Hinton首篇RSI论文：AI参与造下一代AI会触发智能爆炸吗
Hinton联合22位作者发表首篇RSI论文《What if automating AI R&D triggers an intelligence explosion?
推荐理由：论文用Anthropic、OpenAI内部数据建立模型，给出了AI研发自动化压缩进步周期的具体估算，为读者判断递归自我改进的门槛提供了可量化的参照。
全部 AI 动态
量子位精选AI 评分6161 MIT Technology ReviewAI 评分1919 MIT Technology Review EmTech Future 2026 大会：AI 与万物交汇
MIT Technology Review 主办的 EmTech Future 2026 大会为期三天，聚焦 AI 与生物、基础设施、制造、科学、量子、能源及机器人等领域的交叉融合。
HF Daily Papers精选AI 评分4040 D-OPCD：通过 On-Policy 上下文蒸馏把智能体经验内化进扩散模型权重
论文提出 Diffusion On-Policy Context Distillation（D-OPCD），把 Text-to-Image 智能体 harness 累积的提示迭代、记忆与技能等能力通过 on-policy 蒸馏固化进扩散模型权重，使模型在仅接收原始查询时也能保留部分 harness 增益。
推荐理由：提出 D-OPCD 把智能体迭代增益固化进扩散模型权重，量化了脱离 harness 后仍可保留的提升幅度，并指出 harness 与模型持续协同进化的可行路径。
HF Daily Papers精选AI 评分3939 MemPilot：用强化学习编排 LLM 智能体的按需多模态记忆策展
MemPilot 论文提出一个用强化学习动态调度多模态智能体记忆策展的框架，按偏好平衡性能、成本与延迟。策略联合控制证据量、策展指令、模型选择和视觉访问，并通过目标维度优势解耦和前缀边际效用估计做多步信用分配；在五个多模态智能体记忆基准上的偏好扫描显示其权衡前沿优于现有基线。
推荐理由：这篇论文提出用强化学习运行时调度多模态记忆策展的方法，可参考其性能-成本-延迟权衡的设计思路。
HF Daily PapersAI 评分3333 VepAgent：通过工具增强强化学习桥接因果转换以实现视频事件预测
VepAgent 提出一个面向视频事件预测的智能体框架，将因果转换推理与工具增强强化学习结合，在 FutureBench 和 NEPBench 数据集上达到 SOTA，显著超越更大规模的 MLLM。其构建了 futurebench-4K 思维链数据集用于监督微调，并集成状态追踪、帧检索和区域放大等诊断工具，通过复合奖励机制联合优化预测精度、因果一致性与可靠先验。
HF Daily Papers精选AI 评分4141 Trace2Env：从交互轨迹构建面向交互式环境模拟的智能体语言世界模型
Trace2Env 提出一种无需训练的智能体语言世界建模框架，在原始系统不可用时将历史交互轨迹重建为可复用 worldbook，并在运行时推断每个动作的观测和长期状态变化。在九个环境的实验中，Trace2Env 在下一观测保真度和长程交互一致性上均优于基于 prompt 的语言世界模型，多轮交互中任务智能体动作在真实环境回放时仍然有效。
推荐理由：在没有可执行环境时仅凭历史交互轨迹重建世界模型并支撑多轮任务，为训练和评估 LLM 智能体提供了一种可复用的替代路径。
HF Daily Papers精选AI 评分3535 SoloQ：面向扩散语言模型的免校准量化方法
SoloQ 提出面向扩散语言模型的免校准后训练量化框架，用结构化 K-RPBH 旋转与轻量重缩放把权重和激活映射到可预测分布，从而支持分布匹配码本和硬件原生 NVFP4。
推荐理由：提出面向扩散语言模型的免校准量化方法，保留 4-bit 精度并给出 NVFP4 部署下的显存与推理加速数据。
HF Daily PapersAI 评分3131 RGPO：基于自适应 Rationale 支架的强化学习推理优化框架
RGPO 框架将真实 Rationale 作为临时支架，自适应辅助大语言模型强化学习训练，以缓解奖励稀疏问题。该方法在纯文本与视觉-语言推理任务中均优于 RLVR 基线，且不要求离线数据与 RL 任务格式匹配，为推理模型训练提供了一种通用方案。
HF Daily PapersAI 评分3333 TRIAGE：面向原生 NVFP4 强化学习的方向感知失配稳定化方法
TRIAGE 是一种面向原生 NVFP4 强化学习的方向感知稳定化方法，通过段级诊断选择性再平衡策略梯度更新，并对残余严重失配进行有界修复。该方法在采样器与学习器上均保留原生 NVFP4 W4A4 前向执行，在 Qwen3-4B 和 Qwen3-30B-A3B 上的五个数学推理基准中达到全精度水平性能，rollout 吞吐量较 BF16 最高提升 2.3 倍。
量子位精选AI 评分6161 Meshy不到两年ARR破亿美元，AI 3D专业模型能否对抗GPT-6 Astra
量子位分析称，AI 3D生成公司Meshy披露其ARR在不到两年内从100万美元增长至1亿美元。文章对比GPT-6 Astra与Meshy的3D生成能力差异，指出通用模型擅长几何关系任务。
推荐理由：文章从GPT-6 Astra与专业3D模型的对比出发，解释了Meshy在ARR和商业循环上的快速积累，对理解通用大模型与垂直模型的分工边界有参考价值。
Hugging Face Blog精选AI 评分6868 Microsoft 与 Hugging Face 联合发布 ThinkingBox 基准，按数据库终态评估 Agent 一致性
Microsoft 与 Hugging Face 联合发布 ThinkingBox 基准，通过 OpenEnv 接口开放，覆盖 507 个有状态业务工作流，每个任务重复运行 20 次，按终端数据库状态和副作用评分。
推荐理由：原文用 507 个任务和 20 次重复，量化了一次成功与每次都成的差距，可用于挑选真正可用的 Agent 模型。
HF Daily Papers精选AI 评分3737 受控实验检验大语言模型对序列结构的理解能力
该研究通过策略识别、Markov 规则遵循与高阶序列依赖的受控实验，揭示了大语言模型在识别策略与忠实模拟之间存在显著差距：更长上下文未必带来帮助，且匹配的动作分布可能掩盖根本错误的生成机制。这些发现对将大语言模型作为行为模拟器和交互式智能体的评估方式提出了挑战。论文见 https://arxiv.org/abs/2610.04977
推荐理由：原文用受控实验区分识别策略与忠实模拟，指出更长上下文未必有效，并提示现有评测可能高估大语言模型的序列行为能力。
HF Daily PapersAI 评分3333 Agentic RAG 评估预算分配研究：问题数、搜索轨迹与读取间的取舍
一项 Agentic RAG 评估预算分配研究在 HotpotQA 与 MuSiQue 上表明，扩大问题覆盖比增加读取次数或搜索轨迹更有效。在 34.14–34.39M tokens 预算下，问题覆盖更广可使标准误比五次读取低 33%、比三条轨迹低 12.6%。当搜索价格为 0–1 美元/千次请求时增加问题数优于增加轨迹；温度设为 0 可将回答分歧率从 14.3% 降至 3.4%。
HF Daily Papers精选AI 评分4242 论文提出 Belief-Trajectory Energy，量化大语言模型逐层预测轨迹
论文提出 Belief-Trajectory Energy（BTE），通过量化大语言模型逐层预测修订来刻画输入对模型内部信念的影响，并以 Fisher-Rao 几何给出理论解释。
推荐理由：原文给出了一个可在不同任务间迁移的层间轨迹度量框架，读者可以据此判断它在模型可解释性或数据筛选中的可用场景。
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。
量子位精选AI 评分6060 OpenAI安全团队持续动荡，负责人David Robinson离职，三名员工因泄密被开除
OpenAI安全透明度负责人David Robinson离职，三名从事安全与模型对齐研究的员工因向外部AI安全机构泄露公司敏感信息被开除。
推荐理由：具体写出了Robinson主导的system card与Preparedness Framework 2.0工作内容，并点出被开除员工与METR、Redwood Research的关系，便于读者判断这轮人事变动对OpenAI安全治理的实际影响。
Anthropic News精选AI 评分5757 Anthropic 投入 1 亿美元推出 Claude Frontier Academy，目标 2027 年底前培训 1 万名工程师
Anthropic 投入 1 亿美元推出 Claude Frontier Academy，计划在 2027 年底前培训 1 万名 Frontier Deployed Engineer。
推荐理由：Anthropic 以培养自家工程师的标准对外培训客户与合作伙伴人才，合作名单与训练路径给出了规模与时间表。
HF Daily Papers精选AI 评分3838 DiffGate：面向 On-Policy 蒸馏的难度门控教师引导方法
DiffGate 提出一种面向 on-policy 蒸馏的训练目标，把 GRPO 与按群体难度筛选的教师监督结合，仅对失败轨迹施加教师引导并做边界裁剪，避免极端师生差异主导优化。
推荐理由：原文给出 DiffGate 目标的具体设计与量化收益，读者可据此判断在小模型后训练中引入难度门控教师引导的迁移价值。
HF Daily PapersAI 评分3333 ConEx：基于概念感知归因的人类可解释显著性图
ConEx 提出一种结合显著性可视化与概念推理的视觉解释框架，通过架构特定的掩码机制无监督学习类别专属的概念激活向量（CAVs），自动发现概念并生成忠实于模型的显著性图。论文同时提出 VCM 与 CCM 两个互补指标，用于量化概念对齐并与现有方法直接比较。实验显示 ConEx 在忠实度、分割和概念质量基准上达到 SOTA。
HF Daily PapersAI 评分3131 DistScene：面向 3D 场景生成的对象到场景知识蒸馏框架
DistScene 提出一个面向单图像组合式 3D 场景生成的框架，将环境与物体作为独立组件在同一坐标系中联合建模，并通过对象到场景知识蒸馏将预训练物体生成先验迁移到场景生成。其 Scene-Frame Generation 与 Object-Centric Refinement 两个步骤共同学习几何与相对位置关系，在室内与室外基准上相比基线展现出更好的场景级空间连贯性。
HF Daily Papers精选AI 评分3737 R-Quest：用问题有效性与新颖性反馈维持推理模型自进化
该工作提出 R-Quest，通过问题有效性判断和基于冻结基模型的成对新颖性反馈来指导自进化训练，在数学推理、通用推理与代码生成的 12 个基准上取得最高平均分，覆盖两种模型家族；该方法在 10 轮自进化中保持稳定提升，最终一轮比 R-Zero 高 17.32 分。
推荐理由：论文拆解了自进化推理模型训练崩塌的两个机制原因，并给出可迁移的问题过滤与新颖性反馈方案，对自训练稳定性设计有参考价值。
HF Daily Papers精选AI 评分4141 NAMVIS：基于几何条件下一尺度自回归的多视图图像合成框架
论文提出 NAMVIS，一个无扩散的多视图图像合成框架，将多视图生成重新表述为几何条件下的下一尺度自回归任务：通过少量由粗到细的尺度步骤预测离散视觉 token，并在每个尺度内对所有目标视图的 token 并行采样。
推荐理由：在扩散方法主导的多视图合成领域，给出一种以几何条件下一尺度自回归替代迭代去噪的路径，并提供与扩散基线在精度和速度上的直接对比。
HF Daily PapersAI 评分3131 大语言模型的数值线性代数：一篇综述
这篇综述从数值线性代数（NLA）视角梳理机器学习尤其是大语言模型（LLM）的核心技术。文章向NLA研究者阐明LLM核心概念，同时回顾LLM技术中的关键NLA方法及NLA近期对LLM领域的重要贡献。
HF Daily PapersAI 评分3434 PerturBot：通过扰动训练打破视觉-语言-动作模型中的捷径先验
PerturBot 提出一种针对 VLA 模型的扰动训练框架，通过手腕视角扰动、决策相关指令扩写与失败轨迹重标注三种手段，打破策略对模态捷径的依赖。方法不改变推理流程，并配套提出离线诊断指标 GroundingFscore，用于衡量策略对任务证据而非捷径先验的依赖程度。
OpenAI NewsAI 评分2626 Chatham Financial 利用 OpenAI 扩展资本市场业务能力
Chatham Financial 采用 Codex 和 GPT-5.6 改造工作流，将交易验证时间从约 30 分钟压缩到 4 分钟以内。公司同时将 GPT-5.6 接入内部应用平台 Chatham Vibes 和下一代资本市场操作系统 Chatham Onyx，覆盖员工自建工具与资产、债务、衍生品分析。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-6 模型家族实用指南
OpenAI 发布 GPT-6 模型家族实用指南，介绍如何根据能力、推理力度和延迟在 GPT-6 Astra、Sol 与 Luna 之间取舍，并通过提示词缓存（最多减少 95% 成本）、compaction 与监控管理生产中的成本与上下文。
推荐理由：原文给出模型选型、推理级别与提示词配置的具体取舍方法，可帮助读者把 GPT-6 接到生产链路里。
AWS Machine Learning Blog精选AI 评分3636 在 Amazon SageMaker AI 上用多轮强化学习微调搜索 Agent
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习微调 Qwen3.6-27B 搜索 Agent，以 nDCG@10 作为轨迹级奖励。微调后 BrowseComp-Plus 的 nDCG@10 提升 23.7%、失败率从 22.89% 降至 0.68%，WixQA 与 Wands 也分别提升 18.4% 与 6%。
推荐理由：给出在 Amazon SageMaker AI 上用多轮强化学习微调搜索 Agent 的方法、配置与结果，可作为多轮 Agent 训练的参考。
AWS Machine Learning Blog精选AI 评分4141 Amazon Quick 与 Adjudicated Query 模式：把合规判定交给确定性规则引擎
AWS 博客提出 Adjudicated Query 设计模式，把 Amazon Quick 作为聊天入口，由确定性规则引擎完成合规判定，模型只把自然语言翻译成有限 MCP 工具调用并复述结果，判定环节不调用大模型。
推荐理由：原文给出把生成式 AI 限制在对话层、把合规判定留在确定性规则引擎的 Adjudicated Query 架构，并附可部署参考实现，便于迁移到制裁筛查、保险理赔等高风险场景。
Google AI Blog精选AI 评分4141 Google 公布 2026 年 9 月 AI 更新：涵盖 Gemini 4 Argon、3.8 Flash、WeatherNext 3 等多项发布
Google 官方汇总 2026 年 9 月 AI 发布动态，重点推出 Gemini 4 Argon 前沿模型（1-million-token 上下文窗口、面向网络安全防御，通过 Fairwind Program 向可信用户开放），以及 Gemini 3.8 Flash、3.8 Flash Cyber、3.8 Live、3.8 Flash TTS 等模型。
推荐理由：汇总 Gemini 4 Argon、3.8 Flash 系列、Live、TTS、Connected Apps、Project Suncatcher 等多项发布，读者可据此了解当月 Google AI 的整体动向。
NVIDIA Blog精选AI 评分5252 NVIDIA DGX Spark 64GB 配置即将上市，支持双机集群扩展至 200B 参数
DGX Spark 64GB 配置将于 10 月 23 日通过 Acer、ASUS、Dell、Gigabyte、HP、MSI 开售，起售价 $4,999，搭载 GB10 Grace Blackwell Superchip，可本地运行最高 100B 参数模型。
推荐理由：DGX Spark 64GB 把本地 AI 部署门槛压到 $4,999，双机集群可扩展到 200B 参数并带来约 1.7 倍性能，给本地与云端工作流的成本对比提供了一个具体参考点。
GitHub Blog · AI & MLAI 评分2626 GitHub：AI 正在改变开发者工作，三项技能值得强化
AI 正在重塑开发者的工作重心，从编写代码转向引导 AI 智能体、评审输出并做出技术判断。文章建议强化三项技能：学会指挥多个 AI 智能体协作、不盲信首轮回答（GitHub Copilot 内置的 Rubber Duck 智能体即采用第二模型评审），以及把省下的实现时间投入到判断力与权衡决策上。
MIT Technology Review精选AI 评分3636 MIT Technology Review 每日通讯：前 DeepMind 成员称大语言模型不会真正推理
前 Google DeepMind AlphaGo 团队核心成员 Thore Graepel 撰文称，当前大语言模型并不具备真正的推理能力，并解释他近期离开 DeepMind 是为寻找借鉴 AlphaGo 架构的新机器推理路径。本期还汇总 OpenAI 自主智能体疑似波及逾 100 家组织、Yann LeCun 关于智能体失控的评论，以及生物逆龄竞赛、Nvidia 芯片走私等其他当日科技要闻。
推荐理由：前 DeepMind AlphaGo 团队成员发文质疑大语言模型缺乏真正的推理能力，为讨论当前模型智能边界提供一个来自一线研究者的对照视角。
AWS Machine Learning BlogAI 评分3131 用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔
Hmm, but the original is more like a how-to title. Let me make it sound more like a how-to。
MIT Technology ReviewAI 评分2525 Younger 比赛：NeuroAge Therapeutics 创始人发起，约 500 人竞相逆转生物年龄
神经科学家 Christin Glorioso 发起 Younger 比赛，约 500 名参赛者将在六个月内竞相逆转生物年龄。参赛者通过 TruDiagnostic 血样、NeuroAge 认知测试、面部年龄 App 等多种"老化时钟"测量生物年龄，标准报名费 999 美元，Ultra 组 4499 美元含 MRI 与 DEXA 扫描。
量子位精选AI 评分5353 openJiuwen发布自演进模型路由X-Router，昇腾亲和，Agent调用成本最高降51.4%
openJiuwen（华为2012实验室等团队）开源自演进模型路由技术 X-Router，在 Agent 与模型之间引入路由层，按任务复杂度动态选模并通过反馈闭环持续优化。
推荐理由：提供了按任务复杂度动态选模在 PinchBench 和 Terminal-Bench 上的成本与得分对照数据，对评估 Agent 多模型调用时的成本控制有具体参考价值。
量子位精选AI 评分7171 arXiv 新规：每人每月最多提交 2 篇论文，拒稿不退额度
arXiv 自 2026 年 10 月 1 日起实施新限流政策，每位提交者每个自然月最多提交 2 篇论文，被拒稿也照扣额度，跨所有分类共用。官方数据显示 2026 年 9 月投稿量已达 40363 篇，其中 cs.AI 分类两年增长超 6 倍，大量低质量论文挤占志愿审核员时间。新规还保留每人最多 3 篇 active 投稿的限制，目前被视为临时措施，后续将根据 AI 辅助研究趋势再调整长期规则。
推荐理由：arXiv 把每月两篇的具体限制、扣额度规则和主动撤稿例外都讲清楚了，读者可据此重新安排投稿节奏。
Hugging Face Blog精选AI 评分4242 ServiceNow 发布 AutoSynthData：按模型能力缺口生成企业智能体训练数据
ServiceNow CoreAI 在 Hugging Face Blog 发布 AutoSynthData 框架，通过分析目标模型在企业环境中的失败用例、由更强教师示范成功轨迹，自动生成带验证器的合成训练任务，按 Target 与 Multiply 两阶段扩增样本。
推荐理由：以目标模型的失败用例驱动合成训练数据生成，并把任务难度逼近能力边界，为企业智能体后训练提供了一种可迁移思路。
NVIDIA Blog精选AI 评分6565 GPT-6 Astra Ultrafast 如何借助 NVIDIA Blackwell GPU 实现最高 8 倍推理加速
OpenAI 在 NVIDIA Blackwell GPU 上推出 GPT-6 Astra Ultrafast 模式，借助推理优化使 token 生成速度比 Astra Standard 模式最高提升 8 倍，现已在 OpenAI API 及符合条件的 ChatGPT Work 和 Codex 用户中开放。
推荐理由：OpenAI 借助 NVIDIA Blackwell 架构与自研模型优化，将 GPT-6 Astra 推理速度提升至最多 8 倍，呈现了软硬件协同迭代的具体做法。
AWS Machine Learning Blog精选AI 评分3838 使用 Amazon Bedrock AgentCore 的 AI 智能体扩展云迁移规模
AWS Professional Services 在 Amazon Bedrock AgentCore 上推出四智能体云迁移架构，在一个 300+ 应用迁移项目里把单应用 IaC 开发时间从 3 到 4 周压缩到分钟级（数据来自内部项目跟踪）。
推荐理由：给出了四智能体模式的代码与架构细节，以及 MCP 工具与 Bedrock Guardrails 的接入方式，可作为云迁移或 IaC 自动化的参考实现。
HF Daily PapersAI 评分3030 DuoMatching：面向少步视频生成的联合-边缘分布匹配框架
DuoMatching 提出面向少步视频生成的分布匹配框架，通过统一的联合-边缘公式近似真实视频分布，并由图像生成器提供帧级监督。框架引入 LatentBridge 解决视频学生模型与图像教师模型的潜空间表征差异，并借助 Latent Variation Sampling 将帧级监督分布到不同时间片段。实验显示其在视觉质量、构图与语义对齐上均有提升，人类偏好率在所有对比基线上超过 80%。