件下回放，条件差异在于警报可访问性与提示设计。（部分细节待核实）
arXiv 论文
查看来源原文DreamX 把预训练视频扩散模型改造成通用潜动作学习器，从视频时空特征中提取高度压缩（约 300×，1200→4 tokens/帧）且与视觉外观解耦的潜动作，在 LARY-Bench 上取得潜动作模型中的 SOTA，并支持跨具身、跨环境的零样本动作迁移与紧凑潜空间策略学习。
从视频中学习通用动作表示的核心难点在于：同一动作的不同执行之间要保持动态一致性，同时要对具身形态和外观变化保持不变性。现有潜动作模型从视觉转场推断动作，但表示往往把真实动作与无关视觉变化纠缠在一起，限制了跨具身迁移。DreamX 针对这一问题提出用视频扩散模型的生成先验来分离动作相关动态与视觉外观。
arXiv 论文
查看来源原文CATF 用 Transformer 实现的“经理”根据上下文把每个输入硬路由到单个“工人”预测器，使工人在无需人工划分数据的情况下各自专精，在 200 组对比中 162 组优于其单体对应模型。
论文研究上下文感知时间序列预测：目标变量由自身历史加一组上下文变量（如天气、日历信息）共同预测。当上下文变得多样时，单一模型难以覆盖所有情形；而集成学习和混合专家（MoE）方法依赖人工数据划分或软路由，增加推理成本并损害可解释性。CATF 试图在不做人工划分、不引入软路由开销的前提下实现模型专精。
arXiv 论文
查看来源原文据 arXiv 摘要，ΦasmaNet 是一个约 73.2 万参数的紧凑神经架构，面向进动、含高阶模式的雙黑洞信号参数，预测固定单探测器（Advanced LIGO 设计灵敏度）下的相位平均最优信噪比（SNR）；在 10^6 样本训练下，留出测试集 100−MAPE 达 98.73%，检测相关区（ρ>8）达 99.39%（R²=0.9998），单 GPU…
引力波族群研究中的选择效应量化需要数百万次昂贵的 SNR 计算。该工作提出一种面向结构化表格回归的紧凑神经架构，把“分阶段谱精炼”作为显式架构先验，目标是在保持精度的同时把 SNR 评估速度提升到可用于大规模目录扫描的水平。摘要称其为可复现基准，并称在公开表格数据集上的结果显示出引力波以外应用的竞争力（具体数据集与指标待核实）。
arXiv 论文
查看来源原文ARAFT 通过在对抗查询的最难正样本上施加列表式排序损失，并锚定冻结预训练模型的干净描述子，在预设干净精度预算内把基础模型 VPR 的对抗鲁棒 R@1 从接近零提升到 47.3（SuperVLAD）和 55.3（BoQ），且无需重新调参即可跨模型迁移。
视觉位置识别（VPR）通过检索相似的地理标记图像来定位相机。当前基于基础模型的 VPR 模型在城市、季节和光照变化下表现准确，但对对抗扰动不鲁棒：在 1/255 的不可感知预算下对排序进行白盒攻击时，SuperVLAD 和 BoQ 在四个基准上的 top-1 召回率（R@1）最多只有 0.2%。论文要解决的问题是：如何在不让干净精度大幅下降的前提下，显著提…
arXiv 论文
查看来源原文本文独立复现了 Direct Nash Optimization 的实用变体 DNO-Prct，并在 Llama 3.1 8B Instruct 与 Mistral 7B Instruct v0.1 上验证：三轮迭代可显著提升 AlpacaEval 2.0 的长度控制胜率，且评分环节可改用同家族开源模型替代 GPT-4o。
DNO 通过近似两人偏好博弈的纳什均衡，将语言模型对齐到通用偏好函数。论文关注其实际算法 DNO-Prct 在开放权重指令模型上的可复现性、增益幅度、对专有模型（GPT-4o）的依赖程度，以及各组件对最终效果的贡献。
arXiv 论文
查看来源原文论文证明，在给定模型类与二分类数据分布样本访问的条件下，“不可知学习”（训练判别模型去区分正负标签）与“多准确/不可区分”（训练生成模型使其输出被该类所有成员视为与真实数据不可区分）这两类任务在计算复杂度上等价，并给出从不可知学习归约到多准确预言机的高效方向。
论文围绕计算学习理论中的两个基本任务展开对比：其一是不可知学习（agnostic learning），即训练一个判别模型，使其区分正负标签的能力不弱于该类中最优成员；其二是多准确（multiaccuracy）/不可区分任务，即训练一个生成式模型，使其输出对该类中所有成员而言都与真实数据不可区分。论文要回答的核心问题是：这两个任务哪一个在计算上更难，还是二者…
arXiv 论文
查看来源原文本文发现投机解码中的数值噪声会随机影响长程智能体的推理准确率，通过训练草稿模型在关键推理点“被拒绝”，可以提升复杂编码任务的成功率，且不改变目标模型的输出分布。
传统观点将投机解码（speculative decoding）视为纯系统优化：加速解码而不改变模型行为，因此训练草稿模型只看接受率（acceptance rate）。 作者质疑该观点在长程智能体推理场景下是否成立，研究投机解码噪声如何影响多步推理的准确率，并探索能否通过控制该噪声提升推理能力。 研究对象为前沿开放权重模型在复杂智能体任务上的表现（原文为 f…
arXiv 论文
查看来源原文论文提出一种面向无约束凸优化的自适应加速乐观对偶平均方法（A²ODA），在 \(p\in[2,\infty]\) 的 \(p\)-范数几何下采用低成本预条件，无需线搜索，并在广义局部光滑条件下给出可分离常数曲率与间隙依赖曲率影响的收敛界。
大规模一阶优化中，高效预条件十分关键。该研究关注如何在无约束凸优化中，以简单统一的更新结构实现基于 \(p\)-范数几何的低成本预条件，并避免线搜索带来的额外开销，同时获得可分析的收敛保证。
arXiv 论文
查看来源原文该研究在三个 3–4B 参数 Transformer 中，给出了“任意标签少样本句子分类”这一上下文学习（ICL）场景下各组件如何组合成完整计算回路的因果解释：ICL 被刻画为一种带门控的联想查找（gated associative lookup）。
ICL 使预训练语言模型无需更新参数，仅凭提示中的示例即可执行任务；当标签任意时，模型必须在单次前向传播中“学会”一个它不可能记住的映射。 既有工作已找到若干候选部件，但未说明它们如何组合。本文填补这一“组合方式”的空白，研究对象为任意标签的少样本句子分类。
arXiv 论文
查看来源原文Nature Methods 2026 年的一项基准评测显示：8 个深度学习从头（de novo）肽测序模型的测序错误大多源于质谱碎片离子覆盖不全，而非模型设计本身，因此更需要的不是"猜全序列"，而是能标注不确定区域并提示歧义的工具。
从头肽测序不依赖序列数据库、理论上可直接由碎片谱（MS2）推断肽序列。但碎片谱不完整会造成序列歧义（等重/近等重氨基酸、缺失互补离子对、共碎裂噪声峰等），使唯一鉴定困难。研究要回答两点：（1）不同 de novo 模型的相对强弱；（2）它们处理谱图歧义的实际能力。
nature.com
查看来源原文