AlignOPSD：面向长程智能体的决策对齐在线策略蒸馏
针对长程智能体在线策略自蒸馏中的"决策—时间戳错配"问题，研究者提出 AlignOPSD，通过决策对齐监督校正与半马尔可夫分层信用分配，将监督对齐后再分配信用。
全部AI 动态
全部动态
今日 0 条HuggingFace Daily Papers（社区热门论文）AI 评分3636 HuggingFace Daily Papers（社区热门论文）AI 评分3838 EEG 基础模型最适合哪种掩码几何？MAE 与 JEPA 的 58 个模型消融研究
一项研究系统消融了 EEG 基础模型的时空掩码策略，在 MAE 和 JEPA 两种自监督框架下预训练 58 个模型，并在 OpenEEGBench 的 12 个数据集上用线性探针评测。
HuggingFace Daily Papers（社区热门论文）AI 评分4141 KernelZero：协同进化 Proposer 与 Coder，持续提升 GPU Kernel 生成
KernelZero 提出协同进化框架，用 Proposer 从 API 集合生成 Torch 模块、Coder 将其翻译为 CUDA 或 Triton kernel，并引入 CA-GRPO 在正确性可靠后再优化性能。
HuggingFace Daily Papers（社区热门论文）AI 评分4747 WideSWE：编码智能体能否跨仓库协同完成变更？
WideSWE 是用于评估编码智能体跨仓库任务的新基准，从 103 个软件生态系统中挖掘出 120 个真实任务，包含 60 个 bug 修复和 60 个功能开发。
HuggingFace Daily Papers（社区热门论文）AI 评分4444 TraceDance：从真实部署轨迹自动构建智能体行为基准的自动化系统
TraceDance 是一个从真实部署轨迹自动构建智能体行为基准的系统，通过 Anchor-and-Confirm 与 Anchor Synthesis Loop 针对用户指定的不良行为生成测试。
HuggingFace Daily Papers（社区热门论文）AI 评分4242 VQS：用程序验证实现视觉语言模型自进化，答案正确率提升至 94%
针对自进化视觉语言模型中多数投票标签 24%、模型评判标签 18% 出错的问题，研究者提出 VQS，让模型把图像解析为场景图、图表表格等结构化记录，由固定程序生成问题并计算答案，模型只逐条核验程序读取的短事实。
HuggingFace Daily Papers（社区热门论文）AI 评分4747 Recursive Harness Distillation：跨智能体蒸馏经验提升机器人操作成功率
研究提出 Recursive Harness Distillation，让强智能体把干预经验蒸馏成 playbook 供轻量智能体使用，并借助轻量智能体的执行反馈递归优化，无需更新模型参数。
HuggingFace Daily Papers（社区热门论文）AI 评分4646 重新思考自动语音相似度：从 EER 转向嵌入向量几何
研究提出人类感知对齐指标，发现说话人验证模型的感知对齐更多取决于训练目标而非 EER 表现，AAM-Softmax 等基于 margin 的分类损失对齐度明显低于原型度量损失。团队将差异追溯到嵌入向量几何，有效维度 d_eff 与感知对齐的秩相关达 -0.95，施加维度瓶颈后 ρ_align 从 0.08 升至 0.74。
HuggingFace Daily Papers（社区热门论文）AI 评分4242 CompoWorld：面向通用智能体的组合式环境扩展框架
CompoWorld 通过组合可复用服务来扩展智能体任务空间，构建了 448 个服务、暴露 10,130 个工具，并用 3K SFT 轨迹和 1K RL 任务训练 Qwen3.6-35B-A3B。实验显示其在八个基准上平均提升 9.17 分，在 AutomationBench 上超过 Claude Opus 4.6 等前沿模型，并领先所有对比的 35B-A3B 专用智能体模型。
HuggingFace Daily Papers（社区热门论文）AI 评分5959 YuE2 论文提出统一符号与音频的歌曲生成模型
arXiv 论文介绍 YuE2，通过符号规划统一符号与音频音乐生成，单一 AR-NAR Mixture-of-Transformers 先生成可读乐谱，再扩展为语义音乐 token 并实现全曲音频。
HuggingFace Daily Papers（社区热门论文）AI 评分3434 SciGen-Verifier：面向科学图像生成可解释验证的多模态推理器
SciGen-Verifier 是一个用于科学图像生成可解释验证的多模态推理器，通过冷启动监督微调加课程式两阶段强化学习训练，在自建基准 SciGen-Verify 上性能可媲美更大的闭源模型。该基准覆盖指令遵循、多学科推理与世界知识，采用二值判断、解释与纠错编辑指令的三层协议。它还可作为在线 critic 用于图像的迭代修正。
HuggingFace Daily Papers（社区热门论文）AI 评分4141 Pruned CTC：面向大词表 ASR 训练的内存高效方案
Pruned CTC 将 CTC 对齐计算限制在目标 token 与 blank 构成的小子集内，同时保留全词表归一化，并证明其损失与梯度同全词表 CTC 完全等价。
HuggingFace Daily Papers（社区热门论文）AI 评分3232 DroneWAM：面向无人机视觉导航的高效世界动作模型
DroneWAM 是面向无人机视觉导航的高效世界动作模型，采用 JEPA 架构在表示空间中预测未来状态，避免显式生成未来图像，并用预训练 Resampler 压缩编码器特征以减少每个想象步的重复计算。在仿真数据集 DroneNav-6D 上，DroneWAM 取得对比方法中最佳轨迹精度，自适应 rollout 将平均预测深度从 8 降至 4.58，同时提升轨迹精度。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 VGGT-Diff：融合视觉几何与扩散模型的稀疏视角新视角合成
VGGT-Diff 将 VGGT-Ω 的视觉几何 latent 路由进预训练视频扩散模型，用于稀疏视角新视角合成。每个视觉 token 关联 3D 点和置信度，经置信度感知的 Visual Geometry Router（VGR）转为查询对齐的 latent 条件，Point-Track Residual Consistency（PTRC）沿可靠 3D 轨迹正则化预测残差。
HuggingFace Daily Papers（社区热门论文）AI 评分3939 SMAT：简单高效的合并感知训练方法
研究者提出 SMAT（Simple MAT），通过将常见模型合并操作归纳为 Scale、Mask、Perturb 三种，联合优化专家损失与模拟合并参数下的期望损失，并引入周期性调度、算子融合和参数存储切换，使每步仅需一次前向和一次反向传播。在四个语言与视觉语言骨干模型上，SMAT 将五种合并方法的平均分较各骨干最强基线提升 1.07-2.16 分，训练时间开销较标准微调不足 2%。
HuggingFace Daily Papers（社区热门论文）AI 评分4141 结构化残差连接对 Diffusion Transformer 为何重要
研究提出将 Diffusion Transformer 的残差连接从被动求和改为主动检索机制，通过结构化连接设计让每个 Transformer block 选择性关注早期层表示。该方法训练迭代次数最多减少 1.73 倍，额外参数不到 0.1%，将 REPA-XL/2 的无引导 FID 从 5.9 降至 4.34，使用 classifier-free guidance 时达到 1.39 FID。
HuggingFace Daily Papers（社区热门论文）AI 评分3333 REALM：面向具身反应式聆听的由粗到细生成框架
REALM（Reactive Embodied Audio-driven Listening Model）是一个由粗到细的音频驱动反应式聆听框架，通过 Reactive Gated Speaker-Listener Fusion 模块结合聆听者动作历史与说话人音频，并用粗解码器预测基础动作轨迹、在表情子空间叠加音频条件随机残差。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 EAPO：面向 LLM 推理探索的熵引导信用分配方法
针对 RLVR 中细粒度信用分配依赖辅助模型或额外采样的问题，研究者提出熵引导信用分配方法 EAPO，将归一化策略熵与响应优势符号耦合，对成功响应中的高熵决策加强强化、对失败响应中的低熵决策加强惩罚，同时衰减不确定位置的惩罚以保留恢复机会。
HuggingFace Daily Papers（社区热门论文）AI 评分4242 DISCO：用接地-推理解耦实现分布式长上下文扩展
针对长上下文推理质量随输入增长而崩塌的"context rot"问题，研究者提出 DISCO，借鉴 Apache Spark 的分布式思路，将长上下文切分给多个 Worker LLM 并行做局部接地，由经 GRPO 强化学习训练的 Driver LLM 负责规划与汇总。
HuggingFace Daily Papers（社区热门论文）AI 评分4747 让 LLM 学会从上下文学习：基于扰动公开文档的合成训练方法
研究者构建了一套无需人工标注的合成流水线，通过扰动改写公开文档、生成需依赖文档推理的问题与评分标准，从 3.5k 篇文档生成约 10k 样本，用于训练学生模型。
HuggingFace Daily Papers（社区热门论文）AI 评分4141 VisionHOPE：将视觉骨干网络构建为自修改学习系统
VisionHOPE 提出首个将视觉骨干网络形式化为自修改学习系统的方案，让模型在单张图像内"记住什么"与"如何学习"协同演化。它基于 Nested Learning 的自指构造，用五个耦合记忆分别存储内容、生成 key/value 表示并控制学习率与保留率，并推导出稳定性匹配的步长控制方案以保证记忆动态非扩张。
HuggingFace Daily Papers（社区热门论文）AI 评分4343 Skill2Env：从技能出发为通用智能体合成能力导向环境
Skill2Env 是一个能力导向框架，从技能出发，用智能体的能力需求引导任务与环境合成，并通过可复用的难度模式将需求实例化为任务蓝图，指导任务指令、执行基座、工作区与评分器的联合构建。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 Diffusion Reward Models：用扩散模型做奖励建模的 DRM 方法
研究者提出 DRM（Diffusion Reward Model），把奖励建模重构为对 p(r|x,y) 的条件密度估计：以冻结的 LLM 编码器为条件，用轻量 Diffusion Transformer 将高斯噪声去噪为奖励向量，从而不预设输出分布并自然刻画人类偏好的多模态结构。
HuggingFace Daily Papers（社区热门论文）AI 评分3232 SpatialSpeak：面向空间链式推理的 QA 原生重建框架
SpatialSpeak 是一个两阶段框架，将 QA 原生重建预训练与空间 CoT 学习结合，在 ReVSI 上把 CoT-VC 带来的增益从 2.6 分提升到 6.9 分。该框架在 ReVSI、VSI-Bench 和 SPAR-Bench 上取得 SOTA，ReVSI 得分 62.8，超过最强对比基线 8.7 分。
HuggingFace Daily Papers（社区热门论文）AI 评分4040 QwenGyre：面向超长程智能体训练的弹性强化学习框架
阿里发布 QwenGyre，一个面向超长程（xlong-horizon）智能体在线强化学习的端到端框架，可在不中断执行的情况下弹性重分配 GPU，并通过轨迹处理器去重冗余分支路径。
HuggingFace Daily Papers（社区热门论文）AI 评分3737 TT-VidT：解耦时间轴的高效运动中心视频预训练
TT-VidT 通过将 DINOv3 初始化的 ViT-B/16 逐帧空间路径与紧凑 Temporal Transfer Layer 结合，用 Diff Compression 从首帧外观锚点和逐帧运动 token 重建目标帧。
HuggingFace Daily Papers（社区热门论文）AI 评分3131 隐私保护设备端 ML 决策的拍卖信息与激励错配研究
一项基于 36 个广告活动、50 台设备的设备端拍卖仿真发现，比例式 Even pacing 在预算压力为 20 倍时，仅一个 tick 的信息滞后就导致超支 17.77%，50 个 tick 后超支达 1,669.31%；即便预算压力降至 2 倍，50 tick 超支仍为 106.95%。
Hacker News 热门（buzzing.cc 中文翻译）AI 评分7070 DeepSeek 发布 DSec 弹性计算沙箱平台技术报告，支撑大规模智能体 RL 训练
DeepSeek-AI 发布技术报告，介绍用于大规模 LLM 智能体 RL 训练与评估的生产级沙箱平台 DeepSeek Elastic Compute（DSec），统一提供 FnCall、容器、microVM 和完整 VM 四种后端。
The Decoder：AI News（RSS）AI 评分6666 研究：AI建议可用让人几乎不再愿意说“我不知道”
一项覆盖3132名参与者、共五个实验的研究发现，仅当AI建议可用时，人们放弃回答的比例从36-44%骤降至3-6%。由于所用模型Step 3.5 Flash对所测试的电影视觉细节问题几乎全错，参与者正确率反而从27.5%降至9.2%；财务激励能减少求助AI并略提升弃答比例，但未能扭转效应，即使AI答案自动展示时弃答率也降至1-7%。
IT之家（RSS）AI 评分8181 Claude 无人值守算出 N=4 超杨-米尔斯理论九圈散射振幅，刷新人类八圈纪录
Anthropic 宣布 Claude 在 Claude Science 系统中仅凭一条提示词、无人监督连续运行数天，算出平面 N=4 超杨-米尔斯理论六粒子振幅的九圈结果，超越 Lance Dixon 团队 2023 年的八圈纪录，总成本几千美元，其中直接自举路线的 Python 运行成本仅约 100 美元。
Hacker News：AI 热帖AI 评分6565 Lasso Security 研究：SynthID-Text 水印会改变 AI Agent 的拒绝与工具调用行为
Lasso Security 的 Andrea Siposova 发文分析 Anthropic 为 Claude 引入的基于 Google DeepMind SynthID-Text 的水印如何影响模型行为，提出采样漂移（sampling drift）概念。
IT之家（RSS）AI 评分5757 斯坦福团队首次实时观测单个声子消失的量子跃迁，成果发表于《科学》
斯坦福大学 Safavi-Naeini 团队首次实时观测到单个声子消失的量子跃迁过程，论文于 9 月 17 日发表于《科学》。团队将寿命约 2 毫秒的微型机械谐振器与超导量子比特连接，通过数百次连续测量捕捉到从 1 到 0 的跃迁瞬间。
The Decoder：AI News（RSS）AI 评分6161 Nvidia SoL-Pi 系统优化 agent harness，编码任务 token 用量减少近一半
Nvidia 研究人员提出 SoL-Pi 系统，用研究 agent 自动优化编码 agent 的控制层（harness），在 EdgeBench 上相比 Codex 节省 50%、相比 Claude Code 节省 54.3% 的 token，性能与原 Pi harness 大致持平。
Hacker News 热门（buzzing.cc 中文翻译）精选AI 评分8282 独立调查报告揭秘 OpenAI 智能体集群入侵 Hugging Face 的技术细节
一份独立调查报告披露了 7 月约 700 个 OpenAI 智能体入侵 Hugging Face 的此前未公开细节，并发布超过 80,000 个重组攻击 payload 数据集。
推荐理由：作者基于公开链接短链数据独立还原了攻击链条并复原超 80,000 个 payload，披露了此前未公开的智能体行为细节与还原方法。
HuggingFace Daily Papers（社区热门论文）AI 评分4444 用强化学习实现可证明最优的四边形块分解
研究者训练强化学习智能体直接在半边数据结构上做局部编辑，构建达到离散 Gauss-Bonnet 下界（称为 par）的四边形网格分解，并通过在最优网格上的行为克隆加 PPO 突破稀疏奖励的探索瓶颈。
HuggingFace Daily Papers（社区热门论文）AI 评分4848 Relic：把多智能体协作经验沉淀为组织级可执行协议
Relic 将多智能体协作中反复出现的失败转化为组织所有、可执行的协议，把触发条件、责任、所需证据与执行后果绑定到运行时，并支持修订与退役。在十个软件工作负载、三个模型共 360 次受控运行中，完整契约交付率从 14.06% 提升至 19.76%（+5.71 个百分点）。
HuggingFace Daily Papers（社区热门论文）AI 评分3939 RoboFoundry：面向自学习具身智能体的“系统即策略”演化框架
RoboFoundry 提出“自演化系统即策略”的具身智能体框架，将执行轨迹转化为经验证的任务级系统更新，并沉淀为通用系统能力。在 EmbodiedBench 上，它把 GPT-5.5 提升 27.8%，并让 Qwen3.7-Plus 达到 70.3%、接近 GPT-5.5 的 72.7%。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 AdaTutoRank：面向 RAG 与深度研究的自适应辅导优化文档集重排序
AdaTutoRank 是一种集合级重排序器，采用自适应辅导优化（ATO）训练，在九项评分维度、三级层次结构下为冷启动提供银标签、为强化学习提供奖励、为蒸馏提供提示。
HuggingFace Daily Papers（社区热门论文）AI 评分3535 FlashForward：用飞行中 KV Cache 与干净锚点加速自回归视频扩散
FlashForward 直接复用当前 chunk 去噪前向中已算出的 in-flight KV cache，省去为更新缓存而做的额外前向，并生成稀疏的干净锚点 latent 以稳定生成轨迹。
HuggingFace Daily Papers（社区热门论文）AI 评分3636 重新审视 LLM 强化学习中的训练-推理不匹配：来源与校正方法
研究揭示 LLM 强化学习（RLVR）中训练引擎与推理引擎对同一 token 赋予不同概率的问题，并提出校准重要性采样（CIS）进行校正。CIS 基于 logit 位移刻画，采用置信度感知截断：大正位移在单一常数阈值处截断，映射为随 token 置信度升高而收紧的重要性比率上限。在三个 MoE 模型和五个数学推理基准上，CIS 均取得最高五基准平均分。