DataVista：面向多模态大模型的数据视频理解评测基准
研究团队发布 DataVista 基准，包含 961 个真实数据视频和 6775 道评估题，按数据感知、时序推理、叙事理解三层能力框架、10 类细粒度问题与 5 个主题领域组织，用于系统评测多模态大模型的数据视频理解能力。
推荐理由：原文提出数据视频理解新基准，并系统对比 19 个主流多模态模型在感知、推理、叙事三层能力上的差距。
全部 AI 动态
HF Daily Papers精选AI 评分3636 HF Daily Papers精选AI 评分3535 RAESR：基于冻结 DINOv3 潜空间的图像超分辨率方法
RAESR 使用 23 层冻结 DINOv3-L 融合得到的潜空间作为重建基底，训练 415M 解码器在重建与对抗目标下完成单步图像超分辨率。该方法在 RealSR、DRealSR、LSDIR 和 DIV2K-Val 上以单张 H20 GPU 处理 512×512 图像耗时 37ms，取得当前最佳的保真度-感知权衡；将基底换成 VAE 潜空间、其余设置不变则各项指标均下降。
推荐理由：论文给出了在 DINOv3 潜空间做超分辨率的具体设计与 VAE 基底对比，可作为视觉表征迁移至底层视觉任务的方法参考。
HF Daily Papers精选AI 评分4141 REMORY：为长上下文智能体学习残差记忆压缩历史
REMORY 提出一种神经网络记忆模块，在文本摘要之外追加一段 soft memory tokens，让冻结的大语言模型仅用 5.2% 的输入位置就能逼近全量上下文的续写效果。
推荐理由：提出用学习型 memory tokens 补充文本摘要，让长上下文智能体仅占 5.2% 的输入位置就逼近全量上下文表现。
HF Daily Papers精选AI 评分3939 论文提出面向大语言模型的通用文本化教学 UTT 框架
论文提出面向大语言模型的通用文本化教学（UTT）框架，无需更新学生模型参数，通过 Student、Prompter、Teacher、Synthesizer 多角色配对评估与迭代合成，把师生差距蒸馏成可解释、可跨模型复用的自然语言文本 Primer。
推荐理由：提出无参数更新的知识蒸馏框架 UTT，把师生差距压缩成可跨学生模型复用的自然语言教学文本 Primer，为知识蒸馏提供新的可迁移载体。
HF Daily Papers精选AI 评分4646 Opera：用于长程编码智能体的语言评论框架
Opera 是面向长程编码智能体的语言评论框架，将每次修正视为持续追踪至问题解决的备注。它在 Terminal-Bench 2.1、SWE-Bench Pro 子集和 DeepSWE v1.1 上分别把非评论者策略模型的解决率提升最多 12.4、15.0 与 8.9 个百分点，并在三个基准上均取得竞争基线的最高平均解决率。
推荐理由：Opera 把每条纠错视为待解决的持续备注，并在交付前先审计反馈，该设计可迁移到其他长程编码智能体的反馈链路。
HF Daily Papers精选AI 评分4646 FlowState 以执行状态构建长程 LLM 智能体记忆
FlowState 提出面向长程 LLM 智能体的执行状态记忆机制，通过跨请求保留并回溯结构化状态，降低完整历史带来的 token 开销。其 Incremental State Update（ISU）依据新输入和反馈维护当前状态，Progressive State Access（PSA）则按需逐步呈现历史状态与证据。
推荐理由：论文将可回溯的执行状态用作智能体记忆，并通过增量更新与渐进访问降低长程任务的 token 成本并复用历史信息。
HF Daily Papers精选AI 评分4343 SoftwareGym：利用多样化合成软件环境扩展电脑使用 Agent 训练
SoftwareGym 提出了一套自动合成 GUI 软件环境的 pipeline，用来扩展电脑使用 Agent 的训练数据。
推荐理由：原文把 GUI 软件环境做成可自动合成的流水线，并以 OSWorld 跨域迁移结果证明合成环境能替代部分真实应用来训练 CUA。
HF Daily Papers精选AI 评分3636 论文《Thinking Inertia》：要求不思考时 LLM 仍持续输出推理
论文在 6 个 LLM 上用 6 种提示干预评测无思考行为，发现显式关闭思考模式后模型仍持续输出推理痕迹，称之为 Thinking Inertia。
推荐理由：论文提出三层评估指标来衡量无思考行为，发现显式关闭思考模式后模型仍持续输出推理痕迹，提示该能力需独立评测。
HF Daily Papers精选AI 评分3939 LatentGRM：基于语义保持压缩的潜在空间奖励建模方法
LatentGRM 提出用语义分块与压缩在潜在空间完成奖励建模，无需生成文本评估即可做配对判断。在 4B 与 8B 规模下偏好准确率与显式监督微调评判模型相当；LatentGRM-8B 在四个评测领域上将评估轨迹压缩 8.9–9.2 倍，vote@5 下总推理时间减少 6.1–7.0 倍。
推荐理由：原文给出了潜在空间评估的具体做法、压缩倍率与推理加速数据，可供关注奖励模型推理成本的研究者横向比较。
AWS Machine Learning Blog精选AI 评分3838 Amazon Quick 与 Amazon Bedrock 重新设计企业 RAG 实时访问控制机制
Amazon Quick 与 Amazon Bedrock Knowledge Bases 新增实时 ACL 校验，查询时直接调用 Google Drive 等数据源 API 核实权限，解决同步式 ACL 过滤造成的权限过期与映射遗漏风险。该方案采用两阶段架构：先经向量索引做语义检索与预过滤缩小候选集，再对候选文档实时校验，仅将授权内容传入大语言模型生成回答，从而在性能与安全性之间取得平衡。
推荐理由：原文给出两阶段实时 ACL 校验架构，读者可对照自身 RAG 权限方案评估同步模式可能带来的访问过期风险。
AWS Machine Learning Blog精选AI 评分6060 Claude Haiku 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
Claude Haiku 5.5 即日起在 Amazon Bedrock 和 Claude Platform on AWS 开放使用，Anthropic 称其为 Claude 5.5 系列中速度最快、成本最低的版本，相比 Claude Haiku 4.5 大多数任务便宜约 75%，并首次加入 effort 控制，可按任务调节成本与能力之间的取舍。
推荐理由：原文给出 Claude Haiku 5.5 与 Opus 5.5 的角色分工、effort 控制和价格对比，可作为 subagent 架构选型的参考。
NVIDIA Blog精选AI 评分7171 英伟达与微软联合推出 RTX Spark，将本地 AI 智能体带入 Windows PC
英伟达与微软在旧金山联合活动上宣布，RTX Spark 笔记本今日起开始预售、10 月 16 日上市，搭载 Blackwell RTX GPU 与 20 核 Grace CPU，提供最高 1 petaFLOPS FP4 算力和 128GB 统一内存，可在本地运行 Qwen 3.8 Flash Next 等模型，紧凑型台式机版本将于 11 月开售。
推荐理由：读者可以借此了解 RTX Spark 与 DGX Station for Windows 在本地运行大模型的硬件配置、产品定位与上市时间。
OpenAI NewsAI 评分3434 Radisson Hotel Group 将酒店搜索体验接入 ChatGPT
Radisson Hotel Group 与 Accenture 合作，在 ChatGPT 中推出酒店搜索插件，让旅客在对话中比较价格、查看地图并完成预订；Radisson 也是首批在 ChatGPT 投放赞助广告的酒店集团。2026 年 7–8 月早期数据显示，该插件预订转化率约为自然搜索的 1.5 倍，54% 的结账与预订事件来自赞助广告投放。整个插件从开发到上线仅用 6 周。
GitHub Blog · AI & ML精选AI 评分6464 GitHub 与微软推出 ModernBERT 分类器，将推送保护扩展至非结构化密钥
GitHub 与微软 Applied Sciences 联合训练了一个 ModernBERT 分类器，可在 2 毫秒内评估候选密钥，把推送保护扩展到非结构化密钥，使可被拦截的密钥数量翻倍以上。
推荐理由：用九个季度数据论证密钥泄露量随代码量而非开发者粗心同步增长，检测能力需随算力扩展。
HF Daily Papers精选AI 评分3535 CheckerBench：长程编码智能体能否从零开发静态分析检查器？
CheckerBench 是一个面向静态分析检查器开发的端到端智能体评测基准，包含源自 297 个 CVE、覆盖 167 个仓库与 85 类 CWE 的 300 个任务，每个任务附带漏洞版本、修复版本、固化分析环境与检查器脚手架。
推荐理由：提出了覆盖 297 个 CVE 的端到端检查器开发基准，并量化了当前编码智能体在该长程任务上的实际能力上限。
Hugging Face Blog精选AI 评分5050 Liquid AI 开源面向端侧的多模态 d1 决策模型 d1-3B 与 d1-omni-600M
Liquid AI 开源两款 d1 系列端侧决策模型 d1-3B 与实验版 d1-omni-600M，分别支持文本+图像和文本+图像/音频输入，单次前向传播而非生成 token。
推荐理由：d1-3B 与 d1-omni-600M 在七个公开基准和多款 Jetson 设备上的跑分被详细列出，读者可直接对照 Decider 系列判断端侧决策模型的部署价值。
Anthropic News精选AI 评分5858 Anthropic 推出扩展版 Cyber Verification Program，设三层访问开放给安全团队
Anthropic 推出扩展版 Cyber Verification Program（CVP），将网络攻防能力分成 Defense Access、Red Team Access 和 Specialized Access 三层，开放 Claude Opus 5.5、Claude Sonnet 5.5 与 Claude Mythos 5.1 等模型，供通过审核的安全团队使用。
推荐理由：原文将网络攻防能力按使用场景分成三层访问，并附带评测与漏洞发现数据，可作为同类双用途能力分级方案的参考。
Ai2 Blog精选AI 评分5151 Ai2 的 Bolmo 字节级语言模型论文被 Nature 接收，发布基于 Qwen 与 Llama 的字节级改造版本
Ai2 宣布把语言模型改造为字节级表征的 Bolmo 论文被 Nature 接收，并发布基于 Qwen 3 8B 和 Llama 3 8B 字节化得到的新 checkpoint Bwen 8B 与 Blama 8B。
推荐理由：论文给出把现有模型改造为字节级表征的具体配方，并附带已训练好的 Stage 1 checkpoint，让研究者无需重复初始阶段就能直接训练完整系统。
Ai2 BlogAI 评分1111 Ai2 GitHub 开源项目一览
Ai2 在 GitHub 上开源了 OLMo 大语言模型的建模、训练、评估与推理代码及预训练数据生成工具，同时托管开源 Visual AI 平台、PDF 线性化工具包和开源 MoE 大语言模型 OLMoE。这些仓库覆盖大语言模型预训练所需的代码与数据，均已开源提供。
Meta AI BlogAI 评分1010 GitHub 热门开源项目榜单（SAM、Faiss、Detectron2 等）
GitHub 页面列出多个热门 AI 开源项目，包括图像分割模型 SAM（55k stars）、向量相似度搜索库 Faiss（41.1k）、目标检测与分割平台 Detectron2（34.8k）。
Ai2 BlogAI 评分2929 Ai2 近期研究汇总：覆盖 LLM 基准审计、地理空间推理与 Olmo 3 混合模型分析
Ai2 博客最近发布 5 篇研究文章，涵盖 LLM 基准逐题审计方法 BenchMIRT、地理空间推理平台 OlmoEarth，以及构建 Shippy 智能体的经验。
OpenAI News精选AI 评分4545 OpenAI 在 ChatGPT for Teens 中推出 College Planner 等学习与申请辅助功能
OpenAI 宣布 ChatGPT for Teens 将新增 College Planner，面向美国 10–12 年级高中生集中管理院校申请要求、截止日期和资助步骤，并联合 College Advising Corps 扩大 AI 顾问覆盖范围。
推荐理由：披露了青少年在 ChatGPT 的真实使用数据，并给出 College Planner、闪卡等功能的上线节奏，可与同类教育产品的功能边界做对照。
Microsoft Research精选AI 评分7070 微软研究院开源 Agent Lightning v1.0：3,500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，一个约 3,500 行的轻量级智能体强化学习框架，主打 Harnessed Agentic RL 训练范式，让部署用的 agent 框架直接参与 RL 训练。
推荐理由：把部署阶段的 agent 框架直接接入 RL 训练的方案，并给出 Qwen3.5-9B 在 SWE-bench Verified 上的具体增益，读者可据此评估迁移到自身智能体栈的成本。
AWS Machine Learning BlogAI 评分2828 Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 与 Strands Agents 构建多智能体系统 Orion AI，将数据库诊断时间从 45 分钟压缩到 10 分钟，降幅 78%。
AWS Machine Learning BlogAI 评分3232 AWS 实战手册：如何帮助非工程师团队弥合 AI 知识与能力差距
AWS 推出了一项为期六周的结构化项目（每周约 4 小时），帮助无工程背景的业务人员通过动手构建 AI 智能体来弥合知识与能力差距。
AWS Machine Learning Blog精选AI 评分3838 AWS DevOps Agent 调查后的自动化修复方案
AWS 官方博客发布教程，演示用 Lambda Durable Functions、Amazon EventBridge 与 Amazon Bedrock 在 AWS DevOps Agent 完成根因分析后自动推进修复。
推荐理由：给出把调查摘要转成可一键批准修复动作的端到端参考架构，并把只读自治与变更操作审批分离的模式留给读者复用。
AWS Machine Learning Blog精选AI 评分3737 超越工时节省：构建智能体自动化的商业论证框架
AWS 推出名为 Agentic Value Model 的框架，把智能体自动化的价值拆成四个维度：工时节省、异常处理、决策质量、变更韧性，并以价值实现率决定是否真正落到损益表。
推荐理由：提出智能体自动化的四维价值模型与优先级矩阵，可作为 AI CoE 立项与衡量价值的参考框架。
Hugging Face Blog精选AI 评分6464 NVIDIA 通过微调 Nemotron 在 IOI 和 IMO 同时达到金牌水平
Nemotron-3-Ultra-CC 在 IOI 2026 拿到 535.4/600 分（来自与人类选手同条件的非官方测试），超过 361.12 的金牌线；IMO 2026 的 generate-verify-refine 系统由官方阅卷人评分，取得 30/42 分，超过 29 的金牌阈值。
推荐理由：展示了 Nemotron 通过微调与推理协同在 IOI 与 IMO 同时达到金牌水平，并公开了完整数据集与训练配方。
MIT Technology ReviewAI 评分3232 MIT Technology Review《The Download》：GLP-1 减重药显现延缓衰老迹象，Energy Dome 用二氧化碳电池储能
本期 MIT Technology Review《The Download》两大头条：Eli Lilly 与 Novo Nordisk 称 GLP-1 减重药在分子"衰老时钟"检测中显现延缓衰老迹象。
量子位AI 评分3131 Meshy 跻身 a16z 消费级 AI 应用月收入 Top 50，为榜单唯一 AI 3D 公司
Meshy 入选 a16z 首份消费级 AI 应用月收入 Top 50 榜单，位列第 31 名，是榜单上唯一的 AI 3D 公司，与 OpenAI、Anthropic、Canva 等共同上榜。
HF Daily PapersAI 评分3333 面向大语言模型的参数内记忆增强综述
该综述梳理了面向大语言模型的参数内记忆增强方法，将可复用参数对象接入推理前向计算以承载后预训练知识。文中按参数位置（Embedding、Attention、FFN 或混合）与获取时机（在线、离线）两个正交维度分类，并讨论了干扰、安全性以及递归自我改进等开放方向。
HF Daily PapersAI 评分3434 设备端级联语音智能体通过推测执行隐藏工具调用延迟
研究人员在设备端级联语音智能体中引入推测式工具执行，通过 Predictor 模块在 ASR 阶段预测工具调用并预先缓存结果，将 Android 语音助手首音频响应时间中位数从 5.79s 降至 4.60s。框架同时加入基于规则的自校正校验以过滤用户口误，并在最坏情况下由 LLM 直接调用工具兜底，最终将响应延迟标准差从 3.49s 降至 2.81s。
量子位精选AI 评分6262 OpenAI一夜放出722篇数学手稿，覆盖黎曼、霍奇、BSD等千禧难题
OpenAI在GitHub公开722篇数学手稿并归为372组结果，均由一个未发布的内部模型按同一流程生成，平均每项消耗算力约相当于ChatGPT Pro思考3小时。
推荐理由：原文呈现了OpenAI一次性放出722篇手稿的产出规模与数学家对其可验证性的担忧，读者可以据此了解AI数学产出与同行评议之间的速度落差。
OpenAI NewsAI 评分2424 Jump Trading 如何借助 ChatGPT 扩展量化研究
Jump Trading 借助 OpenAI 的 GPT-6 Astra 处理更长、更模糊的研究问题，由 LLM 研发负责人 Lucas Baker 主导智能体研发。GPT-6 Astra 大幅提升了可交给智能体的任务规模与复杂度，智能体现在单一长任务中可自主分析、评估并迭代改进研究方向，但仍以人工评审作为受监管金融场景下的关键质控环节。
Google DeepMind精选AI 评分6565 Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型，740M 参数、Apache 2.0 协议，在 MTEB Code 上从 68.76 提升至 78.68。
推荐理由：原文给出了 EmbeddingGemma 2 在子 1B 多模态嵌入基准上的表现与端侧显存占用，读者可据此评估它在本地检索管线中的取舍。
HF Daily Papers精选AI 评分4141 VIS-Ground：面向视频交互式叙事的上下文接地方法
VIS-Ground 把视频交互式叙事中的异构输入转成可执行的生成约束，包含 Structured Context Abstraction、Generation Constraints Induction 与 Constrained Video Generation 三个模块，分别完成上下文抽象、约束归纳与约束执行。
推荐理由：把观众请求、叙事源与已渲染状态统一转成可执行约束，可作为交互式视频生成接地方案的方法参考。
HF Daily Papers精选AI 评分4343 视觉表征越好端到端自动驾驶就越好吗？ViRA 框架给出研究答案
论文提出 ViRA，一个与规划器无关的视觉表征对齐框架，并发现 VFM 引导的视觉表征对端到端驾驶的提升幅度取决于目标选择与辅助感知监督。
推荐理由：论文给出可迁移结论，把视觉基础模型表征对齐进端到端规划器时，目标选择与感知监督共同决定最终增益。
HF Daily Papers精选AI 评分3535 MAVLN：多智能体视觉语言导航的形式化、基准与方法
本文提出 Systematic Multi-Agent Vision-and-Language Navigation（MAVLN），首次将多智能体视觉语言导航形式化为带依赖和资源约束的协调问题，并配套发布包含 11,724 条 episode、145 个场景、最多 4 个智能体的基准，覆盖三种指令设置。
推荐理由：把多智能体视觉语言导航形式化为带约束的协调问题，并配套发布 11724 条 episode 的基准与 TRISS 基线。
HF Daily Papers精选AI 评分4848 编码智能体基准应匹配用户的任务流
该研究分析了 JetBrains IDE 中 4,782 段软件工程师与编码智能体的真实交互会话，发现长会话里的任务类型覆盖项目代码问答、规划、审查、重构和执行等多类，并会随会话进展切换类型，与基于 issue 的基准任务差异显著。
推荐理由：基于 4,782 段真实 IDE 会话数据，揭示当前编码智能体基准与实际任务流的差距，为评测设计提供新的校准依据。
HF Daily Papers精选AI 评分4141 MIMESIS：面向交互式智能体训练的用户模拟器学习方法
MIMESIS 论文提出一个面向交互式智能体训练的用户模拟器，其 9B 模型在 SOUL-Index 上达到 65.7，超过当时最强的前沿模型。相比 Claude-Opus-5，行为保真度提升 13.4 分，图灵距离降低 3.6 分。
推荐理由：原文给出面向交互式智能体训练的用户模拟器构建方法与自蒸馏反馈方案，可作为搭建训练环境和密集反馈机制的参考。