Intern-Decision：基于自回归掩码语言建模的高效多模态决策模型
Intern-Decision 提出 0.8B/2B/4B 三种规模的多模态决策模型，通过在完整 assistant JSON 骨架中放置决策占位符的自回归掩码语言建模目标，一次前向返回结构化选项及概率。
#GitHub
HF Daily Papers精选AI 评分3939
HF Daily Papers精选AI 评分4343 稀疏自编码器中的表示重新分配与RSS分析
研究提出重新分配敏感性分数（RSS），用于识别稀疏自编码器中反复出现且方向一致的特征变化。在8个语言模型的27个预训练SAE上，提示词变换形成了可复现的重新分配特征；研究进一步区分表示变化、读出贡献和决策失败，两项冻结安全读出的复现失败AUROC分别为0.935和0.958。
推荐理由：论文将表示变化与下游失败拆开评估，并给出可在27个预训练SAE上复现的RSS方法，便于理解机制诊断与安全读出评估。
HF Daily Papers精选AI 评分4343 LexFrame：用词法参考系以原生语义解释 LM 残差流
作者提出 LexFrame 方法，通过模型自身剩余层读取隐藏态，在 SmolLM3-3B 和 OLMo3-7B 上分别达到 0.97 与 0.97 的相干性，明显高于固定 lens 0.30 与 0.35 的上限。其读出结果与模型输出相差约 0.16 nats，并能基于置信度实现跳过约 0.45 与 0.42 比例层的早退。
推荐理由：提出用模型自身剩余层读取隐藏态的 LexFrame 方法，把相干性上限从约 0.30 拉到 0.97，并支持跳过近半模型层。
HF Daily Papers精选AI 评分4444 去中心化智能体集群的自组织协作学习方法
论文提出市场式后训练框架 MPT，在去中心化智能体集群中联合学习动作策略与竞价式自组织协作，使个体能力与协作方式共同进化，无需中心协调智能体。在具身制作、机器人导航与深度研究任务上的实验显示，该方法优于单体后训练；在同一套后训练动作策略下，学到的自组织协作优于其他协调策略，消融实验证实动作与竞价均受益于联合学习。
推荐理由：给出了在去中心化智能体集群中联合学习动作策略与自组织协作的方法，并开源代码与模型，便于后续多智能体协同研究复现与对比。
Hacker News精选AI 评分3838 Design Creativity Bench 发布：16 个前沿模型 UI 设计创造力评测
研究人员发布 Design Creativity Bench，在 80 个开放性 UI 任务、两种产品域上评估 16 个前沿模型的 UI 设计创造力，从原创性、创意范围和适配性三个维度衡量。
推荐理由：用原创性、创意范围和适配性三维度衡量前沿模型的 UI 设计创造力，给出与人类设计师的具体分数差距。
HF Daily Papers精选AI 评分4141 DeltaTTG：用 Token-to-Go 进度信号训练多轮智能体
DeltaTTG 提出用 Token-to-Go（TTG，剩余待生成 token 数）作为进度信号训练多轮智能体，通过冻结的共享进度计在 RLVR 训练中将回合级优势重新分配到各步，不改变回报的符号与 token 平均尺度。
推荐理由：原文给出了用剩余 token 数作为进度信号的训练方法及多基准对比结果，读者可以据此判断它对多轮智能体 RLVR 的迁移价值。
Hacker News精选AI 评分3232 DishwasherBench：评测前沿模型能否装好洗碗机
DishwasherBench v0.1.0 发布，是基于一台 Bosch SMV4HAX40G 洗碗机物理仿真的评测框架，让人与大语言模型分别通过浏览器或 MCP 玩装载游戏并按洗涤结果打分。两个 GPT 模型（gpt-6.1-sol、gpt-6-astra）已通过 OpenAI 兼容端点跑过 7 关中的 3 关；仿真以一次真实洗涤做校准，但盘子、刀叉堆叠与蛋白、茶渍等土壤的评分仍不可信。
推荐理由：它把洗碗机装载任务做成可复现的物理仿真评测，同时给出两个模型的试跑分数、当前可校验范围和可参与入口。
HF Daily Papers精选AI 评分4646 HybridAgent：融合潜在推理与文本交互的智能体框架
HybridAgent 提出在统一生成过程中动态切换潜在推理与文本交互的智能体框架，通过轻量级 HybridLink 衔接两种模式，并由连续工作记忆保留多轮上下文，再配合 HybridSFT 与 HybridRL 两阶段后训练方法。
推荐理由：HybridAgent 把潜在推理与文本交互整合到统一生成过程里，为带工具调用前缀的 agent 设计提供了一种可借鉴的混合推理路径。
HF Daily Papers精选AI 评分3535 TPPO：面向语言模型推理的 Tracking-Value PPO 方法
论文提出 Tracking-Value PPO（TPPO），通过累计式 value 参数化与终局监督改进稀疏奖励下的 credit assignment，在 Qwen3-4B-Base 和 Qwen3-8B-Base 上数学推理分数分别比 PPO 提高 7.0 和 8.4 分。
推荐理由：原文提出了 Tracking-Value PPO 方法与价值演化的可加性分析，可作为稀疏奖励下改进 PPO 价值估计的参考。
Hacker News精选AI 评分4444 LittleBit 通过潜变量分解实现亚 1 比特大语言模型量化
LittleBit 项目把大语言模型压缩到 0.1 比特每权重，方法是把稠密权重矩阵分解为低秩潜变量再二值化，并用轻量学习的缩放因子恢复幅值信息。LittleBit-2（ICML 2026）在 LittleBit（NeurIPS 2025）基础上加入 Joint-ITQ 潜空间旋转对齐，仅作为 opt-in 初始化选项，推理时无额外开销。
推荐理由：原文给出把大语言模型压至 0.1 比特每权重的潜变量分解方法与开源实现，读者可据此获得子比特量化的可复现起点。
GitHub Blog · AI & ML精选AI 评分6161 GitHub 发布开源 AI 代码评审基准 ReviewBench
GitHub 发布开源 AI 代码评审基准 ReviewBench，包含 219 个跨 19 种语言的公开 PR，提供 grounded 和 augmented 两类精度/召回指标。
推荐理由：原文公开了 ReviewBench 的语料来源、评测指标和接入方式，读者可据此构建可复现的 AI 代码评审离线评测体系。
HF Daily Papers精选AI 评分4545 MetaKernelBench：衡量 GPU Kernel 优化中跨 DSL 的知识迁移能力
MetaKernelBench 是一个面向 GPU kernel 优化智能体的评测基准，包含 74 道题（分属 6 类 fused subgraph，每题配 CuTe DSL 和 TIRx 两个变体），衡量智能体从一个 DSL 提炼的经验能否迁移到同一问题的另一 DSL。
推荐理由：它把 kernel 优化智能体的能力评估从代码本身扩展到经验能否跨 DSL 复用，并给出 6 个模型的具体迁移幅度。
已经到底了