Anthropic基于1334名员工调查发布两份内部报告，员工平均认为四年后AI能完成自己75%的工作，并估计当前前沿模型研发工作AI已承担51%、2030年底将达95%；而美国普通劳动者对同一问题的答案仅为28%。
值得关注：这组数据把“AI替代工作”从外部预测变成了组织内部的自评与自用记录：一方面员工对自身工作被替代的预期（75%）远高于外部劳动者（28%），另一方面Agent工时倍数、代码提交量倍数、初级岗位占比下降等指标提供了使用强度…
论文提出 PhysRSI-eval，用五轴指标量化视觉语言模型（VLM）在物理操作任务中的“递归自我改进”（RSI）能力，并通过“Physical Barrel Hypothesis”指出不同能力可能分别约束改进的不同环节；公共基准均分接近的系统，其改进速度与效率可能差异显著。
值得关注：它把“递归自我改进”从抽象概念拆成可测量的五个轴，并提出能力约束的“木桶”假设，为判断一个 VLM 策略是“起点高”还是“学得快、学得省”提供了区分工具；对具身智能评测与模型选型有直接参考价值。
WeAct 把“选择哪个 LoRA 适配器”纳入智能体的动作空间，让长程任务在执行过程中按需切换能力模块，在 8 个深度研究基准上以更少算力比全量微调平均提升 6.2% 准确率，比最强静态 LoRA 合并方法提升 27.5%。
值得关注：它把“能力组合”从训练期的静态设计问题转变为执行期的动作决策问题，为长程智能体提供了一种避免灾难性遗忘、并支持模块化增量升级的参数组织方式；与关注上下文生命周期管理的既有卡片形成互补——后者管理“记忆与成本”，WeAc…
VideoMaMa++ 通过分离 RGB 与掩码的 token 流、引入 preserve/refine 两个可学习 token 并配合滑动窗口推理，解决扩散式视频抠像在分块处理时跨块边界闪烁与透明度不连续的问题，据摘要称在细节精度与时序一致性上优于既往扩散方法。
值得关注：分块推理是扩散类视频模型落地的普遍约束，本文把“跨块一致性”作为一等问题处理，思路可迁移到其他长视频扩散任务（如生成、编辑、修复）。 用可学习 token 充当“帧级条件接口”而非改动主干，避免了额外训练成本，属于推理…
Agima 把“行动前先想象后果”作为可训练能力：用单一 omni 模型统一策略与世界建模，再以智能体强化学习教它在想象的未来上推理，从而在不可逆或反馈稀疏的环境中减少致命失误。
值得关注：把“想象/前瞻”从提示技巧变成可训练、可评估的智能体能力，强调“何时、何地”进行前瞻，而不仅是“能否”前瞻。 在真实环境交互受限（每五步看一次棋盘）的条件下仍显著优于仅动作规划器，说明想象可部分替代昂贵的环境反馈。 与…
推理模型生成的思维链（CoT）文本并不忠实反映其内部计算，因此不能当作可解释性工具，可监控性是一种脆弱的能力，需要专门研究和保护。
值得关注：如果推理文本不能忠实反映内部计算，依赖它进行安全监控就可能失效，甚至被模型“表演”出的推理所误导。社论主张在进一步提升推理能力之前，应优先开展如何生成推理文本、能否用于安全监控的研究，并把保持可监控性作为安全测试的重点…
Nature 评论文章《Three reasons why AI is not conscious and perhaps never will be》指出，现有 AI 系统不具备意识，且沿当前发展路径大概率不会产生意识；其核心论据是“智能不等于意识”，以及硅基计算功能主义存在根本缺陷。
值得关注：为“AI 是否/能否有意识”的公共讨论提供了一个明确的科学-哲学否定立场，直接回应了 Richard Dawkins、Geoffrey Hinton 等认为 AI 可能已有意识的观点，以及 Anthropic 声称在 …
Halcyon 系列模型证明，不依赖互联网规模的语言预训练、完全从零开始训练，也能获得强文本到图像（T2I）生成能力，并在更低预训练算力下优于若干对比模型。
值得关注：论文直接挑战“强 T2I 必须依赖互联网规模语言预训练”的常见假设，并用受控实验说明纯文本预训练对 T2I 没有增益。对希望从零构建多模态生成系统、或希望减少对语言预训练依赖的团队，这是一条值得关注的替代路径。
该论文提出“量子哈密顿量嵌入”（quantum Hamiltonian embeddings）监督学习框架：将经典训练数据编码进一个参数化哈密顿量，以该哈密顿量近似基态定义分类规则，并在理论上给出梯度估计与泛化保证，同时在 IBM Heron 处理器上完成规模化演示。
值得关注：与既有卡片中“单量子比特实现指数级量子优势的经典信号学习”相比，本条不是围绕测量次数缩减的单量子比特方案，而是面向通用监督学习的建模范式：把数据集整体编码为哈密顿量，并以基态作为分类器，关注的是可证明的泛化与可训练性。…
Stateful Harness 把“世界状态演化”与“视频渲染”拆开：由框架按规则维护隐藏状态并编译指令，冻结的视频模型只负责出画面，从而在依赖不可见状态的交互中显著提升规则遵循率。
值得关注：交互式世界模型若只擅长“生成看起来合理的画面”，在需要持久规则与隐藏状态（如开关、库存、剧情标记）的场景中会失效。该工作给出的增量是：不重新训练视频后端，而是通过外置状态机/规则执行层加指令编译，把规则遵循率大幅拉高，…
SpecMRL 通过在参数导出的谱基（spectral basis）中按特征重要性组织特征空间，改进 Matryoshka 表示学习（MRL）的嵌套前缀读出方式；据摘要，其在 MTEB 上于所有评估的降维维度均优于 MRL，且压缩越激进增益越大，仅用一半嵌入维度即可超过全维 MRL——具体数值与实验细节待核实。
值得关注：对“嵌入维度可裁剪”这一实用需求（检索、存储、推理成本）提供了比原始 MRL 更有效的实现路径，低维区间收益更明显。 把“特征重要性排序”显式引入表示空间设计，提示 MRL 类方法的瓶颈可能在于前缀读出的空间结构，而非…
SpecKCast 是一种无需训练（training-free）的扩散模型加速方法：它在频域（2D DCT）上对模型输出做逐系数卡尔曼滤波预测，并沿由噪声调度派生的频带特定时间坐标推进预测，从而在跳步时减少外推误差；据摘要，在多个图像/视频 DiT 上取得最高 6 倍加速，额外显存低于 0.05 GiB。
值得关注：它把扩散加速中的“跳步预测”从“在像素/特征空间均匀外推”推进到“按频带与非线性时间去建模”，针对的是现有预测型加速的误差放大机制，而非单纯调参。 与既有卡片中 MORCA 的“学习型缓存调度”不同，SpecKCast…
当 LLM 智能体通过“按需检索”而非“上下文内联”读取长工具输出时，部分模型会出现准确率下降；原因未必是没算对，而是答题所依据的证据发生了替换（evidence substitution）。
值得关注：揭示了一类易被最终准确率掩盖的失败模式：计算正确但证据用错。 对智能体框架设计（上下文管理、工具输出呈现方式）给出可操作的改进方向：命名权威输出、内联可容纳输出。 与“工具使用失败诊断”类工作形成互补：本工作聚焦证据使…
论文提出“安全中期训练”（safety mid-training），在预训练与后训练之间引入一个同时发展安全与通用推理的中间阶段，试图缓解安全与通用能力之间的取舍（trade-off），并提升安全对后续训练的鲁棒性；具体数据与实验细节待核实。
值得关注：直接针对安全对齐的两个现实痛点：安全能力随训练漂移而退化、安全与通用能力相互挤压。 把安全从“后训练补丁”重新定位为“可学习的基础能力”，为训练流水线设计（预训练—中期训练—后训练）提供新的分工思路。 与既有卡片的关系…
Ropedia W0 提出首个覆盖人类与多种机器人具身的自我中心（egocentric）移动操作世界基础模型，通过统一运动学表示与大规模人类/机器人混合数据，在多个跨具身基准上取得领先表现，并验证了“扩展人类预训练数据能同时提升人类与机器人评测”的缩放规律。
值得关注：把“移动”与“操作”纳入同一个世界模型，而非分开建模，贴近真实移动操作任务的耦合特性。 跨人类与多机器人具身的统一表示，为利用海量人类视频数据训练机器人世界模型提供了可操作路径。 同时给出数据、基准与模型，并覆盖零样本…
CORNETO 框架的多样本约束网络推断并非在所有条件下都能稳定获益：其稳健性取决于先验知识完整性、样本可得性、正则化强度与生物学情境，因而应被视为一个“分区依赖”（regime-dependent）的学习问题。
值得关注：把网络重建定位为“分区依赖的学习问题”，为多样本生物网络推断提供了实践原则，而非单一的性能排名。 强调预测性能本身不足以证明推断网络对应真实分子调控机制（问题本身欠定，多个候选结构可解释同一观测）。 对使用 CORNE…
该论文提出“视觉可归因同策略自蒸馏”（Visual-Attribution Gating, VAG），通过对比“证据存在”与“证据退化”两种教师视图来筛选特权纠正，只保留能归因于视觉证据的 token 级更新，从而在六个视觉推理基准上优于 GRPO 与 OPSD 方法。
值得关注：相比既有 OPD-V（以模态平衡构造信任区域）与 Where-OPD（以空间定位引导与合成场景提供免标注信号），本条的工作把重点放在“纠正是否可归因于视觉证据”这一判别上，属于对 OPSD 脉络中“特权信息可能引入污染…
RefCraft 是一个包含 300 个真实多模态网页开发任务的基准，用于评估智能体在自然语言指令之外结合 1–5 张参考网页截图进行选择性理解、渲染与迭代优化的能力；据摘要，九个前沿 (M)LLM 中表现最强的系统总分仅 52.12/100，表明该能力仍是显著挑战（具体评测细节待核实）。
值得关注：补足了现有基准“只重文本指令或视觉重建”的空白，把“从参考样例开发”这一常见工作流纳入评测。 将评测从单轮生成推向“生成—渲染—视觉检查—迭代”的智能体闭环，更贴近真实开发流程。 与既有的参考一致性生成、条件式生成域偏…
StreamRPS 提出了一套面向 FMCW 旋转雷达的流式全景分割框架，通过自动标签生成管线与实时流式网络，在 SAX 和 BOREAS 数据集上以超过 400 FPS 的速度处理 4 扇区数据，性能至少领先最强基线 1.4 个百分点（待核实具体指标细节）。
值得关注：针对雷达这一在恶劣天气下相对稳健的模态，补齐了实时全景/语义分割能力，对自动驾驶感知冗余有直接价值。 自动标签生成管线缓解了雷达标注数据稀缺的瓶颈，并公开 100 帧人工标注供独立评测，有利于后续复现与公平比较。 与已…
在 131 项蛋白质结构任务组成的 ProteinGeoBench 上，前沿结构生物学智能体普遍更擅长检索结构元数据，而在从坐标做数值/几何计算时表现更弱；且基准排名对评测配置（运行次数、工具框架、网络/数据库访问、任务子集）敏感。以上基于元数据与摘要级信息，正文细节待核实。
值得关注：对“基准分数=模型能力”的默认假设提出操作性质疑：同一模型在不同运行预算、工具框架与访问条件下可能得到不同名次，评测报告需要显式披露这些配置。 区分“查表流畅”与“几何计算可靠”两类能力，对结构生物学智能体的实际部署有…