高德发布全身基座模型 λ0，推动机器人全身动作对齐
阿里巴巴旗下高德发布全身基座模型 λ0，仅用人类行动数据即可让机器人学习移动、姿态和双手操作的全身协调。λ0 在 SIMPLE 仿真基准及多项真机评测中取得 SOTA，采集效率约为主流方法的3.4倍，真机任务成功率较最强对比基线提升22.5%。
推荐理由：λ0以人类全身数据训练机器人，披露3.4倍采集效率、22.5%真机成功率提升及开源入口，便于对照全身动作对齐的实现与迁移效果。
全部 AI 动态
量子位精选AI 评分6868 量子位精选AI 评分4040 iRTE2026：声网CEO赵斌提出五级对话能力框架
声网CEO赵斌在iRTE2026提出五级对话能力框架，把对话式 AI 从单轮应答一路拓展至基于深度关系的沟通。L1至L5分别覆盖自身视角表达、互动规律、个体认知、群体认知与深度关系，赵斌称实时互动基础设施还需支撑低延迟、稳定交互、上下文理解与任务执行。
推荐理由：赵斌的五级框架把对话能力从单轮应答延伸到关系理解，圆桌则补充 Agent、穿戴设备和业务交付视角，为梳理对话式 AI 的演进方向提供具体参照。
量子位精选AI 评分5555 2026物理AI与世界模型大会在南京启幕，发布50个典型应用场景
2026物理AI与世界模型大会10月20日在南京启幕，江苏发布50个典型应用场景，并推出“物理AI与世界模型”高质量数据集行动计划。苏皖十城数据标注联盟成立，《人工智能世界模型》国家标准预研启动，总规模50亿元的投资基金完成战略合作签约。杨立昆、姚期智和约翰·霍普克罗夫特三位图灵奖得主围绕物理AI与世界模型分享观点。
推荐理由：大会集中披露十城数据标注联动、标准工作组、50亿元投资基金和50个应用场景，呈现物理AI推进数据、标准与产业协同的具体路径。
量子位精选AI 评分7979 模思智能与OpenMOSS开源5B参数生图模型MOSS-Image，4天获130万次下载
模思智能与OpenMOSS团队开源5B参数生图模型MOSS-Image，4天在海外社区获130万次下载，GitHub达1.4k Stars。模型采用从零预训练的单流扩散Transformer架构，以DiT为主干，结合冻结的Qwen3.5-9B文本编码器与FLUX.2 VAE，重点优化中英文文字渲染、JSON Layout和最长4096 tokens复杂提示词。
推荐理由：文章汇总MOSS-Image的文字渲染、布局控制和长提示词数据，并梳理加速、量化与推理适配，可用于判断其实际可用性。
量子位精选AI 评分4343 特赞提出企业AI需要客户世界模型与企业世界模型
特赞在WTCC论坛提出，企业AI需要同时构建客户世界模型与企业世界模型，并同步发布Agentic Transformation共建计划。文章将客户偏好、内部流程、资产和默会知识分别纳入两类模型，并讨论专家判断训练数据、业务垂直benchmark及Signal、Plan、Create、Evals闭环。
推荐理由：文章以客户世界模型和企业世界模型作对照，解释企业智能体为何既需理解外部偏好，也需掌握内部流程与默会知识。
量子位精选AI 评分6666 科大讯飞首发星辰TaaS平台，构建模型到行业解决方案的全链路
科大讯飞首发星辰TaaS平台，以星辰MaaS为底层，通过模型调度、智能体引擎、知识工程和工具编排连接模型能力与行业应用。平台覆盖同传翻译、数字员工、办公提效、知识问答、智能营销等场景，并面向企业服务、金融、医疗、教育、能源等行业提供产品与解决方案。平台提出将 Token 消耗嵌入真实业务流程，让每次 Token 调用推动业务任务完成。
推荐理由：星辰TaaS把模型调度、智能体引擎、知识工程与工具编排串成全链路，并给出金融、医疗等行业落地方向。
腾讯混元精选AI 评分7474 腾讯混元发布 Hy-Nomas 交互式视频世界生成模型及 BF16 Diffusers 权重
腾讯混元发布 Hy-Nomas，一款通过文本指令与镜头控制实现自由形式多轮交互的视频世界生成模型，并提供 BF16 Diffusers 权重。模型采用分段自回归 DiT、Qwen 文本编码器和 PixelUMM 视频解码器，以 KV cache 延续上下文；示例使用 4 步去噪，输出 704 × 1280、24 FPS。
推荐理由：模型卡同时给出交互机制、推理参数与基准覆盖，开发者可据此复现多轮视频世界生成，并评估交互控制与空间记忆表现。
OpenAI News精选AI 评分4848 OpenAI 介绍如何强化前沿模型训练与评估环境的安全防护
OpenAI 介绍了加强前沿模型训练与评估环境安全防护的方法，具体措施包括使用离线环境和开展高算力红队测试。
推荐理由：文章聚焦前沿模型训练与评估环境的安全防护，离线环境和高算力红队测试提供了理解其防护思路的具体切入点。
HF Daily Papers精选AI 评分5050 Trajectory2Gym：通过组合覆盖与决策支撑合成工具使用训练交互
Trajectory2Gym 在五个 Qwen3 规模上提升 Tau1、Tau2 和 BFCL，三项基准等权平均提高 16.9-29.8 个百分点。该方法围绕支持不足的组合结构构造可执行交互，只从实际执行中提取由智能体可见历史支撑的决策，并将这些交互作为监督微调单位。其在有状态和多轮交互场景中的增益最强，因为后续决策依赖先前观察与反馈。
推荐理由：论文提出以组合覆盖和可见历史支撑构造工具使用训练交互，并给出跨五个 Qwen3 规模的三项基准增益。
HF Daily Papers精选AI 评分5757 AV-FABLE提出长视频音视频篡改取证基准与NFSR方法
AV-FABLE提出面向长视频稀疏篡改的双时间线音视频取证基准，并以NFSR通过分离的音频与视觉时间解码器读取冻结AV-LLM特征。基准包含 16,650 对原始与篡改孪生视频，共 998 小时和 27 种编辑配置，支持音频与视觉的独立时间定位。
推荐理由：AV-FABLE对比零样本提示与冻结特征读出，展示分离时间解码器在长视频音视频篡改定位上的取证优势。
HF Daily Papers精选AI 评分4646 FORK 奖励以精确率目标缓解基于评分标准的强化学习奖励投机
FORK 奖励联合优化基于评分标准的强化学习中的召回率与精确率，在相近评分覆盖下缩短回答并提高相对基础策略的胜率。精确率目标通过评分标准驱动的必要性信用和事实正确性评分器，要求回答的每个单元既必要又事实正确。
推荐理由：FORK 将奖励目标从单纯覆盖扩展为兼顾覆盖与精确率，并提供回答长度和胜率对照数据，便于理解强化学习奖励设计对输出质量的影响。
HF Daily Papers精选AI 评分5656 Qwen-Image-PE：通过两阶段训练学习文本生成图像提示增强的视觉设计
Qwen-Image-PE 通过两阶段训练学习视觉设计，把欠明确的用户请求增强为连贯的文本生成图像视觉规格。训练采用 Caption-Based Reverse Distillation（CRD）和 Groupwise Design Reward（GDR），后者联合比较同一请求的候选图像，优化光照、构图、布局与细节。
推荐理由：论文通过两阶段训练把视觉设计纳入提示词增强，并以基准结果和跨骨干泛化实验展示效果，为相关方法研究提供清晰参照。
HF Daily Papers精选AI 评分6969 RSI Arena：利用人类反馈研究 AI 智能体的递归自我改进
RSI Arena 通过两阶段实验显示，10 个前沿模型智能体可利用人类反馈独立训练并迭代改进语言模型。
推荐理由：论文提供可审计的两阶段实验框架，比较人类反馈驱动后训练带来的偏好提升、有限基准收益与有害服从风险。
HF Daily Papers精选AI 评分5858 ReGE：通过经验合成提升智能体后续任务准确率
ReGE 将智能体历史执行经验合成为后续尝试可用的指导，在四个基准上将 GPT 和 Claude 的准确率分别平均提高 9.9 和 8.8 个百分点。ReGE-Syn 仅用一次 coach 调用，把有界执行记录和可用产物合成为自包含指导，再由同一基础模型从任务初始环境状态执行，无需参数更新或更强教师模型。
推荐理由：论文将智能体历史执行记录合成为可复用指导，并给出跨四个基准的准确率与 token 用量对比，便于评估经验复用方案。
HF Daily Papers精选AI 评分6262 AutoTavern：自我改进的 LLM 研究智能体构建出匹敌顶尖玩家的 Hearthstone Battlegrounds AI
AutoTavern 的自我改进 LLM 研究智能体在 20 天内构建了 Hearthstone Battlegrounds 模拟器 TavernGym，并训练出可独立完成实战的 TavernAgent。
推荐理由：论文把研究智能体接入模拟器构建、对手校准和策略训练闭环，并计划开源评测任务与模拟器，为复现实验和比较系统能力提供基础。
HF Daily Papers精选AI 评分4949 RoboJev-27B：用于机器人操作成功检测的开放权重视觉语言模型
论文提出开放权重视觉语言模型 RoboJev-27B，利用任务指令、操作尝试的 10 帧以及如有提供的辅助相机末帧判断机器人操作是否成功。
推荐理由：论文公开训练机制、推理代码及包含 20,628 条预测的评测数据，便于对照机器人成功检测方案并复现实验。
HF Daily Papers精选AI 评分4949 PatEx-Gym：面向专利审查新颖性评估的智能体在先技术检索框架
PatEx-Gym 提出用于专利审查的智能体框架，整合基准、合成轨迹数据与紧凑型智能体，支持迭代式在先技术检索和新颖性评估。PatEx-Bench 包含 1K 项逼真的审查任务，以及由超过 1M 件专利和 52K 篇科学论文组成的检索语料；PASS 框架生成 PatEx-SynData，并通过监督微调训练 4B 规模的 PatEx-Agent。
推荐理由：论文将专利审查拆分为迭代检索、证据检查与新颖性评估，并用 1K 任务和合成轨迹训练 4B 智能体，提供了与更大通用智能体对照的轻量基线。
Google Research精选AI 评分7272 Google Research 推动基础模型用于一线结核病筛查
Google Research 正将 MedGemma、MedSigLIP 用于一线结核病筛查，覆盖胸片分诊、咳嗽声筛查与本地临床推理。团队通过 HAI-DEF 开源胸片嵌入与 MedSigLIP，并发布 4B、27B 开放权重 MedGemma，后者全球下载量已超过 10 million。
推荐理由：文章串联算法验证、监管认证、跨国部署与本地化微调，呈现医疗 AI 从研究走向临床的转化路径与关键环节。
AWS Machine Learning Blog精选AI 评分7474 Amazon SageMaker AI 多轮强化学习 Wordle 实操指南
AWS 通过 Wordle 示例，演示了在 Amazon SageMaker AI 上端到端训练多轮强化学习模型的完整流程。流程涵盖 AgentCore 智能体与奖励函数部署、数据集准备、使用 GRPO 更新 LoRA 适配器、MLflow 监控及部署设置下的评测。
推荐理由：文章从 IAM 角色配置、AgentCore 智能体部署、数据准备到训练监控和部署设置评测，完整拆解多轮强化学习的落地流程与常见故障。
OpenAI News精选AI 评分4747 OpenAI 扩展 Habitat 在线存储以服务超 1 billion ChatGPT 用户（第二部分）
OpenAI 通过扩展 Habitat 在线存储，支撑超 1 billion ChatGPT 用户，并将读取速度提升 12×。方案采用可靠的多租户架构、全球缓存和 Azure Cosmos DB，本文为该系列第二部分。
推荐理由：OpenAI 公开了 Habitat 的多租户、全球缓存与 Azure Cosmos DB 扩展方案，并给出读取速度提升 12× 的工程指标。
Hugging Face Blog精选AI 评分4040 LitPivot：通过动态文献情境化辅助研究构思与修订
Ai2 与 University of Pennsylvania 团队开发了 LitPivot，一套面向早期研究构思的系统，可围绕提案的问题、贡献和评测组织文献，并给出有论文摘录支撑的批评与修订建议。
推荐理由：LitPivot 将研究想法拆为问题、贡献和评测三个维度，并用 17 人实验检验文献支撑表现，为文献驱动的构思与修订流程提供交互设计参考。
AWS Machine Learning Blog精选AI 评分6666 如何使用 AWS CDK 编排 SageMaker AI 端点自动扩缩容更新
AWS 演示了如何用可复用的 AWS CDK 组件与 CloudFormation 自定义资源，在更新 SageMaker AI 端点时自动注销并重新注册自动扩缩容目标。
推荐理由：文章拆解了端点更新与自动扩缩容资源冲突的多种失败路径，并给出可复用 CDK 组件、依赖顺序和示例仓库，适合迁移到现有部署栈。
HF Daily Papers精选AI 评分4747 AnyGameRenderer：跨游戏保持实体一致的生成式渲染与实体级基准
AnyGameRenderer 将 AI 智能体制作的低质量游戏视频转换为高质量画面，并保持布局、镜头及实体位置与时序一致。模型通过 LoRA 微调 33B 的 MiniMax-H3 ref2va 实现，训练数据来自 38 款 AI 智能体制作游戏、Unreal Engine 渲染和真实游戏录像，兼容灰盒、彩色几何体、语义图与线框输入。
推荐理由：论文同时披露模型训练数据、输入形式和实体级基准结果，为评估视频生成模型能否保持动态场景实体对应提供参照。
HF Daily Papers精选AI 评分3636 FilmFlow：用于 3D 虚拟电影摄影的智能体系统
FilmFlow 将自然语言指令或参考视频转换为动态 3D 场景中的可执行相机轨迹。Director 智能体组合平移、旋转和构图等原子操作，Interpreter、Scout、Critic 分别解析意图、选择初始视角并提供迭代反馈。
推荐理由：FilmFlow 将导演、意图解析、勘景和审片四类智能体串联，并以 150 个 Blender 场景的 CinemaBench 覆盖文本与视频参考两种生成方式。
HF Daily Papers精选AI 评分6262 AgentVQA：面向智能体视觉理解的统一评测基准
论文提出 AgentVQA 离线基准，在 Web 智能体、机器人、第一人称视频、游戏和空间规划五类场景评测视觉语言模型。该基准从 23 个源数据集人工选取并改造 1000 个具有挑战性的真实世界智能体样本；在 22 个参评模型中，最佳准确率仅为 58.5%。跨域分析显示，主要失误来自 UI 元素定位、运动理解、状态变化跟踪和 3D 空间关系推断，而非任务误解或后续逻辑推理。
推荐理由：该基准以离线方式统一比较五类真实智能体场景中的模型，排名趋势与对应在线评测一致，并定位视觉 grounding 和状态跟踪失误。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 torch-neuronx 模型支持查询 Space，用于检查 AWS Trainium 兼容性
Hugging Face 发布 torch-neuronx 模型支持查询 Space，可查看 Hub 模型能否在不修改代码的情况下运行于 AWS Trainium。
推荐理由：该工具把模型兼容性、分片规模、运行时间和峰值内存集中展示，并附可复现脚本，便于读者评估 Trainium 部署条件。
MIT Technology ReviewAI 评分2828 MIT Technology Review《The Download》：检验六项科技承诺与生物科技的盲点
MIT Technology Review在《The Download》中对六项多年“近在眼前”的科技承诺进行现实检验，并审视生物科技报道中的盲点。盘点涵盖运动药丸、核动力飞船等潜在变革性技术；文章还借纪录片《You Can See Everything》反思科学报道容易受吸引人的叙事影响。
量子位精选AI 评分3838 百度世界2026大会前瞻：10+分论坛聚焦AI驱动的智能组织演进
百度世界2026大会将于11月12日举行，设置10+场分论坛，围绕AI驱动组织跃迁、AI办公与知识工作、技术与生态展开。议题覆盖智能体规模化落地、AI+自进化、具身智能商业化、游戏与营销等应用，并将探讨RSI、AI4S等前沿方向。
推荐理由：议程覆盖组织重构、智能体规模化和行业落地，可帮助读者梳理企业AI从单点提效走向系统性重构的实践路径。
HF Daily Papers精选AI 评分6060 WeVisOne-VL：从对象到像素的统一视觉感知
论文提出 WeVisOne-VL，通过结构化 token 预测统一对象级与像素级视觉感知。该 VLM 借助轻量 pixel decoder 和特殊 <OBJ> token 生成实例级像素输出，并采用三阶段课程训练，先进行 SFT，再进行混合任务 RL。
推荐理由：将检测、定位、OCR、分割与抠图纳入同一 VLM，并给出 30 多个基准结果，为比较细粒度视觉感知方案提供集中参考。
HF Daily Papers精选AI 评分5151 IQuest-Q1 论文：提出并开源面向智能体 CLI 的稀疏 MoE 基础模型
论文提出并开源 IQuest-Q1，一款面向智能体 CLI 系统的稀疏 MoE 基础模型，总参数量 320B，激活参数量 15B。模型通过预训练、中训和后训练三阶段训练，后训练结合 SFT、领域专用 RL 和 MOPD，并通过模型合并整合不同专家与检查点。arXiv 论文地址为 https://arxiv.org/abs/2610.30949。
推荐理由：论文拆解了预训练、中训和后训练三阶段方案，并披露总参数与激活参数，便于对照理解智能体编码基础模型的构建路径。
腾讯混元精选AI 评分5757 腾讯 WeChat Vision 发布 WeVisOne-VL-4B 统一视觉感知模型
腾讯 WeChat Vision 发布 WeVisOne-VL-4B，将对象级视觉任务与像素级视觉任务统一到同一模型中。模型基于 Qwen3-VL，通过结构化 next-token prediction 和 9.6M 参数轻量像素解码器，支持开放词汇目标检测、指代定位、目标计数、目标指向、OCR、指代分割及可提示 alpha 抠图。
推荐理由：模型将对象级与像素级视觉感知统一到同一架构，公开坐标标记、实例标记和 9.6M 参数像素解码器细节，便于对照研究视觉定位、分割与抠图。
HF Daily Papers精选AI 评分5151 复杂智能体记忆总是必要吗？Raw-RAG 在六组基准模型设置中领先
研究团队发现，Raw-RAG 在七组基准模型设置中的六组位居所比较系统首位，较最强智能体记忆系统高 0.13-5.53 分。该方法仅对未处理的对话历史做稠密检索和重排，并在 LoCoMo、LongMemEval、MEME 和 MemoryAgentBench 上评估。证据分析显示，较高的必要证据覆盖率可以抵消较低利用率；完整访问转换后的记忆存储，准确率仍低于原始证据方案。
推荐理由：这项研究用四个基准对比原始历史检索与复杂智能体记忆，量化了必要证据覆盖率与证据利用率之间的差异。
HF Daily Papers精选AI 评分3636 Cola2：通过连续语义压缩与平衡的离散生成实现协同自适应分层语言建模
Cola2 提出一种联合优化连续语义压缩、重建生成平衡和编码器解码器协同适应的分层语言生成框架。它通过动态 span segmentation、masked diffusion decoding 和 Flow Matching priors 学习紧凑的预测性潜表示，并在推理时按固定 span 布局重新编码生成文本。
推荐理由：论文报告多任务实验中的扩展趋势，并比较未收敛检查点的任务表现与预训练预算差异，为分层语言生成提供可核对的实验参照。
HF Daily Papers精选AI 评分4545 OmniDR-Bench 评测生成视频中心深度研究报告的智能体
研究者提出 OmniDR-Bench 和技能工作流，用于评测智能体围绕视频综合外部证据并生成关联视频时刻的交互式报告。该基准包含 19 个现实子类别、50 个中英文任务和 6,414 条标准，并以 Omni-ARTs 评估 18 种智能体配置；最佳系统得分 63.3/100。
推荐理由：该基准将视频定位、外部多模态证据检索与交互式报告纳入统一评测，并呈现智能体在覆盖范围和跨模态分析上的能力差距。
HF Daily PapersAI 评分3434 TTR-Compressor：用测试时回归重新思考序列压缩
研究者提出 TTR-Compressor，作为标准池化与投影式序列压缩的实用替代方案。它在高效 LLM 的块级稀疏注意力压缩和 MLLM 的 VL projector（merger）中均展现出强劲的实证增益。潜在应用包括视频/音频时间压缩、从头训练原生高效 ViT，以及通过按深度压缩改善深度扩展。
OpenAI News精选AI 评分3939 OpenAI 与波兰 NASK 合作推进 AI 安全与网络安全
OpenAI 与波兰 NASK 建立合作，围绕 AI 安全、网络安全和技术研究加强防护措施，并支持构建更具韧性的数字生态。
推荐理由：这项合作同时覆盖 AI 安全、网络安全与技术研究，为理解双方在防护建设上的协作范围提供了清晰框架。
HF Daily Papers精选AI 评分4242 Verus-Insight 以三阶段证据流程检测 AI 生成视频伪影
Verus-Insight 通过检查规划、证据验证和证据聚合训练 AI 生成视频伪影检测器，并采用人工锚定的全流程监督与渐进能力训练。论文还提出带有人工标注可感知伪影的 Verus-Bench；多基准实验显示，该方法在细粒度伪影分析和视频级检测中表现较强，并能更可靠地将检查目标转化为有支持的证据，同时未增加虚假伪影断言。论文地址为 https://arxiv.org/abs/2610.30866。
推荐理由：论文把 AI 生成视频伪影检测拆为检查规划、证据验证和证据聚合，同时提供细粒度人工标注基准，便于比较检测器的证据识别能力。
HF Daily Papers精选AI 评分3636 论文提出 FAPL，利用 MLLM 潜变量实现电影化视频的稀疏推理与因子控制
论文提出因子感知预测学习 FAPL，通过分阶段训练让视频 DiT 更有效地利用 MLLM 潜变量，支持稀疏时间推理与因子感知的电影化控制。训练先以冻结的 MLLM 和连接器强化 DiT 的潜变量利用，再通过 factor-span replacement 学习目标因子改变与非目标保持，最后冻结 DiT 并优化 MLLM 和连接器，兼顾有限输入表示学习与完整观察重建。
推荐理由：论文将 MLLM 潜变量利用、稀疏推理和因子控制放进同一分阶段训练框架，便于理解多模态表征如何用于电影化视频生成。
NVIDIA Blog精选AI 评分6060 哈萨克斯坦扩建 AI 算力，Firebird 获准部署 45,000 块 NVIDIA Grace Blackwell GPU
哈萨克斯坦正扩建 AI 算力，Firebird 已与政府签署投资协议，获美国出口许可部署 45,000 块 NVIDIA Grace Blackwell GPU。
推荐理由：这组公告把 GPU 供应、算力容量与机器人应用探索串联起来，呈现哈萨克斯坦 AI 建设从基础设施延伸到应用场景的路径。
量子位精选AI 评分5757 蚂蚁数科发布 LingDT-Decision-1.0 决策模型，提供 4B 和 27B 版本
10月22日，蚂蚁数科正式发布面向结构化决策任务的 LingDT-Decision-1.0，提供 4B 和 27B 两个版本，并已在 DTMaaS 平台上线。蚂蚁数科团队在客服、风控、金融等真实业务场景测试显示，相比大语言模型，该模型 Token 消耗降低超90%，响应时效提升10倍。
推荐理由：同一任务下与大语言模型的对照数据，以及原生多选和按序决策设计，为评估其企业落地成本与适配性提供了直接参照。