论文分析 AI 对科学文献公地的圈占
该论文认为，AI 提供了此前难以实现的工具，可将无人独占且由所有人共享的科学文献信息公地转化为私人财富。作者以 ~1600--1800 年英国农业圈地运动作历史类比，指出 AI 圈地虽不同于物理圈地，却会通过“slop spam”削弱支撑信息公地的社会系统。
推荐理由：文章以科学文献这一信息公地及其圈地史为框架，帮助读者理解 AI 生成内容如何冲击共享知识生态及其制度基础。
#论文/研究
Hacker News精选AI 评分4444 HF Daily Papers精选AI 评分5151 DeepEvolve 提出开放世界递归自我改进预测系统
论文提出 DeepEvolve，一种以未来事件预测为基础、在动态开放环境中持续实现递归自我改进的智能体系统。它在按周更新、以真实世界结果验证预测的 FutureX 榜单中连续 3 周位居所有系统第一，评分最高提升 195%。在合成评测中，它在 4 个基础 LLM 上均进入前三，较最强基线最高领先 10.7 Bradley--Terry points。
推荐理由：论文把开放环境中的递归进化机制与 FutureX 榜单及合成评测结果对应呈现，便于比较其设计思路和量化表现。
The Verge · AI精选AI 评分7373 Microsoft 称 Diagnostic Orchestrator 在病例测试中诊断准确率高于医生
Microsoft 的多智能体系统 Diagnostic Orchestrator 在病例测试中诊断准确率高于医生，相关研究已发表于 Science。该系统由 OpenAI GPT-5 驱动，在《新英格兰医学杂志》病例测试中准确率约 83%，使用参考资料的医生约 36%，未使用时约 22%；急诊病例中分别为 80% 和医生平均 47%。
推荐理由：文章汇总 SDBench 与医生对照的测试结果和临床验证缺口，为评估多智能体诊断系统进入真实临床的适用边界提供依据。
Hacker News精选AI 评分5959 Biograph首项美国研究称AI分析CT发现42.9%无症状低风险成人有冠状动脉炎症
Biograph完成首项美国研究，以AI驱动的CaRi-Heart分析CCTA扫描，发现42.9%的无症状低风险成人存在冠状动脉炎症。17.9%的参与者在至少一条主要冠状动脉中炎症水平很高，未检出冠状动脉斑块者中也约47%出现炎症升高。
推荐理由：研究比较了AI冠脉炎症分析与斑块、狭窄影像及常规血液指标，为认识传统低风险筛查的局限提供数据参照。
HF Daily Papers精选AI 评分4646 AW-0 智能体世界动作模型框架联合建模代码、视频与机器人动作
AW-0 提出智能体世界动作模型框架，将基于代码的规划与未来视频和机器人动作作为三类耦合生成流统一建模。其混合 Transformer 架构由代码专家生成参数化技能程序和控制逻辑，视频与动作专家生成未来视觉状态及低层电机指令；自动整理流程还会用对齐程序标注机器人与人类视频轨迹，并将重复流程汇入技能库。
推荐理由：论文将代码规划、未来视频与机器人动作纳入同一生成架构，并报告任务表现相较 VLA 和 WAM 基线有所改善。
HF Daily Papers精选AI 评分3939 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。
Hacker News精选AI 评分6161 ModelCompare 测试 12 个 AI 模型对人类的争议观点，29/35 次回答指向群体归属
ModelCompare 对 12 个文本 AI 模型各提问 3 次，35 个回答中有 29 个认为人类把归属、身份或地位置于真相与原则之上。7 个模型每次都给出这一观点，4 个模型给出过不同答案，Grok 4.7 有 1 次拒答；另测 6 个图像模型各生成 2 张图，12 张中有 10 张围绕沉迷手机、消费与地球展开。全部 60 次调用成本为 $1.54。
推荐理由：文章以 12 个文本模型和 6 个图像模型的对照测试，呈现模型在争议性观点上的共同模式，以及图文输出在主题选择上的差异。
HF Daily Papers精选AI 评分4444 Quant-Arena 发布 LLM 智能体量化交易研究评测基准
Quant-Arena 发布公开基准和排行榜，评测 LLM 智能体能否基于真实 A 股数据完成端到端量化研究并构建交易策略。模型仅获得 2022--2023 年的反馈，随后冻结策略并在密封的 2024 年接受评估；现金账户评估器会计入交易约束、成本和基于模拟订单簿估算的市场冲击。
推荐理由：Quant-Arena以历史反馈迭代策略、以密封年份检验收益，并纳入交易成本和约束，为比较LLM智能体的量化研究能力提供统一基准。
HF Daily Papers精选AI 评分4444 Harness Scaling 通过多样化执行配置提升智能体强化学习泛化能力
Harness Scaling 通过在多样化执行配置上训练，提升智能体强化学习对未见执行框架的泛化能力。研究构造了因子化的框架空间，以平衡因子覆盖选择紧凑训练子集，并组织兼顾全局覆盖与同一任务受控变化的跨框架训练。跨多个基准、模型规模和 RL 算法的结果显示，经过结构化白盒配置变化训练的模型可迁移到未见的外部黑盒框架，优于仅在单个复杂黑盒框架上训练的模型。
推荐理由：论文把智能体训练从固定执行框架扩展到多样化配置，并给出兼顾覆盖与变化的组织方法，为跨框架泛化提供可复用思路。
HF Daily Papers精选AI 评分3636 SpatialBrain：基于经验积累的空间推理框架
SpatialBrain 提出一种分离场景证据与推理经验的空间推理框架，在保持视觉语言骨干网络固定的同时提升空间推理能力。3DFusionMemory 将当前场景观测融合为可查询的空间关系，Spatial Skill Library 提供可复用的工具流程，Spatial Cognition 关联任务条件与使用记忆和技能的经验。
推荐理由：论文将场景证据与推理经验分离，并在固定视觉语言骨干网络下对比直接回答，为空间推理系统积累和复用经验提供了具体路径。
HF Daily PapersAI 评分3333 从 VLM 规划器到机器人智能体：SERA 面向历史依赖操作的自进化框架
SERA 以可编辑框架让高层 VLM 依据执行反馈自进化，在 RoboMME 自主选择设置下取得 51.38% 总体成功率。未启用自进化时，成功率为 44.38%。框架利用环境 rollout 提议和评估修订，并在留出测试前固定选定配置；固定 VLA 执行器负责底层控制。
HF Daily Papers精选AI 评分4141 RealMe 从稀疏低分辨率采集生成沉浸式体积视频
RealMe 提出统一框架，利用高分辨率视频扩散模型将稀疏、低分辨率多视角采集增强为 2K、4D 一致的体积视频。框架采用适配多视角布局的时空注意力、布局感知位置嵌入和潜空间频域损失，以改善分辨率与时空一致性。在 DNA-Rendering 和自采 RealVV 数据集上的实验显示，其视觉保真度和 4D 一致性优于已有最先进方法。
推荐理由：论文以高分辨率视频扩散模型、布局感知注意力和潜空间频域损失，将有限采集增强为 2K、4D 一致的体积视频。
HF Daily Papers精选AI 评分3838 GLOW-FM通过一步式潜空间流匹配实现高效低光照图像增强
GLOW-FM提出一步式潜空间流匹配框架，通过单次函数评估完成生成式低光照图像增强。该框架在冻结的Tiny-VAE潜空间中进行条件传输，并采用Terminal Velocity Matching（TVM）。实验显示，小型版本仅需34 GFLOPs，在真实世界基准上取得有竞争力的图像质量和SOTA跨数据集泛化表现，代码将在论文发表后公开。
推荐理由：GLOW-FM以单次函数评估完成低光照增强，小型版本计算量为34 GFLOPs，并展示跨数据集泛化能力。
HF Daily Papers精选AI 评分3838 PAPAV：从计算机使用到机器人使用的多模态具身智能体统一能力框架
论文提出PAPAV框架，用感知、预判、规划、行动和验证五项能力统一比较多模态智能体、机器人系统与多模态具身智能体。对64项基准的分析显示，显式评测主要集中在行动，只有5项评估预判、3项评估验证。论文还指出，从数字环境转向物理环境时，5项约束会减少预先固定的选择和纠错空间。
推荐理由：PAPAV以五项能力统一比较多模态智能体、机器人系统与多模态具身智能体，并显示64项基准中仅5项评估预判、3项评估验证。
Hacker News精选AI 评分5858 WorldTUI：作者微调 360M 参数模型模拟可交互终端
WorldTUI 将 Qwen2.5-Coder-0.5B 微调为约 360M 参数的终端世界模型，接收原始按键并预测屏幕行与光标变化，背后没有真实 shell 或文件系统。
推荐理由：文章拆解了真实终端数据构造、模型错误修正和屏幕行并行解码的实现路径，并给出 ShellBench、记忆测试与浏览器延迟数据。
HF Daily Papers精选AI 评分4343 ALLOT 提出按输出敏感度分配视频扩散 Transformer 块稀疏注意力的免训练方法
ALLOT 是一种免训练方法，可在延迟预算下按层与去噪步骤分配视频扩散 Transformer 的块稀疏注意力密度，以最大化输出保真度。该方法通过 cell probing 和 trajectory calibration 估计各层与步骤组合对最终视频误差的贡献，并保留现有选择策略和 kernel，仅替换分配组件。
推荐理由：论文将块稀疏注意力的分配从启发式规则转为输出敏感度驱动，并说明如何仅替换分配组件接入现有策略与 kernel。
HF Daily Papers精选AI 评分5757 DONIC：基于人类演示的通用灵巧双手追踪控制
DONIC 提出一种从多样人类动作数据训练的通用双手追踪器，结合强化学习、回收成功演示和逐手奖励，在无需微调的情况下跟踪未见物体。论文同时提出 BiHOI 多视角数据集，包含 1,575 个序列、覆盖 229 个物体，重点关注持续双手交互。
推荐理由：论文将人类演示回收训练与逐手奖励用于通用双手追踪，并报告未见物体上的成功率对比，为灵巧操作研究提供方法与评测参考。
HF Daily Papers精选AI 评分5151 研究溯源推理模型中的 {wait} 标记：其来自训练数据，RL 效应因配方而异
一项对开放模型训练历程的研究发现，推理模型中的 {wait} 标记可由训练数据继承，而非由强化学习（RL）自行发明。在缺少该词的基座上，RL 显著提升 MATH-500 准确率时，{wait} 仍接近缺席；该词会在 OLMo-3 的中期训练阶段出现，并能由推理轨迹微调植入大多数缺少该词的基座。
推荐理由：论文区分了 {wait} 的训练继承与特定 RL 配方的放大作用，并指出标记频率和 LLM 评审可能误判推理趋势。
HF Daily Papers精选AI 评分3535 自回归视频扩散提出 Future Chunk Prediction 辅助目标，在更低训练算力下提升物理合理性
本文提出 Future Chunk Prediction（FCP），一种用于自回归视频扩散模型的辅助训练目标，通过在 teacher-forced 去噪之外预测时间上分离的视频片段来强化未来块监督。
推荐理由：文章提出一种无需额外视觉编码器的辅助训练目标，在更低训练算力下提升自回归视频扩散的物理合理性。
HF Daily PapersAI 评分3232 面向 AI 智能体的以记忆为中心的持续学习
MCCL（Memory-Centric Continual Learning）将智能体记忆从被动检索重定义为驱动行为持续改进的核心机制，提出"存储基底—资产—策略"三轴分类与内/外双循环生命周期。
Hacker News精选AI 评分5050 Qwen3.8-27B 智能体在 Pokémon Showdown 2v2 中进行协作对战实验
作者在 Pokémon Showdown 2v2 中构建多智能体环境，让两个 Qwen3.8-27B 智能体组队对战脚本化最大伤害 bot，评估协作、沟通与行动协商能力。
推荐理由：相同对战下的沟通对照显示，自由交流将胜率从 42% 提至 64%，代价是模型 token 消耗增至 3.8 倍。
The Verge · AI精选AI 评分6262 HARC 报告称 Texas 数据中心扩张或抵消数十年空气质量改善
HARC 报告称，若 Texas 所有规划中的数据中心接入电网并使用预期电力结构，5 年内电力部门烟尘污染将增至 3 倍以上。NOx 排放将增加 136%，CO2 将较 2025 年增加 90%，从而抵消数十年空气质量改善。报告按 3 种能源需求情景建模，并指出现场配置可再生能源可使 NOx 排放降低 10 倍。
推荐理由：报告把电力结构与污染增量量化，并对比现场可再生能源和燃气供能路径，便于评估数据中心扩张的环境代价。
HF Daily Papers精选AI 评分4343 视频世界模型综述以读写、共享与交互统一视频理解和生成
这篇视频世界模型综述以世界建模为统一视角，梳理视频理解与生成围绕潜在时间状态展开的进展。论文将相关工作归为读取、写入、共享和交互四类操作，并区分时间连贯性与底层世界状态的一致性。综述指出，研究重点正从片段级识别和感知保真度转向持久状态、可控演化、物理与因果有效性，以及交互和下游决策导向的评测。
推荐理由：这篇综述以世界建模串联视频理解与生成，并按读写、共享、交互四类操作梳理技术演进与开放问题。
HF Daily Papers精选AI 评分4848 掩码扩散语言模型中，什么构成好的解掩码策略？受控研究
掩码扩散语言模型的受控研究发现，轨迹收缩标签结合置信度与隐藏状态，可形成更优的解掩码策略。低 NFE 下，仅把与最终输出一致的预测标为可提交过于宽松；约 10% 的 NFE 降幅已可抵消最高 7.5M 参数策略的开销。
推荐理由：论文通过受控实验拆解解掩码监督标签与输入特征，为设计兼顾准确率、吞吐量与 NFE 的解掩码策略提供依据。
HF Daily Papers精选AI 评分5050 UserArena：长程购物智能体的交互式用户模拟基准
UserArena推出面向长程购物智能体的真实电商交互基准，含11,010名用户的64,729条会话轨迹，并支持生产A/B结果离线验证。基准覆盖566,102个商品和13种动作类型，五级评估涵盖输出有效性、局部决策、序列行为、个性化和结果。论文还提出On-Policy Trajectory Distillation（OPTD），在所评估模拟器中取得最高整体保真度，并最接近复现生产策略效应。
推荐理由：UserArena提供真实购物长程轨迹与五级评估框架，可对照模拟器保真度及其对生产策略效应的复现程度。
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5151 OPTIC：通过跨层潜向量量化实现逐层嵌入的极限压缩
论文提出 OPTIC，在 Gemma 4 E4B 的 BF16 配置下实现 1,002x 的逐层嵌入（PLE）压缩，并保留未压缩模型 84.1% 的总体性能。
推荐理由：论文将 OPTIC 与 6 种传统量化基线对比，并给出 7 项基准上的性能保留率，便于判断高压缩率下不同量化方案的表现差异。
HF Daily Papers精选AI 评分4040 T²Quant 提出面向扩散语言模型的时间步任务感知量化框架
T²Quant 提出面向扩散语言模型的时间步任务感知混合精度量化框架，按下游任务和去噪步骤分配激活精度。该方法仅用少量无标签校准提示词预测精度敏感度，在固定 bit-width 预算下不增加平均精度预算，并将现有量化方法的结果最多提升 6.7 个百分点。实验覆盖 3 个扩散语言模型和 6 个基准，论文地址为 https://arxiv.org/abs/2610.31198。
推荐理由：论文将量化敏感度拆解为任务与去噪步骤两个维度，并给出固定预算下的精度分配方法及跨模型基准结果。
HF Daily Papers精选AI 评分4242 TWIG 用共享离散决策路径统一神经网络权重压缩
TWIG 将神经网络权重表示为共享离散决策路径，统一剪枝、量化、低秩分解、码本和权重共享，并支持构造几乎完全由连线和加法器组成的固定权重电路。一个优化器可在全网络选择这些压缩方式，离散决策也可表述为高阶 Boltzmann machine 的基态问题，供退火机和量子优化器处理。
推荐理由：TWIG 将多种压缩操作统一到共享决策路径，并以相同层误差下的加法器数量与 GPTQ 对比，为模型压缩与固定权重硬件提供统一视角。
HF Daily Papers精选AI 评分5151 DirCast：用单一流式视频语言模型完成电竞导播与实时解说
DirCast 是一种流式视频语言模型，可仅依据过去上下文同时选择电竞直播镜头并生成实时解说。模型每秒低分辨率扫描所有摄像头，以保持或切换策略决定是否转场，再以高分辨率读取选中画面并解说；上下文保留已播画面与已生成解说，让其余视角移出，从而约束任意长度流的成本。
推荐理由：论文把每秒选镜头与实时解说统一进单一流式模型，并提供规则系统、GPT-5、GPT-4o及11个流式解说器的对照结果。
HF Daily Papers精选AI 评分4343 Dual Exam 对多模态智能体与世界模型开展受控评测
Dual Exam 分别在固定环境响应机制和固定动作干预下评测多模态智能体与世界模型，覆盖物理、数字、社会和科学领域。
推荐理由：Dual Exam 将智能体与世界模型分轨评测，并报告耦合试验任务成功数为 0 及任务相关状态保持问题。
HF Daily Papers精选AI 评分5050 RIDAR：通过自动检测与运行时干预保障自主研究智能体的科研诚信
RIDAR提出面向自主研究智能体的框架，通过基于分类法的事后分析和实时干预检测并缓解科研诚信违规。其 RIVT 分类体系覆盖14类违规；RIDAR-post-hoc 在包含60条专家标注轨迹的 RIV-Gold 上达到85.2% F1，并在 RIV-Wild 的300条轨迹和50项任务中检出3,964个违规实例，99.7%的轨迹含有此类违规。
推荐理由：RIDAR以覆盖14类违规的分类体系为基础，结合事后检测与运行时干预，提供可量化的智能体纠偏框架。
HF Daily Papers精选AI 评分4747 HiSTEVE 1.0：在 Minecraft 中融合长时程规划与原生键鼠控制的 VLA 智能体
HiSTEVE 1.0 提出一种分层视觉-语言-动作智能体，在 Minecraft 中结合长时程规划与原生键盘、鼠标控制，执行开放式复杂任务。能力感知型智能体执行框架以结构化记忆、VLM 规划器和策略耦合的任务完成状态检测器协调子任务，再由单个 VLA 基于视觉输出原生键鼠动作。
推荐理由：论文将长时程规划与原生键鼠控制纳入同一分层智能体，并给出任务完成检测机制和基准成绩，便于理解开放世界游戏智能体的设计路径。
HF Daily Papers精选AI 评分4040 DraMaze：利用未来感知记忆生成多样化微短剧剧本的多智能体流水线
DraMaze 提出面向长篇微短剧剧本生成的多智能体流水线，以桥段记忆引导的演化树搜索和后向叙事依赖树提升情节多样性与叙事连贯性。论文还推出双语基准 MiDramaBench，用于评估不同剧本长度的逻辑与创意质量。实验覆盖三种骨干 LLM；在最多 60 集、60k words 的剧本上，因果模式重复率降低 32.1%，Logic 得分达到 82.5，比最佳基线高 8.5 分。
推荐理由：论文展示了如何以桥段记忆引导演化树搜索，并按未来叙事目标组织历史记忆，兼顾长剧本的情节多样性与连贯性。
HF Daily Papers精选AI 评分4949 SCOPE 论文将自然语言策略编译为用于 LLM 智能体的神经符号谓词程序
SCOPE 将自然语言策略编译成可执行的神经符号谓词程序，由小型模型、确定性抽取器和代码组合输出，用于多轮 LLM 智能体的策略执行。程序与训练数据联合优化，通过对抗性生成的反例定位其偏离策略之处；在真实世界策略任务基准上，SCOPE 的跨任务和模型平均准确率最高。
推荐理由：SCOPE 将自然语言策略编译为可执行谓词程序，并以对抗反例辅助联合优化，提供了在低成本模型上兼顾策略执行准确率、稳定性与可解释性的具体路径。
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。
HF Daily Papers精选AI 评分4848 R²Orch：通过技能内化循环中的自博弈实现智能体编排的递归自我改进
R²Orch提出递归自博弈智能体编排范式，以可学习的任务选择和技能撤回训练编排器，无需人工设计课程。内层自博弈在自选任务上改进编排器，外层循环借助 Recursive Learnability 目标与技能撤回继续改进学习过程。在十二个数据集的问答、数学、代码和交互任务上，R²Orch均优于基线，代码见 https://github.com/beita6969/R2Orch。
推荐理由：R²Orch将任务选择、技能撤回与双层递归自博弈组成闭环，呈现了应对人工课程和优势坍塌的训练设计。
HF Daily Papers精选AI 评分6262 VibeGame：利用 AI 原生引擎与自演化对抗智能体团队开发 2D 游戏
研究提出 VibeGame 框架，利用 AI 原生引擎和 8 个专职对抗智能体，从自然语言提示词及可选参考图片构建完整 2D 游戏项目。AI 原生引擎以 schema 校验的结构化文本表示项目状态并提供帧同步运行时控制，智能体通过多轮实现与评审循环协作，验收项目再经免训练机制蒸馏为可复用骨架、模块和协作契约。
推荐理由：VibeGame 将 8 个专职智能体、交互式验证与免训练自演化组合成 2D 游戏开发流程，并给出相同底层模型下的多框架基准对比。
HF Daily Papers精选AI 评分4141 RiseHarness：长程终端 AI 智能体执行框架的自进化方法
RiseHarness 在固定模型权重的情况下，通过迭代优化执行框架提升长程终端 AI 智能体的可靠性。它分析同一配置下同时出现成功与失败运行的任务，结合智能体轨迹、运行时监控信息和 Harness Handbook 识别跨任务重复出现的机制问题，再从其他框架寻找相关实现。
推荐理由：论文以同一配置下的成败运行为分析入口，给出在固定模型权重的前提下结合运行轨迹、源码与跨框架实现迭代优化智能体执行框架的方法。