StudentBench 研究显示 AI 辅导在 GRE 学习增益上与人类专家等效
研究团队发布 StudentBench 评估套件与公开平台，基于超过 175,000 条学生-AI 消息和 2,383 名参与者的数据，发现 AI 辅导在 GRE 学习增益上与专家人类辅导统计等效（p = .015），七个 GRE 领域中有五个领域表现最好的 AI 辅导者平均超过人类。
#论文/研究
#论文/研究
今日 0 条HuggingFace Daily Papers（社区热门论文）AI 评分6666 HuggingFace Daily Papers（社区热门论文）AI 评分5252 JitMem 提出读取时任务自适应记忆整理方法，提升 LLM 智能体表现
论文提出 Just-in-Time Memory（JitMem），保留原始轨迹并把记忆整理推迟到读取时，由整理器根据当前任务合成任务自适应的紧凑载荷。在 ALFWorld、WebShop 和 τ^2-bench 上，JitMem 分别超过最强基线 16.2、16.3 和 3.9 个绝对成功率点，未训练的整理器也已与基线相当或更优。
HuggingFace Daily Papers（社区热门论文）AI 评分5353 Hunyuan-A13B 技术报告发布：80B 总参数、13B 激活的开源 MoE 模型
腾讯混元发布开源 MoE 大语言模型 Hunyuan-A13B，总参数 80B、推理仅激活 13B，以平衡能力、效率与部署成本。模型在经严格筛选的 20T token 语料上预训练并加强 STEM 数据，再经 SFT 和大规模强化学习；引入双模式 Chain-of-Thought 框架，简单问题用快思考、复杂多步问题用慢思考。
Anthropic@AnthropicAIAI 评分6565HuggingFace Daily Papers（社区热门论文）AI 评分5757 上海AI实验室发布 InternW0 物理世界模型基础版
上海AI实验室推出 InternW 物理世界模型系列的首个模型 InternW0，通过非对称视频动作架构结合 flow matching 联合学习未来视觉动态与连续机器人控制，视频专家提供长时程预测上下文，轻量动作专家以更快频率运行，并通过复用层间 K/V 和观察条件上下文路由避免每次动作更新都重新生成未来。
OpenAI@OpenAIAI 评分5454IT之家（RSS）AI 评分6868 Anthropic 成立生命科学团队和实验室，Claude 自主发现新型酶系统 ART
Anthropic 于 9 月 23 日宣布成立生命科学研究团队及自有分子生物学实验室，并公布 Claude 参与的首项成果。约 950 个 Claude 智能体在 21 小时内消耗约 2.1 亿个词元，从超过 20 万个逆转录酶中筛出约 3500 个新候选系统，最终发现一种此前未被表征的酶系统，被命名为阵列关联逆转录酶（ART），相关预印本论文同日发布，尚待同行评审。
HuggingFace Daily Papers（社区热门论文）AI 评分4343 Rolling-WAM：带滚动想象的世界动作模型
Rolling-WAM 将视频-动作联合去噪分散到连续的重规划周期中，通过滑动窗口在不同噪声水平上维护视频-动作块，每步完整去噪即将执行的动作块、部分精炼更远的未来块。在 LIBERO、RoboTwin 和真实 Unitree G1 人形机器人上，该方法取得有竞争力的操作性能，相比标准联合 WAM 实现 4.5 倍稳态重规划加速。
HuggingFace Daily Papers（社区热门论文）AI 评分5151 论文提出 ATD 方法：后训练留下的行为阴影可让能力通过无关文本迁移
论文提出 Active Taskless Distillation（ATD），每条提示仅用教师模型的一个词即可实现能力迁移，无需目标任务样本、教师 logits 或教师参数。
HuggingFace Daily Papers（社区热门论文）AI 评分5555 TrackEverything：突破长视频稠密3D点追踪的显存瓶颈
TrackEverything提出一种新的3D点追踪模型，通过去重3D场景表示解决稀疏长时与稠密短时追踪的权衡问题。该模型利用体素化去重、端点细化器及3D WAFT技术，将模型复杂度与视频时长解耦。它是首个能在40GB显存内对超过1000帧视频进行全可见点追踪的3D追踪器，在TAPVid-3D基准上表现优于现有开源稠密追踪器。
HuggingFace Daily Papers（社区热门论文）AI 评分4545 Jev模型生态系统数据分析研究
该研究对GitHub上2170个公开Jev项目进行了大规模数据分析，探讨Jev这一低成本决策模型在自然语言问答、二元判断和评分等场景中的应用。研究发现Jev作为可复用决策组件，其功能随工作流变化，且公众关注度集中在路由和接口代理，而非项目数量本身。
HuggingFace Daily Papers（社区热门论文）AI 评分4646 LLM 评测结论有多可复现？一项针对 LLM 推断提示词结构的自审计
一项自审计研究用 LLM 推断提示词结构作为案例，测试了 5 个模型家族、8B 至 675B 参数的 8 个开源模型变体，发现相同调用无法稳定还原相同结构，节点集 Jaccard 均值在 0.39 至 0.96 之间，72% 的提示词-模型组合从未达到节点集完全一致。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 SAGE：通过拓扑引导缓解长程推理偏差
研究者提出 SAGE（Structural Admissibility-Guided Exploration）框架，通过代数稀疏化与双曲结构引导两种结构先验，缓解长程推理中的探索偏差与累积偏差。在 12 个基准、7 个模型族上，SAGE 优于竞争基线，在 Andrews-Curtis 问题上取得最高 8 倍提升。代码已开源。
HuggingFace Daily Papers（社区热门论文）AI 评分4545 CodeGraph：面向源代码的开放分类知识图谱，基于 Wikidata 对齐
研究者提出 CodeGraph，一个面向源代码的开放分类知识图谱，用代码专用大语言模型从 GitHub 等仓库中抽取算法、范式、设计模式和应用领域等隐含工程知识，并通过 SPARQL、Deep Research Agent 和层级上卷三阶段将实体对齐到 Wikidata。
HuggingFace Daily Papers（社区热门论文）AI 评分4141 LightMIS：无需逐级解码器的超轻量医学图像分割网络
LightMIS 是一族用于 2D 二值医学图像分割的超轻量卷积网络，无需学习式逐级解码器，通过 Scale-Aligned Projection 对齐五级编码器输出并一次性聚合，再用 Adaptive Fusion Cascade 精炼。
elvis@omarsar0AI 评分5656OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分6363 OpenAI 联合 80 多位心理健康专家发布开放基准 MentalHealthBench
OpenAI 发布开放基准 MentalHealthBench，评估 AI 在真实心理健康对话中的表现，由来自 22 个国家、19 种语言的 80 多位持证心理学家和精神科医生共同构建。
推荐理由：原文给出基准的构建方法、评分权重设计和开放发布方式，研究者可据此复现或扩展心理健康方向的模型评测。
Rohan Paul@rohanpaul_aiAI 评分8181
Dario Amodei@DarioAmodeiAI 评分6868Baseten Base Labs：模型研究AI 评分5252 Baseten Base Labs 实验研究蒸馏何时有助于强化学习
Baseten Base Labs 用 Qwen3 0.6B/1.7B/4B/8B 在 16 个推理任务上比较 GRPO 直接训练与先用 gpt-5.6-sol 教师解法做 SFT 再 RL。
Anthropic：Newsroom（网页）精选AI 评分7676 Anthropic 成立生命科学实验室，Claude 自主发现类 CRISPR 的新型酶系统 ART
Anthropic 宣布成立生命科学研究组与实验室，Claude 智能体在仅有人类高层指导下自主发现一种与 DNA 重复序列相关、结构类似 CRISPR 的新型酶系统，命名为 array-associated reverse transcriptases（ART），并发布预印本。
推荐理由：原文给出 Claude 发现新酶系统的具体过程与规模数据，读者可了解 AI 智能体如何参与基础生物学发现的工作方式。
Microsoft Research 博客（RSS）AI 评分7878 微软研究院：机器人推理卸载至边缘/云端可显著提升性能与续航
微软研究院发布关于物理AI机器人推理基础设施的研究。通过系统评估移动操作任务，发现将推理从机载GPU卸载至边缘或云端，能解决机载算力限制模型规模、导致响应延迟（最高383%）及精度下降的问题。实验显示，卸载推理不仅提升了任务成功率，还通过替换高功耗机载GPU为轻量硬件（如树莓派），使机器人电池寿命延长高达160%。此外，微软推出了基于Kubernetes的Physical AI Toolchain工具集，支持自动化容器化与分布式推理部署。
- elvis@omarsar0AI 评分6060
- elvis@omarsar0AI 评分5353
DAIR.AI@dair_aiAI 评分5252IT之家（RSS）AI 评分7373 DeepSeek 发表 DSec 论文公开 Agent 训练沙盒基础设施，梁文锋署名
DeepSeek 发布 DSec（DeepSeek Elastic Compute）论文并署名梁文锋，公开用于 Agent 训练的沙盒基础设施技术细节。
HuggingFace Daily Papers（社区热门论文）AI 评分7575 AIDE² 论文展示 AI 研究智能体的递归自我改进
论文提出 AIDE²，一个让前沿 AI 研究智能体递归自我改进的系统：智能体提出对自身代码的修改，在 AI R&D 任务套件上基准测试修改版本，只保留隐藏评估表现最好的改动。
HuggingFace Daily Papers（社区热门论文）AI 评分4242 LastOPD：解决潜在在线策略蒸馏中的性能崩溃
研究者在将 Qwen3-4B 和 Qwen3-8B 蒸馏到 Qwen3-1.7B-Base 时发现，潜在监督会让 MATH-500 准确率在 10 步内从 25 升到 46，随后却崩到 11 且无法恢复，而对齐指标仍在持续改善。
HuggingFace Daily Papers（社区热门论文）AI 评分4141 TimeEvo：时间序列智能体的失败驱动自进化
TimeEvo 提出一种失败驱动的时间序列智能体自进化方法，通过将诊断出的失败聚类为能力缺口、为每个缺口规划度量、合成仅基于证据的工具，并经配对准入机制筛选候选工具库。在十个时间序列 QA 任务和三个骨干模型上，TimeEvo 从空工具库起步，在每个任务和每个骨干上都提升了准确率，且在廉价模型上成长出的工具库装入更强模型后仍能带来增益。
HuggingFace Daily Papers（社区热门论文）AI 评分3333 EmbodiedMemory-Bench：面向长时程具身任务的具身记忆基准测试
研究者提出 EmbodiedMemory-Bench（EMem-Bench），包含 4 类任务家族共 2,554 个交互 episode，要求智能体从交互历史中构建并更新记忆，再据此在环境中完成后续任务。
HuggingFace Daily Papers（社区热门论文）AI 评分5353 Learning to Discover Interesting Mathematics：用有趣度指标引导模型自动发现数学定理
论文提出用证明长度与陈述长度之比衡量定理的内在有趣度，并证明其与下游实用性相关。作者训练了一个 27B 模型预测证明难度，准确率超过前沿通用模型；按该指标优化后，生成定理与 Mathlib 的实质性或完全重合率从 91.9% 降至 30.6%，系统可迭代构建自扩展的机器验证数学库。
Epoch AI：研究、数据与评测精选AI 评分6666 Epoch AI 研究报告：达到同等 AI 性能的成本每季度下降约 47%
Epoch AI 发布报告，估算过去三年内达到同等 AI 性能的成本平均每季度下降约 47%，即每年约 13 倍，并认为这一速度可能自 2021 年 11 月商业 LLM 推理开始以来持续至今。分析覆盖数学、硬科学和技能游戏类五个基准；刚达到 SOTA 的性能成本每季度下降 66%，两年后放缓至每季度 32%；报告同时指出基准针对性训练、数据不完整等局限。数据与代码在 GitHub 上公开。
推荐理由：报告用五个基准三年数据量化达到同等性能的成本下降速度，还区分了刚成为 SOTA 与两年后两种情形，数字和方法都值得细看。
Hacker News：AI 热帖AI 评分5151 NTNU综述173项研究：AI对儿童批判性思维影响呈双重性，低龄群体研究严重不足
挪威科技大学（NTNU）研究团队分析了173项关于生成式AI在教育中使用的国际研究，发现AI本身既不增强也不削弱批判性思维和问题解决能力，效果取决于使用方式：用于提问和对比观点时有帮助，当作现成答案捷径时则增加依赖和浅层思考。
- Rohan Paul@rohanpaul_aiAI 评分5757
Meta 发布 A-MLE（Agentic ML Exploration），一个已在自家广告排序模型上部署的 LLM 智能体框架，自动化提出想法、跑实验、恢复失败任务、比较结果并在模型间迁移经验。
HuggingFace Daily Papers（社区热门论文）AI 评分4545 FoMo：利用扩散模型轨迹分叉时刻自动生成感知距离标签
该论文提出 FoMo（Forking Moment），一种全自动数据生成管线，用于在无需人工标注的情况下生成图像对之间的点式感知距离标签。方法利用扩散模型的生成动态，认为早期时间步决定粗结构，晚期决定细节；图像在生成轨迹中“分叉”越早，感知距离越远。实验表明该方法能对齐人类视觉系统，并用于训练参考型图像质量评估指标，在多个基准上超越依赖人工标注的数据集。
HuggingFace Daily Papers（社区热门论文）AI 评分4646 分离式量化：为 LLM Prefill 与 Decode 分别定制量化方案
研究提出"分离式量化"（DQ），针对 prefill 与 decode 两个阶段分别定制计算格式、权重与存储位置。
- Rohan Paul@rohanpaul_aiAI 评分6565
- Rohan Paul@rohanpaul_aiAI 评分5555
HuggingFace Daily Papers（社区热门论文）AI 评分4343 D-JEPA：面向决策对齐的潜在世界模型
D-JEPA 是一种决策对齐的潜在世界模型，通过学习已执行结果中候选未来之间的决策相关关系，弥补预测精度与决策质量之间的"决策局部预测差距"。它在 PushT 上达到 87.89% 成功率，在 RoboTwin 上平均提升 15.04 分，在物理机器人任务上提升 17 分。该方法兼容 JEPA 未来表征，可通过原生潜在距离规划部署。
IT之家（RSS）AI 评分5353 IDC 报告：2026 上半年全球四足机器人出货量超 4.9 万台，同比增长 92.5%，宇树、云深处、智元等中国厂商领先
IDC 发布《全球四足机器人市场份额，1H26》报告，2026 上半年全球四足机器人出货量超 4.9 万台，同比增长 92.5%，市场规模超 4 亿美元。教育科研和家用消费贡献约 60% 出货量但收入不足三分之一；行业级应用市场规模超 2.7 亿美元，同比增长 125.1%，部署量同比增长 260.5%，云深处科技位居行业级应用市场首位。