DepthWorld 通过构建校准的 3D 数据集 DROID-3D，并训练基于 Stable Video Diffusion 的多视角 RGB+深度联合预测世界模型，试图让机器人世界模型从“逐帧看似正确”走向“具有一致 3D 几何”，同时报告深度监督还能反过来提升 RGB 预测。
值得关注：机器人世界模型若要替代或补充模拟器，单靠 RGB 视频先验可能不足以支撑 3D 一致的 rollout；DepthWorld 的核心贡献是同时处理 3D 监督数据和吸收监督的架构。 DROID-3D 的校准流程强调复用…
H-CDLM 把 token 与由预训练 token embedding 聚类得到的粗粒度簇作为多种语义粒度模态并行去噪，在 CoBit 上得到 H-CoBit、在 FLM 上得到 H-FLM，摘要报告其在 LM1B、OWT、GSM8K 等基准上相对基线有提升。
值得关注：如果结果可复现，它提供了一条把分层/多粒度表示引入连续扩散语言建模的路径，并用生成指标和推理基准同时评估。 与既有脉络的关系：已有“分层连续扩散语言模型（HC-DLM）”卡片可能与本条指向同一工作或相近脉络。本条材料补…
在基于 patch 的高光谱图像（HSI）分类中，从同一图像随机划分训练集与测试集会造成训练-测试 patch 空间重叠，进而导致数据泄漏和过于乐观的性能估计；该论文用 OP 与 AOR 两个指标量化这种重叠，并显示非随机空间采样下深度模型性能大幅下降。
值得关注：高光谱图像分类常依赖空间-光谱局部信息，patch 方法会放大空间自相关带来的评估风险。若随机划分训练/测试集导致 patch 重叠，模型可能部分“看过”测试区域，从而在论文或基准中呈现虚高精度。该研究把这种泄漏用 O…
CtrlCache 是一种无需训练的控制感知缓存框架：它利用交互式生成中“控制信号先于去噪到达”的特性，动态决定哪些视频块可复用计算，在 Matrix-Game 2.0 与 LingBot-World v1/v2 上取得 1.21x–1.41x DiT 骨干加速，同时提升 WBench Overall 分数。
值得关注：交互式视频世界模型的实际体验高度依赖生成延迟。CtrlCache 的增量在于把“控制信号”作为提前可用的调度依据，而不是仅依赖模型内部去噪动态；同时它无需重训练，便于作为推理侧优化接入。与已有相关卡片多关注多玩家交互、…
这篇论文为“保形预测集大小缩减可当作信息增益度量”提供了决策论与信息论基础：它引入基于集合大小和覆盖的一族广义信息度量，证明 Shannon 互信息可由这些度量精确积分表示，并给出集合大小缩减与经典信息量之间的夹逼关系和数据处理不等式。
值得关注：已有相关卡片“ENCP”关注的是视觉-语言导航中按回合校准保形预测的经验方法；本条则是理论层工作，回答“为什么预测集变小可以解释为信息增益”，并补充了一个反直觉发现：集合大小缩减与 Shannon 互信息并不总是同序。…
本文把路径网络与流网络放在同一路径-流对齐目标下协同训练，并通过随机路径正则化抑制路径过拟合和低熵瓶颈；在 ImageNet-256x256 与 SiT 骨干网络上报告 FID 一致改善，且推理时架构与采样器不变。
值得关注：这项工作把 flow matching 中通常被视为设计选择的“路径”也纳入学习过程，并指出了一个关键陷阱：训练对齐指标下降不等于生成质量提升。其增量信息在于训练目标层面的路径与流联合优化，以及用正则化控制中间边缘分布…
论文摘要提出一种改造物体中心 3D 生成器（以 Trellis 2 为例）的方法，使其能仅凭单张图像生成包含相机未观测表面的完整室内外场景网格；方法结合自适应分块、显式 2D-3D 对应建模和约 4,000 个合成室外场景，并称在 Tanks and Temples、ScanNet++ 与 in-the-wild 图像上优于所有基线。
值得关注：它尝试解决单图 3D 生成中“物体级先验强、场景级泛化弱”的矛盾，尤其是室外数据稀缺导致的室内偏置。 自适应分块在细节保留与远距离大结构覆盖之间做尺度权衡，是针对场景级生成的设计。 显式建模自由空间、观测表面与未观测区…
BASA 提出一种后端无关的稀疏注意力：用跨 DiT 块的结构化移位局部窗口注意力替代视觉自注意力，在不引入不规则算子或定制 kernel 的情况下，缓解窗口边界造成的网格状伪影，并在 FLUX、Wan 上报告接近理论估计的实测加速与有竞争力的生成质量。
值得关注：高分辨率视觉生成的瓶颈常在注意力的二次复杂度；稀疏注意力要从论文指标走向部署，需要解决“理论省算力、实测不省时间”的落差。 BASA 以结构化窗口移位避免不规则算子，强调 backend-agnostic，这与依赖定制…
ALIVE 试图让视频编辑中“插入的对象”不只是出现，而是能与源视频内容发生被拿起、被操纵等连贯交互；它用编辑后首帧和仅命名新增对象的指令，结合 35,800 编辑对、VLM 交互引导和 ALIVE-interaction 基准，提升对象插入的交互保真度。
值得关注：视频编辑中的对象插入长期更偏重视觉合成，而 ALIVE 把问题推进到交互层：插入对象需要和源视频中的动作、人物、场景发生协调关系。它同时提供数据、VLM 引导和评测基准，形成“数据—模型—评测”闭环；如果后续细节与复现…
LLM 能解决许多窄任务，但对数百万相关实例逐条查询可能成本过高。本文提出“bottling”能力：智能体把通用能力转化为任务特定解决方案，在答案质量与摊销成本之间平衡。研究问题是：LLM 智能体能否自主为这类工作负载创建更便宜的解决方案？为此，作者提出 BOTTLED 基准：智能体接收整个未标注 workload，并在固定时间、计算和 LLM API 预…
值得关注：大规模部署 LLM 的关键不只是单次回答质量，而是能否用有限资源生成可复用、可摊销的产物。若 zero-shot 排行榜无法预测 bottling 能力，那么模型选型、成本工程和智能体评估都需要新增“把能力变成廉价方案…
AdvSim2Real 通过在冻结的 Web 世界模型中协同演化任务课程、注入攻击者和 Web 代理，使 4B 代理在任务完成能力与对抗自适应提示注入方面同时提升；在 150 个 Web 任务上，面对未见过的前沿模型攻击者，其完成率相对基础代理提高 33.6%。
值得关注：Web 代理必须依赖第三方页面内容，这使提示注入成为其执行用户任务时的核心安全风险。固定注入防御和固定任务的对抗训练都可能失效：前者被自适应攻击绕过，后者在任务被解决后不再提供学习信号。AdvSim2Real 的增量在…
论文针对生成式信息检索中“什么是好的 DocID”这一问题，提出统一 Product Quantization (PQ) / Residual Quantization (RQ) 及其混合变体的设计空间，并给出免训练内在指标，以便在 MS MARCO 300K 与 NQ320K 上系统分析 DocID 结构属性与超参数对检索效果的影响；具体最优配置与性能提…
值得关注：GIR 将检索转为生成，DocID 成为连接文档空间与生成模型的关键接口，其结构可能直接影响可学习性与检索效果。 现有评估昂贵，本文尝试用 intrinsic metrics 做前端筛选，可能改变 DocID 设计流程…
4D-HOF 是一个前馈式条件流匹配框架：它把视觉基础模型产生的粗略手-物状态输运到交互流形，并在生成/输运过程中用物理交互约束和观测到的2D证据进行测试时引导，以重建更稳定、更准确的4D手-物交互。
值得关注：它针对两个痛点：逐序列优化成本高，以及从随机噪声生成交互可能不稳定。4D-HOF 的增量在于把视觉基础模型的粗估计作为条件起点，并用流匹配在生成过程中修正；同时把物理约束和2D证据注入输运过程，而非事后优化。与既有卡片…
LeCun 任董事长的 AMI 联合纽约大学、巴黎 INRIA 与布朗大学发表 H-JEPA 论文，提出面向视觉规划的分层世界模型，并同步开源代码与预训练权重；在 Visual AntMaze 仿真迷宫任务中，三层模型成功率从单层的 18% 提升到 73%。
值得关注：与已有卡片《H-JEPA：面向视觉规划的分层世界模型端到端学习（2026-10-05）》相比，本条为同一工作的后续报道，增量信息是：AMI 的机构归属（LeCun 任董事长、联合 NYU/INRIA/布朗）、代码与预训…
据 OpenAI 官方页面元数据，该公司发布了一篇题为 “Our approach to EU text provenance rules” 的说明，介绍其在欧盟文本溯源（内容来源标注）规则背景下对文本水印的处置思路；但正文未能抓取，具体适用范围、检测方式与访问机制均待核实。
值得关注：内容溯源是生成式 AI 监管中最具操作性的议题之一：它直接关系到平台责任、虚假信息治理和创作者权益的界定。 与既有相关卡片的关系：本卡片与“物理智能公司 π*0.6”“莫拉维克悖论与机器人奥运会”“Anthropic …
研究问题：如果AI开始大规模参与“造下一代AI”，下一代AI再回来加速研发，一轮轮滚动下去，是否会跑出一条智能爆炸曲线？ 论文英文标题：**What if automating AI R&D triggers an intelligence explosion?** 作者阵容：材料称22位作者，包括 Geoffrey Hinton、Yoshua Bengi…
值得关注：它把智能爆炸/RSI从科幻辩论推向现实准备问题：涉及安全、治理、算力/数据/实验资源、研发劳动力结构、长时程自主可靠性等。 材料明确提醒：AI研发自动化和智能爆炸之间还隔着很长一串条件——AI首先得足够可靠，能长时间自…
OpenAI 在其官网发布题为 “Building advertising for the way people use AI” 的内容，按元数据与候选摘要，其核心是面向 ChatGPT 推出新的视觉广告格式，并扩展广告测量工具、归因合作与品牌适配（brand suitability）能力；但正文未能抓取，具体细节均需回原文核实。
值得关注：若信息属实，这是 ChatGPT 广告产品从早期形态走向“格式 + 测量 + 品牌安全”完整组合的信号，直接影响广告主的投放可行性与预算规模。 它决定了一个关键产业问题的走向：对话式 AI 能否成为可持续的广告载体，以…
Agility Robotics CEO Peggy Johnson 将以个人顾问身份参与 MITRE 主导、Department of War (DoW) 委托的 Project Meridian，从商业化人形机器人经验出发，参与未来 10–20 年战争形态、国防能力和投资优先事项的战略研究。
值得关注：这条信息与已有 Agility 相关卡片中的投资者日、投资者会议、FORT Robotics 安全合作不同：本条增量是 CEO 以个人顾问身份进入国防战略研究脉络，而不是公司层面的商业合作或资本市场活动。它显示人形机器…
UniSlider 把“滑块值”与生成模型内部的“编辑强度参数”区分开，要求感知距离随滑块值线性增长，并通过轻量 LoRA 训练加推理时自适应重映射，使连续图像编辑更单调、更均匀；论文称其在新基准上优于已有方法，并在用户研究中更受偏好。
值得关注：它把连续图像编辑的评价从“单点编辑效果”推进到“整条编辑轨迹的感知质量”，关注单调性、节奏和可预测性。 与既有相关卡片的关系：CPI-Bench 关注真实世界图像编辑基准，DARS 关注指令编辑的强化学习信用分配，Pa…
循环语言模型每次循环都会在训练、解码、预填充和强化学习（RL）中增加成本；但如果循环状态越接近不动点，通向该点的路径就越不重要，据此可换取截断反向传播、KV 共享、更快预填充与更快 RL 更新——论文进而改进塑造这些不动点的两个训练组件：深度先验与输入注入。
值得关注：循环/权重共享架构被视为用较少参数换取更深有效计算的一条路线，但其代价是重复前向带来的训练与推理开销。该文把“不动点”作为杠杆，尝试把重复计算的冗余部分真正省掉。 它同时触及训练侧（截断反传、RL 梯度来源）和推理侧（…