Anthropic推出Claude 5.1（速递材料中具体产品名为Fable 5.1与Mythos 5.1），在多个Agent基准上显著提升，同时通过缓存读取价格下调75%，使典型任务整体成本降低约25%。
值得关注：已有相关卡片中的Agent多聚焦于虚拟世界、IDE或推理引擎等具体场景；本条增量信息在于：Anthropic通过缓存读取降价75%降低长时程Agent任务的成本，并以“开放版+受限版”双轨方式应对风险场景，同时支持连续…
把混合 LLM 的 Gated DeltaNet（GDN）循环层也纳入 NVFP4 W4A4 全量化，而不是为它保留 8/16 bit，可在作者测试的 Qwen3.8-27B 模型上达到与 BF16 基线相当的性能，同时得到更小、prefill 更快的部署配方（待核实）。
值得关注：它挑战了“循环状态对量化误差敏感，因此必须保留高精度”的常见直觉，给出了一个反直觉的机制解释：Gated DeltaNet 的写入会覆盖旧状态，因此循环不会像人们担心的那样累积误差。 已有相关卡片曾指出：量化损伤的位置…
候选摘要提出，大语言模型修复代码时常出现“过度编辑”（over-editing）现象：即使补丁能通过测试，也可能对原实现做了超出必要范围的大幅修改；通过“保留原实现”的提示可缓解这一问题，而在后训练阶段，强化学习比监督微调更能帮助模型学会最小编辑。（待核实）
值得关注：“编辑忠实度”提示我们：代码修复质量不仅是“能否通过测试”，还包括 diff 是否可审查、是否尊重原实现的意图和结构。已有相关卡片分别关注具身推理中的忠实性、世界模型可辨识性和插件生态维护；本条把类似问题带入代码编辑场…
TokenMatch 是一个基于 Transformer 的 3D 网格形状对应模型，利用曲率引导的网格分块（tokenisation）方法，在部分对部分、非等距变形等挑战性形状匹配场景中取得了优于现有方法的性能，并以亚秒级推理速度泛化到完整形状匹配。由于原始论文正文未能抓取，具体数值和实验细节需进一步核实。
值得关注：形状对应是三维视觉与几何处理的核心问题之一，TokenMatch 将曲率这种几何先验引入 Transformer 分块过程，是一种较新的设计思路。 模型只在部分到部分数据集上训练，却可直接泛化到完整形状匹配，这为减少标…
NLIP（Natural Language Interaction Protocol）是由多机构研究者与企业实践者共同开发、并由 Ecma International 标准化的应用层协议，旨在为异构环境下开发和部署的 AI 智能体提供通用的互操作通信方式。
值得关注：当前 AI 智能体领域快速涌现出 MCP、A2A 等多种协议，但如果没有统一或可互操作的会话标准，跨系统智能体协作仍会受限。NLIP 的增量价值在于它尝试以标准化的“语义消息信封”方式兼容现有传输协议，并提供网关适配能…
Terminal-Universe 提出了一种从既有终端智能体轨迹中重建“可执行环境”的框架，把一条条“一次性演示”变成可反复查询、可合成新任务的训练环境；在公开轨迹上生成 37.3k 个任务充分环境，并用它微调 Qwen3.5-27B，使单轮性能提升 11.9 点、多轮性能提升 13.8 点。
值得关注：已有相关卡片分别关注持续学习中的“回归控制”、从仓库变更构建任务（Change2Task）、以及长轨迹中的错误生命周期（TrajDebug）。Terminal-Universe 的增量信息在于：它把“轨迹”本身作为环境…
论文提出 S³T（Self-Supervised Self-Distillation over Time），将“同一视频片段的更密时间采样”视为教师、“更疏采样”视为学生，让模型自我生成训练目标，实现无标签、无独立教师、无奖励信号的连续视频状态跟踪；作者称这是第一个完全自包含的此类框架。
值得关注：这条工作与已有相关卡片形成延续：
TAP-Path 是一种任务自适应压缩框架，直接对预训练 Virchow2 编码器进行结构剪枝与 patch token 剪枝，而不是蒸馏出独立学生模型。最终模型保留 32 个 transformer 块中的 24 个、70% 的 patch token，编码器参数减少 24.96%、计算量减少 35.20%；在 32 类组织病理学基准上，测试准确率 87…
值得关注：TAP-Path 显示：任务自适应的结构剪枝与 token 剪枝可以共同改善大病理基础模型的“准确率—效率”权衡，并且在压缩后仍能保持较好的可靠性指标（如 Brier score 与失败检测 AUROC）。这对计算资源…
根据论文摘要，PreferenceEKF 通过将主动偏好学习视为顺序贝叶斯滤波问题，并在低维参数子空间内进行推断，提升了奖励模型在偏好学习中的样本效率、运行时间、可扩展性和校准表现；具体数值与详细实验结论待核实。
值得关注：现有相关卡片主要关注优化器和检索方法，本条涉及 RLHF 中奖励模型学习的主动学习与不确定性量化。PreferenceEKF 的增量信息在于：它没有依赖完整贝叶斯深度后验推断，而是用“低维参数子空间 + 扩展卡尔曼滤波…
GRPO 的优势估计器存在一种“虚假优势”：当 rollout 靠猜测或类似方式落到正确答案上时，原公式仍可能赋予其高幅度的正向优势；作者提出 SIGNBALANCE，将优势幅度改为不依赖组内样本构成，以减少对猜测式策略的误导，并在有界答案数学任务和搜索智能体任务上报告了改进。
值得关注：GRPO 被广泛用于基础模型推理能力的强化学习阶段；优势估计中的隐藏偏差可能影响模型最终是形成稳健推理，还是学会在答案空间有限时“碰运气”。 与既有脉络的关系：本卡与已收录的机器人基础模型、AI 安全评估卡片无直接重复…
在推理大语言模型（LLM）后训练中，简单两阶段方案“先在线策略蒸馏，后基于可验证奖励的强化学习”（OPD-then-RL）在逻辑与数学推理基准上一致优于纯 OPD、纯 RLVR，也优于把二者在单步内联合优化的既有基线；机制解释是：OPD 扩展学生对教师支持解的覆盖，RLVR 在该覆盖内锐化，而联合优化两个信号会造成相互干扰。
值得关注：它挑战了“OPD 稠密监督 + RL 稀疏奖励必须同时优化”的默认思路，指出训练信号的先后顺序可能比融合方式更重要。 为 OPD 与 RLVR 的关系提供了增量理解：OPD 不只是 RL 的辅助正则项，还是比 SFT …
Sentinel-RL 提出一种面向安全运营中心（SOC）的智能体架构：不再让 LLM 同时承担“拓扑推理”和“语义推理”，而是用异质图注意力编码器压缩实时认证图，用 PPO 策略生成受限调查动作，LLM 只负责消费策略建议并生成可读叙述，从而缓解 LLM 上下文窗口有限与自由文本不可保证拓扑一致性的问题。
值得关注：Sentinel-RL 提供了一个具体案例，说明在复杂、结构化、规模较大的安全领域任务中，不能简单依赖 LLM 的上下文和文本生成能力来直接做决策。它将“语言理解和生成”与“结构化拓扑推理”分离：前者交给 LLM，后者…
SBS（Seeing Before Synthesizing）提出“先看后合成”的新范式：先用视觉语言模型（VLM）观察事件间隙的帧级内容，再在真正发生语义转换的位置合成辅助指导，从而在弱监督密集视频描述中同时提升事件定位与描述性能。
值得关注：SBS 尝试修正“合成辅助字幕”与真实视觉内容脱节的问题，将辅助信号生成从“盲目填空”转为“视觉引导的主动发现”。这与已有相关卡片中的视频级矛盾识别、异常检测、驾驶视频检索任务均不同；其增量信息在于专门面向弱监督密集视…
本文提出首个针对一般和并发随机博弈（CSG）的鲁棒PAC学习框架：在转移不确定性下，算法要么返回一个社会福利最优的ε-近似纳什均衡，要么提供一个“不存在精确纳什均衡”的可靠证书；在最小可达性条件下，样本复杂度为多项式。
值得关注：据摘要，这是首个将PAC学习框架用于“一般和并发随机博弈”并同时处理转移不确定性与纳什均衡存在性挑战的工作。 它不回避均衡可能不存在的问题，而是让算法输出可验证的“不存在精确NE”证书。 方法上结合了鲁棒优化、置信集、…
论文提出，大语言模型的同策略蒸馏（On-policy Distillation, OPD）在数据极端稀缺时依然有效：只用**一个训练查询（query）**，OPD 也能持续改善数百步，并恢复全量数据训练的大部分收益；其瓶颈主要不在训练数据量，而在于学生模型吸收监督的步骤效率低下。
值得关注：这项工作对 OPD 研究中的常识提出了挑战：如果数据量并非关键瓶颈，那么“用更多 query 训练更强模型”这一路径的边际收益可能有限，而算法层面的更新更值得关注。它的增量信息在于：已有相关卡片分别讨论了跨模态 OPD…
经典神经算子改变了偏微分方程求解方式，但高效量子版本一直受制于计算开销与理论空白；本文提出面向 NISQ 时代的量子神经算子 QuanONet/TF-QuanONet，其密度矩阵隐式构造“二次特征框架”，在理论上得到 \(\mathcal{O}(p^2)\) 的算子表达性上界，绕过匹配经典模型的 \(\mathcal{O}(p)\) 线性容量限制，并在严格…
值得关注：填补了量子神经算子的部分理论空白：此前量子机器学习相关方法常面临可扩展性差、理论支撑不足的问题。 不同于通常强调“指数级希尔伯特空间”的量子优势叙事，本文提出的优势来源是密度矩阵隐式构造的二次特征框架，这是一个值得关注…
根据论文摘要，Puffin-World 提出一种统一多模态模型，将物理、几何和外观作为“原生3D世界状态”联合建模，并构建 Puffin-16M 数据集，以支持 3D 世界的物理理解、空间模拟、生成与重建；定量效果和实现细节尚未核对，待核实。
值得关注：已有相关卡片中，CAIRN 侧重于跨房间 3D 场景的拓扑理解，M⁴World 面向驾驶场景中的多视角视频与 LiDAR 联合生成。本条目的增量在于：Puffin-World 试图在统一多模态模型中显式建模“物理+几何…
该论文提出“前瞻性编码（prospective coding）”这一输入侧修正：通过让深层连续时间循环网络中每一层的自下而上输入具有前瞻性，可以缓解时间整合导致的层间信号延迟与误差衰减；结合作者提出的递归正交滤波器（RQF），在多个模型和长序列任务上取得优于或匹配非前瞻对照的表现。
值得关注：该工作的增量在于：它不只关注“如何让循环网络记住更长信息”，而是关注深层连续时间循环网络中因时间整合造成的层间时间错配，并提出“输入侧”的无参数修正方案，可推广到一般对角 SSM。RQF 以极低参数在长序列基准上达到较…
Principia 提出一种与相机标定无关的物理关系一致性评测框架：当同一场景中两个物体遵守同一物理定律时，它们的运动应满足可预测的关系。用该基准评测六个当前最先进的视频生成模型，所有模型的得分均不超过 0.42，而它们在 VBench 上的得分都在 0.8 左右；视觉语言模型检测物理违例的准确率也大多接近随机水平。
值得关注：提出了一种不依赖帧率、尺度、相机参数的物理评测思路，使不同生成模型之间可以更公平地进行“物理常识”比较。 定量暴露了当前视频生成模型在基本牛顿力学关系上的系统性不足，为后续改进视频基础模型提供可复现的评测维度。 与已有…
当前高质量生成式图像模型在遵循指令和生成画质上表现强大，但“身份保真”仍是独立短板；将主体身份表示为可复用的“持久身份层”，比仅靠输入上下文或逐主体训练参数更能在生成、编辑和修复中维持身份一致。
值得关注：提供了“身份保持”这一维度的系统化评测框架，而非仅关注画质或指令跟随。 厘清了三种身份表征范式的差异，并给出“持久身份层”优于上下文和 LoRA 式参数调优的证据（具体实现细节待核实）。 对生成式基础模型的迭代方向有启…