EditAgent：重新思考智能体图像编辑的动作与观察空间
EditAgent 将每个编辑步骤路由至通用编辑器和专用方法，并为候选结果附加验证记录，以扩展智能体图像编辑的动作空间与观察空间。专家标注基准显示，通用编辑器在超过 40% 的案例中没有可用结果，且没有评审器能在各类编辑上保持可靠。
推荐理由：论文把智能体图像编辑的问题归纳为动作空间与观察空间限制，并通过路由编辑器和记录式评审提升可靠性与效率。
全部 AI 动态
HF Daily Papers精选AI 评分4848 HF Daily Papers精选AI 评分4343 论文探讨迈向 AGI 的规模化是否取决于 System-1 让 System-2 执行哪些交互
研究团队有条件地肯定这一方向：在预测、筛选、执行、更新的闭环中，轻量级 System-1 评估候选交互，资源密集型 System-2 只执行获准交互，可降低计算开销。
推荐理由：论文将有用交互密度 ρ_u 与执行成本和选择遗憾关联，给出推理规模化效率的可测量坐标与理论边界。
HF Daily Papers精选AI 评分7070 EmbeddingGemma 2 论文提出统一高效的多模态表征方案
EmbeddingGemma 2 论文提出一个原生统一文本、图像、音频、视频及其组合表征的开源多模态嵌入模型。模型采用简化逐层嵌入与包含模态和目标递进的多阶段课程，并在覆盖各模态的综合嵌入基准中超过专用模型及规模大 2 至 12 倍的模型。设计支持选择性加载模态编码器、调整视觉 token 预算、截断嵌入维度和量化权重，论文地址为 https://arxiv.org/abs/2610.37364。
推荐理由：论文在统一多模态表征之外，还报告了相对专用模型和规模大 2 至 12 倍模型的性能对比。
OpenAI NewsAI 评分2727 OpenAI 探讨 AI 如何进入组织架构：位于人类之下、身旁与之间
OpenAI 探讨 AI 可能进入组织架构的三种位置：位于人类之下、身旁与之间。讨论以人在组织中的位置为参照，分别对应从属层级、并列协作和嵌入成员之间连接三类组织角色。
AWS Machine Learning Blog精选AI 评分6060 AWS 介绍用 Amazon Nova Act 扩展 QA Studio 智能体 QA 自动化
AWS 在第三篇教程中讲解 QA Studio 的应用管理与团队权限能力，展示如何扩展基于 Amazon Nova Act 的智能体 QA 自动化。应用归组用例和测试套件，并按环境展示通过率、执行次数、失败数、趋势、不稳定测试排名及 0–100 健康分；分级角色限定应用权限，跨团队共享以接收方角色为上限。
推荐理由：教程给出组织级 QA 扩展的具体路径，用应用归组、健康指标、分级角色和跨团队授权上限管理测试资产与权限边界。
AWS Machine Learning Blog精选AI 评分6767 用 Ray Train DLC 和 EFA 在 EKS 上进行 PyTorch 分布式训练
AWS 演示了在 EKS 上使用 Ray Train DLC 与 EFA 进行多机 PyTorch 分布式训练，无需自行构建包含 CUDA、NCCL 与 EFA 的容器镜像。
推荐理由：文章以统一 Ray Train 镜像贯通 EKS、KubeRay 与 EFA 配置，完整展示多机训练从集群部署、作业提交到 EFA 路径校验的落地方法。
AWS Machine Learning Blog精选AI 评分6868 在 Amazon Bedrock AgentCore 上构建企业级 AI 智能体平台
AWS 讲解如何基于 Amazon Bedrock AgentCore 构建企业级智能体平台，并用多账户架构治理模型、工具、身份、评测和成本。配套蓝图提供平台控制平面和可重复的 Workstream 单元，以推理网关、MCP 工具网关、部署后评测和人工审批约束生产发布。
推荐理由：文章给出多账户智能体平台的参考实现，梳理团队隔离、模型与工具授权、评测门禁及退役验证等企业级落地方法。
Google DeepMind同事件AI 评分7575 Google DeepMind 发布 Gemini 4 Carbon，聚焦长周期编程与网络安全
Google DeepMind 发布前沿模型 Gemini 4 Carbon，面向长周期智能体工作流与网络安全防御，并计划先向部分网络防御人员开放。
同一件事，精选收录的是《Google发布Gemini 4 Carbon，Artificial Analysis智能指数5.0以59分登顶》
OpenAI NewsAI 评分2626 Legora 正在构建用于法律工作的智能体操作系统
Legora 正在构建用于法律工作的智能体操作系统，使用 OpenAI 模型、ChatGPT 和 Codex。这些工具用于加速法律工作流、拓展合同分析，并让律师把精力转向更高价值的工作。
Hugging Face Blog精选AI 评分8080 NVIDIA 发布 Nemotron 3.5 Transcribe 开放权重模型与 Granary v2 多语种数据管线
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe，并开放 Granary v2 多语种数据管线；前者集成 40 种语言转录、31 种语言与英语互译、说话人区分和英文音频问答。
推荐理由：原文给出从提示词优化到数据构造、LoRA 微调、检查点选择和评测的完整医疗语音适配流程，可直接用于复现同类场景。
NVIDIA Blog精选AI 评分7474 NVIDIA RTX Spark Windows 笔记本开售，新增本地模型、智能体工具和游戏支持
NVIDIA RTX Spark Windows 笔记本现已由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 开售，起售价 $2,599，并新增或计划引入本地模型、智能体工具与游戏支持。
推荐理由：原文将模型能力、GPU 资源分配与本地部署条件并列呈现，读者可据此判断 RTX Spark 对轻量本地 AI 工作流的适配范围。
MIT Technology Review精选AI 评分4646 MIT Technology Review The Download：AI 实验室购买倒闭初创公司数据，评估跨物种通信进展
MIT Technology Review 的 The Download 汇总了 AI 实验室购买倒闭初创公司数据以训练智能体，以及 AI 辅助研究动物通信的两项内容。
推荐理由：文章呈现 AI 实验室从倒闭初创公司采购真实训练数据的路径，并指出相关交易带来的法律与伦理争议。
OpenAI NewsAI 评分2626 Legora 正在构建面向法律工作的智能体操作系统
Legora 正在构建面向法律工作的智能体操作系统，并使用 OpenAI 模型、ChatGPT 和 Codex 加速法律工作流、扩大合同分析范围。这些能力旨在让律师把精力转向更高价值的工作。
HF Daily Papers精选AI 评分5353 离散视觉 token 能否成为视觉信号的语义无损表示？
这项研究表明，因子化向量量化可让离散视觉 token 在多模态理解上追平连续视觉表示，更大的量化误差也可能对应更好的理解表现。研究将有效 bit 预算识别为下游性能的关键因素，其模型在九项指标均值上较 UniAR 和 Emu3-Chat 分别领先 22.8% 和 59.2%，并在细粒度 OCR 任务上具备与 Qwen3-VL 等连续表示模型竞争的能力。
推荐理由：论文以量化误差与语义保真度的关系为切入点，对比连续与离散视觉表示，并给出可扩展的并行码本量化方案。
HF Daily Papers精选AI 评分5454 论文提出 EvidenceConnect，以合成证据连接数据提升 Zooming without Zooming v2 的多模态感知泛化能力
论文提出 EvidenceConnect，通过同一图像相关区域的缩放视图合成问题，并用 RLVR 训练出 Zooming without Zooming v2（ZwZ2）。框架仅保留多个独立 VLM 达成一致的参考答案，并通过区域消融剔除移除相关区域后答案仍成立的问题。ZwZ2 改善了细粒度与空间感知，并在具身空间推理、多模态长上下文理解、多模态智能体任务和通用视觉推理上获得进一步提升。
推荐理由：论文把证据连接抽象为可合成能力，并用独立 VLM 一致性与区域消融筛选训练数据，给出可复用的多模态训练流程。
HF Daily Papers精选AI 评分4949 VibeVideoBench：评测多模态智能体的代码驱动视频生成能力
VibeVideoBench 提出一个评测多模态智能体代码驱动视频生成能力的基准，包含239项中英文自包含任务和12个类别。每项任务要求智能体在无图像或视频生成模型的沙箱内用代码产出带声音的 MP4，并在1小时内完成；评估结合交付规范程序检查、约13k项任务量规和3个VLM评审组。
推荐理由：该基准覆盖239项中英文任务，并用分层量规与人类偏好对照，揭示智能体常因时间管理影响最终视频交付。
量子位精选AI 评分7171 蚂蚁百灵开源 Ling-3.1-flash-1019 与 Ling-3.1-flash-base，面向 Personal Agent 真实任务
蚂蚁集团旗下百灵大模型正式开源面向 Personal Agent 场景的 Ling-3.1-flash-1019，并同步开放 Ling-3.1-flash-base 基础模型。
推荐理由：文章同时给出复杂任务基准变化、基础模型架构与开放许可，便于开发者评估 Personal Agent 的模型选型与二次训练空间。
HF Daily Papers精选AI 评分3838 PDRVLA：融合物理动力学表征的视觉语言动作模型
PDRVLA 将轻量物理动态模块引入视觉语言动作模型，通过预测未来视觉特征改善机器人动作生成，并避免在线视频生成延迟。该模块直接预测未来的 RGB、深度和光流特征，并用冻结的预训练视频世界模型进行辅助监督。
推荐理由：论文将轻量物理动态预测接入视觉语言动作模型，并通过消融实验分析世界模型监督、子任务条件化与 ECoT 训练对动作成功率的影响。
HF Daily Papers精选AI 评分4747 Prox：MoE 解码的通道选择无需校准数据
Prox 用 top-k 通道选择替代依赖离线校准数据的阈值筛选，并提出完全由模型权重构建的 reader，以加速 MoE 推理。在 13% 和 18% 读取预算下的 43 组比较中，top-k 版本有 40 组匹配或超过阈值版本，其中 23 项生成任务比较均达到或更优，并避免 Gemma 4 上阈值筛选导致的重复循环崩溃。
推荐理由：论文以 top-k 替代校准阈值，并在 3 个后训练 MoE 模型上对比读取比例、准确率与推理速度。
量子位精选AI 评分5151 千里科技4D毫米波雷达实现端到端AI处理，支持三种工作模式
千里科技在一颗4D毫米波雷达中引入端到端AI处理，从天线设计和波形生成延伸至点云检测、测角、增强、目标跟踪与分类，雷达内置10 TOPS NPU。相较上一代DSP端侧4D雷达，点云密度增强10倍、探测距离提升40%、鬼影消除提升至95%、空间角分辨力提升12倍。雷达支持边缘侧、卫星架构和兼容三种模式，可输出结构化感知结果、传输原始数据，或并行完成两类处理。
推荐理由：文章拆解千里AI雷达的边缘、卫星与兼容三种架构，呈现模型如何减少规则依赖并改变雷达与中央域控的分工。
量子位精选AI 评分6363 RoboParty 发布全栈开源人形机器人 RP1
RoboParty 正式发布全栈开源人形机器人 RP1，开放机械图纸、电气系统、ROMOMO 关节、底层控制、仿真、训练和部署等资源。RP1 身高 135cm，提供 24 个和 30 个主动自由度的开源版与开源版 Pro，已展示连续行走、人体动作跟踪、扰动恢复和跌倒起身等真机能力。
推荐理由：RP1公开从机械图纸到训练部署的多层资源，研究者可更直接定位控制与硬件偏差，并复用底层资源开展研发。
HF Daily Papers精选AI 评分5050 CodeCap-Bench 论文提出以代码作为视频字幕的评测基准
CodeCap-Bench 论文提出以可执行代码作为视频内容的补充表示，并推出评测多模态模型代码字幕生成能力的基准。该基准包含323个视频、五类结构化2D内容、细粒度标注和多层级评测框架。实验显示，代码字幕在问答推理准确率和视频重建保真度上优于自然语言字幕，但领先专有模型仍难以忠实呈现复杂时序，开源模型明显落后。
推荐理由：论文用323个视频和五类结构化2D内容构建基准，并同时比较问答与视频重建结果，便于比较模型在复杂时序描述上的差异。
HF Daily Papers精选AI 评分5555 Hy-Nomas：面向自由形式交互式世界生成的视频世界模型
Hy-Nomas 提出一种采用 8B 扩散骨干的视频世界模型，可依据多轮自由文本指令和连续镜头控制生成可变长度片段。模型结合结构化视频描述与动作感知因果注意力，在保留交互历史和动作后果的同时限制动作的作用窗口；视觉语言 Prompt Enhancer（PE）会将用户请求和多模态交互历史转换为下一片段的结构化条件。论文还公开模型权重、代码、基准和轻量适配流程，人工评测显示其表现优于现有世界模型。
推荐理由：论文将多轮指令、历史缓存和动作时间窗约束整合进 8B 扩散骨干的视频世界模型，并公开代码与基准，为复现交互式生成研究提供技术路径。
HF Daily Papers精选AI 评分4040 ThinkWorld 通过世界想象强化链式动力学推理
ThinkWorld 提出 Vision-Language-Action（VLA）学习框架，将动作推理置于世界动力学中，并通过世界想象强化学习利用无动作标注的人类视频。
推荐理由：ThinkWorld 用动作标注初始化 CoD，再以世界想象强化学习利用无动作标注的人类视频，为机器人跨本体迁移提供可复用方法。
HF Daily Papers精选AI 评分3535 LociArt 提出统一范式实现自由风格局部视频风格化
LociArt 提出统一范式，通过生成式细化网络实现自由风格的局部视频风格化，并保持非目标内容与较强的时间一致性。GRNStyle 引入极坐标风格感知掩码及表示—几何条件控制，结合自动化数据管线构建包含 100K 个局部风格化配对的 LociArt-100K Dataset。
推荐理由：LociArt 将区域风格控制、自动化配对数据构建与专用基准整合到统一框架，便于对照评估局部风格化质量、非目标保留和时序稳定性。
OpenAI News精选AI 评分6161 Retell 使用 OpenAI 模型支持每月 100M 次通话
Retell 使用 OpenAI 模型支持每月 100M 次通话，GPT-6 Astra 位居其语音智能体基准榜首。Codex 则帮助其达到每名员工 $1.6M 的年化营收。
推荐理由：材料给出调用规模、智能体基准和人均营收三项案例数据，便于观察 OpenAI 模型在语音智能体业务中的使用结果。
AWS Machine Learning BlogAI 评分2828 AWS 旗下 Amazon Connect 连续第四年获评 2026 Gartner 联络中心即服务魔力象限领导者
AWS 旗下 Amazon Connect 连续第四年获评 2026 Gartner 联络中心即服务魔力象限领导者。Amazon Connect Customer 是面向客户体验的智能体 AI 方案，覆盖主动触达、自助解决和坐席辅助，支持全渠道、企业级规模及可审计的生成式与智能体 AI 行动。
OpenAI News精选AI 评分3535 Check Point 如何利用 OpenAI Daybreak 加速漏洞研究
Check Point 利用 OpenAI Daybreak 加快新安全防护背后的研究，使分析师能够更快地将漏洞情报转化为客户防御措施。
推荐理由：该案例呈现安全团队如何借助 AI 加快漏洞研究，并将漏洞情报更快转化为客户防御，为企业安全流程提供可参考的衔接方式。
OpenAI News精选AI 评分5858 OpenAI 与 Oracle 扩大合作，将业务应用和 AI 智能体带入 ChatGPT
OpenAI 与 Oracle 扩大合作，将业务应用和 AI 智能体带入 ChatGPT，并为 Oracle 的新产品提供支持。
推荐理由：双方合作同时覆盖 ChatGPT 的业务应用扩展与 Oracle 新产品供给，呈现应用和 AI 智能体进入模型产品的协同路径。
Hugging Face Blog精选AI 评分7777 Liquid AI 发布 LFM3 多模态模型家族，六款 2B 级模型共享骨干
Liquid AI 发布 LFM3 模型家族，六款 2B 级模型共享 LFM3-1.7B-Base 骨干，覆盖文本、视觉、音频、全模态和结构化决策。LFM3-1.7B 比 LFM2.5-2.6B 少 35% 参数，文本模型在 4-bit 精度下约占 1 GB并支持 256K 上下文；LFM3-Omni-2B 可接收文本、图像、视频和音频并输出文本或语音。
推荐理由：LFM3 以同一 2B 级骨干衍生六款文本、视觉、音频、全模态与决策模型，并给出单 GPU 微调和端侧部署路径，便于评估小模型专业化方案。
Google ResearchAI 评分4444 Google Research 提出 sleep 框架，改善 LLM 持续学习中的知识保留
Google Research 提出 sleep 框架，让 LLM 在活跃交互与离线睡眠阶段间切换，持续学习新事实并将短期上下文巩固为长期参数。框架以 MoE 参数扩展、GKD 和 RL 模仿学习完成记忆巩固，再通过随机专家选择、合成数据筛选与微调进行“做梦”式自我改进。
HF Daily Papers精选AI 评分4848 WeVisCut：单智能体统筹从旁白到长视频的完整剪辑流程
WeVisCut 研究提出一套脚本转长视频系统，用单一 9B 策略协调视频编辑工具、维护共享制作状态并恢复失败。四阶段数据管线结合编辑反演与验证回放，基于 3,750 个成片生成超过 130K 个训练样本，并提出 100 项任务和 5 项指标。
推荐理由：该研究把长视频编辑决策、故障恢复与 token 成本纳入同一 9B 策略，呈现任务专用智能体在质量与效率上的取舍。
HF Daily Papers精选AI 评分4242 A-RSI：通过自适应任务刷新实现零数据多模态自我改进
A-RSI 在学习信号下降时刷新训练任务，并用由程序生成且可独立验证的答案提升模型的递归自我改进效果。方法依据训练日志中的奖励波动与准确率更新任务池，不参考验证集或测试集成绩，也不使用外部训练样本或人工答案标签。在主要十一项基准测试套件中，加入 800 个新任务后，性能平均值从 57.77 提升至 61.05。
推荐理由：论文将任务刷新与答案验证拆分，依据训练日志更新任务池，展示了无外部标签的多模态自我改进方法及基准结果。
HF Daily Papers精选AI 评分4747 AskStream 基准：流式视频理解在不确定性下何时主动提问、问什么
研究团队提出 AskStream 多轮基准，用于评估流式视频理解模型在不确定性下主动询问缺失信息的能力。该基准覆盖视频和用户两类不确定性，包含 4 类任务、8 个子任务、438 个视频及 2,714 个人工标注的帧级时间窗口，动作分为等待、提问和回答。在选择题和开放式设置中，最强模型的 Ask-F1 也仅为 52.18%，反映出模型主动寻求信息能力的局限。
推荐理由：AskStream 将流式视频交互拆分为等待、提问和回答三类动作，并用多轮数据呈现模型主动补全信息的关键难点。
HF Daily Papers精选AI 评分4949 IntReal 提出真实场景多模态交错生成数据集与评测基准
IntReal 提出面向真实场景的多模态交错生成数据集与评测套件，用于诊断统一多模态模型的能力差异。IntReal-100K 覆盖四大类交错样本，IntReal Evaluation Suite 通过专家模型从七个维度进行粗到细评估。
推荐理由：IntReal 以细粒度指标定位统一多模态模型在不同能力维度的强弱项，配套数据可用于针对性后训练与改进交错生成。
HF Daily Papers精选AI 评分5454 Soft-MTP 通过 KL 梯度恢复改进多 Token 预测
Soft-MTP 通过 KL 梯度恢复移除多 Token 预测中的噪声残差，在不增加参数且无可测开销下改善困惑度、推测解码与推理表现。该方法支持 DeepSeek 和 Meta 风格的 MTP；在 167M 至 1.2B 参数规模上，相比标准 MTP 获得更低的 NTP 困惑度、更快的推测解码和更高的 zero-shot 准确率，1.2B 模型微调后的数学与代码推理也更强。
推荐理由：论文将标准 MTP 梯度拆为 KL 自蒸馏信号与噪声残差，并给出兼容现有训练内核的一行代码改法，为多 Token 训练提供低开销路径。
HF Daily Papers精选AI 评分4747 Investor's Last Exam：AI 智能体能在看不到未来时完成股票投资吗？
研究团队提出 Investor's Last Exam（ILE）基准，评估 AI 智能体能否仅凭决策时证据完成端到端股票投资研究。其版本化金融数据库覆盖 3.43 million 个文档版本和 9 类来源，以经验证的时间戳约束检索与计算，并通过金融依赖图关联评分标准、来源、计算与假设，在 86 assignments 上联合评估研究质量、预测准确率和模拟投资表现。
推荐理由：ILE以冻结信息集、专家标准和金融依赖图拆解端到端投研链路，可定位模型从研究能力走向预测与投资判断时的断点。
AWS Machine Learning Blog精选AI 评分6767 Amazon SageMaker AI 推出 SOCI 索引镜像，加速训练与处理任务启动
Amazon SageMaker AI 为训练和处理任务推出 SOCI 索引镜像，通过仅拉取启动所需文件并在后台流式加载其余内容，使镜像下载从分钟级降至秒级。在 8 个 1.8–35.4 GB 镜像的基准中，懒加载下载耗时 3–11 秒、提速 8x–46x；完整训练首 epoch 增加 3–16 秒，此后每 epoch 与标准拉取相当，每个作业净提前 1–6 分钟完成。
推荐理由：SageMaker AI 用户可依据按需加载机制、基准数据和接入步骤，评估缩短训练任务启动时间与降低作业等待成本的方案。
面壁 MiniCPM精选AI 评分5151 面壁发布 MiniCPM-OCR Jev 的 GPTQ W4A16 量化版
面壁发布 MiniCPM-OCR Jev 的 GPTQ W4A16 量化版，将权重体积从约 4.43 GB 降至约 2.41 GB。该 2B 模型接收区域图像和候选 OCR 结果，输出 0 至 1 的正确性评分，可用于自动筛选、人工复核和多 OCR 结果择优。
推荐理由：材料给出量化前后的权重体积、跨模型 AUROC 对比和部署入口，读者可据此评估 OCR 质量筛选的精度与资源取舍。
面壁 MiniCPM精选AI 评分5050 面壁开源 MiniCPM-OCR 1.0 DSpark 推测解码头，端到端处理效率提升 55%
面壁开源 MiniCPM-OCR 1.0 的 DSpark 推测解码草稿模型，该模型不是独立 OCR 模型，需与匹配的主检查点配对使用，可将端到端处理效率提升 55%。
推荐理由：材料提供草稿模型与主检查点配对、d2t 映射转换及 vLLM 启动配置，可用于复现 DSpark 推测解码流程。