英伟达披露下一代CPO技术OOI，原型样品已就位
英伟达在SEMICON West 2026上公开展示下一代共封装光学技术OOI（Optics-on-Interposer），目前原型样品已就位。该方案以更大面积的中介层取代有机封装基板，将光引擎直接集成到承载GPU的硅中介层之上，使光电转换更靠近芯片内核，面向下一代超大规模AI集群。OOI目前仍处于研究阶段，暂无商业化时间表。
推荐理由：文章对比了OOI与现有CPO在封装结构上的差异，并说明其面向超大规模AI集群的互联思路。
#部署/工程
36氪精选AI 评分4242 36氪精选AI 评分6060 DeepSeek 发布 Super-agent 双层 Agent 架构
DeepSeek Harness 团队发布 Super-agent 双层 Agent 架构，采用事件驱动、异步多信道交互、存算分离和外部 Watchdog，探索更自主的系统。其内部实例已持续运行，可接管会话管理与上下文同步，并在群聊中识别潜在缺陷，后台尝试复现问题和寻找修复方案，参与代码审查响应与 Harness 迭代。
推荐理由：文章给出双层架构、事件驱动和存算分离等设计，并展示内部实例在问题复现与代码审查中的运行方式，便于理解 Super-agent 的工程实现路径。
TechCrunch精选AI 评分3838 Satlyt 完成 NASA 资助项目测试，验证轨道计算任务调度
Satlyt 在与 University of Houston 合作的 NASA 资助研究项目中完成软件测试，验证了按通信状况和可用算力分配轨道计算任务的能力。
推荐理由：这项测试以1台在轨实体计算机验证了轨道任务规划能力，也为多台实体计算机协同测试留下了具体待解问题。
量子位精选AI 评分6363 清华大学联合无问芯穹、智元提出 CEL 群体经验学习范式并在96台真实机器人上验证
清华大学、无问芯穹与智元近日联合提出群体经验学习（CEL）范式，并在96台真实机器人组成的集群中完成规模化验证。在插花、叠衣服、手机充电、凳子组装和手机包装五项任务中，两台未参加训练的机器人完成600次测试，仅失败15次，总体成功率97.5%，五项任务成功率均超过6名人类操作员平均水平。
推荐理由：材料通过600次真实机器人测试，以及训练规模从16台增至96台时的成功率变化，呈现群体经验复用对任务表现和规模化部署的影响。
Hacker News精选AI 评分7070 tinyworldformer：在 Raspberry Pi Pico 2 W 上用世界模型运行游戏
tinyworldformer 使用两个小型神经网络，在 Raspberry Pi Pico 2 W 上同时生成并游玩 Breakout、Doom-lite、Flappy Bird、Pong 和 Pac-Man lite。
推荐理由：项目公开了世界模型、智能体、int8 量化与片上学习的实现和复现流程，读者可结合逐帧准确率与资源占用评估端侧可行性。
Hacker News精选AI 评分4545 新加坡国立大学将电子纤维织入袖套，开发可机洗织物触摸屏
新加坡国立大学（NUS）研究人员将电子纤维直接织入袖套，开发出可显示图像和视频、响应触摸并无线连接设备的可机洗织物触摸屏。原型由54根像素纤维组成，形成96×54像素、168×105毫米、30帧/秒的显示屏，并支持8-bit色深。在包含洗涤剂的50次机洗和半径5毫米的1,000次弯折后，显示与触控性能仍接近不变；团队后续计划提升分辨率、集成更多传感功能并探索端侧AI。
推荐理由：研究给出了电子纤维的互连架构与样机参数，展示了在保持织物透气性和柔韧性的同时实现可机洗交互界面的具体路径。
MIT Technology Review精选AI 评分4747 用企业上下文创造 AI 价值：MIT Technology Review Insights 调查报告
MIT Technology Review Insights 的调查显示，所有受访组织都在不同程度使用 AI，但仅 16% 从部署中获得转型性价值。40% 的受访者看到特定任务或团队的适度收益，21% 报告有意义的收益，23% 的回报很少或没有。
推荐理由：报告用企业调查呈现 AI 回报分布，并将收益不足与企业上下文层缺失联系起来，为理解智能体落地瓶颈提供参考。
HF Daily Papers精选AI 评分7070 EmbeddingGemma 2 论文提出统一高效的多模态表征方案
EmbeddingGemma 2 论文提出一个原生统一文本、图像、音频、视频及其组合表征的开源多模态嵌入模型。模型采用简化逐层嵌入与包含模态和目标递进的多阶段课程，并在覆盖各模态的综合嵌入基准中超过专用模型及规模大 2 至 12 倍的模型。设计支持选择性加载模态编码器、调整视觉 token 预算、截断嵌入维度和量化权重，论文地址为 https://arxiv.org/abs/2610.37364。
推荐理由：论文在统一多模态表征之外，还报告了相对专用模型和规模大 2 至 12 倍模型的性能对比。
HF Daily Papers精选AI 评分4747 Prox：MoE 解码的通道选择无需校准数据
Prox 用 top-k 通道选择替代依赖离线校准数据的阈值筛选，并提出完全由模型权重构建的 reader，以加速 MoE 推理。在 13% 和 18% 读取预算下的 43 组比较中，top-k 版本有 40 组匹配或超过阈值版本，其中 23 项生成任务比较均达到或更优，并避免 Gemma 4 上阈值筛选导致的重复循环崩溃。
推荐理由：论文以 top-k 替代校准阈值，并在 3 个后训练 MoE 模型上对比读取比例、准确率与推理速度。
HF Daily Papers精选AI 评分4141 TAO 论文提出面向 LLM 智能体服务的工具感知联合调度框架
TAO 论文提出一种面向 LLM 智能体服务的工具感知联合调度框架，通过动态规划在容量约束下联合选择并部署等待会话。框架综合近期工具就绪度、带时间感知衰减的节点缓存额度与 token footprint，避免现有系统忽略工具返回就绪和启发式调度造成的资源浪费。
推荐理由：论文将工具就绪状态纳入联合调度，并以动态规划替代启发式决策，便于理解智能体服务在延迟与吞吐上的优化路径。
HF Daily Papers精选AI 评分4141 MatAnyone-E 通过稀疏记忆传播加速高分辨率视频抠图
MatAnyone-E 通过仅在高分辨率下匹配不确定区域并采用轻量解码器，实现估计 7.4 倍的推理加速，同时保持与 MatAnyone 2 相当的抠图质量。它先以低分辨率传播定位不确定区域及相关记忆候选，再只对这些区域进行高分辨率匹配，其他位置复用低分辨率结果。
推荐理由：MatAnyone-E 将高分辨率匹配限制在不确定区域，并用轻量解码器降低开销，给出 7.4 倍推理加速和 4K 峰值 GPU 内存对比。
HF Daily Papers精选AI 评分4848 OSWAM 论文提出面向自动驾驶与具身控制的一步动作生成模型
OSWAM 论文提出面向自动驾驶与具身控制的世界动作模型，以单个去噪步骤生成动作并支持实时推理。模型以结构化想象 token 初始化扩散过程，并蒸馏未来条件下的特权信息；项目页为 https://gwenzhang.github.io/OSWAM/，arXiv 页面为 arxiv.org/abs/2610.35850。
推荐理由：OSWAM将直接策略 WAM 的多步去噪压缩为一步动作生成，并给出自动驾驶与具身控制中的效果和延迟对比。
Google Research精选AI 评分7272 Google Research 推动基础模型用于一线结核病筛查
Google Research 正将 MedGemma、MedSigLIP 用于一线结核病筛查，覆盖胸片分诊、咳嗽声筛查与本地临床推理。团队通过 HAI-DEF 开源胸片嵌入与 MedSigLIP，并发布 4B、27B 开放权重 MedGemma，后者全球下载量已超过 10 million。
推荐理由：文章串联算法验证、监管认证、跨国部署与本地化微调，呈现医疗 AI 从研究走向临床的转化路径与关键环节。
Hacker News精选AI 评分7474 Berget AI 估算 Kimi K3 典型请求在得州的 CO₂ 排放为瑞典的 8.5 倍
Berget AI 的估算显示，在相同硬件上，Kimi K3 的一次典型请求在瑞典排放约 0.38 g CO₂e，在得州约 3.2 g，后者是前者的 8.5 倍。
推荐理由：该方法把模型、时段、提示词缓存和电网区域纳入逐请求核算，并公开代码与假设，便于比较不同部署位置的排放差异。
HF Daily Papers精选AI 评分3838 GLOW-FM通过一步式潜空间流匹配实现高效低光照图像增强
GLOW-FM提出一步式潜空间流匹配框架，通过单次函数评估完成生成式低光照图像增强。该框架在冻结的Tiny-VAE潜空间中进行条件传输，并采用Terminal Velocity Matching（TVM）。实验显示，小型版本仅需34 GFLOPs，在真实世界基准上取得有竞争力的图像质量和SOTA跨数据集泛化表现，代码将在论文发表后公开。
推荐理由：GLOW-FM以单次函数评估完成低光照增强，小型版本计算量为34 GFLOPs，并展示跨数据集泛化能力。
HF Daily Papers精选AI 评分4848 掩码扩散语言模型中，什么构成好的解掩码策略？受控研究
掩码扩散语言模型的受控研究发现，轨迹收缩标签结合置信度与隐藏状态，可形成更优的解掩码策略。低 NFE 下，仅把与最终输出一致的预测标为可提交过于宽松；约 10% 的 NFE 降幅已可抵消最高 7.5M 参数策略的开销。
推荐理由：论文通过受控实验拆解解掩码监督标签与输入特征，为设计兼顾准确率、吞吐量与 NFE 的解掩码策略提供依据。
HF Daily Papers精选AI 评分5151 OPTIC：通过跨层潜向量量化实现逐层嵌入的极限压缩
论文提出 OPTIC，在 Gemma 4 E4B 的 BF16 配置下实现 1,002x 的逐层嵌入（PLE）压缩，并保留未压缩模型 84.1% 的总体性能。
推荐理由：论文将 OPTIC 与 6 种传统量化基线对比，并给出 7 项基准上的性能保留率，便于判断高压缩率下不同量化方案的表现差异。
HF Daily Papers精选AI 评分4040 T²Quant 提出面向扩散语言模型的时间步任务感知量化框架
T²Quant 提出面向扩散语言模型的时间步任务感知混合精度量化框架，按下游任务和去噪步骤分配激活精度。该方法仅用少量无标签校准提示词预测精度敏感度，在固定 bit-width 预算下不增加平均精度预算，并将现有量化方法的结果最多提升 6.7 个百分点。实验覆盖 3 个扩散语言模型和 6 个基准，论文地址为 https://arxiv.org/abs/2610.31198。
推荐理由：论文将量化敏感度拆解为任务与去噪步骤两个维度，并给出固定预算下的精度分配方法及跨模型基准结果。
HF Daily Papers精选AI 评分4242 TWIG 用共享离散决策路径统一神经网络权重压缩
TWIG 将神经网络权重表示为共享离散决策路径，统一剪枝、量化、低秩分解、码本和权重共享，并支持构造几乎完全由连线和加法器组成的固定权重电路。一个优化器可在全网络选择这些压缩方式，离散决策也可表述为高阶 Boltzmann machine 的基态问题，供退火机和量子优化器处理。
推荐理由：TWIG 将多种压缩操作统一到共享决策路径，并以相同层误差下的加法器数量与 GPTQ 对比，为模型压缩与固定权重硬件提供统一视角。
HF Daily Papers精选AI 评分4949 SCOPE 论文将自然语言策略编译为用于 LLM 智能体的神经符号谓词程序
SCOPE 将自然语言策略编译成可执行的神经符号谓词程序，由小型模型、确定性抽取器和代码组合输出，用于多轮 LLM 智能体的策略执行。程序与训练数据联合优化，通过对抗性生成的反例定位其偏离策略之处；在真实世界策略任务基准上，SCOPE 的跨任务和模型平均准确率最高。
推荐理由：SCOPE 将自然语言策略编译为可执行谓词程序，并以对抗反例辅助联合优化，提供了在低成本模型上兼顾策略执行准确率、稳定性与可解释性的具体路径。