研究称 OpenAI 与 Google 新图像模型可被轻易诱导生成裸露内容
White Circle 研究人员发表预印本，提出名为 RISE（Red-teaming via Iterative Strategy Evolution）的红队测试方法，可绕过 OpenAI 与 Google 图像模型的安全过滤。
推荐理由：White Circle 公开 RISE 红队测试方法和 13% 绕过率等结果，读者可据此评估前沿图像模型安全声明的可靠性。
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 22 页
Ars Technica · AI精选AI 评分4848 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5959 Fish Audio Drama 3 技术报告
Fish Audio 发布开源语音生成模型 Drama 3 的技术报告，基于 35B 参数 MoE 主干（每 token 激活 3B），在单卡 H200 上以 271 fps 解码，速度高于参数量更少的前代 S2（177 fps）。
推荐理由：原报告给出 35B 参数 MoE 语音生成模型的架构与单卡推理速度对比，读者可据此评估多轮修改与长音频流式生成的实际表现。
HF Daily Papers精选AI 评分4444 GreenWAM：面向机器人的世界基础模型
GreenWAM 提出一个跨 20 种机器人形态的共用关节动作空间，通过联合训练让同一模型同时承担世界模型和策略两个角色。它在 WorldArena 1.0 轨迹、深度和 3D 预测上领先，在 RoboTwin 2.0 进入前列，并在 LIBERO-plus 取得对比方法中最高的零样本成功率；适配到真实人形机器人后表现优于基于 π₀.₅ 和 Cosmos 3 Edge 的策略。
推荐理由：论文给出统一世界模型在20种机器人形态上的联合训练和评测结果，便于对比它与专用策略在不同任务上的差距。
HF Daily Papers精选AI 评分3939 WAVE-0：用轻量潜在未来预测桥接 VLA 策略与世界动作模型
WAVE-0 提出一个用 257M 轻量潜在世界模型桥接 VLA 策略与世界动作模型（WAM）的框架，把 VLM 生成的潜在动作计划转译为未来预测表示，并据此直接指导动作生成。
推荐理由：原文在不依赖像素重建和大规模视频预训练的前提下，把未来预测接入动作生成，给出了多个机器人基准的对比结果。
HF Daily Papers精选AI 评分4040 FlashVSR+ 通过混合注意力与奖励分布匹配蒸馏提升视频超分辨率效率与质量
FlashVSR+ 在架构上引入混合注意力、在训练上提出 Ry-DMD 奖励分布匹配蒸馏，实现更高效的偏好对齐视频超分。架构侧相对 DiT 最高提速 2×、峰值显存降低 45%，单张 24GB RTX 4090 即可完成无空间分块的 4K 视频超分；训练侧通过奖励加权教师 rollout 将黑盒奖励引入分布匹配，无需经过奖励模型反向传播，且方法可迁移到 T2I 生成。
推荐理由：在 DiT 基线之上获得最高 2× 提速与 45% 显存下降，并提出把黑盒奖励引入分布匹配蒸馏的 Ry-DMD 方案。
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3737 Open-o3-Video-v2：以可验证时空证据进行检索、定位与推理
Open-o3-Video-v2 将视频推理建模为统一的智能体证据获取流程，先识别缺失信息、获取额外观察，再把支持推理的时空对象定位写入轨迹后继续作答。
推荐理由：原文提出把视频推理拆为可验证证据获取的智能体流程，并给出具体基准结果，读者可据此评估该范式在长视频任务上的实际收益。
HF Daily Papers精选AI 评分4444 ReTerm：基于失败恢复训练的自改进终端智能体
ReTerm 提出让终端智能体从自身失败中学习恢复的自改进方法，基于 Qwen3.5-9B 的 ReTerm-9B 在 Terminal-Bench 2.0 上达到 34.8% Pass@1，较基模型提升 14.6 点。
推荐理由：论文提出让终端智能体从失败状态自我恢复的在线强化学习方法，为提升长任务可靠性提供了可复用的训练范式。
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。
HF Daily Papers精选AI 评分4545 VideoJev：面向视频理解与交互的System One模型
VideoJev 提出将视频理解与交互统一为结构化决策任务的 System One 模型族，把预训练多模态大语言模型的自回归解码替换为对时间区间与文本选项打分的共享头，从而同时覆盖时序定位和多选视频问答。
推荐理由：原文给出了统一决策接口在时序定位和视频问答上的精度增益与实测加速比，便于评估其在长视频智能体工作流中的可复用程度。
HF Daily Papers精选AI 评分4343 AesCode：基于解耦跨模态奖励的视觉化代码生成方法
AesCode 论文提出以设计图为表示、用参考图像做美学引导的视觉化代码生成框架，结合确定性验证器与 VLM 评判的解耦跨模态奖励，通过带逐通道归一化的强化学习联合优化布局、美学与可验证正确性。
推荐理由：原文给出设计图驱动的解耦跨模态奖励方案及相对 Qwen3-VL 的具体提升幅度，可作为视觉化代码生成方向的方法参考。
HF Daily Papers精选AI 评分3737 GUI 智能体记忆模态选择研究：SwitchMem 动态切换框架
本文系统研究 VLM GUI 智能体中记忆模态的选择问题，发现最优记忆表示随交互步骤强烈变化；据此提出 SwitchMem 路由框架，每步动态在文本与视觉记忆之间切换，在三个 GUI 基准上优于使用静态记忆的记忆增强基线。代码与项目页见 https://txxnrd.github.io/switchmem。
推荐理由：通过系统研究指出 GUI 智能体的最优记忆模态随交互步骤变化，并提出动态切换框架在三个基准上优于静态基线。
HF Daily Papers精选AI 评分4141 DeltaTTG：用 Token-to-Go 进度信号训练多轮智能体
DeltaTTG 提出用 Token-to-Go（TTG，剩余待生成 token 数）作为进度信号训练多轮智能体，通过冻结的共享进度计在 RLVR 训练中将回合级优势重新分配到各步，不改变回报的符号与 token 平均尺度。
推荐理由：原文给出了用剩余 token 数作为进度信号的训练方法及多基准对比结果，读者可以据此判断它对多轮智能体 RLVR 的迁移价值。
Hacker News精选AI 评分3737 AlphaNIST：仅用二元奖励涌现出机器人装配技能
AlphaNIST 用二元任务奖励和大规模多样化仿真经验，训练同一策略在 NIST 装配任务板 #1 上完成全部 20 项异构装配任务。方法核心是 Success-guided sampling（SGS），根据当前成功率动态调整起始状态的采样权重，覆盖松散零件、手内抓取和部分装配体等异构起点。
推荐理由：原文把预设动作的传统装配方法与靠二元奖励和多样化经验自主学习的方案做了对比，读者可以据此理解 SGS 采样策略在其中的作用。
Hacker News精选AI 评分5353 开发者 lasu 开源 Parsimony 基准，量化 AI 编码模型净增的代码量
开发者 lasu 开源 Parsimony 基准，量化 AI 编码模型在完成任务时净增了多少代码单元。它复用 SWE-bench Verified 已发布的 patch，按净增单元数（新增减去删除）排序而非按行计数，目前仅支持 Python。榜单显示代码量更小的模型并未解决更多任务，模型排名与解决数的 Spearman 系数为 0.33–0.60，所有模型共用 mini-SWE-agent 运行。
推荐理由：Parsimony 把 AI 编码模型的代码净增量做成可比较榜单，给出与解决数并列的另一维度，读者可据此比较不同模型的简洁程度。
HF Daily Papers精选AI 评分3737 GAFU：利用生成侧表征提升统一多模态模型的细粒度理解
GAFU 提出一种后训练框架，将统一多模态模型的生成侧视觉表征压缩为紧凑的 G tokens，再由理解路径按任务条件检索，以提升细粒度视觉理解。论文发现，生成侧表征对细粒度语义变化更敏感，并能捕获理解侧表征遗漏的任务相关变化。
推荐理由：GAFU 的生成侧表征压缩与任务条件检索机制清晰，且与同数据 SFT 基线进行了跨任务、跨架构比较。
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3838 CommerceGen-Studio：面向电商主图的端到端商用级生成框架
CommerceGen-Studio 提出一个面向电商 SKU 主图生成的端到端三阶段框架，结合 PERL-Agent 元数据蒸馏、Layout Thinker Optimization（布局优化）与 SKU-DiT 多条件扩散模型，在日处理百万张图像的生产规模下同时维持主体一致性、商标完整性与字符级文本准确性。
推荐理由：原文提出了可在日处理百万张图像规模下运行的电商主图生成三阶段框架，并公开了配套的硬例评测基准。
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。