LoopRec 论文提出面向序列推荐的物品级自适应递归
LoopRec 论文提出一种面向序列推荐的逐物品自适应递归方法，让每个历史物品学习所需处理深度。该方法递归复用权重共享骨干块，由轻量门控逐物品决定退出或继续，无需辅助深度标签；在 Amazon Office 的三层 SASRec 诊断中，76.14% 的物品一层后稳定，6.72% 需要三层。
推荐理由：论文在 3 个 Amazon 基准和 4 种骨干模型下报告 48 组排序比较均改善，其中 44 组统计显著，并公开代码供复核。
#开源/仓库
HF Daily Papers精选AI 评分3939 Hugging Face Blog精选AI 评分7171 OlmoEarth v1.3 发布全球卫星嵌入模型、预计算数据与探索工具
OlmoEarth v1.3 发布卫星嵌入模型及全球年度预计算数据，为全球每个 10m 像素提供 64 或 128 维嵌入，并上线 OlmoEarth Embeddings Explorer。
推荐理由：模型不仅开放权重、数据和代码，还提供全球预计算嵌入与浏览器工具，读者可据此评估低算力遥感制图工作流。
Hacker News精选AI 评分6969 ego lite 推出支持并行隔离的 AI 智能体浏览器自动化工具
ego lite 推出面向 AI 智能体的浏览器自动化工具，支持多个智能体在独立 Space 中并行运行，且不干扰用户正在浏览的标签页。智能体可直接编写 JavaScript 函数，并通过 snapshot、fill、click、wait、navigate、capture 等工具操作页面；产品称复杂任务最高可提速 2.5×。
推荐理由：ego lite 提供隔离 Space、并行浏览器自动化和 Chrome 数据继承，文中还以复杂任务效率对比 Vercel agent-browser。
腾讯混元精选AI 评分6969 腾讯混元发布 Hy-SimulMT 中英双向实时同声传译模型
腾讯混元发布 Hy-SimulMT，提供中英双向语音到语音实时同声传译，并支持在配置 TTS 后进行实时声音克隆，保留说话者声音特征。模型持续接收音频并同步输出译文文本与语音，面向会议、演讲和访谈等实时沟通场景。
推荐理由：材料给出 RealSI 等基准、与职业译员的小规模对比及完整部署路径，读者可据此判断模型在实时翻译场景中的质量、延迟与可操作性。
Hacker News精选AI 评分7474 OpenAI CLI 工具的安装、命令结构与 REST API 接入说明
OpenAI CLI 是用于调用 OpenAI REST API 的官方命令行工具，可通过 Homebrew 或 Go 1.26 及以上版本安装。它采用资源式命令结构，覆盖标准与管理员 API，并支持文件上传下载、图像生成、JSON/JSONL 输出和 Tab 补全。
推荐理由：原文给出安装、命令结构、认证、文件处理与 mTLS 配置，可作为评估 CLI 接入方式和使用边界的实现依据。
NVIDIA Blog精选AI 评分7171 NVIDIA Cosmos 平台新增世界模型训练、评估与部署工具
NVIDIA Cosmos 平台新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图，面向世界模型与物理 AI 开发。Data Factory 提供 5 个云原生蓝图，涵盖驾驶数据、图像增强、事件视频和缺陷生成等场景。
推荐理由：原文将数据构建、模型训练、策略测试与部署串成完整链路，并给出推理和视频处理能力的量化变化，便于评估平台落地范围。
Hacker News精选AI 评分4747 CleanFrame 为 Samsung The Frame 提供简洁主屏幕
ingve 开源 CleanFrame，为运行 Tizen 的 Samsung The Frame 提供可定制的简洁主屏幕，支持应用启动、照片背景、12 小时时钟和遥控器导航。
推荐理由：CleanFrame 将浏览器预览、电视安装和原生启动修改分阶段处理，并提供受限的编码智能体任务模板与恢复步骤。
TechCrunch精选AI 评分6262 Recursive 发布 Flint 笔记本端编码模型，称其主要由 AI 构建
Recursive 发布免费编码模型 Flint，可在笔记本上离线运行；公司称 Eureka Machine 参与了几乎全部开发流程。Flint 采用 MoE，每次任务激活 40B 参数中的 2.5B，并以 Apache 2.0 许可在 Hugging Face 免费下载。
推荐理由：材料同时交代 Flint 的端侧运行、参数规模、速度、基准表现和外部试用，并标明哪些数据来自公司测试，便于比较同级编码模型。
HF Daily Papers精选AI 评分3939 HiP3R 通过分层位姿图实现无需再训练的长程 3D 重建
HiP3R 通过分层位姿图把长视频的局部重建合并为全局一致的相机轨迹和 3D 几何，无需再训练或微调。方法先优化鲁棒的 chunk 级 Sim(3) 图以确定全局布局和尺度，再固定布局并为每帧估计共享的 SE(3) 相机位姿。实验覆盖多个基准，方法适用于基于 chunk 和流式后端，项目页为 https://kkakkkka.github.io/HiP3R。
推荐理由：HiP3R 用分层位姿图整合长视频的局部重建，在无需再训练的前提下兼顾全局一致性、尺度稳定与局部误差修正。
HF Daily Papers精选AI 评分4848 F2G-Pose：用于直接 RGB-D 类别级物体位姿估计的几何感知基础特征提升
F2G-Pose 提出实时单次前馈框架，从单张 RGB-D 图像直接预测类别级物体的三维位姿、米制尺寸和相机坐标系下的补全形状。方法将稠密视觉基础特征提升为局部点云，以 DGCNN 编码局部几何，并用 Mixture-of-Experts Transformer 融合对象级结构。
推荐理由：F2G-Pose 在 SOPE 和 ROPE 上达到 SOTA，位姿推理速度为 28 FPS，为实时三维位姿估计提供了兼顾精度与效率的方案。
HF Daily Papers精选AI 评分5858 BrickWright：智能体生成物理可行的 LEGO 积木装配
BrickWright 通过装配 API 和物理可行性验证器，让预训练智能体根据文本或图像提示生成物理可行的 LEGO 积木装配。在 512 个提示的样本上，智能体达到 100% 物理有效性，基线智能体则为 9%（GPT-6 Luna）至 69%（GPT-6 Astra）；轻量智能体的提示遵循度提升，强智能体保持该指标，并优于专用模型完成文本到积木任务。
推荐理由：BrickWright 将装配 API 与物理可行性验证器接入智能体，为实体积木生成提供了一套可复用的验证与纠错方法。
Hugging Face Blog精选AI 评分7272 IBM Granite Speech 发布 granite-speech-5.0-2b，并更新两款现有模型
IBM Granite Speech 发布 granite-speech-5.0-2b，并更新 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
推荐理由：文章按高精度翻译、端侧速度和多说话人归因区分三款模型，并给出速度与错误率变化，便于按场景比较选型。
Hacker News精选AI 评分8585 PyPI 上的 LiteLLM 1.107.0 被植入凭据窃取器与远程代码执行后门
LiteLLM 1.107.0 在 PyPI 发布的 7 个 wheel 均含有凭据窃取器和远程代码执行后门，PyPI 已下架该版本。恶意包向 site-packages 写入 cook.pth、cook.py 和 sitecustomize.py，Python 启动时即使未导入 LiteLLM 也会运行相关代码。
推荐理由：文章通过比对源码、发布标签、构建产物与依赖清单，拆解 LiteLLM 恶意版本的植入方式、自动启动机制和可核对的取证线索。
Hugging Face Blog精选AI 评分4242 NVIDIA Kumo Forecast 融合预训练时间序列表示、历史模式检索与可解释性
NVIDIA Kumo Forecast 将预训练时间序列表示与历史模式检索结合，用于多变量时间序列预测并提供可解释结果。它以 MOMENT-1-large Transformer 为骨干，DARR 模式通过最近邻方式检索历史模式，并按预测步长提供滞后项和特征归因。
推荐理由：文章拆解了直接预测与 DARR 历史模式检索的组合方式，并给出输入限制和应用评测路径，便于设计自有数据验证。
Hugging Face Blog精选AI 评分6969 SimReady Central 在 Hugging Face 上线，开放 2,000 多个仿真就绪 3D 资产
SimReady Central 在 Hugging Face 上线，汇集 2,000 多个仿真就绪的 OpenUSD 3D 资产，面向机器人仿真和 AI 工厂数字孪生。
推荐理由：文章不仅说明资产规范，还给出从检索、验证到场景组装和布局检查的完整流程，便于机器人仿真与数字孪生团队复用。
Latent Space精选AI 评分7676 DeepSeek 开源 DeepInfer 推理框架，披露单集群 155T tokens/日服务量
DeepSeek 开源生产推理框架 DeepInfer，并披露其支撑 V4.1 Flash 的单集群 155T tokens/日、96% 输入缓存命中率等数据。
推荐理由：文章对照 DeepInfer 与 vLLM 的复现结果，并拆解缓存命中率、硬件成本与收入口径，帮助读者区分生产服务能力、推理贡献利润和公司整体利润。
Hacker News精选AI 评分6868 Nexus-CLI 开源纯 Go 桥接工具，支持 DeepSeek R1/V3、Claude Code 和 Ollama
Nexus-CLI 以纯 Go 构建 DeepSeek V3 与 R1 网页桥接，可供应用和编码智能体通过免费账号使用，无需官方付费 API key。它提供交互式终端、本地代理及 OpenAI、Anthropic Messages、OpenAI Responses 和 Ollama API 兼容层，可接入 Claude Code、Codex、Cursor 等工具。
推荐理由：原文集中列出兼容接口、性能数据、构建命令和多工具接入路径，可用于评估接入 DeepSeek 所需的改动。
Hacker News精选AI 评分5959 T3 Code 实现 GitHub 与 GitCafe 同步
T3 Code 现已同步 GitHub 与 GitCafe 两个代码托管平台。它是一款 AI 智能体控制界面，可通过 iOS、Android、Web 和 Electron 桌面端控制本机已配置的 Claude Code、Codex、Cursor、Grok Build、OpenCode 与 Google Antigravity。
推荐理由：材料列明 T3 Code 的多端控制方式、兼容工具与安装命令，便于对照现有 Claude Code、Codex 工作流评估接入方案。
The Decoder精选AI 评分7373 DeepSeek 开源推理引擎 DeepInfer，驱动 V4.1-Flash 模型
DeepSeek 以 Apache 2.0 协议开源了内部推理框架 DeepInfer，它基于 vLLM 构建并加入计算优化内核、多芯片分布式处理和更快文本生成，为 V4.1-Flash 模型提供推理服务。
推荐理由：原文同时说明了 DeepInfer 的技术栈和开源后的部署成本变化，便于评估自托管方案的可行性与定价影响。
TechCrunch · AI精选AI 评分7777 Google 开源 TorchTPU，加入 Amazon 挑战 Nvidia 的 AI 芯片优势
Google 开源 TorchTPU，开发者通过简单配置可将现有 PyTorch AI 应用迁移到 TPU 和 Google Cloud，无需重写。Amazon 发布 TorchNeuron，可将应用迁移到 Trainium 和 AWS，并向 PyTorch 提交代码以将功能与 Nvidia 芯片解耦。
推荐理由：文章对比 Google 和 Amazon 的 PyTorch 迁移方案，说明开发者无需重写应用即可切换到 TPU 或 Trainium。
Hacker News精选AI 评分6868 Google 开源原生 PyTorch 后端 TorchTPU
Google 开源 TorchTPU，这是一套面向 Google TPU 的原生 PyTorch 后端，可让用户在 TPU 设备上运行 PyTorch 模型和操作。
推荐理由：仓库集中交代了后端能力、分布式训练支持、示例模型以及安装构建路径，便于读者评估 PyTorch 在 TPU 上的集成范围与落地成本。
Hacker NewsAI 评分6060 Rohan Protocol v0.6.0 以内存隔离防止 MCP 工具上下文泄露
Rohan Protocol 在 v0.6.0 公共测试版中提供开源 MCP Server 与内存安全网关，用于阻止明文工具参数进入模型上下文窗口。该方案结合客户端 RAM 隔离、V-01 语义策略防火墙与 V-02 确定性内存清零；rohan_zk_handshake 还会生成 32-byte 意图承诺，并将状态转换无 gas 锚定到 Midnight。
Hacker News精选AI 评分6060 Penmentor 开源发布，把 Claude 等模型接入 xournal++ 批改手写数学作业
作者 Abdullah Alhariri 开源发布 Penmentor，把 Claude、GPT、Gemini 等模型接入 xournal++ 手写数学笔记，让 AI 按提示而非答案在原页做老师式批改。
推荐理由：作者在 Claude Code、Codex、Antigravity 等 CLI 代理之上搭出了一个 xournal++ 插件，演示了把 LLM 接入手写数学笔记做原页批改和 Manim 动画的具体做法，适合套用到其他手写场景。
Hacker News精选AI 评分5353 Jev Cards 发布开源图片竞答游戏，由 TypeSafe 的视觉模型 Jev 实时答题
Jev Cards 是一款围绕 TypeSafe 视觉模型 Jev 构建的开源图片问答游戏，Jev 会根据图片和问题选择答案或点击位置，响应约需四分之一秒。玩家可独自挑战各模式排行榜，也可开启实时比赛，与朋友和 Jev 同场竞技；更多卡牌将陆续推出。
推荐理由：将 Jev 的视觉问答能力做成可试玩的图片竞答游戏，并提供排行榜、实时对战和开源代码，便于直接体验其响应表现。
Hugging Face Blog精选AI 评分7575 ALTK-Evolve 如何用学习式记忆让 GPT-4.1 登顶 τ²-bench 零售客服榜
ALTK-Evolve 把 GPT-4.1 智能体轨迹提炼成提示词规则，无需更新权重，并以 67.5% Pass^4 位列 τ²-bench 零售榜首。在 40 个留出零售任务上，含 292 条规则的 lossless 配置将平均准确率从 78.1% 提至 82.5%，每次对话成本从 $0.084 升至 $0.139。
推荐理由：实验同时报告 Pass^4、对话轮次与模型 token 成本，能帮助判断学习式规则在客服智能体中的可靠性收益与代价。
Hugging Face Blog精选AI 评分7272 Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 端侧与托管模型接口
Hugging Face 发布 AnyLanguageModel 1.0，以同一 API 接入 Apple 端侧与托管模型。
推荐理由：同一 Foundation Models API 可覆盖系统、端侧和托管模型，并保持工具调用与引导生成一致，为 Apple 应用迁移提供可复用路径。
Hacker News精选AI 评分7373 DeepSeek 开源 DeepInfer 大规模推理框架，支持 DeepSeek-V4.1-Flash
DeepSeek 开源 DeepInfer 大规模离线推理框架，支持 DeepSeek-V4.1-Fash，并为其大规模生产服务提供支撑。
推荐理由：原文列出了框架能力、硬件适配、配置方式和完整服务仍缺失的组件，便于评估离线推理的集成范围与部署边界。
HF Daily Papers精选AI 评分4343 MemT-1.0：迈向记忆原生进化的基础模型架构
MemT-1.0 提出把连续记忆内嵌到基础模型计算中的记忆原生架构，基于 Metis 采用 Gated DeltaNet-2 与 Mixture-of-Storage 扩展原生记忆容量，并配合 34B tokens 的两阶段训练（持续预训练+后训练）。
推荐理由：对比原生内存机制与检索增强方法在长上下文场景下的推理与存储效率，并给出智能体任务结果，可作为长记忆架构设计的参考。
36氪精选AI 评分7171 DeepSeek 全面开源内部推理框架 DeepInfer
DeepSeek 宣布在前期开源大模型、TileLang 编译工具及推理算子库的基础上，进一步将内部推理框架 DeepInfer 全面开源。基于 DeepInfer，DeepSeek 已实现 V4.1 Flash 高吞吐、低延迟的大规模推理服务，新模型的推理代码及后续优化也将在该框架上持续更新。
推荐理由：DeepSeek 将内部推理框架 DeepInfer 全面开源，外部团队可在此基础上复现 V4.1 Flash 的高吞吐、低延迟推理能力，并跟踪后续模型更新。
面壁 MiniCPMAI 评分1616 面壁 MiniCPM 在 HuggingFace 上线 tiny-processor OCR 模型
面壁（OpenBMB）在 HuggingFace 上线 tiny-processor 版本的 MiniCPM OCR 模型，仓库名为 openbmb/tiny-processor-minicpm-ocr。仓库页面显示其公开可访问，但下载模型文件需登录或注册 HuggingFace 账号，并同意共享账号信息与使用条款。
HF Daily Papers精选AI 评分5050 HarnessPro 以 Pareto 优化递归自我改进 AI 智能体 Harness，权衡性能与成本
HarnessPro 论文提出一种无标签方法，递归进化 AI 智能体 Harness，以提升任务成功率并降低执行成本。它使用 LLM 生成的测试评估候选 Harness，由专用智能体诊断执行轨迹、规划更新，并通过归一化加权平方距离选择 lite、medium、heavy 三种变体。
推荐理由：论文在3项基准上测试HarnessPro，并量化GPT-5.5配合Codex时高性能模式相对RHO的通过率增益与单任务成本降幅。
36氪精选AI 评分4747 记忆张量发布并开源 MemT 1.0 记忆原生模型系列
10月20日，记忆张量发布并开源记忆原生模型 MemT 1.0 系列，包括 MemT-1.0-Flash 和 MemT-1.0-Nano，参数规模分别为 288B 和 36B，激活参数分别为 17B 和 3B。
推荐理由：原文给出两款模型的参数规模与激活参数，并说明内部记忆在后续任务中的调用机制，可用于理解其记忆原生路线。
量子位精选AI 评分6565 谷歌开源 Harness²：让大模型在运行中自我改写脚手架
谷歌开源 Harness²，这是一个 Harness 层递归自我改进（RSI）方法，让模型在运行中自我改写外挂代码、系统提示词、工具链和技能库。在 WorkBuddy-Bench 上，GLM-5 配合 OpenCode 时综合得分从 64.2 升至 75.7（+11.5），超过原生 Gemini 3.5 Flash 的 72.4。
推荐理由：原文拆解了 Harness² 的双层递归机制，并给出 WorkBuddy-Bench 等专业基准上的具体涨分，读者可据此评估 Harness 层 RSI 的可行路径与开源接入方式。
Hacker News精选AI 评分4242 在 ASUS ProArt P16 上安装 Arch Linux ARM 以本地运行 Qwen 推理
Arch Linux 包维护者 pfeifferj 在 128GB RAM、6,144 CUDA 核心的 ASUS ProArt P16 上跑通 Arch Linux ARM，让系统与 CUDA 共用 116.0 GiB 统一内存池。
推荐理由：作者在 ASUS ProArt P16 上跑通 Arch Linux ARM 并实测本地 Qwen 推理，给出统一内存池带来的显存差异和端侧部署的可复用路径。
Hacker News精选AI 评分3535 开发者为女儿搭建开源拼读阅读应用 Yara Reads
Yara Reads 是一款开源儿童拼读阅读应用，单击任意单词即可逐音节拼读并朗读。故事通过 npm run check 按发音（而非拼写）逐词校验，确保只含孩子已学发音；家长可经 MCP 接入 Claude、ChatGPT 等 Agent 生成新故事并自检。
推荐理由：为刚学拼读的孩子设计，单词按发音拆解并能逐词校验；家长可接入 MCP Agent 在孩子已学发音范围内写新故事。
TechCrunch同事件AI 评分6161 Nvidia 发布 Nemotron 3.5 Super VL 与两款 Bolt 开源模型
Nvidia 发布 Nemotron 3.5 Super VL 120B 参数量级开源模型，定位于企业级智能体，并同步推出两款 Bolt 模型用于本地 PC 运行。
同一件事，精选收录的是《NVIDIA 开源 Nemotron 3.5 Super VL 与 Bolt 74B-A9B 24GB、Bolt E4B 4GB》
Hacker News精选AI 评分5858 KiviDB 发布：Rust 写的 Redis 协议兼容数据库，内置向量与全文检索
KiviDB 是一款 Rust 编写的开源（AGPL-3.0）内存数据库，兼容 Redis RESP2/RESP3 协议并内置全文（BM25）与向量（HNSW/FLAT）检索。
推荐理由：以 RESP 协议兼容 Redis 且内置向量与全文检索，附带与 Redis 8.10、Valkey 8、Dragonfly 2.0.2 的吞吐量、p99 延迟与 HNSW 召回对照数据。
腾讯混元精选AI 评分4545 腾讯混元发布 Hy-Memory-30B-A3B 的 GGUF 量化版本，支持 llama.cpp 本地推理
腾讯混元发布长记忆写入模型 Hy-Memory-30B-A3B 的 GGUF 量化版本，提供 Q4_K_M、Q6_K 和 Q8_0 三种精度，可通过 llama.cpp 进行本地推理。
推荐理由：原文给出该模型在四种记忆框架下的横向评测结果，读者可与 Claude Opus 5、DeepSeek V4.1 Flash 等基线直接对比。
Hacker News精选AI 评分6161 Google Research 开源 Harness² 递归式 Agent 框架
Harness² 是 Google Research 开源的递归式 Agent 框架。它通过 Propose / Probe / Compose 步骤在任务级递归中精炼执行配置。
推荐理由：原文给出递归式 agent 框架的双层递归设计及三个职业类基准的具体增益，可作为改进现有 agent 编排的参考方法。
Hacker News精选AI 评分5959 Qwen3-4B 微调版去除 AI 写作痕迹发布
作者基于 Qwen3-4B-Instruct 微调出 qwen3-4b-deslop，去除 em dash、not X but Y、三连等 AI 写作痕迹，量化版 2.5GB 可用 Ollama 运行。
推荐理由：原文给出了三轮蒸馏训练中具体的失败与修复细节，读者可以参照其评估脚本和任务拟合检查思路来改进自己的微调流程。