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）。
值得关注：把改进来源从“换更强模型”扩展到“换更合适的接口”，为同一模型释放额外能力。 与既有自进化脉络（如 MANTA 让协作拓扑自适应、HealthClaw 让记忆与画像自更新）相比，本条把自进化对象指向人机接口层，属于互补…
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。
值得关注：图生成模型长期受限于图专用注意力实现难以享用硬件感知注意力优化，导致显存与吞吐成为扩展瓶颈。该工作把边感知注意力的结构需求与 FlexAttention 这类高效实现对接，在保持生成质量的同时大幅降低显存占用，为更大规…
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。
值得关注：连续时间控制与离散时间观测之间的错配是实际部署中的常见问题；该工作尝试把收敛性分析与无模型学习统一在同一框架内，并用 PhiBE 桥接离散数据与连续时间生成器。与既有卡片中“扩散环境多臂老虎机策略梯度的收敛性与遗憾”相…
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。
值得关注：对既有脉络的增量：既往相关卡片分别讨论了 OPD 的规划机制（单/多教师在线策略蒸馏）与用验证器组校准引入整体反馈（GC-OPD）；本卡片补充的是“评分器本身的短视”这一诊断，并给出在蒸馏前修复评分器、且不依赖任务奖励…
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。
值得关注：与既有 KV 压缩卡片（DepthWeave-KV、FreqDepthKV）关注“压缩缓存表示”不同，本条关注“智能体主动控制缓存可见性与位置编码”，属于服务层与策略层的新切入点。 与 CompactionRL 等上下…
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。
值得关注：若上述结果成立，该工作提供了一条“分工式”多模态推理路线：让扩散模型负责并行探索多种推理路径，让自回归模型负责语义层面的筛选与整合，而非在单一建模范式内做取舍。这对降低多模态推理的串行延迟、提升推理路径多样性具有潜在参…
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。
值得关注：把“方言 + 文化语境”作为独立变量引入数学推理评测，弥补了以往多语言数学基准多以标准语为主、忽视方言与本地化差异的空缺。 对模型选型与本地化部署有直接提示：仅做语言翻译可能高估模型在真实区域场景中的数学能力。 “准确…
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。
值得关注：它针对的是世界模型领域一个长期张力：视频路线与 3D 路线各自牺牲了一部分能力。AEON 的增量在于不放弃视频潜空间的生成能力，而是通过蒸馏把生成潜变量对接到重建式 4D 潜变量，并用 4DGS 作为统一输出接口。与已…
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。
值得关注：把投机解码的“固定超参数”问题转成可在线学习的控制问题，且不触碰验证器、不需重训，工程落地成本低。 对推理服务而言，吞吐的边际提升直接对应成本；AMTP 给出了一个有理论保证（regret 界）的自适应策略，而不只是启…
VAST AI Research 开源实时生成式渲染器 EdenLive，可用灰盒画面或实拍视频作参考、配合首帧与提示词实时生成写实或风格化画面，5B 模型在单张 RTX 5090 上以 720P 超 24 FPS 运行，并以 Apache-2.0 协议开源 5B/14B 权重及 EdenGolem v0.1。
值得关注：实时生成式渲染长期受限于算力与延迟，单卡消费级 GPU（RTX 5090）上跑通 720P 实时生成，是“生成式内容进入实时交互管线”的关键信号；同时开源权重与宽松协议，可能推动围绕实时生成渲染的工具链与内容生态加速形…
腾讯混元将智能体记忆框架Hy Memory升级至2.0，补齐工作记忆与代码记忆两类新场景，并以“模型—框架—应用”三层全部开源的方式发布，在四套记忆基准上取得开源记忆框架第一。
值得关注：现有相关卡片记录的是混元在推理加速（AngelSpec）、基座模型（Hy3）与投研工作流（Alpha派）上的进展，本条补上了“记忆”这一智能体关键能力维度：Hy3解决基座能力，AngelSpec解决推理效率，Hy Me…
OpenAI 发布工作介绍其如何提升 ChatGPT 在低资源编程语言上的表现，并配套提出针对软件工程、SQLite 与 COBOL 迁移的新评测（具体方法与结果待核实）。
值得关注：编码评测长期偏向高资源语言与通用软件工程任务，低资源语言与特定技术栈（如 COBOL、SQLite）的覆盖不足，可能导致模型能力被高估或迁移场景支持不足。本条与“OpenAI 对 SWE-Bench Pro 编码基准的…
VAST发布世界模型项目Project Eden的阶段成果EdenLive，以参考画面/视频结合首帧与提示词实时生成写实或风格化画面，在单张RTX 5090、5B参数、720P配置下帧率超24FPS，并同步开源模型权重、推理代码与技术报告。
值得关注：实时性是世界模型从演示走向交互式应用（如游戏、虚拟场景）的关键指标，EdenLive给出了单张消费级显卡上的具体性能数据。 与同期出现的“游戏引擎维护状态+视频模型渲染”路线（如Matrix-Game 4.0）相比，E…
Together AI 于 2026 年 10 月 19 日推出 Together Post-Training 服务，让用户在自有 GPU 资源上对 Qwen、GLM、Kimi 等开放权重模型进行 SFT 或 RL 后训练，训练循环由用户定义、底层基础设施由 Together 托管优化。
值得关注：来源判断：2026 年训练自定义模型已非小众话题，企业用其降本并提升任务特定表现；比起靠 context 或 harness engineering 修补模型行为，训练专家 agent 可在远低成本和运行时下匹配前沿模…
DeepSeek 于 2026 年 10 月将 V4.1 Flash 更新至 1017 版本，网页端、APP 与 API 同步切换，宣称在多个 Harness 下达到性能—费用帕累托最优，并同步开放自研 Search 与 Fetch 接口（每千次 5 元），权重已上线 HuggingFace 与 ModelScope。
值得关注：若“性能—费用帕累托最优”在多个 Harness 下成立，则模型竞争的评价维度从单纯跑分转向“跑分 ÷ 成本”的综合效率。 自研搜索 API 的定价与计费节点，把搜索能力从模型内部能力变成可单独计价的基础设施，影响 A…
OpenAI将计算机使用能力接入Chrome浏览器，Chat模式可跨标签页收集信息，Work模式经用户授权后可代替用户操作网页完成任务。
值得关注：浏览器是多数知识工作的核心入口，AI代理在此落地意味着操作权限、授权边界与提示注入等安全问题将从实验室进入真实使用场景。本条与既有卡片“Claude Cowork内置浏览器上线”构成同一产业脉络的延续：主流AI厂商正相…
腾讯研究院文章提出，青少年高频使用 AI 时反复演练的“命令式、无成本、无延迟”对话方式，可能外溢为对人际交往中必要“社会性摩擦”的低容忍，文章将其概括为“祈使句一代”，但作者明确承认这尚是一条待检验路径、缺乏纵向研究证据。
值得关注：把 AI 对青少年的影响讨论从“内容层面”（作业代写、注意力、情感依赖）转向“形式层面”（对话语法与习惯），提供了一个不同的分析切口。 指出当前 AI 安全工作几乎全部集中在内容护栏（不违法、不危险、不有害），“社交护…
Agility Robotics 宣布 Mark Vale（Transportation Insight CEO、UPS 前总裁）预计将在与 Churchill Capital Corp XI 完成业务合并后加入董事会并出任审计委员会主席，以补齐上市所需的财务监督与全球物流经验。
值得关注：与既有卡片《Agility Robotics 公布拟上市董事会新董事人选（2026-09-29）》相比，本条增量信息是：拟上市董事会中“审计委员会主席”这一关键治理岗位的人选明确为 Mark Vale，并补充了董事会成…
Meta发布美国迄今最强开源权重多模态模型Muse Spark Open（816B总参数、42B激活、1M上下文），借助MLX框架可在两台M5 Ultra Mac Studio（合计1TB统一内存）上完整本地运行，但核心编程能力仍落后于Kimi K3和GLM 5.3。
值得关注：本条与已有两张卡片构成同一模型的三个切面：8月的Muse Spark 1.2/30B端侧Agent讲Meta重回开源与端侧小模型；10月16日的GB300 NVL72卡片讲数据中心侧智能体编码吞吐优化；本条则补齐“桌面…
英伟达开源机器人框架 ASPIRE V1.0，用编程 Agent 为机器人编写控制程序、依据多模态轨迹复盘失败并迭代代码、把有效方法沉淀为技能库；换用 GPT-6 Astra 后，LIBERO-Pro 80 项任务成功率达 99%，Robosuite 与 BEHAVIOR-1K 代表性任务全部 100%。
值得关注：机器人的瓶颈长期在“控制程序怎么写、失败后怎么改”。ASPIRE 把这一环节交给编程 Agent，并用技能库把一次性成功转化为可积累资产；同时它显示框架效果与底座模型强绑定——同一框架在默认配置下零样本成功率 31%，…