面向 GUI 智能体的潜在世界动作模型
论文提出面向 GUI 智能体的潜在世界动作模型，把世界模型预测目标从像素空间全屏重建转向潜在空间中的动作诱导未来信息，并通过动作感知对比损失缓解 identity shortcut。
推荐理由：论文把 GUI 世界模型预测从像素重建改为潜在空间表示，给出相对像素基线的成功率与延迟提升，并随附开源代码。
全部 AI 动态
HF Daily Papers精选AI 评分4646 HF Daily Papers精选AI 评分3535 Work2Skill：面向可复用 GUI 智能体技能提取的框架与 WorkDemo-350 数据集
本文提出 Work2Skill 框架，通过 WorkRecorder 采集人类屏幕录制与键鼠操作，并基于 350 条多模态示范构建 WorkDemo-350 数据集，用于抽取可复用智能体技能。
推荐理由：论文给出了框架、数据集和开源代码，并在 MyPCBench 与 OSWorld-Verified 上汇报了具体分数提升，读者可以据此复现并对比现有 GUI 智能体技能提取方法。
HF Daily Papers精选AI 评分3535 EmbodiedCLBench：面向自演化具身智能体的持续学习评测基准
EmbodiedCLBench 提出首个针对具身环境中自演化智能体的持续学习评测基准，以组合泛化原则检验基础任务经验向未见复杂任务迁移的能力。论文在多种智能体框架和学习方法上系统实验，发现基础任务经验能带来稳定提升，但收益不会随训练样本量扩大。代码与数据集已在 https://pku-value-lab.github.io/EmbodiedCLBench-homepage 开源。
推荐理由：作为首个面向具身智能体的持续学习评测基准，论文给出了可迁移的实验设计，并发现经验带来的提升不会随样本量同步放大。
AWS Machine Learning Blog精选AI 评分5353 Amazon Bedrock AgentCore payments：BlockRun 与 Incarna 如何实现按次推理付费
Amazon Bedrock AgentCore payments 正式可用，让 AI agent 通过 x402 协议按次向推理服务付费。
推荐理由：文章给出了 AgentCore payments 与 x402 推理服务对接的端到端实现，以及支出上限在基础设施层强制生效的具体做法。
Anthropic News精选AI 评分5555 Anthropic 发布更新版使用政策，整合欺骗活动条款并收紧武器与监控禁令
Anthropic 发布更新版使用政策，将分散在选举、欺诈、隐私等章节中的欺骗活动规则整合为独立的"Do Not Engage in Deceptive Campaigns or Artificial Activity"条款，同时更新武器开发、监控系统和高风险场景的禁令。
推荐理由：这份使用政策更新整合了欺骗活动、武器、监控和高风险场景的规则，明确了 Claude 在自主物理操作和新型滥用模式下的边界条件。
OpenAI NewsAI 评分2626 Pollo AI 借助 OpenAI 模型将创意转化为营销活动
Pollo AI 基于 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5 推出 Pollo Agent 与 Photo to Video Ads，把创作者创意转化为成片图像和视频广告。平台已服务超 2600 万用户，30% 的创作者会话从视频模板起步，用户切换模型的时间减少超 50%。Pollo AI 计划未来 12 个月内让 AI 视频成为日常内容创作的常规环节。
OpenAI NewsAI 评分3434 Oracle 如何用 ChatGPT 和 Codex 把几天的工作压缩到几分钟
Oracle 已有 10 万余名员工使用 ChatGPT Work 和 Codex，把原本需要数天的专业任务压缩到几分钟。招聘场景中，基于 ChatGPT Work 自建的人才市场情报工具将资料整理从 2-4 天缩短到 15-20 分钟，调研耗时降低 98%；运维与业务分析团队则用 Codex 把 SQL 查询和故障处理从小时级压缩到分钟级。
AWS Machine Learning Blog精选AI 评分4242 SageMaker HyperPod 多租户参考架构：跨团队隔离并公平共享 GPU 集群
AWS 在官方博客发布基于 SageMaker HyperPod 与 EKS 的多租户参考架构，让多个团队共用同一 GPU 集群。
推荐理由：原文给出在 EKS 集群上串联身份、命名空间、配额与成本归属的多租户模板，便于企业按团队粒度复用并改造 GPU 资源分配方式。
Anthropic News精选AI 评分4848 Anthropic 承诺三年向 Genesis Mission 投入 1.5 亿美元，向 NASA 等 15 家机构提供 Claude
Anthropic 宣布未来三年向美国联邦 Genesis Mission 计划投入 1.5 亿美元，将向 NASA、国立卫生研究院、国家科学基金会等 15 家机构的数百个研究项目提供 Claude、Claude Code 及 API 额度，重点方向覆盖聚变能源与量子计算，并配套培训与新机构落地支持。该计划是 Anthropic 在去年与美国能源部首次合作之后扩大联邦科研支持的最新动作。
推荐理由：Anthropic 公布三年向 Genesis Mission 投入 1.5 亿美元的具体安排，可作为观察 Claude 进入美国联邦科研体系的参考。
OpenAI News精选AI 评分5959 OpenAI 处置两起借助 AI 的「假门面」影响力行动
OpenAI 处置了两起借助 AI 的影响力行动。这些行动以假身份记者和伪智库为掩护传播地缘政治信息。
推荐理由：读者可以了解以伪造记者和伪智库为掩护的影响力行动怎样利用 AI，以及 OpenAI 处置此类滥用的方式。
量子位精选AI 评分5656 生数科技开放Vidu Q4预览版视频生成模型，实测720P档每秒低至0.09元
生数科技开放Vidu Q4预览版视频生成模型，主推人物演绎、镜头语言和视效场面三项能力，最高支持4K直出、单条最长16秒，最多支持15张参考图和3段参考音频。MaaS端720P约0.6元/秒、1080P约0.75元/秒，SaaS端预览版推出两个月限时优惠、部分场景可低至0.09元/秒。量子位实测做了6个共约110秒的视频，720P档总成本不到10元。
推荐理由：原文给出新模型的实拍定价和多场景对比，读者可以据此评估它在视频生成成本与表现力上的实际位置。
Hugging Face Blog精选AI 评分4949 阿布扎比技术创新研究所发布 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型
阿布扎比技术创新研究所（TII）发布 1.6B 参数语音识别模型 Falcon-ASR，主打阿拉伯语尤其是阿联酋方言，使用同一组模型权重还支持英语、法语、西班牙语和葡萄牙语。
推荐理由：把模型在公开榜单和内部阿联酋方言评估上的具体 WER 与 CER 数字直接列出，读者可对照已发表系统查看差距。
HF Daily Papers精选AI 评分3838 SQAM：用标量伴随匹配微调 Flow 策略的 Q 学习方法
研究者提出 Q-learning with Scalar Adjoint Matching（SQAM），用闭式标量伴随替代逐步向量-雅可比积，把价值梯度按 flow 时间缩放，从而为 flow 策略做 RL 微调。在 OGBench 最难的 4 个领域，SQAM 的成功率比最强基线高出 18 到 35 个百分点；在真实双臂机器人上微调 VLA 策略时，三个任务也都优于监督微调。
推荐理由：原文给出把 RL 微调 flow 策略的逐步向量-雅可比积换成闭式标量的推导，并报告在真实机器人任务上超过监督微调，可作为该方向后续工作的方法基线。
HF Daily Papers精选AI 评分4141 Pristine Models：预训练阶段分离安全与不安全知识的文生图架构
Pristine Models 提出一种新的文生图架构，通过注意力机制在预训练阶段把安全与不安全知识分别放入独立参数分支，推理时可卸下不安全分支。在 ImageNet 上，该方法相比仅用安全数据训练或事后概念擦除，取得了更高的图像质量与更好的文本对齐；论文进一步在 CC12M 上验证其在更大规模、更多样化的开放世界预训练下仍然有效。
推荐理由：提出预训练阶段把不安全知识隔离到独立分支的思路，避免事后概念擦除引发的灾难性遗忘，并给出与仅用安全数据训练及事后擦除的比较结果。
量子位AI 评分3131 正行创新亮相APRCE 2026，发布全球首个零售物理智能24/7服务解决方案
正行创新在APRCE 2026上发布全球首个零售物理智能24/7服务解决方案，支持"0改造"快速部署，可实现99%任务自主完成。该方案包含双足人形机器人H1、轮臂式机器人C1及统一管理平台M1，其自研世界动作模型SLM-0.5在LIBERO基准测试中达到98.6%平均任务成功率，推理速度较主流方案提升24倍。公司计划2027年提供商业化服务，客户可选择直接采购或RaaS订阅。
NVIDIA BlogAI 评分99 《战争机器：E-Day》登陆 GeForce NOW 云游戏平台
《战争机器：E-Day》在 10 月 6 日全球发售后已上线 GeForce NOW，Ultimate 会员可享 GeForce RTX 5080 级云端性能及 NVIDIA DLSS、Reflex 技术。本周 GeForce NOW 一次性新增 10 款游戏，其中 7 款为新作；Fire TV 用户未来可直接通过 Amazon 购买 GeForce NOW 会员。
MIT Technology Review精选AI 评分3535 MIT Technology Review 周报：人形机器人遭遇 AI 瓶颈，SlamDam 便携橡胶坝入选气候技术榜
MIT Technology Review 周报指出，多名研究者质疑当前 AI 能让人形机器人快速成熟的乐观预期，认为把语言和图像训练的智能用于物理世界会低估实际困难，也不应将人形机器人等同于通用机器。另一篇介绍 WaveSave 的 SlamDam 便携橡胶防洪坝，铺设后充水可膨胀至 1.3 米高，已入选该刊 2026 年十大值得关注清洁技术公司。
推荐理由：原文汇集研究者对人形机器人炒作的质疑与气候技术案例，提供对照样本以理解当前 AI 与机器人结合的真实进度。
量子位精选AI 评分3838 联想 YOGA Pro 15 RTX Spark 开启盲约，搭载 NVIDIA RTX Spark N1X 超级芯片
联想 YOGA Pro 15 RTX Spark 笔记本电脑于 10 月 8 日开启全网盲约，搭载 NVIDIA RTX Spark N1X 超级芯片。该芯片集成 6144-core Blackwell GPU 与 20-core Grace CPU，可提供 1 Petaflop FP4 本地 AI 算力，配备至高 128GB 统一内存与 2TB 存储。
推荐理由：作为首批搭载 RTX Spark N1X 的产品之一，文章给出了 35B 本地模型与本地 Agent 能力的具体描述，可与同类端侧 AI PC 方案对照。
量子位精选AI 评分6161 PaperBenchX发布：GPT-6 Astra在93篇论文复现任务中完整成功率仅13.98%
UniPat AI发布PaperBenchX基准，在93个跨学科论文复现任务上测试10组前沿模型与Agent框架配置，最强的GPT-6 Astra完整复现率仅13.98%。
推荐理由：从破解千禧难题到端到端复现论文不到七分之一的成功率，给出了衡量AI科研能力与数学解题之间差距的一把尺子。
量子位精选AI 评分6767 Manus母公司蝴蝶效应完成超5亿美元融资，重启北京办公室大规模招聘
Manus母公司蝴蝶效应完成超5亿美元新融资并重启北京办公室，重新组建团队开发面向中国市场的AI Agent产品，招聘官网已开放17个岗位。本轮融资由博裕投资、IDG资本领投，腾讯、红杉中国、真格基金等老股东继续跟投；新开放岗位包括LLM算法工程师、Agent Harness工程师、Agent评测工程师等核心技术职位，产品、运营和商业化方向也有多个岗位在招。
推荐理由：把融资规模、招聘阵势与一年前裁员回潮放到一起读，能看清这家公司在本土市场的实际诚意与节奏。
量子位精选AI 评分4040 吉利发布"智充"AI补能技术，单枪峰值功率达2250千瓦
吉利汽车发布"吉利智充"AI补能技术，单枪峰值充电功率首次达到2250千瓦，最高充电温度始终保持在65℃以内，电池循环寿命提升20%以上。该技术依托与阶跃星辰联合开发的星睿PowerMind能源大脑，可提前30秒预判电池温度并动态分配功率。
推荐理由：给出了单枪峰值功率2250千瓦、65℃温控上限和12C充电倍率的实测数据，可作为评估快充技术上限的参照。
MIT Technology Review精选AI 评分4747 人形机器人 AI 突破短期内难进日常生活
MIT Technology Review 联合 Aventine 发布的分析指出，尽管 Musk 等人对 Tesla Optimus 等人形机器人乐观，但当前 VLA 模型与世界模型仍受限于训练数据稀缺与长任务成功率低。文中引用 LeCun 等研究者判断，认为真正自主的家庭机器人仍需约 10 年；2025 年全球约 1.5 万台人形机器人出货中，近 90% 来自中国厂商。
推荐理由：在 Optimus、1X Neo 等产品造势背景下，文章系统梳理了 VLA、世界模型等真实技术路径与工厂家庭落地之间的落差，引用多方研究者判断。
面壁 MiniCPM精选AI 评分5858 面壁 MiniCPM-V 4.7 35B-A3B 开源，FP8 等多种量化版本同步发布
面壁 MiniCPM-V 4.7 35B-A3B 系列模型上线，其中 FP8 量化版本已托管在 Hugging Face。
推荐理由：原文详述了 MoE 模型在 iPhone 端侧流畅推理的工程组合并给出 13+ tokens/s 实测速度，对评估同类模型的端侧落地可行性有参考价值。
量子位精选AI 评分6767 Claude Haiku 5.5正式发布 跑分超GPT-6 Luna等小档模型
Anthropic发布Claude Haiku 5.5小型号，在OSWorld 2.1、GDPval-AA v2.1、Terminal-Bench 4.0等基准上跑分超过GPT-6 Luna、DeepSeek V4.1 Flash等同档对手，是首个支持effort五档调节的Haiku型号。
推荐理由：文章将Haiku 5.5与GPT-6 Luna、DeepSeek V4.1 Flash等小档模型逐项跑分与价格对比，并列出从4.5迁移的五处接口改动，便于评估替代成本。
量子位精选AI 评分7474 OpenAI向ChatGPT免费用户推送GPT-6 Luna，聊天框新增Intelligent UI生成图表和交互组件
OpenAI于10月8日起向ChatGPT免费和Go用户推送GPT-6 Luna，替换此前的GPT-5.6 Luna；Plus、Pro等付费用户使用GPT-6 Sol。
推荐理由：汇总了GPT-6相对GPT-5.6在Intelligent UI、回答长度、多轮越狱和情感依赖等安全评测上的具体变化。
量子位精选AI 评分5454 何恺明团队提出NAT-ARC：用ImageNet预训练让视觉模型挑战ARC抽象推理
何恺明团队提出纯视觉ARC方案NAT-ARC，先在ImageNet上做MAE自监督预训练，再迁移到抽象格子推理。表现最好的单模型参数量0.6B，在ARC-1上跑到63.4% pass@2，三模型集成达到70.2%，逼近8B语言模型系统The ARChitects的71.6%。
推荐理由：用ImageNet MAE预训练替代随机初始化，让0.6B视觉模型在ARC-1上逼近8B语言模型系统的水平。
量子位AI 评分2727 阶跃终端将于10月13日发布大模型原生智能体手机STEPX Neo
阶跃终端将于10月13日在上海举办"Ready Builder One"主题发布会，推出旗下首款大模型原生智能体手机STEPX Neo。该手机在模型、系统、硬件三方面均围绕智能体原生设计，发布会上还将同步公布阶跃终端在生态合作方面的最新进展。
HF Daily Papers精选AI 评分4343 何时需要 On-Policy 蒸馏？论文称离线学生轨迹蒸馏在多数情况下更优
研究提出 Semi-OPD 方法，用学生模型初始版本的离线 rollout 蒸馏教师能力，在 17 组 1.5B–235B 参数规模的师生配对中 14 组优于传统 On-Policy Distillation，精度最高提升 13.6 个百分点，训练加速 11.4 倍。
推荐理由：论文用 17 组师生配对量化对比 OPD 与 Semi-蒸馏，给出按初始 token 重叠率选择蒸馏策略的依据，可直接用于重新评估既有蒸馏方案。
Google Research精选AI 评分5757 更好工作是否一定带来更好工作者，Google Research 三个月田野实验给出回答
Google Research 与合作团队在 11 家知识产权律所的 133 名律师中开展为期三个月的随机田野实验，测试一款 AI 专利撰写助手对产出与专业判断力的影响。
推荐理由：把三个月田野实验拆成 AI 辅助产出和撤掉 AI 的专业判断两层，揭示资深与初级律师在技能积累上的不同走向。
HF Daily Papers精选AI 评分5555 LGWM 以下一屏表示验证 GUI 智能体的界面转移
LGWM 通过直接预测下一屏幕的表示，验证 GUI 智能体的界面转移并识别被劫持屏幕。它是一种无解码器、动作条件化的世界模型，在 1.85M 条真实 GUI 转移上训练且无需语义标注，验证时只需比较向量。
推荐理由：论文将 GUI 智能体的安全检查从单屏内容转向动作与下一屏的转移关系，并给出检测界面劫持的可迁移验证方法。
HF Daily Papers精选AI 评分4848 论文提出 HSS 基准评估多模态模型的直观视觉推理能力
论文提出 Humanity's Sixth Sense（HSS）基准，用于评估多模态大语言模型的直观视觉推理能力。HSS 覆盖图像与视频输入，按直觉性的时间、空间、社交和抽象结构组织题目，人类受试者准确率达 93.1%，而最强模型 GPT-6-astra 在最大推理强度下仅 53.6%；引入动态视觉操作的智能体设置能缩小差距，但仍未弥合人与模型之间的鸿沟。
推荐理由：论文提出直观视觉推理这一评测轴，人类准确率 93.1% 而最强模型仅 53.6%，为多模态模型的差距对比提供了可量化的标尺。
HF Daily Papers精选AI 评分4343 ReHarness：面向智能体持续学习的循环框架
作者提出ReHarness，一种面向智能体持续学习的循环框架，在三个持续学习基准与三种大语言模型骨干上一致优于现有基线。它在严格在线流协议中加入后向修订，每条实例后用轨迹反馈更新文本化的反思状态，在分布漂移下修正过度泛化与过时经验，同时改善稳定性与可塑性。arXiv:2610.12668
推荐理由：原文在三个持续学习基准和三种大语言模型骨干上做了对比，展示了在分布漂移下兼顾稳定性与可塑性的具体做法。
HF Daily Papers精选AI 评分4444 SWE-Duel：面向编码智能体的自扩展对战评测方法
论文提出 SWE-Duel 评测方法，由两个编码智能体在评测时互相出题与判题，任务在测试时动态生成以避免训练数据泄漏。在 11 个模型与 15 个跨语言仓库的 1,500 轮对战里，GPT-5.5 搭配 Codex CLI 修复 98.3% 被审核缺陷，Claude Opus 4.8 搭配 mini-swe-agent 作为出题方胜率 27.3%。
推荐理由：原文给出在评测时动态生成任务与题解的自扩展基准方法，可与传统静态编码基准在抗训练污染和抗饱和上做对比。
HF Daily PapersAI 评分3232 Pumpire：面向度量距离估计的统一基准
研究者提出 Pumpire 统一基准，用于评估 3D 基础模型在图像与视频层级上的逐点度量距离估计能力，覆盖有无深度先验两种场景。团队构建了包含 100 个真实场景、每场景 64 帧共计 6,400 帧的数据集 pumpire-6k，并为每帧标注物理实测的点对距离。论文在 29 种代表性 3D 基础模型配置上展开实验，直接衡量重建几何中的点对距离误差。
HF Daily Papers精选AI 评分4141 DiffusionART：面向扩散模型的高效稳定可扩展强化学习方法
论文提出 DiffusionART，一种无需可微奖励和逐任务调参的扩散模型在线强化学习微调方法，支持配对奖励模型 DiffusionART-Pairwise。
推荐理由：它提出一种无需奖励可微、无需逐任务调参的扩散模型 RL 微调方法，并以 HunyuanVideo-13B 上大幅领先 DiffusionNFT 和 Flow-GRPO-Fast 的 GPU 时间和奖励作为迁移参考。
HF Daily Papers精选AI 评分3636 DCOCO：通过上下文校正恢复推测解码中并行草稿的块内依赖
DCOCO（DFlash Contextual Corrector）是一种面向扩散式推测解码的轻量级校正机制，通过对并行草稿相邻位置的多个候选 token 评估上下文兼容性，在不放弃并行性的同时恢复块内依赖。
推荐理由：论文指出扩散式草稿缺少块内依赖这一被忽视的代价，并给出一种轻量级并行上下文评分方案，对推测解码在多并发下的吞吐取舍有参考价值。
HF Daily Papers精选AI 评分3939 LeWAM：基于 JEPA 的端到端世界与动作建模
LeWAM 是一种面向控制的端到端 JEPA，把下一潜状态预测与动作流匹配放在同一目标里联合训练，并对潜状态施加各向同性高斯约束，使单个模型既能直接执行策略，也能用所学潜动力学对采样动作做高效规划。在视觉规划任务上，接触密集任务成功率由 28.6% 提升到 89.7%，长视野任务由 10.9% 提升到 46.2%，规划速度提升 32.3 倍；在仿真与物理机器人的行为克隆任务上也与既有方法相当。
推荐理由：原文以具体任务上的成功率与规划速度为参照，给出了一种把潜状态预测与动作流匹配合在同一个 JEPA 里的做法，读者可以据此与现有视觉规划方案做比较。
HF Daily Papers精选AI 评分4343 AI 智能体能否通过学习登顶：AAArena 基准上的启发式学习评估
研究提出 Adversarial Heuristic Learning（AHL）范式与 AAArena 评测基准，涵盖 12 款对抗游戏和 1,920 份人类存档程序。在固定对局与评估预算下，Opus 4.5 与 Claude Code 配置获得 6 枚金牌，其余 6 个排行榜未被任何受测配置登顶。实验还发现，对手选择、密集反馈以及自身与他人的对局回放都能支持策略改进。
推荐理由：原文给出 AHL 范式与 AAArena 评测基准，可作为衡量智能体在对抗博弈中相对人类存档程序策略改进表现的参考。
HF Daily Papers精选AI 评分5050 SepGen：单模型实现多音轨音视频分离与生成
SepGen 扩展预训练音视频生成器，在一次联合采样中同时输出视频、混合音轨以及按字幕逐个声源的波形，支持生成和分离两种互补模式。在给定音频混音和带台词字幕时，SepGen 在语音场景下优于语言条件分离器，且在字幕去掉台词后仍保持领先。代码、检查点与数据集已发布在 https://sepgen.github.io 。
推荐理由：SepGen 在一次采样中同时输出视频、混合音轨和各声源波形，并给出可与语言条件分离基线直接对比的语音场景实验结果。
HF Daily Papers精选AI 评分4141 Reflex：视觉驱动的反应式人形机器人控制
Reflex 是一个三阶段框架，让人形机器人仅凭第一人称 RGB-D 视觉实时接住抛来的箱子。在仿真中达到 85.7% 的接箱成功率，接近获得特权观测时的 87.9%；在 Unitree G1 真机上，2.5 米和 5 米抛掷的成功率分别为 65% 和 40%，达到人类接箱者同距离成功率的 76% 和 59%。
推荐理由：Reflex 用三阶段框架在 Unitree G1 上实现视觉反应式接箱，给出仿真与真机数据，可作为反应式人形控制训练的可迁移参考。