OmniCompass：面向多模态视频定位与理解的综合基准
OmniCompass 是一个用于多模态视频定位与理解的全景评测基准，包含 OmniCompass-VL 和 OmniCompass-AV 两条评估轨道，分别针对视觉-语言与音视频联合推理，每条轨道覆盖时序定位、空间定位和问答三类任务。
推荐理由：给出一个同时覆盖音视频与视觉-语言的多模态视频理解基准，便于系统化诊断模型的时序、空间与跨模态短板。
全部 AI 动态
HF Daily Papers精选AI 评分3535 HF Daily Papers精选AI 评分3636 ReMaRk：合并多份有效回复打分，去除 LLM 推荐 GRPO 训练中的回复选择噪声
ReMaRk 提出一种面向 LLM 推荐场景的强化学习方法，把每个请求的多份有效回复合并评分，去掉 Rank-GRPO 随机挑一条回复所引入的方差（占训练方差 85%）。
推荐理由：把同一请求下多份有效回复合并打分，作者在 7 个基座、3 个数据集上验证了这一可迁移规则对 RL 训练的提速效果。
HF Daily Papers精选AI 评分4343 Socratic Skill Learning（苏格拉底式技能学习）通过交错教学与实践学习可迁移的 AI 智能体技能
Socratic Skill Learning（SSL）通过交错专家指导与学生实践，改善 LLM 智能体技能的可复用性。
推荐理由：论文将专家指导与学生实践交错以学习可迁移技能，并用包含 35 个任务族和 408 个可执行案例的 SkillTransferBench 检验复用效果。
HF Daily Papers精选AI 评分4444 LLM2R：用大语言模型做三维零件拼装
论文 LLM2R 把三维零件拼装任务建模为序列预测，用 Point-BERT 编码器和 Q-Former 把每个零件压缩为几何 token，再用配合 LoRA 的因果大语言模型在一次前向传播内预测全部零件 SE(3) 位姿。
推荐理由：作者展示了把因果注意力大语言模型一次性预测全部零件位姿的方法，给出了随零件数扩展和零样本迁移的对比结果，可作为 LLM 迁移到三维几何的参考。
HF Daily Papers精选AI 评分4343 EdgeWise：通过选择性云端委派让长程智能体在边缘端运行
EdgeWise 是一个边云协作框架，本地端用小语言模型作为主求解器，通过逐步级强化学习把关键步骤选择性委派给云端大语言模型，无需在推理时引入额外模型。在 SWE-Rebench 和 Terminal-Bench 2.1 上，EdgeWise 性能与全程使用云端大模型相当或更优，同时推理成本最多降低 62% 和 34%。
推荐理由：在长程智能体任务上提出边云协作框架与逐步级强化学习委派策略，并给出关键设计选择的系统实验数据，可作为同类成本优化方案的设计参考。
AWS Machine Learning Blog精选AI 评分4040 通过 Amazon Bedrock 全球跨区域推理在五个亚太区域访问 OpenAI GPT-6
Amazon Bedrock 在新加坡、雅加达、马来西亚、泰国、台北五个亚太源区域上线 OpenAI GPT-6 Sol 和 Luna 的全球跨区域推理，GPT-6 Astra 仅从新加坡可用。
推荐理由：给出了在五个亚太区域接入 OpenAI GPT-6 的 IAM、SCP、配额与监控配置，可直接作为企业部署参考。
GitHub Blog · AI & ML精选AI 评分3737 GitHub Copilot 入门教程：如何让 Copilot 理解你的代码库
GitHub 在 Copilot 入门系列中介绍四种让 Copilot 理解项目代码库的方式：自定义指令、Agent skills、自定义 Agent 和 MCP servers。
推荐理由：原文把仓库级 Copilot 定制的四种机制放在一起对比，并配了具体的目录结构和示例，便于读者挑出适合自己项目的配置。
Microsoft Research精选AI 评分4141 StudentSim：用真实学习记录训练学生模拟器，为 AI 辅导训练提供反馈
Microsoft Research 提出 StudentSim 系统，通过训练个性化学生模拟器为 AI 辅导系统的开发提供可扩展的学生反馈信号，并在棋类、二语英语写作和数学三个领域引入 StudentSimEval 基准衡量行为保真度和指导响应度。
推荐理由：提出用真实学习记录训练个性化学生模拟器为AI辅导训练提供可扩展反馈的方法，并在多学科上验证迁移效果。
AWS Machine Learning Blog精选AI 评分4242 用 Ray LLM DLC 在 Amazon EKS 上部署多节点预填充/解码分离推理
AWS 博客演示如何用 Ray LLM 深度学习容器在 Amazon EKS 上跨两个 GPU 节点部署 Qwen3.5-9B 的预填充/解码分离推理，并对外暴露单一 OpenAI 兼容端点。
推荐理由：原文把 Ray LLM DLC 部署多节点预填充/解码分离推理的全过程写成 YAML 与脚本，读者可以直接复用到自己的 Amazon EKS 集群。
AWS Machine Learning Blog精选AI 评分3737 在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
AWS 在 Amazon SageMaker AI 上提供基于 llama.cpp 容器的决策模型部署方案，支持 CPU 与 GPU 实例的文本生成与 SemIf 结构化决策两条路径。
推荐理由：原文给出 CPU 与 GPU 部署路径、延迟对比与 SemIf 扩展方法，读者可据此选择适配自身负载的实例类型。
NVIDIA Blog精选AI 评分5757 NVIDIA 在 OCP 峰会开放 Vera Rubin 架构与多款 AI 工厂规格
NVIDIA 在 OCP 峰会向社区贡献 Vera Rubin 机架与计算模组设计，并联合多家超大规模厂商发布 AI 工厂开放标准。DSX AI Factory 新增四款开源组件，覆盖网络配置、集群验证、硬件管理与裸机部署。
推荐理由：在多家合作方推动下，Vera Rubin 与 DSX 的开放规格集中落地，能让读者看清当前 AI 工厂生态的形态。
MIT Technology Review精选AI 评分3636 MIT Technology Review《The Download》：月球基地难题与无人机交通管制员
MIT Technology Review 每日科技简报《The Download》本期头条讨论美中竞建月球基地面临的技术与政治障碍，另一篇报道介绍新职业无人机交通管制员（RPIC）的工作内容。
推荐理由：整合月球基地建设难题、无人机交通管制新职业与 AI 安全争议等当日科技动态，提供跨领域的技术趋势快照。
MIT Technology ReviewAI 评分1717 在月球建一座城市，NASA 月球基地计划需要什么？
NASA 在局长 Jared Isaacman 主导下推进月球基地建设，计划 2028 年启动首次载人登月、2030 年代实现长期居住，最终规模或达数百平方英里，中国也在规划同类基地。基地初期耗资或达数百亿美元，需应对月球南极极端低温、宇宙辐射和腐蚀性尘埃等挑战，并通过开采水冰实现自给。
量子位精选AI 评分5252 华为诺亚方舟与UCL联合提出Memento 3，ARC-AGI-3通关25款游戏操作比人类少56%
华为诺亚方舟实验室联合UCL等团队提出AI智能体系统Memento 3，基于Claude Opus 5且不更新模型权重，在ARC-AGI-3的25款游戏、183个关卡上以7518次操作取得100分RHAE成绩，比人类的17135次少约56%。
推荐理由：文章拆解了 Memento 3 用规则手册和可执行世界模型实现递归自我改进的具体做法，可作为智能体设计的参考案例。
量子位精选AI 评分4141 智谱 GLM-5.3-Highspeed 在 Zcode 灰度上线，输出速度达 490 tokens/s
智谱在 Zcode 3.15.1 中灰度上线 GLM-5.3-Highspeed 模型，网友 @leo114119 实测输出速度达 490 tokens/s。该模型上下文窗口为 100 万 token，最大生成 131,072 token，并划分 low、high、max 三档思考强度配置。
推荐理由：对比了 GLM-5.3-FlashX、Flash 等同系模型的输出速度，读者可据此判断高速版在长输出场景中的实际收益。
HF Daily Papers精选AI 评分3838 VRSD 通过言语正则化改进大语言模型自蒸馏
本文提出 VRSD（带言语正则化的自蒸馏），针对在策略自蒸馏（OPSD）中特权信息导致推理捷径与输出熵骤降的偏差，用系统提示词调节教师模型对特权信息的使用，鼓励反思与探索。
推荐理由：针对自蒸馏中特权信息引发的熵骤降与捷径推理，给出可迁移的提示词正则化方案、理论条件与多模型多任务验证。
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。
HF Daily Papers精选AI 评分3737 X-Ragent：面向胸片诊断的工具增强强化学习框架
论文提出 X-Ragent，一种面向胸片证据推理的工具增强强化学习后训练框架，将辅助证据检索与有效性门控的定量测量解耦。方法先用 7.7K 样本的 Rad-CoT 数据集对 Qwen3-VL-8B 做智能体监督微调，再用 GRPO 结合仅对正确轨迹生效的过程级奖励做策略优化；在三个胸片基准上取得最优结果，其中完全留出的 ChestAgentBench 提升 8.6 个点。
推荐理由：提出面向胸片诊断的工具增强强化学习框架，并给出三基准实验与 GRPO 训练流程，可作为医疗多模态智能体的方法参考。
HF Daily Papers精选AI 评分4040 Multics：基于分层通信的生成式多玩家世界模型
论文提出 Multics，一种面向多玩家交互仿真的视频生成框架，通过玩家、群组、全局三层分层通信结构降低自注意力成本并抑制无关事件间的相互干扰。群组 token 跨组共享参数，配合基于近期相机轨迹的预算受限动态分组，在 4 与 6 玩家场景取得 SOTA，并能从未经重训直接泛化到 6、8、10 玩家推理。
推荐理由：提出分层通信的多玩家世界模型框架，用群组 token 降低自注意力开销并支持训练规模之外的推理，可作为生成式交互仿真的方法参考。
HF Daily Papers精选AI 评分4343 InfoVis：统一幻灯片图像生成与编辑的 9B 模型
InfoVis 是一个用于幻灯片生成与编辑的统一 9B 模型，基于 FLUX.2-klein-base-9B 进行后训练，在超过 13M 持续预训练数据和 1.9M 监督微调数据上训练而成。
推荐理由：原文同时给出统一模型和覆盖四项任务的诊断基准，为开源幻灯片生成提供了可与自家产品的对比参照。
HF Daily Papers精选AI 评分3737 评测/基准：CineRecon 基准测试前沿模型在电影级重建中的智能体能力
CineRecon 是一个新基准，用 50 段参考视频和 360 段标注评测片段，衡量 AI 智能体把电影级参考视频重建为可编辑动态 3D 场景的能力，设有 Proxy、Simplified、Detailed 三档由低到高的表示要求。
推荐理由：原文给出 CineRecon 基准的数据规模、三档设置与三类失败维度，为评估智能体重建可控 3D 场景提供新参照。
HF Daily Papers精选AI 评分3636 VEDJE：面向可扩展视频文本检索的高效判别联合编码器
VEDJE 用 33M 参数联合编码器在压缩缓存上做视频文本检索，在 MSR-VTT 上以约 49× 更少在线参数达到 59.8 R@1。每段视频压缩至 48 KiB，约为原始视觉特征的 1/128.5，并在匹配的首阶段检索器上额外提升 3.6–7.2 R@1。作者还引入特征变化预测目标以改善检索精度，代码与 Colab 演示已开源。
推荐理由：用一次性视频压缩配合轻量联合编码器替代完整视频重编码，给出了可复现的开源实现和多模态检索的工程取舍。
HF Daily PapersAI 评分3434 LLM-to-Flow Distillation：用自然语言目标引导科学生成器
LLM-to-Flow Distillation（LFD）方法用冻结的大语言模型作为自适应教师，通过 DPO 蒸馏偏好信号，将科学生成器对齐到自然语言描述的高层发现目标，无需显式代理奖励。在治疗性肽和 small-molecule 结构设计任务上，LFD 能引导生成器从初始概率极低的分布外区域逐步适配到目标分布，实现对生成过程的新型控制。
HF Daily Papers精选AI 评分3939 AUGUstus：统一生成与理解的自动驾驶 VLA 模型
AUGUstus 提出一种统一扩散式动作生成与自回归 CoT 理解的自动驾驶 VLA 模型，训练时 CoT 监督动作生成，推理时仅输出动作以实现低延迟。该模型在 NAVSIMv1 取得 94.6 PDMS，NAVSIMv2 取得 90.7 EPDMS，均为不使用 scorer 模块的 SOTA；在 nuScenes 上平均 L2 误差 0.27 m、平均碰撞率 0.05%。
推荐理由：原文在自动驾驶 VLA 模型的速度与可解释性权衡下提出统一扩散动作生成与自回归 CoT 的方案，端到端规划方向可参考其训练与推理分离的思路。
HF Daily Papers精选AI 评分3636 LongR：通过密集效用奖励强化学习提升长上下文推理能力
LongR 是一个通过强化学习提升大语言模型长上下文推理能力的统一框架，将「思考-阅读」机制与基于相对信息增益的上下文密度奖励相结合，无需证据标注即可量化相关文档的效用。
推荐理由：原文提出了基于相对信息增益的密度奖励设计，并在多套长上下文基准上给出可复用的提升幅度，为长上下文强化学习的奖励工程提供了一种具体方案。
HF Daily Papers精选AI 评分4141 AReA：面向高分辨率扩散 Transformer 的自适应感受野注意力机制
AReA 提出一种免训练的自适应感受野注意力机制，可在不增加参数的情况下降低扩散 Transformer 的推理成本并改善高分辨率生成质量。方法在去噪早期对下采样后的键值做跨尺度粗注意力以捕捉全局结构，后期在逐步收窄的窗口内做局部注意力以补充细节；作者称在多模型与多目标分辨率上均优于现有免训练基线，速度也更优。
推荐理由：针对 DiT 高分辨率推理成本与结构失真，给出一种免训练注意力方案，并与现有免训练基线做了对比。
量子位精选AI 评分5555 陶哲轩发文称AI让数学进入2.0时代：证明泛滥后，理解才是护城河
陶哲轩在演讲中宣布数学2.0时代已至，认为AI正把数学从证明稀缺推向证明泛滥，并归纳出数学易受AI冲击的三个条件：证明可客观检验、对象与推理高度可数字化、高质量文献已数字化。
推荐理由：陶哲轩把AI对数学的冲击拆成三个叠加条件，并指出证明泛滥之后，理解与评估机制才是新瓶颈。
量子位精选AI 评分5555 何恺明团队提出VISTA：面向交互推理的视觉原生Harness框架
何恺明团队发布论文《VISTA》，提出面向交互推理的视觉原生Harness框架，让现有多模态模型直接观察环境、保存原始画面，并在推理时按需回看。框架包含视觉观测、无损视觉记忆和主动视觉检查三个组件，无需额外训练基础模型。
推荐理由：原文给出了视觉原生Harness的三个组件设计与多基准成绩，读者可据此对比它与传统文本式Harness在交互推理上的差异。
量子位精选AI 评分5454 GitHub新开源AI论文工具Open Academic Paper Gen：在原文献中逐句核验引用
GitHub上新开源了AI论文工具Open Academic Paper Gen，它是一套生成论文初稿的多智能体工作流，把从选题到导出拆成九个阶段。与同类工具相比，其特点是拿到文献全文后会定位最匹配段落，逐条核验正文里的引用是否真的被对应论文支持，证据不足时标为无法判断，存在页码信息时在注释里标出对应PDF页码。
推荐理由：它给出了在多智能体框架下逐句核验文献原文与论文写作流程结合的实现思路，读者可参考其引用核查环节的设计思路。
量子位精选AI 评分5353 DeepSeek-Bot 上线：基于 DeepSeek Harness 的多 Bot 团队插件
DeepSeek-Bot 是基于 DeepSeek Harness 的社区多 Bot 插件，每个 Bot 可配置名称、形象、模型并拥有持久化长期记忆。它支持设置主管 Bot 协调群聊以降低 token 消耗，并具备自动记忆审查与上下文压缩等机制。
推荐理由：对比了与 Grok Bot 的多 Bot 团队设计差异，并展示了在 DeepSeek Harness 上以插件形式组织多个 Agent 的思路。
量子位AI 评分3333 下架 8 个月，GPT-4o 的拯救行动还在继续
GPT-4o 自 ChatGPT 下架近 8 个月后，粉丝"救援 4o"运动仍在继续——10 月 23 日 OpenAI 将停用其最早的 2024-05-13 版 API 快照。
量子位精选AI 评分5555 硅谷AI现状：谁有算力谁是爹
量子位综合WSJ与SemiAnalysis等报道指出，硅谷头部AI公司已把算力视为决定模型、人才与商业进展的关键资源。
推荐理由：文章把多家头部AI公司围绕GPU的明争暗斗放在同一框架下，帮助读者看清算力如何成为模型进展与商业化的硬约束。
量子位精选AI 评分7474 OpenAI 发布挂谷猜想两篇手稿，称将三维加强到极大函数版并首次推进到四维
OpenAI 于 10 月 7 日一次性公开 722 篇数学手稿，其中编号 074 的两篇声称证明挂谷猜想在三维的极大函数版本与四维的 Hausdorff 维数版本。
推荐理由：文章把两篇挂谷论文的证明内容、对王虹工作的继承与推进讲得较为细致，读者可据此判断 AI 攻克开放数学难题的实际进展。
HF Daily PapersAI 评分3131 SkillMarker：基于 KGW 的智能体技能水印与所有权验证方法
SkillMarker 是一种基于 KGW 的智能体技能水印方法，可在保留指令准确性的同时嵌入水印，实现所有权验证与泄露溯源。它结合质量约束改写与面向信号的候选搜索，在保护功能完整性的前提下强化水印信号强度。作者开源了集成水印嵌入、质量审计与检测的完整工具包。
HF Daily Papers精选AI 评分5959 Apertus 1.5：从开放文本模型到开放多模态推理模型
瑞士 AI 团队发布 Apertus 1.5，将开源 Apertus 系列从纯文本扩展到多模态推理。8B 与 70B 模型分别用 4T 和 2T tokens 继续预训练，加入图像和音频理解，上下文窗口扩至 262,144 tokens；多模态通过 tokenizer 引入，语言模型 head 仍限于文本，训练流程包含 SFT、长上下文微调、RLVR 和偏好对齐。
推荐理由：公开了从纯文本扩展到多模态推理的完整训练方案与数据合规实践，可作为开源多模态模型的构建参考。
HF Daily PapersAI 评分3333 RSI-Nav：基于策略同步语言-动作双重自举的导航数据递归自改进框架
RSI-Nav 是一个面向视觉语言导航的数据为中心递归自改进框架，通过策略同步的语言-动作双重自举，将指令跟随与指令生成统一在同一模型中。该方法按小分片迭代生成指令、自评估并即时更新自身，在 R2R-CE 上达到 68.6% SR，在 RxR-CE 上达到 72.4% SR。9B 参数模型 SongzeLi/RSI-Nav_model 与 1.05M 数据集已在 GitHub 开源。
HF Daily Papers精选AI 评分4646 NoteBank 用稀疏记忆回放释放线性注意力的长上下文能力
NoteBank 是一面向线性注意力的稀疏情节记忆机制：把选定文本存档后，通过主干原生前向计算回放，无需额外训练、外挂嵌入模型或独立检索器即可即插即用。
推荐理由：训练无关的稀疏记忆外挂让线性注意力在百万 token 上仍保持检索能力，并可直接挂接到现有预训练骨干上复用。
HF Daily Papers精选AI 评分4848 论文：从人类导向的软件演进中合成面向智能体的原生接口
论文提出 DeskIF-Bench（覆盖 6 款桌面应用的 255 个任务）和 ANIS 框架，用软件演进量化接口变化对智能体表现的影响，发现最新版始终优于最旧版，并归纳出可发现性、粒度与可观测性三个关键属性。
推荐理由：原文把软件演进当作接口差异的天然来源，并用 368 个桌面任务量化原子接口对智能体成功率与 token 用量的影响，可作为面向 Agent 的桌面接口设计参考。
量子位精选AI 评分7070 谷歌发布生图模型 Nano Banana 2.1，支持 4K 直出与中文渲染改进
谷歌发布生图模型 Nano Banana 2.1，主打 4K 直出与中文渲染改进，在 Arena 文本转图像排名升至第四、仅次于 GPT，1K/2K API 价格直接砍半。
推荐理由：把 Nano Banana 2.1 与 GPT Image 2.5 同台对比，给出 Arena 排名、API 降价幅度与中文渲染改进等可对照数据。
量子位精选AI 评分6969 TypeSafe AI完成8.7亿美元A轮融资，Jev估值24天跃至75亿美元
TypeSafe AI旗下只做决策判断的Jev上线24天后，公司完成8.7亿美元A轮融资，投后估值75亿美元，较9月15日种子轮的2亿美元估值上涨37.5倍。a16z、红杉资本、DCVC参与本轮融资，a16z合伙人Martin Casado加入董事会；Jev上线3天日吞吐达1万亿Token，约三分之一《财富》500强企业已接入。
推荐理由：Jev 24天估值从2亿跃至75亿美元，多家厂商同期跟进决策模型，读者可据此了解这条新赛道的竞争格局。