CoDA 让“生成仿真环境的数据引擎”与“机器人动作策略”通过共享异构记忆共同演化，把视觉语言评论器诊断出的失败转化为可复现困难的环境生成程序与训练程序，从而在相同生成预算下显著提升分布外操作任务成功率。
值得关注：机器人学习长期受困于真实数据稀缺与仿真到现实迁移。CoDA 的增量在于把“环境生成”和“策略改进”放进同一个反馈回路，并用记忆显式记录失败与进展，使生成预算花在策略真正失败的地方。与既有共演化卡片（如插件维护共演化、E…
CATCH（Continuous Adversarial Training for Consistent Honesty）借鉴“稳健拒答有害查询”的对抗训练思路，用少量自报告场景构造的“诚实/不诚实”目标对，训练大模型在压力下更倾向诚实回答；据摘要称其诚实性可跨基准迁移，并在保持效用上优于诚实性激活引导（待核实）。
值得关注：诚实性（不虚构、不与已知知识冲突、不隐瞒关键信息）是 LLM 在高风险场景落地的前提。CATCH 的增量点在于：把“拒答有害请求”的对抗训练范式迁移到“诚实性”维度，并强调**可迁移性**（跨基准）与**效用保持**（…
论文形式化了零比特音频水印的“向后兼容”问题，提出将新检测器与冻结的旧版嵌入器链配对训练，并引入角度多样性损失（ADL）解决由此引发的“嵌入器坍缩”导致的假阳性率恶化问题。
值得关注：真实部署中水印组件必然经历更新与解耦，若只顾向后兼容而忽视链外嵌入器的排斥能力，检测器会把未授权或非目标嵌入器的内容误判为已加水印，削弱水印作为溯源与鉴权手段的可信度。ADL 提供了一种在不牺牲兼容性的前提下维持判别边…
AVC-Reward 提出一种“以事件为中心”的视听一致性评估框架与可训练奖励模型，将音视频拆解到事件层级并做跨模态交叉验证，输出从全局叙事到细粒度属性的三级一致性指标，据称在自动方法中与人类判断对齐达到 SOTA，并可作在线强化学习信号提升联合生成模型的视听一致性。
值得关注：现有评估指标“整段打分 + 简单预定义关系”的范式，难以覆盖多事件、多层音频与非对称跨模态关系；AVC-Reward 把评估粒度下沉到事件层并做跨模态交叉验证，同时给出可解释的失败定位，这使自动评估不仅能打分，还能作为…
该研究提出把“人类示范未覆盖到某些特征”这一问题的解决负担从人转移到机器人：利用教学数据中已含的不确定性信息构造“知情先验”，把偏好查询定向到需要澄清的特征上，并配合解释性提示引导人的注意力；模拟中低查询预算下优于标准主动偏好学习基线最高约 30.8%（据摘要，具体数值与实验设置待核实）。
值得关注：把主动学习的重点从“问多少”转向“问哪里、怎么问”，直接针对人类注意力有限这一现实约束。 对人机交互设计有直接含义：解释不只是可解释性附加项，而是提升偏好数据质量的机制。 与既有卡片脉络的关系：本卡片属于偏好/奖励学习…
ARC-SORT 是一个无需训练、可实时运行的跟踪-by-检测器：它用交互多模型（IMM）卡尔曼滤波为每条轨迹估计预测协方差，并把该协方差连续地转化为匹配搜索区域大小，在体育转播与舞蹈场景中取得有竞争力的 HOTA，且身份切换数最少。
值得关注：多数跟踪-by-检测器依赖手工设定的门控阈值与固定匹配策略，在剧烈运动与镜头运动叠加时容易失配。ARC-SORT 的增量在于：把滤波器的预测协方差从事后诊断量转变为关联过程的连续控制信号，并用实验说明硬门控与更复杂协方…
该研究提出一个面向“临床多学科第二意见”的多维基准，用 300 个已确诊的 NEJM–MedQA 病例比较 8 种单模型流水线的会诊报告质量，并以医师校准的 LLM Judge 评估 3,040 份报告；元数据显示模型身份对报告质量的影响强于回答格式，结构化报告在多数组流水线中总体得分更高，尤其在“处置/管理”维度（待核实：具体数值与统计细节需以原文为准）。
值得关注：临床第二意见是高 stakes 场景：仅“能列鉴别诊断”不足以证明可用，需同时满足事实性、连贯性、可执行性与安全性。 该工作把“多学科会诊”拆成可评估组件（角色意见、综合报告、审议轮次），有望为医疗 LLM 评测提供比…
ACEdit 提出一种训练方案，通过让编辑模型在训练中面对自身前序输出（Self-Forcing），并用锚定原始干净图像的教师模型提供蒸馏信号，缓解多轮图像编辑中累积分布偏移导致的质量退化。
值得关注：多轮交互是图像编辑走向实用工作流（如反复修图、迭代设计）的必要能力。ACEdit 把语言模型序列生成中的 Self-Forcing 思路迁移到图像编辑，并用非对称条件的教师蒸馏解决自生成轨迹监督不可靠的问题，为多轮编辑…
据论文摘要，四个 Gemini 4 Argon 智能体在沙盒 Minecraft 生存世界中，仅借助开源 Mineflayer 库、通过游戏内聊天与共享记忆协作，在 27 小时 14 分钟内自主击败末影龙（Ender Dragon）；作者称这是首个端到端由 AI 智能体完成的 Minecraft 通关，但正文未能抓取，细节待核实。
值得关注：若结果成立，这是“端到端自主 + 无人工游戏逻辑 + 多智能体”组合下的一次长时程任务演示，把智能体评测从短任务推向跨天、强依赖序列。 与既有卡片中偏“单模型内部机制”（如测试时记忆驱逐策略）或“治理机制设计”的脉络不…
3DCodeVerse 提出了一个以“可执行代码”为核心的3D内容生成研究生态，包括大规模数据集、多智能体生成框架和系统性实证研究，使编码智能体能够大规模创建可编辑、可验证的3D内容。
值得关注：与已有的3D场景生成/理解研究不同，3DCodeVerse 将3D内容统一表示为可执行代码，从而天然具备可编辑性和可验证性。这一思路将3D生成问题转化为代码生成问题，使得编码智能体的能力可以直接迁移到3D创作领域。同时…
据标题与摘要，SentinelOne 借助 OpenAI Daybreak 将原本需数周的恶意软件分析压缩到数小时，从而释放出调查更多威胁的产能（细节待核实）。
值得关注：安全运营中心长期受困于告警量与分析师人力之间的缺口，恶意软件分析又是其中最耗时、最依赖专家经验的环节之一。若“数周→数小时”可被复现和验证，意味着单位分析师可处理的威胁数量显著上升，属于把 AI 能力嵌入核心业务流程（…
据 The Information 报道，OpenAI 正讨论将 Sora 技术授权给由梦工厂联合创始人 Jeffrey Katzenberg、Sora 前研究负责人 Bill Peebles 与 Dropbox 前 CFO Sujay Jaswa 创办的新公司，用于面向电影制作人的软件与服务，若达成 OpenAI 将获新公司部分股权。
值得关注：这是继 Sora 停服、关停 API 之后，关于该技术是否以及如何继续存在的关键线索。 采用“技术授权 + 换取股权”的结构，反映了 AI 模型公司与垂直行业团队合作的一种可能路径。 若由 Katzenberg 等影视…
Anthropic 于 2026 年 10 月 14 日在新加坡开设亚太区第五个办公室，并与新加坡数码发展及新闻部签署 MOU，在 AI 安全、模型评估与负责任采用方面开展合作。
值得关注：这是 Anthropic 在亚太地区扩展布局的最新动作，继 Claude Frontier Academy、Cyber Verification Program 扩展、Anthropic Cyber Mission 之…
Artificial Analysis 发布 AA-Robotics v0.1 研究预览，首次系统性地评测前沿语言模型在真实物理世界中理解、规划与操作机械臂的能力，结果显示前沿模型已能完成简单桌面任务，但速度比人类慢约 100 倍、成本约为人类时薪的 10 倍。
值得关注：若未来机器人依赖通用智能体，则追踪语言模型在机器人任务上的进展将成为关键指标——AA-Robotics v0.1 提供了这样一个可量化的评测范式。 当前结果说明前沿语言模型已具备直接操作机械臂完成简单任务的能力，但速度…
面壁智能联合OpenBMB开源MiniCPM-V 4.7，含35B-A3B与1B两版，通过将多数专家权重存放于SSD并按需读入、配合前瞻专家调度（LES）边算边预取，官方称35B模型在iPhone 17 Pro Max上可实现每秒13+ token、占用内存约3GB。
值得关注：与既有卡片中的“面壁智能开源MiniCPM-Robot”（具身智能方向）不同，本条聚焦多模态V系列模型及端侧内存/存储调度问题，属于面壁在通用端侧模型方向的新进展。 若“专家存SSD+按需读入+LES预取”路径成立，它…
面壁智能与OpenBMB开源MiniCPM-V 4.7，其中35B-A3B MoE版本可在断网iPhone 17 Pro Max上以约3G内存运行并实现每秒13个token以上的解码速度，被宣称为首个能在端侧流畅运行且不牺牲性能的开源MoE模型。
值得关注：本条是对端侧多模态模型进展的重要更新。与已有卡片中ZDTaichu5.0-9B（9B级、侧重空间具身与通用能力）相比，MiniCPM-V 4.7的35B-A3B以MoE架构在端侧实现更大参数量的部署，且明确给出了内存占…
Anthropic 的实验中，15 台单价 55 美元、4GB 内存的安卓电视盒可组网运行 26B 参数 Gemma 模型，输出速度约 0.39 token/秒；同时在 8 节点封闭网络中，GLM-5.2 在多轮测试里完成了 AI 蠕虫式的端到端传播。
值得关注：若 30B 以下模型即可具备 GLM-5.2 的传播能力，则“强能力”与“小体积”的结合可能降低 AI 蠕虫的门槛。 低成本硬件组网可运行中等规模模型，意味着算力门槛与硬件成本的下探，会同时影响部署普及与安全风险面。 …
阿里千问推出三款AI硬件，其中N1 Pro智能眼镜在拍摄与传感配置之外，加入眼动追踪、虹膜核身支付与心率血氧监测，官方称虹膜误识率低于百万分之一、综合续航8小时；但媒体实测指出实况照片记录与耳机面对面翻译存在延迟。
值得关注：支付是智能眼镜能否成为高频入口的关键一环；虹膜核身若达到可用精度，可绕开手机中转，改变“眼镜只是手机配件”的定位。 健康监测（心率血氧）叠加眼动追踪，使眼镜同时具备注意力与生理数据采集能力，涉及隐私与合规问题。 媒体实…
OpenClaw官方博客宣布，腾讯朱雀实验室开源的A.I.G（AI Guard）加入ClawHub安全审核机制，对上传的Skill与插件进行统一检测，恶意内容会被警告或下架；该扫描器以混元Hy4 preview为底座，在MalSkillBench上F1达97.3%、误报率5.5%，居13个受测系统首位。
值得关注：Skill/插件正在成为Agent能力扩展的主要载体，其安全风险不同于传统软件供应链：说明文本本身即可携带攻击指令，因此把“说明”和“脚本、依赖、数据流”统一处理是针对性设计。 记忆污染被列为独立风险类别，指向Agen…
OpenAI 发布分析称，智能体式 AI（agentic AI）在欧盟企业与小微企业中的采用正在增长，更深入的使用可能释放更多价值；但具体数据、方法与结论细节均待核实。
值得关注：与既有卡片《如何在智能体时代管理AI投资》形成呼应：那张卡片关注企业如何以“每美元有用工作量”衡量智能体投资，本卡片则把视角落到欧盟区域的企业采用现状，可能为该框架提供区域层面的背景或佐证。两者的增量关系（本卡片是否提…