跳到正文
只看一手
10月2日周五
  1. HF Daily Papers25

    SEER：面向时间序列预测的自进化事件推理与检索框架

    SEER 是一个面向时间序列预测的闭环框架，将预测误差解耦为反射式检索记忆与持续因果知识库两类反馈机制，分别用于过滤噪声、修正后续检索查询，以及提炼可迁移的领域动态。框架在事件检索与反思过程中强制严格的时间顺序约束，以防止前视偏差和数据泄露。在六个波动性时间序列 benchmark 上，SEER 持续超越现有 SOTA 时序基础模型和大语言模型基线。

  2. HF Daily Papers34

    Harness-Aware Distillation：面向小语言模型智能体的蒸馏方法

    Harness-Aware Distillation（HAD）在 on-policy 蒸馏基础上新增动作偏好对比与有效性校验两个组件，专注于学习教师模型在 harness 之外提供的增量能力，无需任务奖励、成功标签或未来信息。该方法在多个长程智能体基准测试中优于同条件下的蒸馏基线，更少陷入无效循环且错误恢复更频繁。

  3. HF Daily Papers28

    6G Open RAN 中 RIC 时序下的意图解读：Jev 决策模型与大语言模型对比

    一项 6G Open RAN 意图解读对比研究显示，Jev-1.13.0 决策模型在 99.8% 调用中满足 1 秒近实时预算，两款托管大语言模型分别仅 17.9% 和 0%。大语言模型中位解读耗时 0.286 至 2.35 秒，远超 A1/E2 传输的 25 毫秒以下；在 RANIntent v1 基准上没有任何托管大语言模型在基点带来相对 Jev-1.13.0 的可分辨 SLA 改善。

  5. HF Daily Papers32

    Collective Bias Mitigation：基于模型路由与多模型协作的 LLM 偏见缓解框架

    Collective Bias Mitigation (CBM) 框架通过模型路由与多模型协作缓解大语言模型偏见，弥补单一模型自去偏的不足。在 top-7 设置下，Committee 拓扑将年龄偏见分数从 0.25 降至 0.10，显著优于独立基线。框架包含 Debating 和 Committee 两种拓扑，后者兼顾偏见缓解效果与推理成本。

  7. AWS Machine Learning Blog38

    Amazon Payments 在 AWS 上用上下文 bandit 提升获客漏斗转化的实践

    Amazon Payments 用 LinUCB 上下文 bandit 在 Amazon SageMaker AI 上做整漏斗多目标个性化，7 周 A/B 测试中一位客群获得高单数位的最终转化相对提升，另一客群则未见改进。

    推荐理由：Amazon Payments 给出 LinUCB 上下文 bandit 在 SageMaker AI 上做整漏斗个性化的生产架构与 Python 代码，含上线后人群分化的经验。

  8. Ai2 Blog49

    Ai2 开源 AstaBrief 8B：面向科学报告生成的快速模型

    Ai2 开源 AstaBrief 8B 科学报告生成模型，基于 Qwen3-8B 经 SFT 和 DPO 训练。模型已集成进 Asta 平台的 Generate a report 功能作为 Fast mode，平均 51.1 秒生成一份报告，比 Claude 驱动的 Thinking mode 快约 3.5 倍。

    推荐理由：文章详细介绍了面向科学报告生成的小模型训练数据筛选与评估方法，为同类任务的数据工程实践提供了可参照的取舍。

  9. Meta AI Blog3

    Meta AI 官网 Publications 页面导航索引

    该页面为 Meta AI 官方网站的导航索引，列出 Publications、AI Research、Projects、Muse、Muse Agent、Meta AI Assistant、Media Generation、Vibes 等栏目入口，并提供 About、Careers、GitHub、Learning Hub、Demos 等站点链接。

10月1日周四
  3. 量子位69

    谷歌发布 Gemini 4 Argon：搭载 RSI，基准成绩领先 Opus 5.5 和 GPT-6

    谷歌发布 Gemini 4 Argon 旗舰模型，搭载 RSI，在 DeepSWE v1.1（77.4%）、CWE-bench v1（68%）、Vals Index（68.90%）等基准上领先 Claude Opus 5.5 和 GPT-6 Astra，并在 Code Arena 排第八。

    推荐理由：文章集中给出 Gemini 4 Argon 与 Opus 5.5、GPT-6 Astra 在 DeepSWE、CWE-bench、Text Arena 等基准上的横向对照和价格差异，读者可据此定位它在前沿模型梯队中的相对位置。

  5. NVIDIA Blog27

    NVIDIA AI 工厂如何以生产力、耐久性与通用性最大化投资回报

    NVIDIA 将 AI 工厂的投资回报最大化归结为生产力、耐久性与通用性三大特性。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 较 GB300 NVL72 每兆瓦吞吐量提升超 30 倍，在 DeepSeek V4 Pro 模型上单百万 token 成本最高降低 45 倍。CUDA 跨代兼容令 2020 年出货的 A100 GPU 服役至今仍持续创造收益。

  6. MIT Technology Review33

    The Download：AI "读心"从脑扫描重建所见图像，小型分布式电池助力电网

    一款 AI 工具可通过脑扫描重建人所见图像，也能由图像预测大脑活动，有望帮助闭锁状态患者沟通，但也引发未经同意解读内心图像的担忧。与此同时，受大型公用储能因火灾风险遭遇社区抵制的影响，创业公司正将小型分布式电池部署到电磁炉、餐车等场景，帮助用户降低电费和污染。

  7. MIT Technology Review43

    AI「读心」工具可通过脑扫描重建所看图像

    以色列魏茨曼科学研究所 Michal Irani 团队开发出一种 AI 工具，仅凭高分辨率 fMRI 脑扫描就能重建被试者看到的图像，并在对比中显著优于已有方案。

    推荐理由：原文把这项脑扫描重建图像方法与此前需约 40 小时校准的方案做了对比，并讨论迁移到 EEG 后放大的隐私风险。读者可以据此判断当前脑解码技术的实际进展。

  10. HF Daily Papers30

    Argo-Bench：在企业级工作流上评估数据智能体

    Argo-Bench 是一个新发布的预印本基准，专注于评估 LLM 数据智能体在企业级工作流中的日常决策能力。作者指出，现有 text-to-SQL 基准（如 Andon Labs 的 Vending-Bench 2）多止步于微观决策，而 Argo-Bench 旨在测试大语言模型在预测、欺诈预防等多业务领域的大型企业级表现。项目页已上线演示。

  12. HF Daily Papers33

    EditHero：长时程部件级 3D 编辑与 vibe modeling 基准

    EditHero 是首个面向长时程部件级 3D 编辑的基准，提供自然语言指令与几何/纹理目标图像，编辑序列经人工审核。研究对比自上而下从学习到的 3D 表示重新生成对象的非智能体方法，以及通过代码自下而上修改网格的 LLM/VLM 智能体。非智能体方法常遗漏目标改动并扰动其他区域，多数 LLMs 遵循指令更准确且更好保留未编辑部分，但每次编辑耗时数分钟。

  13. HF Daily Papers33

    SimuVerity：面向工程级 Simulink 模型生成的智能体评测基准

    SimuVerity 是面向工程级 Simulink 模型生成的智能体评测基准，包含 10 个工程领域的 101 个任务。该基准采用分层评估器，从交付物、可执行性、工程合格性及 6 个维度对生成模型打分。在 6 个智能体系统的评测中，最佳系统总分仅 42.86，部分高分模型仍存在严重视觉布局混乱。

  14. HF Daily Papers31

    选择式结构化推理（SSR）：迈向高效多模态搜索智能体

    研究提出选择式结构化推理（SSR）框架，将多模态搜索智能体的推理从开放式生成改为从预定义自然语言候选中选取，以降低小模型开销。在 2B 和 4B 模型、七个多模态搜索基准上，SSR 结合监督微调与多种强化学习目标，在任务成功率与同规模领先搜索智能体相当的同时，将单轮推理延迟降低超过 90%，整体每题模型推理延迟降低 28-54%。

  15. NVIDIA Blog28

    NVIDIA 开放 2027–2028 学年研究生奖学金申请，单项最高 $60,000

    NVIDIA 研究生奖学金项目即日起开放 2027–2028 学年申请，单项奖金最高 $60,000，面向从事 AI、机器学习、自动驾驶、计算机图形、机器人、医疗及高性能计算相关研究的博士生。申请截止日期为 2026 年 10 月 30 日，候选人须在 2027 年夏季于 NVIDIA 研究办公室完成线下实习。该项目自 2002 年

  16. Ai2 Blog51

    Ai2 发布开源 MoE 训练基础设施 Olmo-core 3，瞄准万亿参数规模

    Ai2 发布开源训练基础设施 Olmo-core 3，面向大模型 MoE 架构设计，可扩展到万亿参数规模。系统从 FSDP 切到 DDP，保留专家权重驻留在 GPU 上；在 8 张 NVIDIA B300 GPU 上，47B 参数 MoE 吞吐约 52,000 tokens/s/GPU，较旧实现约 2.7 倍。

    推荐理由：完整公开了面向万亿参数 MoE 的训练栈设计、关键优化和吞吐量基准数据，对自建大模型训练系统的团队有参考价值。

9月30日周三
  1. 量子位62

    OpenAI推理之父最新访谈：数学只是多智能体时代的开胃菜

    OpenAI研究员Noam Brown在最新播客访谈中把数学解题视为多智能体时代的开场，讨论了多智能体扩展、递归自我改进与对齐等议题。他透露OpenAI用1万个Agent、88小时、1300亿token解出Navier-Stokes千禧年难题，但表示其中多智能体贡献不到10%，核心仍是模型本身；他同时指出思维链可监测性正在下降，并强调对齐是当前第一优先事项。

    推荐理由：OpenAI推理核心成员在长访谈中复盘多智能体拿下千禧年难题的细节，并给出对齐、递归自我改进与思维链监测的判断。

  2. HF Daily Papers34

    LOCI：面向流式世界模型的空间线性记忆架构

    LOCI 是一种面向视频世界模型的混合空间记忆架构，将 KV cache 与循环线性注意力记忆结合。记忆读写由投影相机几何条件驱动，在 MIND 基准和留出轨迹上比同类世界模型与 full softmax 更忠实地复现重访内容；满历史场景下峰值内存降低约 30%，有界记忆库下可恒定内存流式处理长视频。

  3. 量子位65

    Anthropic警告智谱GLM-5.3网络安全能力，量子位解读为反向广告

    Anthropic发布网络安全报告将智谱的GLM-5.3点名为开源权重模型中网络能力最强的一款，量子位分析质疑报告里的实测数据实为GLM-5.3的免费广告。

    推荐理由：文章将Anthropic对GLM-5.3的警告放入开源与闭源产品形态之争，并附上abliteration成本与攻击链细节，可作为比较两种路线安全取舍的参考。

  5. 量子位60

    Manus 2.0 回归发布，新增个人 Agent 应用 Cue 与升级版 Studio

    Manus 发布回归独立运营后的首个重大版本 Manus 2.0，包含全新个人 Agent 应用 Cue 和升级后的桌面工作台 Studio。Cue 给每个 Agent 配上独立的邮箱、电话号码、钱包和电脑，可对外发消息、在用户授权预算内付款、在独立机器上执行任务，多个 Agent 还能被拉入同一群聊协作，目前面向海外邀请测试。

    推荐理由：Cue 给 Agent 配上邮箱、手机号、钱包与电脑，多个助手还能进同一群聊协作，可作为观察个人 Agent 产品形态的一种典型设计。

  6. AWS Machine Learning Blog49

    Amazon Bedrock 在首尔和新加坡上线 Claude Opus 5 与 Sonnet 5 区域内推理

    Amazon Bedrock 在首尔区域上线 Claude Opus 5 与 Claude Sonnet 5、在新加坡区域上线 Claude Sonnet 5 的区域内推理能力，请求与数据全程不离开所调用的 AWS 区域。

    推荐理由：介绍在首尔和新加坡区域使用 Bedrock 调用 Claude Opus 5 与 Sonnet 5 的方式，便于有本地数据驻留需求的用户评估接入路径。

  7. HF Daily Papers31

    Architect-Ant：可编辑的建筑平面图自动家具布置

    研究者提出 Architect-Ant 框架与 AntPlan 数据集（505 张专业平面图、92 类家具、10 种房间），对真实建筑平面图自动生成可编辑家具布局，无需预设推理轨迹。其功能完整性与布局规则得分在对比基线中最高，几何违规更低，生成速度显著快于迭代式 agentic 方法，输出可直接转为 3D 场景。

  8. HF Daily Papers34

    面向部分可观测机器人操作：HIDE 记忆基准与 SEEK 增强框架

    研究人员提出 HIDE 基准与 SEEK 框架，分别用于评估和增强部分可观测机器人操作中的任务级记忆能力。HIDE 包含 15 个任务，涵盖重复计数、历史状态回忆与执行进度追踪，SEEK 融合三种互补记忆机制。实验显示现有策略在 HIDE 上存在显著局限，记忆增强在仿真与真实环境中均提升任务成功率，三机制组合在所评测配置中取得最高平均成功率。

  9. HF Daily Papers33

    JevSpawn：通过组合动作空间实现自适应智能体推理

    JevSpawn 是一种组合策略，将自然语言任务规范映射到有限概率探索空间，通过并行动作生成、反馈驱动的分支选择、表示修订和替代路径恢复，无需额外训练即可减少重复生成与上下文计算。在 8 个基准任务上对 7 个智能体基线及 TypeSafe Jev 变体的评估显示，JevSpawn 在任务性能和导航速度上均优于对比方法。

  11. HF Daily Papers28

    Diptych: 支持范围自定义与 AI 解读的音乐制作参考听音对比系统

    Diptych 是一个用于音乐制作参考听音的 AI 辅助对比系统，允许用户在整曲或独立片段上自定义对比范围，并查看结构化音频特征与范围对应的 AI 解读。在 12 名音乐人的被试内实验与 4 位专家盲评中，借助该系统发现的 10 项差异中有 9 项获得至少部分专家支持，且参与者反馈系统易用性好、对下一步行动更清晰。

  13. AWS Machine Learning Blog27

    Amazon Quick 提示词工程基础指南（系列一）

    Amazon Quick 的提示词工程决定了其 AI 功能响应自然语言请求的准确性与可靠性。本文作为系列第一部分，梳理了跨组件适用的核心原则——清晰具体、以上下文驱动相关性、用示例代替描述——并介绍了适用于复杂场景的结构化 CRISPE 框架。第二部分将针对 Research、Flows、Sight、Chat Agents 与 Action Integrations 等组件展开具体技巧。

9月29日周二