全部 AI 动态

KVAE 系列 tokenizer 覆盖音频、图像与视频，专为后续文本条件生成设计。其中 KVAE-Audio 为连续全频带 48 kHz tokenizer，具备 50 Hz 潜空间与 64 通道；KVAE-3D 提供 4x16x16 与 4x8x8 两种因果视频压缩方案；KVAE-2D 图像模型实现 8 倍压缩与 32 通道。

MIT 研究人员与合作者发现，医疗领域的 AI 可解释性工具效果因使用者而异。在皮肤病诊断中，非专家借助 AI 辅助提升了准确率，但提升主要源于对模型的依赖；初级保健医生则表现出不同的使用模式。

Nathan Lambert@natolambert

27

Yichuan Wang: Zero Train-Inference Mismatch - now for linear attention, and under async RL 🎯 We got bitwise-exact trainer/generator p...

MameLoshnLM 是首个专为意第绪语构建的开源 8B 参数语言模型，基于 Llama 3.1 8B 继续预训练而来。研究同时推出 Oytser 高质量意第绪语预训练语料库和 Kashes 多任务评测基准。在基准任务上，MameLoshnLM 优于同规模开源基线，且更好地捕捉了意第绪语特有的词汇与形态模式。

研究者提出任务条件流匹配（TCFM）框架，针对不同任务采用差异化训练目标：翻译任务使用流匹配，检索、分类等任务则用更契合其学习动态的目标，并结合教师引导与三阶段课程实现稳定适配。在 Indic Massive Text Embedding Benchmark 上，TCFM 取得新 SOTA，并泛化至不同嵌入模型家族，代码与数据集将在论文接收后公开。

持续学习正从参数中心机制转向系统级适应，涵盖训练策略、架构设计及权重适配之外的更广范畴。该综述提出When、How、Where三维框架：How涵盖off-policy、on-policy与超越梯度的优化，When覆盖预训练至推理阶段，Where区分内部参数与外部结构约束，并系统梳理了代表性方法及未来挑战。

MASS将世界动态与视角渲染解耦，以应对多人环境中现有视频世界模型的计算冗余、视角不一致和扩展性差等问题。其学习型逻辑引擎无需手写转移函数即可推进全局权威类型化状态，渲染引擎则按需为任意相机生成独立且一致的视角。在多人Snake基准上，MASS实现了更高的状态精度和更低的跨视角不一致性，并支持1,024个并发玩家、10,000步循环预测。

论文提出经济世界模型（EWM）实施路线图，将其组织为六级能力阶梯，从固定规则智能体世界延伸至与真实观测对齐的仿真-现实经济孪生。系统文献综述显示，现有工作集中于低层级智能体与模拟环境，具备自进化智能体、内生制度与实证对齐的系统仍属罕见。作者发布精选论文列表及相关资源，以加速下一代经济模拟环境开发。

EffectLearner 提出一种语义推理增强的视频物体移除框架，结合基于 VLM 的 Object-Effect Reasoner 与基于 DiT 的 Video Eraser，通过结构化效果分析提示词提取效果感知上下文，并引入运动感知掩码引导与运动一致性监督。

PaDoc 将预测布局视为共享页面表示上的分支结构，使布局流与区域内容分支并行推进，将解码深度降至最长布局-内容路径。在 OmniDocBench Full 上，PaDoc 取得 Overall 布局 F1 91.1，端到端解析器中 Overall 得分 94.24，Text Edit 0.038，Formula CDM 95.59。

Ethan Mollick@emollick

33

Ethan Mollick: 👀After 154 pages of tests of GPT-4, this paper concludes "Given the breadth and depth of GPT-4's capabilities, we belie...

Rohan Paul@rohanpaul_ai

35

Qwen-CUA 证明仅凭人类使用的屏幕、鼠标和键盘即可训练出强大的电脑智能体，将截图作为 AI 的通用界面。训练动用近 10 万虚拟处理器核心和约 4 万个可检查任务，智能体仅通过截图和鼠标键盘操作，无需网站代码或辅助标签。其在 OSWorld-Verified 基准上得分 86.2，但长时程任务仍存在较大差距。

本源量子与中国科学技术大学联合团队提出“参数空间扩展受控相位门（PSE-CZ）”方案，破解超导量子计算速度与保真度相互制约难题，成果发表于《物理评论快报》。在“本源悟空”上对20对两比特量子门测试显示，30-40纳秒极短门长下仍保持优于传统CZ门的稳定性能。该方案还可推广至离子阱、固态自旋等平台。

EnvACE 提出一种智能体强化学习方法，用世界预演替代训练中的外部环境交互：策略先生成工具调用，再扮演环境生成响应，并基于预演结果继续决策，两端通过任务成功奖励端到端联合优化。

Rohan Paul@rohanpaul_ai

36

英伟达新论文提出，一个 LLM 可通过简单的线性转换器复用另一模型的提示词缓存，无需重新处理整个提示词。该方法从 500 条校准序列学习，无需反向传播，在 Qwen3、Llama 3.1 和 Ministral 3 的 6 组模型对上，4 组保留了目标模型 73% 至 98% 的基准准确率，转换速度提升 2.7 至 25 倍。

DyPES-VLA 提出一种跨具身视觉-语言-动作模型，通过未来预测目标训练 VLM 学习共享动力学先验，并利用具身特定的 MoE 动作头直接在原生动作空间生成控制，无需手动对齐异构动作。作为通用策略，它在 LIBERO 上达到 98.0% 成功率，在 RoboCasa-GR1 上为 59.25%，在 RoboTwin 2.0 上为 89.02%，在仿真和真实世界评估中均取得 SOTA 性能。

HarnessOpt-Bench 发布，用于在昂贵且随机的评估条件下衡量前沿 LLM 的端到端编排优化能力。优化器需在固定评估预算内编辑目标智能体的 harness 并提名最终候选，最终得分基于在不可访问的测试集上相对 seed 的归一化增益。

ChronoVision 提出多模态框架，通过监督微调中的 Reconstructive Visual Head 预测最终变换状态的潜在表征，并借助 ROI Attention Locating 模块聚焦关键视觉证据，后训练阶段采用带隐式过程对齐的强化学习。在 Vbvr-VQA 上取得 74.8% 域内和 71.6% 域外准确率，在 IntPhys2 上达到 55.0%。

UniME-R1 提出一种 embedder-adviser 框架，通过挖掘硬负样本模拟检索失败，让 adviser 基于初始检索结果生成检索中心思维链（RC-CoT），以纠正嵌入器对细微判别线索的混淆。若目标出现在初始 top-k 集合中则直接重排，否则生成 RC-CoT 调整检索方向并执行全库重检索。在 MMEB-V2 及多个通用多模态检索基准上，UniME-R1 持续优于强基线。

一项针对 Qwen3 的研究发现，On-Policy Delta Distillation（OPD2）在多语言数学推理中持续优于原始 OPD，尤其在韩语和日语上提升显著，并普遍缩小了英语与韩语的性能差距。研究还显示，仅用英语数据的 OPD 虽能提升韩语和日语表现，但常使回答偏向英语，凸显了多语言数据对保持目标语言回答的重要性。

GST-Bench 提出用于视频理解全局空间智能的 VQA 基准，含 6,790 分钟合成视频生成的 2,762 个人工验证问题，要求模型从新视角推理并映射到全局俯视图。对 22 个 SOTA VLM 的评估显示，最强零样本模型 Gemini-3-Pro 仅得 42.68 分，远低于人类基线 79.08；研究还提供 GST-Train 数据集以促进后续研究。

AgentOPSD 提出一种免评论家的递归回合级信用分配方法，将 token 级师生对数概率差聚合为回合级证据，并在 log-odds 空间递归更新贝叶斯信念状态，将稀疏结果监督转化为回合级信用信号。

CalibForge 提出一种自主终端任务合成系统，通过多求解器校准和对比校准，将任务构建为受约束的对抗性作者-求解器循环，使候选任务处于可证明可解但未被统一求解的“可学习区”。

斯坦福大学研究人员使用 AI 技术首次成功设计出完整基因组，产出的 16 种新型噬菌体在实验室中可有效杀死大肠杆菌，不会对人类构成威胁。团队开发的 Evo1 和 Evo2 模型以病毒、细菌、植物和人类的遗传代码为训练数据，通过微调预测“生命语言”。研究被视为“非常重要的转折点”，或为抗生素耐药感染提供新治疗路径。

Rohan Paul@rohanpaul_ai

68

谷歌新论文提出，相似AI智能体即使无法沟通或未来无回报，也能基于“自身选择可预测对方选择”的推理实现理性合作，挑战经典博弈论对一次性囚徒困境中背叛的预测。Gemini和Gemma智能体在多种游戏后，相同模型合作率高，相关模型次之，随机对手多遭背叛。该“嵌入均衡”或能更好预测AI社会，但警示相似AI可能偏向同类而非人类。

苹果研究团队推出 DeepAmbigQA，一个用于评测大语言模型答案完整性的歧义多跳问答基准。该基准聚焦“同名电影《盗火线》中哪位演员获得过奥斯卡奖”这类复杂问题，要求模型同时区分同名实体并跨大量实体进行多跳推理。研究团队还发布了自动数据生成流程 DEEPAMBIGQAGEN，以构建此类评测数据。

Dongxi 东锡 NLP@dongxi_nlp

22

Asa Cooper Stickland: New paper, led by Agatha Duzan: your CoT monitorability numbers are too optimistic. Models are bad at hiding on demand: ...

斯坦福大学研究人员利用大型基因组模型输出可编码功能性蛋白的DNA序列，并成功设计出感染细菌的病毒基因组。这些病毒与现有病毒高度相关，但具备一些难以自然进化出的独特特征。研究者提醒，未来可能出现能设计针对脊椎动物病毒的AI，需提前防范。

Alexandr Wang@alexandr_wang

20

Shuchao Bi: To understand whether we're making genuine progress on reasoning, we entered our AI models in five international STEM Ol...

Apple 提出深度低秩残差蒸馏方法，在锁定预训练权重的同时实现模型压缩。该方法通过低秩残差结构蒸馏知识，避免直接修改原始权重，从而保留预训练模型的既有能力。研究展示了该方法在保持模型质量的同时，为开源权重模型的高效适配提供了新路径。

FocusMem 提出一种分解式潜在记忆接口，用角色感知的内容基元让情景记忆保留可复用经验、工作记忆保留任务进度，并以状态条件读取生成决策特定视图、轻量信任门抑制无关记忆块，全程冻结 GUI 策略。