ACEdit 通过非对称条件实现稳定的多轮图像编辑
ACEdit 提出一种稳定多轮图像编辑的训练方案，让模型在自身前序编辑输出上训练，并利用教师蒸馏提供可靠监督。学生模型连续编辑自己的输出，教师模型则以原始干净图像和复合编辑指令为条件，缓解自生成轨迹偏离真值轨迹的问题。实验显示，该方法能大幅减少长序列编辑中的性能退化，同时保持编辑质量与指令遵循能力。
推荐理由：论文将自生成轨迹、教师蒸馏和非对称条件结合，为缓解多轮图像编辑中的累积分布偏移提供了可迁移的训练思路。
技术方向
数据与训练 最新动态
大模型是怎么练出来的：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
261 条精选近 30 天 245 条共收录 297 条
更新
精选归档 · 第 11 页
HF Daily Papers精选AI 评分3838 HF Daily Papers精选AI 评分5656 LLM-Attacker：用于拆分与分布式大语言模型隐私评估的统一红队框架
LLM-Attacker 提出面向拆分及分布式大语言模型的统一隐私评估框架，通过记录攻击者配置，支持重建攻击结果的复核、比较与扩展。框架要求防御方案关联未设防基线，并分别报告未测试攻击与实现检查。
推荐理由：框架把攻击者配置、未设防基线和未测试攻击纳入统一报告，便于跨研究比较、复核拆分模型的隐私评估结果。
HF Daily Papers精选AI 评分4242 稀疏自编码器表征的行为组合性研究
作者提出 SAE Additivity Residuals (SAR) 指标，用以衡量单个 SAE 特征及低阶交互无法解释的行为变化，并在 18 组模型与行为设定中验证 SAE 学习坐标比匹配随机旋转更具行为可加性。
推荐理由：提出 SAR 指标量化 SAE 特征间高阶交互，并在 steering 实验中验证建模二元交互可提升排位保真度。
HF Daily Papers精选AI 评分4141 视觉语言模型属性-对象绑定研究：提出 SABER 基准与合成文本微调方案
论文提出 SABER 基准，揭示 CLIP 类双编码器和 MLLM 嵌入器在多模态检索中存在广泛的属性-对象绑定失败。SABER 覆盖四种图文模态配对、最多十个对象等更复杂设置；论文还展示仅用合成属性绑定文本微调 MLLM 嵌入器（无需图像监督），即可将性能迁移到跨模态和图像-图像检索，在 SABER 上取得 SOTA，同时在否定和实例检索基准上也有提升。
推荐理由：SABER 给出了跨四种图文配对的属性-对象绑定评测维度，并展示了不依赖图像监督的合成文本微调路径，对多模态检索相关工作有直接参考价值。
HF Daily Papers精选AI 评分4848 CoSTA：通过解耦生成与合成 token 空间加速语音对话模型
论文提出 CoSTA，通过解耦语音对话模型的生成与合成 token 空间，在保留原 tokenizer 和 decoder 的同时提升推理效率。在双语语音对话基准上，扩展语音 token 的生成速度达到约 1.7times，完整响应延迟降低、吞吐量提高，同时保持回答质量。
推荐理由：论文将语音对话模型的生成与合成 token 空间解耦，在保持回答质量的同时呈现推理加速效果及压缩、效率与质量之间的权衡。
HF Daily Papers精选AI 评分3737 WorkRover：通过递归环境演化扩展长程协作智能体训练
WorkRover 是一个通过递归环境演化训练长程协作智能体的框架，提出 Factorial Compatibility Replay（FCR）和 Verifier-to-Turn Credit Assignment（VTCA）来支持环境迭代修正并细化训练信号。
推荐理由：论文提出用递归环境演化训练长程协作智能体的框架，给出环境修正和信用分配机制，并在多个办公基准上报告了具体提升幅度。
HF Daily Papers精选AI 评分4545 Tev：通过稠密进度奖励扩展长程智能体训练环境
Tev 论文提出长程智能体训练数据集 Tev-Gym（含 1170 个跨 7 领域任务）和进度-势能奖励塑形方法 PPRS，并据此训练 Tev-27B。该模型在 ALE-CM 上 Pass@5 与 GPT-6 Astra、Claude Opus 5 持平，并泛化到 Terminal-Bench 3.0/4.0，超过 GLM 5.2 和 Gemini 3.7 Flash。
推荐理由：原文同时给出长程智能体训练数据集 Tev-Gym 和稠密奖励塑形方法 PPRS，可作为同类智能体训练流程的参考方案。
HF Daily Papers精选AI 评分3939 EgoExplorer：100小时穿戴式人类移动操作观测集与重建流程
EgoExplorer是一个100小时的人类移动操作穿戴式观测集，将第一人称视频、重建全身动作、手指精细关节和触觉观测对齐，并配有步骤级描述。
推荐理由：论文给出100小时穿戴式多模态数据集与Calibrate-Complete-Constrain重建流程，可作为具身智能与仿真重定向的数据与方法参考。
量子位精选AI 评分4747 破晓智能发布全身全模态数据采集系统SeePhys Hub，瞄准全模态世界模型
破晓智能联合天珑移动发布全身全模态数据采集系统SeePhys Hub，由四目头环、双腕手环、三个腰腿动作追踪器与可选触觉手套组成，用于补足Ego数据中缺失的全身姿态与触觉信号。设备多路同步精度不超过0.5毫秒，头环重量不超过220克，单个腕部手环不超过75克。创始人杨朔1998年出生，现任哈工大（深圳）长聘教授，团队计划2027年推出全模态世界模型。
推荐理由：原文给出了采集设备的工程取舍与团队的世界模型路线，便于读者理解具身数据从Ego走向全身全模态的过渡逻辑。
Latent Space精选AI 评分7171 Dyna-2 与 Dyna-2.1：通用物理智能体支持一小时自主运行
Dyna Robotics 发布 Dyna-2 世界动作模型，以超过100万小时人类视频预训练，并推出物理机器人智能体 Dyna-2.1。模型采用 Diffusion Transformer 和 flow matching 生成未来视频与机器人动作，机器人可从约45分钟演示中学习新任务。Dyna 称其餐巾折叠系统连续运行24小时达到99.4%成功率，并能在整叠餐巾被拉倒后恢复。
推荐理由：梳理了人类视频预训练、世界动作预测、机器人适配与硬件协同的技术链条，并给出餐巾折叠连续运行24小时达到99.4%成功率的案例。
HF Daily Papers精选AI 评分4141 Interlock 用类型化完成图提升长程智能体任务完成能力
Interlock 提出用于长程智能体任务合成的类型化完成图框架，通过跨组件约束、智能体验证和自训练改善任务完成表现。完成图会被编译为可重置工作区、公开请求与评估量表，系统保留被判定满足全部强制要求的执行轨迹。
推荐理由：Interlock以类型化完成图表示长程任务，并结合智能体验证与自训练，在三项外部任务基准上均取得提升。
HF Daily Papers精选AI 评分4343 PrismaCoder：通过分解式评分标准合成推进开放多模态代码智能
PrismaCoder 论文提出基于分解式评分标准的数据合成流水线 PrismaForge，并据此训练发布了 PrismaCoder-9B 与 PrismaCoder-35B 两个开源模型，在多模态代码任务上领先开源 SOTA 并接近闭源系统表现。
推荐理由：原文提出了基于评分标准的多模态代码数据合成与强化学习流程，并开源了模型与数据集，可作为其他视觉编程任务的数据构建参考。
MIT Technology Review · AI精选AI 评分6262 AI 实验室大量收购倒闭初创公司数据训练模型
AI 实验室正大量收购倒闭初创公司的代码与工作区数据，原因是公开和合成训练数据已触及瓶颈。SimpleClosure、Sunset 等关停服务平台已将数据转售做成新业务，其中 SimpleClosure 的 Asset Hub 已促成超过 150 笔交易，预计 2026 年底前向初创返还超过 1000 万美元。
推荐理由：原报道梳理了 AI 实验室从倒闭初创收购数据的渠道、定价逻辑与潜在法律风险，为理解训练数据来源提供了具体案例。
钛媒体精选AI 评分5959 AI喂养，正在成为一条产业链：具身智能众包数据采集现状
具身智能模型训练数据缺口达亿级小时量级，催生了从采集到交易的众包产业链：觅蜂科技、Figure Index等平台让普通人戴轻量化设备按有效时长接单，行业一年内融资约44.7亿元。数据经多层转包后单价从200多元跌至几元，工厂工人常在不知情下被采集生物特征，而他们教会的动作最终可能训练出取代他们自己的机器人。
推荐理由：文章从众包平台、定价崩塌到工人不知情采集生物特征，逐层揭示具身智能数据采集产业链的伦理与商业风险。
HF Daily Papers精选AI 评分3636 Virtual Head Attention：兼顾 KV cache、FLOPs 与模型质量的长上下文注意力机制
Virtual Head Attention (VHA) 通过 Q Premix 与 Linear Postmix 两个轻量线性变换，在不引入非线性操作的前提下同时降低 KV cache 与训练/预填计算开销，并可在推理时折叠回标准 GQA-2 架构复用现有推理优化。
推荐理由：原文给出了 VHA 在长上下文推理中相对 GQA、MLA 的具体收益与边界，方便读者评估该方案替代现有注意力机制的可行性。
HF Daily Papers精选AI 评分3636 ReMaRk：合并多份有效回复打分，去除 LLM 推荐 GRPO 训练中的回复选择噪声
ReMaRk 提出一种面向 LLM 推荐场景的强化学习方法，把每个请求的多份有效回复合并评分，去掉 Rank-GRPO 随机挑一条回复所引入的方差（占训练方差 85%）。
推荐理由：把同一请求下多份有效回复合并打分，作者在 7 个基座、3 个数据集上验证了这一可迁移规则对 RL 训练的提速效果。
TechCrunch精选AI 评分4747 WindBorne 获得近 5000 万美元美国空军气象气球数据合同
WindBorne Systems 获得美国空军一笔最高近 5000 万美元的合同，采购其全球约 700 颗自主气象气球采集的大气传感器数据；空军已根据实际需求下达约 170 万美元订单，并可继续按区域和时间追加采购。
推荐理由：原文把合同金额、交付机制与 WindBorne 的 AI 气象数据能力放在同一篇里，读者可以直接看到 AI 天气预报被纳入军方采购的实际门槛。
36氪精选AI 评分5757 马斯克：仅 OpenAI、Anthropic 和 Cursor 拥有足够编程训练数据
马斯克称仅 OpenAI、Anthropic 和 Cursor 三家拥有足够编程训练数据，谷歌勉强可以算上。他解释 SpaceX 收购 Cursor 是为了攻克编程以打造超级智能，SpaceX 已于 8 月 14 日完成对 Cursor 的收购，交易对价约 600 亿美元。
推荐理由：马斯克点出编程训练数据在头部机构中的稀缺格局，为理解 SpaceX 收购 Cursor 提供背景。
HF Daily Papers精选AI 评分3838 VRSD 通过言语正则化改进大语言模型自蒸馏
本文提出 VRSD（带言语正则化的自蒸馏），针对在策略自蒸馏（OPSD）中特权信息导致推理捷径与输出熵骤降的偏差，用系统提示词调节教师模型对特权信息的使用，鼓励反思与探索。
推荐理由：针对自蒸馏中特权信息引发的熵骤降与捷径推理，给出可迁移的提示词正则化方案、理论条件与多模型多任务验证。
HF Daily Papers精选AI 评分4343 InfoVis：统一幻灯片图像生成与编辑的 9B 模型
InfoVis 是一个用于幻灯片生成与编辑的统一 9B 模型，基于 FLUX.2-klein-base-9B 进行后训练，在超过 13M 持续预训练数据和 1.9M 监督微调数据上训练而成。
推荐理由：原文同时给出统一模型和覆盖四项任务的诊断基准，为开源幻灯片生成提供了可与自家产品的对比参照。