VAKRA 是一个面向企业级代理的可执行基准，将结构化 API 调用与文档检索结合在同一评测中，并引入自然语言工具使用策略约束。评测发现当前最强模型在组合 API 任务上仅约 50% 准确率，在策略约束下的不可回答查询上最低仅有 2.4%。
值得关注：现有评测或关注个人代理的同意约束（SovereignPA-Bench），或关注检索增强生成与知识图谱问答的新方法（DynaKRAG、RSF-GLLM），而 VAKRA 将企业场景中的 API 调用、多跳检索与自然语言策…
在干细胞来源的皮质类器官中，放射状胶质前体（radial glial progenitor, RGP）的谱系进展出现时间解耦：增殖过程高度可塑，克隆来源的神经元多样性降低；这提示非细胞自主微环境线索的缺失，是导致皮层谱系进展无法忠实按时间控制的关键因素。
值得关注：该研究将类器官中神经发育时序的缺陷与非细胞自主微环境线索的缺失联系起来，为优化类器官模型提供了新的改进方向。与已有相关卡片不重复；本条是神经发育与类器官建模方向的增量信息。
StateFlow 的核心主张是：预可视化（previsualization）缺少的是一个显式、持久的可编辑 3D 世界状态；相比一次性文生视频，把生成过程组织为“构造世界状态—演化世界状态—访问世界状态”三个阶段，能提供更强的控制能力和迭代编辑支持。
值得关注：StateFlow 不是把目标简单定义为“生成一段更好的视频”，而是强调生成过程中需要维护一个可复用、可局部修改的 3D 世界状态。这直接回应了生成式预可视化中的两个痛点：控制力弱和迭代编辑困难。
仅凭现有元数据可确认，SONIC 是一篇题名为 “SONIC: Supersizing motion tracking for natural humanoid whole-body control” 的 Science Robotics 论文/条目，方向指向通过“规模化运动跟踪”推进自然人形全身控制；但正文未抓取，方法、结果和结论均待核实。
值得关注：人形机器人研究正从单一任务控制走向全身控制与基础模型化；SONIC 的题名显示它可能补上“自然全身运动跟踪”这一层能力。 与既有脉络的关系：PAC-MAN 侧重全身安全与感知约束，WristMimic 侧重手腕引导操控…
本文提出 RCI 框架，将安全离线强化学习中的轨迹级稀疏“停止反馈”转化为稠密逐步成本，在理论上保持可行策略集和最优拉格朗日量不变的前提下，改善成本评论员的学习条件，并在高速驾驶和机器人操作任务中显著降低违规率。
值得关注：现实中的安全反馈往往是粗粒度、事后且无逐项标注的；RCI 提供了一种把这类反馈转化为可训练稠密信号的思路。 理论上的无损性说明，该转化不会牺牲 CMDP 的约束最优性，减少了实践中的保守性顾虑。 与已有相关卡片（RAG…
SpaHybGen 是一个“学习+优化”混合机器人抓取框架：先用神经网络从噪声深度观测中提取与具体机械手无关的空间接触特征，再用可微优化器为关节型多指手计算稳定抓取；一次训练后可在零样本条件下驱动 7 种不同机械手（2–5 指），在半杂乱场景中的抓取成功率为 94.3%–98.0%，并实现密集杂乱场景下 20 Hz 动态抓取和多手协调。
值得关注：本研究把“抓取智能”从“为某个机械手学动作”转向“学习跨硬件共享的接触表示”，让感知模块和动作优化模块可以被不同机器人复用。 对“基础模型/通用机器人”主题来说，它提供了一个“硬件无关接口+可微优化”的架构案例，而不仅…
在 Russell 2000 小盘股组合构建中，将“纯 alpha”和“纯 beta”分开触发通常比要求两者同时触发更好；摘要报告的最强保守配置为“纯 beta + GPT-4o mini 情绪 + Student-t 目标 + 40 天持有期 + 风险平价”，在 100 bps 交易成本下 Sharpe 达 2.33。
值得关注：现有 LLM 量化研究往往把文本情绪当作信号，或只调整预期收益；该工作把“模型预测的风险”直接注入协方差矩阵，将不确定性量化推进到组合配置层面。 对小盘股交易有实操启示：宏观指标的领先-滞后效应在短持有期和较长持有期都…
DreamFly 是一个基于扩散模型的航空视觉-语言导航（Aerial VLN）框架，通过“因果对齐的历史记忆 + 滚动时域扩散规划 + 轻量显式停止预测”三项设计，在 OpenFly 基准的 seen/unseen 测试集上均取得当前最优的成功率（SR）和路径加权成功率（SPL），并实现最低导航误差。
值得关注：DreamFly 同时回应了航空 VLN 的三个关键痛点：历史信息不足、规划视野短、终止判断不可靠。它不使用未来信息来增强历史记忆，并利用“执行一步、重规划”的闭环机制，在保持实时反馈的同时获得未来动作的辅助监督。
CAZO 是一种面向测试时适应（TTA）的改进零阶优化方法：通过滑动平均估计对角 Hessian 构造协方差矩阵，用各向异性扰动采样降低零阶梯度估计的方差，从而只用前向传播即可更新少量适配器参数，在节省内存的同时提升 TTA 性能（性能提升幅度待核实）。
值得关注：该方法把“Hessian 低秩结构”作为先验引入 ZO-TTA，用损失曲率指导扰动采样，直接针对 ZO 梯度估计方差高的痛点。 它延续了“测试时适应”这一技术路线，但区别于依赖 BP 的常见 TTA 方案，提供了一种面…
本研究提出并验证了一种利用检索增强生成（RAG）与大语言模型（LLM）自动构建动态主逻辑模型知识图谱（KG-DML）的框架，可在大型复杂系统上实现可重复的稳定重建，将技术文档转化为可执行的功能模型。
值得关注：既往工作主要面向小规模系统，本研究将自动化KG-DML的构建与评估扩展到**规模明显更大、更复杂**的系统，并提出了多层次验证思路。这是从“专家手工建模”迈向“大系统自动化安全建模”的重要增量步骤；同时，该工作展示了L…
本文是对2016年以来57篇以方法为中心的类激活映射（CAM）视觉解释文献的系统综述，识别出该领域从单层CNN类别得分解释向对比式、多层、概率化、token感知和基础模型感知解释的总体趋势，同时指出评估协议仍然碎片化。
值得关注：CAM是“可解释人工智能中最广泛使用的视觉解释族之一”，但领域发展迅速且零散。 该综述以方法为中心，系统化梳理了CNN、Transformer和基础模型时代的视觉解释演化，并明确各方法遗留下的问题，为后续研究者选择和改…
Beyond Trial-and-Error: Agentic Optimization for Image-to-Video Adherence
AVA-Encoder 提出了一种“智能体原生”的视频表示学习框架，将视频转化为知识图谱、再重建回视频，从而让创意智能体能够从高质量电影中学习，并在可控条件下大幅超越人工设计的策略。
值得关注：该工作将视频表示从“面向理解/生成”进一步推向“面向智能体原生操作”，使智能体可以像读文档一样读取、查询和编辑视频内容。 与已有相关卡片中的 Video-DeepResearch 侧重“多模态深度研究智能体”不同，本条…
在不更新弱模型参数的前提下，更强的 builder 模型可以在测试时为其构建推理 harness，从而显著提升任务表现；摘要报告在四个 Theory-of-Mind 基准上，弱模型平均性能从 0.49 提升到 0.91（待核实）。
值得关注：它把“能力迁移”从训练时扩展到测试时，提出了一种不更新参数、通过外部推理流程增强弱模型的路径。 表明强模型可以通过构造 harness，将认知结构迁移给弱模型，为 AI4AI 提供新的实现方式。 **与既有脉络的关系*…
A Framework for Designing Reward Functions: From Objectives to Features to Human-Aligned Reward Functions
AbdomenNet 是一个基于平扫CT的急腹症基础模型，在外部验证中对5种紧急情况的宏平均AUROC达到0.919；AI辅助可将放射科医生平均AUROC从0.812提高到0.924，并将每例中位阅片时间减少52.5秒。
值得关注：该工作展示了影像基础模型在平扫CT急腹症场景中从“疾病检出”延伸到“风险分层与分诊”的潜力。与已有相关卡片相比，本条提供了AI辅助下放射科医生诊断准确率和报告效率的量化收益，是临床工作流层面的增量证据。
论文提出 GHADAR 任务（Grounded Human-Attributed Description and Activity Recognition），要求对视频中每一个给定位置的人生成开放式的属性描述与活动描述；并配套构建数据集、提出约束 VLM 交叉注意力掩码的训练方法、指出现有评估指标局限并提出基于 VLM 的整体评估方案。以上信息来自摘要级元…
值得关注：把“群体/单人/闭集”简化设定推进到“逐人 + 开放集 + 给定定位”的设定，任务定义本身构成对现有视频活动识别研究边界的扩展。 指出评估环节的结构性问题（依赖人工标注、精确文本匹配），并提出以 VLM 直接在视频层面…
根据 OpenAI 官方页面信息，ChatGPT Ads 正在扩展至 31 个欧洲市场，使广告主能够在用户探索、比较和决策时触达他们。（具体细节待核实）
值得关注：已有相关卡片指出 OpenAI 于 2026-08-11 开始在 ChatGPT 中测试广告。本条卡片是其增量更新：测试范围已扩展到欧洲 31 个市场，表明商业化步伐加快。 但需要核实具体上线时间和与测试的关系，避免把…
英伟达开源端到端全双工语音模型 VoiceChat 11B，整合ASR、LLM与TTS，平滑轮换延迟约448毫秒，并设计独立工具调用通道，把等待外部工具API的时间纳入对话话术；但工具调用的参数准确率仅44%，且部署门槛高、工具执行期间无法打断。
值得关注：现有开源语音模型多侧重识别或合成，而VoiceChat 11B将语音对话与Agent工具调用结合，提供了“边说边等工具结果”的交互范式。它提示实时语音Agent不仅需要低延迟的“说”，还需要管理任务执行中的时间空隙与用…
Arena 评测平台上出现了一个代号“mona-lisa-1”的神秘图像模型，多方线索指向 OpenAI，它可能是 GPT Image 2 的后续版本或测试分支，在真实感和“去 AI 味”上有提升，但 OpenAI 尚未官方回应。
值得关注：在头部 AI 机构竞争激烈的背景下，OpenAI 若推出新图像模型，将延续其在多模态生成上的优势。本条提供的是关于 OpenAI 图像生成模型的公开评测线索，属于增量信息：OpenAI 可能在 GPT Image 2 …