MLExpert：面向自主机器学习工程流程的 35B MoE 智能体模型
MLExpert 是一个 35B 的 MoE 智能体模型，通过分层智能体 SFT 和 Windowed Interaction RL（WIRL）进行后训练，用于自主完成长链路机器学习工程工作流。
推荐理由：原文给出了分层 SFT 与 WIRL 后训练方法及在 MLE-Bench Lite 上的具体成绩，可作为评估自主机器学习工程智能体的参照。
全部 AI 动态
HF Daily Papers精选AI 评分4646 HF Daily Papers精选AI 评分3535 Waypoint-OPD：通过门控的 On-Policy 蒸馏迁移强化学习引起的策略变化
Waypoint-OPD 通过门控教师早晚期策略变化的方向一致性来改进从强化学习教师到学生的策略迁移蒸馏，在数学和代码推理六个领域-学生设置上均取得最高领域平均分。该方法以 Qwen3-4B 为教师、Qwen3-8B/14B/30B-A3B 为学生，相比仅用端点策略变化只需额外一次冻结教师打分；消融显示移除或打乱门控会降低数学推理表现。论文地址：arxiv.org/abs/2610.21601。
推荐理由：原文提出按教师早晚期策略变化的方向一致性来门控策略迁移蒸馏，为相关蒸馏改进提供了一种可复用思路。
HF Daily Papers精选AI 评分3535 VLA-Δ：用物理状态迁移作为显式监督的视觉-语言-动作模型
VLA-Δ 用当前与未来观测之间的物理状态变化作为显式监督目标，在 LIBERO 和 RoboTwin 上取得与 SOTA 可比的成绩，并在真实机器人实验中优于 π0.5，且推理阶段不增加额外开销。作者为此构建了大规模预训练数据集与物理状态变化标注，代码已开源至 https://github.com/ZJU-OmniAI/VLA-Delta。
推荐理由：论文给出以物理状态变化为显式监督目标的 VLA 训练与数据构建方法，并开源全部代码，可作为机器人策略学习中状态建模方案的参考。
HF Daily PapersAI 评分3333 SCOPE：面向文本到图像提示工程的语义约束信用优化方法
SCOPE 基于 GRPO 提出语义跨度感知的目标函数，将文本到图像提示改写的强化学习策略更新与语义结构对齐，无需额外渲染。在 Qwen-Image、SD3 与 FLUX.1-dev 上，SCOPE 相对 vanilla GRPO 在 GeneVal 平均提升 9.48%，在 T2I-CompBench 提升 7.62%。
HF Daily Papers精选AI 评分3939 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。
HF Daily Papers精选AI 评分3636 Terminal-RSI：通过递归自改写与策略优化提升终端智能体
Terminal-RSI 提出交替进行递归轨迹自改写（RSR）与策略优化（RPR）的方法，从 Qwen3.8-27B 基础模型出发经 RSR-1、RPR-1、RSR-2、RPR-2 五个阶段得到 Terminal-RSI-27B。
推荐理由：给出了五阶段自改写与策略优化的训练框架，并在 Terminal-Bench 系列基准上提供完整数字，可作为终端 Agent 自训练方法的可迁移参考。
HF Daily Papers精选AI 评分4141 3DCodeVerse：把 3D 世界表达为可执行代码
3DCodeVerse 是一个面向 3D 内容生成的研究生态，让编码智能体通过可执行代码产出可编辑且可验证的 3D 内容，包含大规模数据集、多智能体验证框架与系统实验。
推荐理由：把 3D 内容生成统一到可执行代码路径，并配套 2M 数据集与多智能体验证框架，为开放模型的 3D 编码能力提供了可复现的基线。
HF Daily Papers精选AI 评分3737 Velox：用空间记忆让视频世界模型更高效
Velox 提出一种无需训练的注意力路由方法，通过几何视锥块匹配为长视频扩散生成筛选历史 KV 缓存，保留视觉连贯性。在 chunk 48 时，注意力加速 4.36 倍，去噪加速 2.43 倍；在 158 例 WBench navigation 划分上，与稠密 LingBot-Fast-Cam 的平均分差仅 0.15 个 API-free 点。
推荐理由：论文给出了无需训练的注意力路由方案，以及在 WBench 上的速度与画质数字，便于横向比较长视频生成的工程取舍。
HF Daily Papers精选AI 评分3636 Routing Policy Optimization：把注意力路由转为随机探索的扩散模型强化学习方法
RPO（Routing Policy Optimization）把注意力路由作为随机探索动作引入扩散生成器，使其在不改变原始确定性采样器的前提下完成在线强化学习对齐。
推荐理由：原文给出相比 Flow-GRPO 类方法近 4 倍的训练效率提升和完整的路由机制描述，便于与 rollout 扰动类扩散 RL 方法做对比。
HF Daily Papers精选AI 评分5151 JevAgentHarness：评测、部署并训练与 LLM 共享 Agent 控制的决策模型
本文提出 JevAgentHarness，用小决策模型在 Agent harness 中分流 LLM 的多选决策，配合拟合的置信度阈值降低成本与延迟。
推荐理由：原文给出 Agent harness 把工具选择分流到小决策模型的阈值训练方法与实测成本收益，可供同类 Agent 工程参考。
HF Daily Papers精选AI 评分4444 Speculative Forcing：面向高效自回归视频生成的推测式加速框架
研究提出 Speculative Forcing 框架，将中间去噪估计当作草稿并预测何时可提前接受 token，在保持质量的同时降低自回归视频生成所需去噪步数。
推荐理由：论文给出可迁移的加速框架与具体对比数据，读者可直接判断它在长视频与世界模型生成场景下的收益。
Hugging Face Blog精选AI 评分5858 Nemotron-pretraining-Indic-v1 发布：2.8 万亿 token、22 种印度语言的开源预训练数据
NVIDIA 与 IIT Madras AI4Bharat 联合发布约 2.8 万亿 token 的 Nemotron-pretraining-Indic-v1 印度语言预训练语料。
推荐理由：22 种印度语言共 2.8 万亿 token 的预训练数据与可复现的生成流水线一并开源，团队可在自有数据上沿用这套方法。
OpenAI NewsAI 评分2222 Sullivan & Cromwell 将法律专业知识引入合同审查
Sullivan & Cromwell 与 OpenAI 合作开发了 AI 工具 Agreement Analyzer，用于识别合同草案中的问题。这是该律所将法律专业知识与 AI 能力结合的一项实践。
OpenAI News精选AI 评分3737 Grupo Boticário 如何利用 AI 加强人与人之间的联系
Grupo Boticário 运营一套专属智能体平台，可自主处理最多 80% 的经销商运营请求。销售团队因此可以转向顾问角色，以加强人与人的连接。
推荐理由：Grupo Boticário 的案例具体呈现了专属智能体平台自主解决最多 80% 的经销商运营请求的实践，以及销售团队转向顾问角色的业务影响。
OpenAI News精选AI 评分4040 Localiza 如何围绕生成式 AI 重构工作
Localiza 围绕生成式 AI 重构工作，并构建 AI 原生的出行体验。其组合使用 ChatGPT Enterprise、OpenAI API、Codex 和 60+ 个专用智能体。
推荐理由：Localiza 以 ChatGPT Enterprise 和 60+ 个专用智能体重构工作，其组合方式为生成式 AI 应用于出行业务提供参照。
OpenAI NewsAI 评分2424 OpenAI 将 GPT-Rosalind 引入学术研究实验室
OpenAI 推出 Rosalind Academic Plan，向符合条件的学术实验室提供 GPT-Rosalind 的赞助访问权限，用于推进生命科学研究。该计划包含模型及相关工具，面向生命科学领域的学术机构开放。
Hugging Face Blog精选AI 评分5555 IBM Granite Switch 4.1 发布，把对话、决策与语音识别统一到同一端点
IBM Granite 团队发布 Granite Switch 4.1 的 8B 与 30B 模型，把对话、通用与安全决策以及语音识别合并到同一端点，整体显存占用与基座模型接近。
推荐理由：文章介绍了 Granite Switch 4.1 如何用 aLoRA 把对话、决策与语音识别合并到单一端点，并给出与 Jev 等模型的推理速度对比，读者可据此评估这种组合架构的实际收益。
HF Daily Papers精选AI 评分5151 EvalResearchBench：AI 智能体能否为递归式自我改进构建自己的反馈？
研究提出 EvalResearchBench（ERB），让 AI 智能体在试运行中修订任务与评分器，以测试它们能否为递归式自我改进自动构建反馈。在固定时间和 API 预算下，实验涉及 9 个 researcher 智能体、13 个候选模型和 14 个目标基准；最佳评测器与目标评测在约 75% 的候选对排序上保持一致，低于目标分歧所设的 91% 上限。
推荐理由：论文在固定时间和 API 预算下比较 9 个 researcher 智能体与 13 个候选模型，呈现自动评测器相对 14 个目标基准的一致性和成本表现。
HF Daily Papers精选AI 评分5454 MOSS-Image 技术报告：面向长文本与版式的 5B DiT 文生图模型
OpenMOSS-Team 发布 MOSS-Image 技术报告，提出一个 5B 单流 DiT 开源文生图模型，结合意图感知的智能体 Prompt 增强模块，用于生成包含长文本与复杂版式的图像。
推荐理由：原文给出了 5B DiT 的训练配方与两个新评测基准，读者可据此复现或在长文本排版任务上横向对比现有开源模型。
HF Daily Papers精选AI 评分4444 DiscoveryRSI:通过递归学习生成可验证的科学假设
DiscoveryRSI 用多智能体进化搜索和递归学习生成可验证的科学假设,在生命科学四个领域将假设质量从 4.86 提升至 5.39。DiscoveryRSI-27B 在模型截止后新发表论文上的假设对应率为 6.3%,高于 GPT-6 的 2.5% 与 Claude Opus 5 的 2.3%。文章同时给出 DFM-Bench 多维度评估基准与项目主页。
推荐理由：原文用 DFM-Bench 把假设生成拆成可复测的多维度评分，并给出 DiscoveryRSI-27B 与 GPT-6、Claude Opus 5 的对照数据。
HF Daily Papers精选AI 评分3838 执行先于记忆：诊断视频世界模型中的记忆失败
该论文提出 MIST 评测，把场景搭建与指令执行拆开，用来定位视频世界模型中记忆失败的瓶颈；并提出 M3-Agent，通过递归修正输入指令的细节来推动模型执行指令。在 MIST reveal 指标上，M3-Agent 相对基线提升超过三倍；在 WRBench 上 score T 提升 26.1%，MBench-T 上 score U 提升 52.7%。
推荐理由：原文把场景搭建与指令执行拆开定位视频世界模型的记忆瓶颈，并给出 M3-Agent 修正指令细节的具体方法与基准提升幅度。
HF Daily Papers精选AI 评分4040 MTEdit：基于打包轨迹的多轮图像编辑数据集与基准
MTEdit 提出基于打包轨迹画布的多轮图像编辑数据集生成方法，包含 50 万条最多 8 轮、平均 5.38 轮的编辑轨迹，并同步推出 MTEdit-Bench 基准，用于评估指令遵循、内容一致性与视觉漂移等能力。
推荐理由：原文给出多轮图像编辑的数据集、基准与训练方法，对评估编辑模型的多轮一致性和视觉漂移有参考价值。
HF Daily Papers精选AI 评分4040 MambaAct：流匹配视觉-语言-动作模型的高效 Mamba 动作专家
MambaAct 用紧凑的 Mamba 动作专家替换 π0.5 的 Transformer 动作专家，并通过轻量级 Context Compressor 压缩 VLM token，以降低流匹配 VLA 的去噪推理开销。
推荐理由：MambaAct 同时给出动作专家规模、LIBERO 与真实机器人上的延迟和成功率变化，便于对照具身智能模型推理优化的工程收益。
HF Daily Papers精选AI 评分4141 OfficeTown：面向智能体能力进化的生成式组织模拟框架
OfficeTown 是一个生成式模拟框架：从自然语言描述构建持续运作的专业组织，成员可委派任务给助手智能体并审核交付物，工件、决策与未决事项会持续影响后续工作。
推荐理由：该工作把持续运转的组织建模为生成式模拟，用以合成面向智能体的工作数据与基准，可作为通用智能体训练与评估的一种可迁移数据生成方法。
HF Daily Papers精选AI 评分3939 小米发布 4B 多模态模型 Xiaomi-Lens-0 技术报告
Xiaomi-Lens-0 是一个基于 Qwen3.5 构建的 4B 多模态大模型，通过轻量解码器把视觉编码器 patch 特征与语言模型的 mask-token 状态融合。
推荐理由：原文给出从视觉表征直接预测 mask 并监督链式推理中访问区域的具体路线，读者可据此与其他细粒度区域理解方案做对照。
HF Daily Papers精选AI 评分4747 MARS 利用文本拒答方向实现多模态安全引导
MARS 提出一种无需训练和多模态安全数据的多模态安全引导方法，仅从 LLM 主干提取文本拒答方向即可用于图像和视频。它通过激活居中、在几何定义的信任区域内自适应调节引导强度并选择干预层，在首个生成 token 生效。五个 SOTA MLLMs 上的安全、效用和视频越狱评测显示，MARS 持续提升安全性并保持效用；效果受层选择和引导强度影响，跨模态对齐可能导致安全输入被误导向拒答。
推荐理由：MARS 展示了仅复用文本拒答方向改造多模态安全控制的方法路径，并呈现层选择、引导强度与跨模态对齐的影响。
HF Daily PapersAI 评分3434 RAP：基于人工范例与声明式标记的论文到海报生成数据集
RAP（Reconstruct A Poster）提出面向论文到海报视觉编码任务的数据集与基准，覆盖 2022–2026 年间多场机器学习会议的 25K+ 经核验论文-海报对，并提供 150 篇留出测试集。自动化反向渲染流水线可将每张海报转为带类型化可填充槽位的 HTML/CSS，同时支持 PosterRAG 训练-free 多智能体检索填充和 SFT+RL 专用模型训练两种生成方法。
HF Daily Papers精选AI 评分4343 循环语言模型设计三轴拆解（拓扑、输入注入与循环状态）
在 730M 参数、336B token 训练预算下，Huginn 循环语言模型架构在全部十个基准上优于 Ouro；这一优势可迁移到 8BA0.8B（展开 32BA3B）的 MoE 设置，仍在知识、推理与编码基准上几乎全面领先。
推荐理由：论文按拓扑、输入注入与循环状态三条设计轴拆解循环语言模型，在 730M 与 MoE 两组设置下对比 Huginn 与 Ouro 的实际表现，并给出可迁移的设计取舍。
HF Daily Papers精选AI 评分4040 DLite：面向智能体 AI 的无历史投机解码方法
DLite 提出一种面向智能体 AI 的无历史投机解码框架，在通用、长上下文和智能体工作负载下达到 2–6 的接受长度，相对 DSpark 最高提升 70%。该方法直接复用目标模型的上下文隐藏状态进行局部投机预测，配合轻量级序列头恢复块内因果依赖，并采用专门的两阶段训练策略；原文同时指出智能体负载下现有 draft 模型接受长度最高下降 80%。
推荐理由：原文给出在智能体长上下文场景下 speculative decoding 的实测对比与训练策略，读者可据此评估相对 DSpark 的收益。
HF Daily Papers精选AI 评分3838 Scene-Designer：面向智能体三维场景生成的设计智能学习方法
Scene-Designer 是一个面向自然语言到三维室内场景生成的智能体框架，通过设计与评价两类经验学习设计智能。
推荐理由：原文给出结合设计与评价经验的智能体框架以及 Critic-guided GRPO 训练方法，为三维场景生成中评价信号驱动强化学习提供可参考实现。
HF Daily Papers精选AI 评分5353 PersonaCUABench：面向多元用户画像的计算机操作智能体评测基准
PersonaCUABench 在固定 74 个任务和 11 个领域、仅改变请求者画像时，发现计算机操作智能体的平均任务完成率相对原始请求下降 36%。
推荐理由：该基准固定 74 个任务、仅变换请求者画像，揭示了按固定指令评测时可能掩盖的用户约束与满意度落差。
HF Daily Papers精选AI 评分3535 TreeOPSD：面向长程智能体强化学习的树感知后验蒸馏方法
TreeOPSD 提出无 critic 的树感知后验自蒸馏框架，将每步交互视为树节点，从共享前缀分叉并递归回传末端奖励以获得隐式 turn 级信用。
推荐理由：它给出了一种不使用价值网络或更强教师模型的长程 agentic 强化学习路径，对降低训练复杂度和工程门槛有参考价值。
HF Daily Papers精选AI 评分4141 HexaShell：以 VLM 智能体作为机器人编码智能体的轻量框架
HexaShell 是一个用 coding agent 通过视觉与自写工具驱动双臂机器人的轻量系统，基于 Codex 与 GPT-6-Astra（中推理强度），在 42 个 RoboDojo 任务上达到 39.7% 成功率（progress 48.0），刷新该榜单 SOTA。
推荐理由：用 coding agent 自写工具控制双臂机器人并在 RoboDojo 上刷新 SOTA；测试显示推动类任务准确率高，而接触密集任务明显受限。
量子位精选AI 评分4848 苹果收盘市值正式突破5万亿美元，国行Apple Intelligence计划12月随iOS 27.3上线
苹果收盘市值达到5.005万亿美元，成为继英伟达之后全球第二家收盘站上5万亿美元的上市公司。同日，爆料称苹果计划12月通过iOS 27.3在中国大陆推出Apple Intelligence，首批仅含通知摘要、写作工具、Genmoji和照片Clean Up，新版Siri AI不在首发名单；国行版本将由阿里通义千问、通义万相提供语言和图像模型能力，百度参与搜索与Siri相关功能。
推荐理由：把苹果收盘市值站稳5万亿美元与国行Apple Intelligence延期两年的事实并置，呈现资本成绩与AI节奏之间的错位。
量子位精选AI 评分3939 前华为小艺大模型负责人唐都钰创办观行数智，押注主动式物理AI
前华为小艺多模态大模型负责人唐都钰创办观行数智，提出主动式物理AI方向，让机器在无明确指令下持续感知环境并判断是否需要介入。其ProAgent架构由流式判断模型StreamingJev和Response Model两部分组成，并配套评测体系ProactiveXBench；目前已与具身公司合作，在Reachy Mini机器人上完成60个案例的导引、警示与互动验证。
推荐理由：用创始人经历与具体技术架构，给出物理AI从被动执行走向主动判断的趋势判断与可行路径。
量子位精选AI 评分6464 苹果智能12月在中国大陆上线，百度阿里分别承担搜索与模型能力
苹果计划于今年 12 月通过 iOS 27.3 系统更新在中国大陆推出 Apple Intelligence，首批上线的是两年前已在美国发布的基础 AI 功能，不含今年发布的 Siri AI 助手。
推荐理由：文章梳理了苹果智能入华的不同分工，让读者看清百度与阿里分别承担搜索与模型能力。
量子位AI 评分2626 基元律动宣布开发者入驻超30万，开启双11预售福利
基元律动（Token Rhythm）宣布开发者入驻超30万，同期开启双11预售福利：单笔充值满50元即获等额模型调用额度，一个API Key可调用平台全量模型，赠额永久有效。平台自称"中国版OpenRouter"，搭配自研开源智能体OpenSquilla实现多模型智能融合路由，此前已与无问芯穹、阿里云签署战略合作。
量子位AI 评分2626 AI时代，交大安泰MBA如何培养未来商业领袖
上海交大安泰经管学院2026年7月发布《AI时代商科人才培养的安泰宣言》，8月推出"智能时代五链人才"培养体系，9月公布"百业千企10×100 AI场景共创计划"首批清单并与Datawhale达成战略合作。
量子位精选AI 评分6767 蚂蚁百灵开源Ling-3.1-flash模型，主打真实办公任务处理
蚂蚁集团百灵团队开源发布Ling-3.1-flash模型，主打真实办公任务处理，采用约560B总参数、激活25B的稀疏MoE架构，上下文窗口最高1M。模型采用7层KDA配1层Gated MLA的混合线性注意力结构，已接入蚂蚁内部桌面协同Agent客户端「小虎」。
推荐理由：原文公开了模型架构参数、多项基准分数以及办公医疗场景实测，便于读者评估其在真实任务中的落地能力。
量子位AI 评分2424 STEPX携STEPX Neo首个AI智能体走进TMOT 2026电音节，让听众成为音乐共创者
STEPX旗下10月13日发布的STEPX Neo智能体手机搭载阶跃StepAudio 3 Music模型，亮相10月17日至18日在上海举办的The Magic of Tomorrowland 2026电音节，让观众通过自然语言将灵感转化为专属电音。