MOSS-Image 技术报告：面向长文本与版式的 5B DiT 文生图模型
OpenMOSS-Team 发布 MOSS-Image 技术报告，提出一个 5B 单流 DiT 开源文生图模型，结合意图感知的智能体 Prompt 增强模块，用于生成包含长文本与复杂版式的图像。
推荐理由：原文给出了 5B DiT 的训练配方与两个新评测基准，读者可据此复现或在长文本排版任务上横向对比现有开源模型。
内容类型
论文研究 最新动态
值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展。
637 条精选近 30 天 601 条共收录 748 条
更新
精选归档 · 第 19 页
HF Daily Papers精选AI 评分5454 HF Daily Papers精选AI 评分4444 DiscoveryRSI:通过递归学习生成可验证的科学假设
DiscoveryRSI 用多智能体进化搜索和递归学习生成可验证的科学假设,在生命科学四个领域将假设质量从 4.86 提升至 5.39。DiscoveryRSI-27B 在模型截止后新发表论文上的假设对应率为 6.3%,高于 GPT-6 的 2.5% 与 Claude Opus 5 的 2.3%。文章同时给出 DFM-Bench 多维度评估基准与项目主页。
推荐理由：原文用 DFM-Bench 把假设生成拆成可复测的多维度评分，并给出 DiscoveryRSI-27B 与 GPT-6、Claude Opus 5 的对照数据。
HF Daily Papers精选AI 评分3838 执行先于记忆：诊断视频世界模型中的记忆失败
该论文提出 MIST 评测，把场景搭建与指令执行拆开，用来定位视频世界模型中记忆失败的瓶颈；并提出 M3-Agent，通过递归修正输入指令的细节来推动模型执行指令。在 MIST reveal 指标上，M3-Agent 相对基线提升超过三倍；在 WRBench 上 score T 提升 26.1%，MBench-T 上 score U 提升 52.7%。
推荐理由：原文把场景搭建与指令执行拆开定位视频世界模型的记忆瓶颈，并给出 M3-Agent 修正指令细节的具体方法与基准提升幅度。
HF Daily Papers精选AI 评分4040 MTEdit：基于打包轨迹的多轮图像编辑数据集与基准
MTEdit 提出基于打包轨迹画布的多轮图像编辑数据集生成方法，包含 50 万条最多 8 轮、平均 5.38 轮的编辑轨迹，并同步推出 MTEdit-Bench 基准，用于评估指令遵循、内容一致性与视觉漂移等能力。
推荐理由：原文给出多轮图像编辑的数据集、基准与训练方法，对评估编辑模型的多轮一致性和视觉漂移有参考价值。
HF Daily Papers精选AI 评分4040 MambaAct：流匹配视觉-语言-动作模型的高效 Mamba 动作专家
MambaAct 用紧凑的 Mamba 动作专家替换 π0.5 的 Transformer 动作专家，并通过轻量级 Context Compressor 压缩 VLM token，以降低流匹配 VLA 的去噪推理开销。
推荐理由：MambaAct 同时给出动作专家规模、LIBERO 与真实机器人上的延迟和成功率变化，便于对照具身智能模型推理优化的工程收益。
HF Daily Papers精选AI 评分4141 OfficeTown：面向智能体能力进化的生成式组织模拟框架
OfficeTown 是一个生成式模拟框架：从自然语言描述构建持续运作的专业组织，成员可委派任务给助手智能体并审核交付物，工件、决策与未决事项会持续影响后续工作。
推荐理由：该工作把持续运转的组织建模为生成式模拟，用以合成面向智能体的工作数据与基准，可作为通用智能体训练与评估的一种可迁移数据生成方法。
HF Daily Papers精选AI 评分3939 小米发布 4B 多模态模型 Xiaomi-Lens-0 技术报告
Xiaomi-Lens-0 是一个基于 Qwen3.5 构建的 4B 多模态大模型，通过轻量解码器把视觉编码器 patch 特征与语言模型的 mask-token 状态融合。
推荐理由：原文给出从视觉表征直接预测 mask 并监督链式推理中访问区域的具体路线，读者可据此与其他细粒度区域理解方案做对照。
HF Daily Papers精选AI 评分4747 MARS 利用文本拒答方向实现多模态安全引导
MARS 提出一种无需训练和多模态安全数据的多模态安全引导方法，仅从 LLM 主干提取文本拒答方向即可用于图像和视频。它通过激活居中、在几何定义的信任区域内自适应调节引导强度并选择干预层，在首个生成 token 生效。五个 SOTA MLLMs 上的安全、效用和视频越狱评测显示，MARS 持续提升安全性并保持效用；效果受层选择和引导强度影响，跨模态对齐可能导致安全输入被误导向拒答。
推荐理由：MARS 展示了仅复用文本拒答方向改造多模态安全控制的方法路径，并呈现层选择、引导强度与跨模态对齐的影响。
HF Daily Papers精选AI 评分4343 循环语言模型设计三轴拆解（拓扑、输入注入与循环状态）
在 730M 参数、336B token 训练预算下，Huginn 循环语言模型架构在全部十个基准上优于 Ouro；这一优势可迁移到 8BA0.8B（展开 32BA3B）的 MoE 设置，仍在知识、推理与编码基准上几乎全面领先。
推荐理由：论文按拓扑、输入注入与循环状态三条设计轴拆解循环语言模型，在 730M 与 MoE 两组设置下对比 Huginn 与 Ouro 的实际表现，并给出可迁移的设计取舍。
HF Daily Papers精选AI 评分4040 DLite：面向智能体 AI 的无历史投机解码方法
DLite 提出一种面向智能体 AI 的无历史投机解码框架，在通用、长上下文和智能体工作负载下达到 2–6 的接受长度，相对 DSpark 最高提升 70%。该方法直接复用目标模型的上下文隐藏状态进行局部投机预测，配合轻量级序列头恢复块内因果依赖，并采用专门的两阶段训练策略；原文同时指出智能体负载下现有 draft 模型接受长度最高下降 80%。
推荐理由：原文给出在智能体长上下文场景下 speculative decoding 的实测对比与训练策略，读者可据此评估相对 DSpark 的收益。
HF Daily Papers精选AI 评分3838 Scene-Designer：面向智能体三维场景生成的设计智能学习方法
Scene-Designer 是一个面向自然语言到三维室内场景生成的智能体框架，通过设计与评价两类经验学习设计智能。
推荐理由：原文给出结合设计与评价经验的智能体框架以及 Critic-guided GRPO 训练方法，为三维场景生成中评价信号驱动强化学习提供可参考实现。
HF Daily Papers精选AI 评分5353 PersonaCUABench：面向多元用户画像的计算机操作智能体评测基准
PersonaCUABench 在固定 74 个任务和 11 个领域、仅改变请求者画像时，发现计算机操作智能体的平均任务完成率相对原始请求下降 36%。
推荐理由：该基准固定 74 个任务、仅变换请求者画像，揭示了按固定指令评测时可能掩盖的用户约束与满意度落差。
HF Daily Papers精选AI 评分3535 TreeOPSD：面向长程智能体强化学习的树感知后验蒸馏方法
TreeOPSD 提出无 critic 的树感知后验自蒸馏框架，将每步交互视为树节点，从共享前缀分叉并递归回传末端奖励以获得隐式 turn 级信用。
推荐理由：它给出了一种不使用价值网络或更强教师模型的长程 agentic 强化学习路径，对降低训练复杂度和工程门槛有参考价值。
HF Daily Papers精选AI 评分4141 HexaShell：以 VLM 智能体作为机器人编码智能体的轻量框架
HexaShell 是一个用 coding agent 通过视觉与自写工具驱动双臂机器人的轻量系统，基于 Codex 与 GPT-6-Astra（中推理强度），在 42 个 RoboDojo 任务上达到 39.7% 成功率（progress 48.0），刷新该榜单 SOTA。
推荐理由：用 coding agent 自写工具控制双臂机器人并在 RoboDojo 上刷新 SOTA；测试显示推动类任务准确率高，而接触密集任务明显受限。
HF Daily Papers精选AI 评分4343 CALIF：诊断并修正可验证指令跟随中的奖励作弊
论文针对可验证指令跟随基准在强化学习中引发的奖励作弊问题，提出 CALIF 方法，将验证器奖励与基于冻结参考策略的校准似然奖励相加，无需额外评判器或学习得到的奖励模型。在 1.7B 到 8B 规模的推理与非推理模型上，CALIF 在 IFBench 上提升约束满足率并把响应质量维持在与 RL 前相当或更高的水平，在三个评分式指令跟随基准的 45 项模型-指标对比中有 40 项优于对应基座策略。
推荐理由：针对可验证指令跟随基准中的奖励作弊现象，给出一种在不引入额外奖励模型的前提下兼顾约束满足与响应质量的训练方法。
HF Daily Papers精选AI 评分3939 τ-Emotion-Bench：揭示 LLM 智能体在真实用户情绪下的交互脆弱性
论文提出 τ-Emotion-Bench 基准与 Tracer 数据生成流水线，用于在情绪化用户交互下评估并提升 LLM 工具调用智能体的可靠性。该基准覆盖十个领域，实验显示前沿智能体在平均任务成功率与持续完成度之间仍存在显著差距；Tracer 生成的监督数据可稳定改进不同规模的模型，并可泛化到未见领域以及 τ-Bench 和 τ-Trait。项目页与代码已在 GitHub 开源。
推荐理由：τ-Emotion-Bench 与 Tracer 数据流水线为评估和提升工具调用智能体在情绪化用户交互下的可靠性提供了可迁移框架。
HF Daily Papers精选AI 评分5050 SwarmRSI：通过演化科研智能体集群实现递归自我改进
SwarmRSI 用共享图记录每个研究状态（假设、程序、实验证据与未满足需求），并通过反馈引导的集群变异、互补性集群重组与递归集群演化，让后续智能体继承前序中间产物而不仅是最佳分数。
推荐理由：原文把失败与无增益结果也写进共享图，让后续智能体继承的不是分数而是中间产物，可作为多智能体科学发现的工程参考。
Hacker News精选AI 评分6060 Signals Corps 扫描 2.17 亿网页响应，揭示 HTTP 响应头中的提示词注入风险
Signals Corps 扫描了 Common Crawl 2026 年 9 月抓取的 2.17 亿网页 HTTP 响应，发现 7,959 个站点在响应头中写入了面向 AI 的内容，其中 7,271 个通过 x-llms-txt 等指针把智能体引向 llms.txt 或 MCP 服务器等资源，30 个站点尝试提示词注入且多数为恶作剧。
推荐理由：基于 2.17 亿页响应的实测数据，揭示了一条被主流防御忽略的间接提示词注入通道，并给出可落地的多层防护要点。
HF Daily Papers精选AI 评分4444 SYNC：基于共享词索引的跨大语言模型免训练事实通信
SYNC 提出一种词索引接口，让异构大语言模型在不微调、无需翻译器的情况下，通过共享词列表和接收端本地词方向实现选择性事实通信。在 3 个发送端和 9 个来自 5 个家族的接收端测试中，新场景四问答成功率 72.0-98.3%，相对中间层写入最高提升 96 个百分点，两个最大接收端与纯文本通信持平。任务无关探针可在 45/45 案例中预判每个新接收端的可用写入层，无需重调。
推荐理由：提出无需微调或翻译器的跨架构大语言模型事实通信方法 SYNC，仅靠共享词索引和接收端本地方向就能完成选择性事实传递。
HF Daily Papers精选AI 评分4242 更多方法就等于更好的智能体吗？论文对智能体强化学习中十种自蒸馏方法做系统性比较
该论文在 ALFWorld、ScienceWorld、Search-QA、WebShop 四个环境和三种模型规模下，把十种自蒸馏方法与 GRPO 进行了对照实验，共完成 132 次训练，累计 12,124.4 H800 GPU 小时。
推荐理由：论文用 132 次训练统一对比了十种自蒸馏方法与 GRPO，能让读者看清哪些增益来自方法本身而非实验条件差异。