跳到正文
实时
科研#MCP/工具调用
11月14日周六
11月13日周五
11月12日周四
11月11日周三
  2. 蚂蚁 inclusionAI · Hugging Face 新模型

    inclusionAI/ZoomGain-4B 发布：基于全局到局部视觉感知差距的细粒度视觉监督模型

    inclusionAI 发布了 ZoomGain-4B 大语言模型，在 ZoomGainBench 上取得 61.08 分，并在多个细粒度感知和通用感知基准测试中表现优异；模型基于从全局图像细节中挖掘的全局到局部视觉感知差距构建监督，支持英文和中文问答，可通过 Hugging Face 下载。

  3. IT之家 · AI

    挪威团队通过无线电语音指令成功启动在轨卫星游戏《毁灭战士》

    挪威奥斯陆业余无线电小组通过地面无线电发送语音指令，成功让 OPS-SAT PRETTY 卫星启动《毁灭战士》游戏，创全球首次通过无线电链路让卫星自主识别并执行口头指令的纪录。团队利用可更新的软件和软件无线电设备为卫星增加语音控制能力，使用约 27MB AI 语音识别模型将声音转为文字并检测指令，实验重点在于让卫星自主分析无线电信号并采取行动。

  4. Hugging Face Daily Papers65

    Infrathon：用于现实世界长时程 AI 基础设施优化的语言智能体基准

    Infrathon 对六种模型进行了 150 次长时程 AI 基础设施优化任务评估，总耗 10,000 GPU 小时，发现模型排名随评估时程变化，135 次任务在预算后半段实现进一步优化，且 Claude Opus 5.5 将 KV 缓存压缩率从 6.82% 提升至 19.86%，超出人类设计基线。分析显示任务违规、测试不可靠和过早完成是持续优化的主要障碍。

  6. OpenRouter Blog

    LLM 量化：fp8 和 fp4 对质量与价格的影响

    在 OpenRouter 上测试，fp8、fp4 与 fp16 在 240 个评分任务中未发现精度差异，所有六种端点得分在 98.3% 至 99.2% 之间。低精度通常更便宜，但 fp8 比 fp16 更贵的情况有 7 模型，4-bit 比 8-bit 更贵的情况有 7 模型。fp4 端点在 40 个无工作流乘法任务中表现最差，但差距可能由偶然性导致。

11月10日周二
11月7日周六
  1. Hugging Face Daily Papers65

    Drex 开源决策模型发布

    Drex 开源决策模型返回用户选项的概率分布，无需自回归解码，采用监督微调、RLAF 和一致性损失提升准确率、鲁棒性和延迟性，其 35B 参数的 Max 版本在 Decision Index 0.4.1 上达到 67.52 分的行业最佳成绩，且响应时间仅为 GPT-6 Sol 的 9% 和 Claude Opus 5.5 的 5%。

11月6日周五
11月5日周四
  1. Hugging Face Daily Papers

    StreamDuo：一个实时解说员和一个研究智能体用于未见过的新游戏

    StreamDuo将一个可训练解说员与一个冻结的研究智能体配对，该研究智能体检索游戏维基条目，以在不针对目标游戏进行训练的情况下提高跨游戏直播解说。StreamDuo在 Baldur's Gate 3 上训练并在十个未见过的新游戏中测试，将实体召回率从 0.082 提高到 0.116，将源游戏泄露率从 9.9% 降低到 1.0%，并在直播模型中实现了最佳时机、最高的评判活力和总体质量。

11月4日周三
11月3日周二
  2. Hugging Face Daily Papers34

    OSWAM：一种高效的单步行动生成世界行动模型

    OSWAM 通过使用结构化想象标记初始化扩散过程，并将未来条件特权信息蒸馏到单个去噪步骤中，实现了自动驾驶和具身控制中的实时高质量行动生成。该模型仅需一步扩散即可生成高质量行动，比需要数十步的去噪过程直接策略世界行动模型（WAM）快约 3 倍，在 NVIDIA RTX 5090 GPU 上实现低至 40ms 的延迟，支持实时编译推理。

11月2日周一
  1. IT之家 · AI65

    研究者在《我的世界》测试 AI 智能体集群：协作容易官僚化，对战 GPT 胜率更高

    研究人员使用50个GPT-6.1 Sol智能体在《我的世界》中搭建文明群落，因官僚化倾向未能发展壮大；10个GPT-6.1 Sol对阵10个Claude Opus 5.5的起床战争测试中，GPT智能体策略更激进，完成问题诊断并共享解决方案；七局Mindustry对战中GPT智能体六胜一负，体现蜂群模式优势。

  2. Hugging Face Daily Papers58

    Wizard：通过智能体控制实时操控任意世界

    Wizard解耦角色动画、场景操控和游戏逻辑与视觉生成，通过结构化视觉代理让智能体控制关节骨骼和场景几何，实现24 FPS的实时交互，零样本泛化到未见场景、角色和动作。团队构建了50.3小时对齐的代理-视频对，包含750场景和178个角色，支持角色自适应遮罩、因果适应和少步蒸馏技术。

10月31日周六
10月30日周五
  1. Hugging Face Daily Papers42

    WorkFactory：通过信息规划与修复将专业意图转化为可执行任务以实现可扩展智能体训练

    WorkFactory通过信息规划与修复构建连贯的专业任务，产出WorkPilot模型，在专业工作基准测试中提升专家级智能体表现。该框架从专业意图出发，构建信息支持图指导任务实例化，并通过探测执行识别支持失败并指导修复，同时保留预期工作。

10月29日周四
  1. 量子位

    逐际动力发布 FluxVLA Engine V2 技术报告，工程能力一键复用让具身智能研发更高效

    逐际动力发布 FluxVLA Engine V2 技术报告，通过统一配置、模块解耦和系统优化，实现模型训练、评测与部署全链路复用，支持14种主流策略接入，推理路径频率提升2.31–9.64倍，在ALOHA、双臂Franka等6款真机验证闭环执行，在线强化学习使SmolVLA成功率提升10.0–15.4个百分点。

  2. Hugging Face Daily Papers

    嵌入Gemma 2：统一高效的跨模态表示模型

    EmbeddingGemma 2 是一个开源的多模态嵌入模型，将文本、图像、音频和视频表示统一在高效且资源灵活的设计中，并在基准测试中表现优异。它在所有模态的嵌入基准测试中建立了新的帕累托前沿，优于专业模型和规模大两到十二倍的其他模型。该模型支持选择性模态编码器加载、可调节的视觉标记预算、可截断的嵌入维度和量化权重，以适应资源受限的环境。

10月28日周三
10月27日周二
  1. Hugging Face Daily Papers

    InteractiveWorld：一个可验证的人本环境，用于构建更好的交互式 MLLM 助手

    InteractiveWorld 提供了一个可验证的模拟环境和基准，用于评估多模态语言模型（MLLMs）能否可靠地指导人类完成物理任务。实验使用 12 个前沿 MLLMs 在包含 120 个多轮任务的基准上评估，结果显示它们距离成为可靠的助手仍很远，即使是 Claude Fable 5.1 在长时程指导与规划任务上的得分也仅为 20% 和 25%。

10月26日周一
10月23日周五
10月22日周四
  2. IT之家 · AI

    米哈游联合清华北大等高校发布开源 GameScaling 游戏模型，覆盖 0.8B 至 27B 参数规模

    米哈游联合清华北大等高校发布开源 GameScaling 游戏模型，覆盖 0.8B 至 27B 参数规模。该系列 8 个模型基于 Qwen3.5 视觉语言模型继续预训练，训练数据涉及《我的世界》《毁灭战士》等游戏。模型接收游戏画面及操作记录生成后续指令，支持实时游戏交互，4 种参数规模各有 S1、S3 两个版本，采用 Apache 2.0 许可证。

10月21日周三