在法语职业事故叙述中，仅用建筑业数据开发并选择的事故过程角色分类器，无需重训或目标域调参即可迁移到冶金、化学-塑料及独立企业语料；任务特定适配优于冻结预训练表示，三种领先策略在三个目标语料上的平均平衡准确率约为 85.6%–85.8%。
值得关注：跨行业、跨组织事故叙述的术语和写作风格差异，是自动化编码落地的核心风险；本文给出了一个“不重训、不目标域调参”的跨行业评估结果。 若可复现，此类系统可能减轻专家手工编码负担，并支持跨行业职业安全分析。 与既有“冻结视觉…
一条来自 arXiv 的学术条目提出 **$λ$-Controlled GRPO**，主张 Flow-GRPO 在多步去噪中出现的多种训练不稳定（重要性比率下漂、离散化加剧、不同步裁剪比例不同、后期可用样本减少）其实源自同一个逐步统计量——"路径方差"（path variance），并据此把不稳定性从"需要事后修补的症状"改写为"可测量、可预算的资源"（正…
值得关注：把"稳定化"从事后补丁转为事前定量预算，属于方法论层面的转变：如果多步去噪 RL 的不稳定确实由单一的转移核量决定，那么调参空间会被显著压缩，稳定器的选择可以被推导而不是试错。 与既有卡片的关系：现有相关卡片分别涉及*…
COMPLEX 是一种闭式、免训练的多参数持久性模嵌入；在可检查的见证切片一致性条件下，它给出单切片下界，配合标准上界形成双侧失真界，并在 Orbit 与分子图基准上取得强结果，但在摘要层面局部逐预测认证仍失败。
值得关注：让多参数持久性特征的忠实性从“只有上界”变为“可测量、可有双侧失真界”。 免训练、闭式嵌入加仅 SVM head 的设定，说明强基准表现不必来自学习式表示或留出校准。 对 TDA/多参数持久性在分子图等任务中的可用性与…
CodeMidas 提出一种智能体流水线，仅以源码作为任务特定输入，把现有代码库中的已实现功能转化为可执行 RL 环境；据此构建的数据集训练 MiMo-V2.5 后，在五个编码智能体基准上均有提升。
值得关注：对编码智能体后训练而言，任务与验证器是规模化瓶颈之一。CodeMidas 把“已实现功能”本身作为任务来源，可能减少对 issue、commit 等开发工件的依赖。 与既有相关卡片 Change2Task 所代表的“从…
BrainWideBench 是一个基于 International Brain Laboratory Brainwide Map 数据集的基准，用于评估多脑区神经记录上的跨动物迁移；摘要显示，预训练普遍优于匹配的单会话基线，但现有方法在三类任务上表现异质，尚无单一方法全面胜出，面向行为、动力学与解剖结构的通用神经表征仍是开放挑战。
值得关注：与已有卡片中的 FriendBench、MUSE 等同属“以统一基准揭示模型能力差异”的脉络；本条将评测对象扩展到小鼠多脑区神经记录与跨动物迁移。 增量信息在于：把预训练目标—下游任务对齐、零样本跨个体泛化，以及行为/…
Benchmarking World Models for Continual Learning on Compositional Tasks
BCA（Bayesian Chronicle Agents）为 LLM 智能体增加最小显式贝叶斯信念层，把“信念”与“表达”分离，并用先验强度参数 κ 控制共识、持续分歧和坚定少数派影响；在四个模型上，预设 κ 经语言往返后仍可恢复，且持续分歧结果与 FJ 闭式不动点匹配（R²=0.93–0.99）。
值得关注：LLM 社会模拟常把意见变化藏在上下文推理里，导致“说服开放性”等关键变量不可指定、不可验证。BCA 把意见动力学参数化并外显化，使研究者能调节集体结果，并把模型偏差从模拟结果中分离出来。与既有卡片相比：APPA 关注…
论文把“选择性预测器能否在有限校准数据下获得目标精度认证”定义为可计算的“认证可用性”（certified availability），并指出安全、报告颗粒度与服务流量之间存在可规划的权衡前沿。
值得关注：安全门不仅要“有效”，还要在有限校准数据下“可认证”；否则细分报告单元可能因证据不足而无法上线，或被迫放宽颗粒度、牺牲服务流量。 该工作把安全性、颗粒度和流量统一到一条前沿上，有助于部署规划、治理和资源分配。 对基础模…
基于 arXiv 摘要，在 CTF 子通道代码中使用 EPRI 棒束 CHF 数据库评估表明：仅在管状数据库上训练的 ML CHF 模型总体可迁移到方形棒束应用，并在多数几何与运行工况下优于传统 CHF 方法；局部混合 LUT 模型总体表现最强，半局部纯 ML 模型也具竞争力。
值得关注：CHF 预测与燃料性能和反应堆安全直接相关，预测方法改进具有安全分析价值。 该工作把 ML CHF 评估从管状数据库推进到反应堆相关的方形棒束几何，并放入 CTF 子通道代码环境。 若结论成立，可为 ML 模型在核热工…
据候选摘要，这篇工作提出一个位于“检索”与“生成”之间、**零参数、白盒**的记忆决策层（Memory Decision Layer, MDL），用相关性、可靠性、任务风险三路信号互补编码来决定“检索到的记忆是否值得信任”，从而在记忆冲突场景下降低幻觉——但全文未抓取，具体实验设置与数字均需核实。
值得关注：既有记忆类工作大多把注意力放在**存什么、怎么检索、怎么更新**；MDL 把问题前推到“检索结果的**采信决策**”，补上了 RAG 流水线中一个常被默认跳过的环节。 冲突记忆下的幻觉放大是一个高价值失效模式：模型越“…
该论文提出，value 路径门控之所以改善语言模型预训练，是因为它为 softmax attention 补上了两个缺失原语：弃权（Abstention）和噪声过滤（Noise Filtering）；在 10M–350M 参数匹配模型中，弃权收益随规模下降，噪声过滤收益随规模上升，二者兼具的模型在每个规模最佳。
值得关注：该研究试图调和“value 路径门控为何有效”的分歧，把单一经验现象拆成两个可检验原语。这有助于解释缩放过程中不同机制的重要性变化，也为 attention 架构修改提供更明确的检查清单：不仅要看是否加了 gate，还…
PIR（Probe of Internal Recognition）通过读取语言模型内部状态，判断模型是否“认得出”某个候选答案，从而区分模型是“不愿回答”还是“不能回答”。
值得关注：模型输出可以被策略性控制，单靠行为观察难以发现隐瞒。PIR 的重要性在于，它试图把审计对象从“模型说了什么”推进到“模型内部认出了什么”。与已有相关卡片关注测试时模型选择、视觉语言模型模态顺序一致性、代谢组学专用模型等…
这篇 Nature Machine Intelligence 社论介绍 Sungwoo Lee 等人的 Perspective：将控制论反馈回路、内感受与强化学习结合，提出面向具身智能体的内部状态框架，让智能体通过监测内部信号来自适应地更新目标与行为；目前仍是概念框架，实际有效性待验证。
值得关注：它把 AI 讨论从“预测、模拟或推理世界”推进到“在世界中智能地、物理地行动”。 它强调控制论思想在现代 AI 中的持续相关性：当系统从建模世界转向行动于世界，反馈、控制和内部调节重新变得关键。 与既有智能体卡片的关系…
据 NVIDIA 技术博客，TensorRT Edge-LLM 在单台 NVIDIA Jetson AGX Thor Developer Kit 上运行 Qwen3.6-27B，完成 MLPerf Inference v6.1 Edge Agentic 性能工作负载耗时 24 分 36 秒，比 llama.cpp 参考运行快 6.4 倍，输出吞吐为 52.…
值得关注：它把智能体评估从模型能力、搜索 API、文档解析等维度，扩展到边缘硬件与推理栈的端到端基准。对部署车辆、机器人、边缘设备的团队，MLPerf Edge Agentic 可作为比较推理引擎、量化方案和硬件平台的标准化视角…
据腾讯研究院AI速递 20260917，Google DeepMind 发布 Gemini 3.8 Live 与 Extended Thinking 两款实时对话模型。 材料给出的关键变化：复杂任务先回应，再边推理边汇报进度；工具调用可在后台运行；支持 97 种语言自动切换；支持近实时视觉输入。 产品/研究问题：实时语音模型能否同时兼顾自然语音质量与复杂任…
值得关注：实时语音是人机交互入口。若能在后台调用工具、切换语言并接收视觉输入，语音助手可进入客服、会议、现场作业、银行等场景。 与已有 AA-Briefcase 卡片同属 Artificial Analysis 相关评测脉络，但…
据量子位报道，vivo 在 2026 VDC 人工智能分会场提出以“大模型+Harness”构建个人化智能底座，通过端云模型矩阵、感知与记忆能力、系统级 Harness 开发者平台，让 AI 手机从“会回答”走向“会办事”。
值得关注：这条材料的重要性在于，它把 AI 手机讨论从“模型强不强”推进到“系统能不能把事办完”。其中涉及端云模型调度、个人上下文、隐私授权、跨 App 执行、开发者平台、跨设备协同和生态合作，基本覆盖了个人 AI 助理落地的关键环节。
据元数据，Figure AI 于 2026 年 9 月 17 日发布 Helix 2.5，标题指向“零样本（zero-shot）跨 30 个家庭泛化”这一能力宣称；但原始页面正文未能抓取，具体技术路线、评测口径与实测结果均待核实。
值得关注：家庭环境是通用机器人最难泛化的场景之一：光照、布局、物品摆放、住户习惯差异极大，“跨 30 个家庭”若为真，说明其泛化评测规模超出常见的单户或单实验室演示。 零样本能力直接决定部署成本：若每进入一个新家庭都需重新采集数…
Anthropic 于 2026 年 9 月 17 日推出生命科学验证计划（Life Sciences Verification Program, LSVP），通过组织验证、Standard Use/High-risk Use 分层授权和离线监控，向经过审核的生命科学团队与机构开放对 Mythos、Opus、Sonnet 等模型更宽松的生物学相关工作权限。
值得关注：它把 AI 安全治理从通用政策推进到行业特定、可操作的分层访问机制：组织先通过资质、安全和伦理审核，再在限定使用场景内获得更宽松权限。 生物领域难以区分正当研究与恶意用途，材料特别强调内部威胁、访问侵夺和代理误用。LS…
量子位 2026-09-17 报道称，云知声发布 U2-Flash，并以稀疏 MoE、后训练闭环和国产算力适配展示“国产 RSI 早期答卷”：在 Flash 定位下速度与成本更优，代码和 Agent 能力反超上一代 U2；但相关性能、RSI 定级和 L3 判断仍需独立验证。
值得关注：文章把 RSI 从科幻/概念叙事拉到工程实践：模型参与生成训练数据、分析执行轨迹、维护训练系统。 如果文章所述成立，稀疏 MoE 与后训练闭环可能同时改善速度、成本和任务能力，模糊“Flash 只是旗舰平替”的传统定位…
来源速递将本条列为“三、前OpenAI研究员推出决策模型Jev，绕开文本生成”。 核心变化：Jev 不走文本生成路线，直接输出结构化判断与概率。 发布方：前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI。 融资：同期完成 4000 万美元种子轮融资。投资方、估值、完成时间待核实。 产品定位：面向分类、路由、评分、信息提取…
值得关注：它代表一条“生成式 AI 之外的决策模型”路线：把模型能力从写文本转向做判断，可能改变 Agent、工作流和中间层的成本结构。 对应用架构而言，若分类、路由、评分、护栏可独立为结构化模型，通用 LLM 可能只负责需要开…