IT之家 · AI5858谷歌发布“睡眠框架”：让 AI 学会“睡觉”，边用边学还不忘旧知识
谷歌推出“睡眠框架”持续学习方案，通过“清醒-睡眠”循环解决大模型知识固化与遗忘问题；模型在清醒时处理输入，睡眠时整合记忆并自我改进，实验显示可处理千万级 token 上下文并保持性能稳定，AIME 基准准确率提升
实时
#论文/研究
- IT之家 · AI5858
Hugging Face Daily Papers6565Hugging Face Daily Papers：通过难度度量形式化基准评估，识别测量不匹配和覆盖缺口
研究通过难度度量形式化基准评估，识别测量不匹配和覆盖缺口，提出诊断指标和重写算法改善基准覆盖；分析25个跨7领域的流行基准，发现多数基准隐式高估特定难度区域或未覆盖难度轴大部分区域，限制模型改进监控能力；引入BenchFill算法有效减少局部覆盖缺口。
- IT之家 · AI
AI模型使用成本受不同语种影响，Token消耗量最高可相差17倍
AI模型处理不同语言时Token消耗量最高可相差17倍，英语及其他主流语言用户成本更低。隐性“分词器税”导致网络内容较少的语言用户需支付更高费用，影响响应速度和上下文容量。AI实验室需公布各语言评估结果并改进分词器设计以缩小差距。
Hacker News · AI 热帖在 Minecraft 和 Mindustry 中运行 AI 智能体群
25 个 GPT-6.1 Terra 智能体在 Minecraft 中运行 3 小时，目标是建立繁荣文明。它们形成了伪政府，制定了规则，并发展出复杂协调模式。智能体最初专注于砍伐树木，随后形成等级制度，并通过约 5,900 条消息进行沟通。
- Hugging Face Daily Papers5252
WeVisCut：从旁白到长视频的一体化智能剪辑代理
WeVisCut 通过训练一个 9B 参数的紧凑策略，协调视频编辑工具、从失败中恢复并减少 token 使用量，同时保持输出质量。该系统采用四阶段数据管道，结合编辑反演和验证重放，从 3,750 个成品视频中生成超过 130K 个训练示例，用于训练单一策略。
- Hugging Face Daily Papers3838
Soft-MTP 通过 KL 恢复技巧实现高质量多标记预测
Soft-MTP 通过 KL 恢复技巧去除多标记预测（MTP）中的噪声梯度残差，在不增加成本的情况下提升困惑度、推测解码和推理能力。
Epoch AI精选同一件事 · 2 家8888Epoch AI：GLM 5.3 可利用补丁空窗期攻破多个 Firefox 版本
Epoch AI 实验显示，Z.ai 于 8 月发布的开源权重模型 GLM 5.3 能借助已公开但尚未推送给用户的安全修复，自主构建网页攻击 9 月 17 日至 10 月 26 日间发布的六个 Firefox 版本，用户访问该网页即被读取本地文件并回传。
同一件事 · 2 家各家口径不同：The Decoder 提及成本为 1000 美元，并且该漏洞已在 Firefox 159.0 中修复，而 Epoch AI 没有提及这些细节。
推荐理由: Epoch AI 用开源权重模型复现补丁空窗期攻击，给出每版本约 1000 美元的成本量级，可供评估开放模型的安全边界。
- Epoch AI6565
全球 AI 计算能力每 9 个月翻一番
Epoch AI分析全球AI芯片销售数据，以H100等价单位衡量计算能力，每季度增长呈指数趋势，表明计算能力每9个月翻倍。
Simon Willison6060使用 Fable 类模型构建多人游戏世界的探索
Spawn 游戏环境通过玩家向 Savi 代理发送提示词来修改游戏世界，其核心由 Fable 5 及 5.1 模型驱动，每月 AI token 花费超 300 万美元。
Databricks Blog2828如何评估 Postgres 管理服务：技术采购者检查清单
评估 Postgres 管理服务应关注基础设施运维、故障恢复和兼容性，而非仅看功能列表。关键验证点包括：运维范围（补丁、升级、调优权限）、高可用性（自动故障转移、跨可用区切换）、备份恢复（PITR、保留期）、兼容性（支持的 PostgreSQL 版本与扩展）、迁移路径及成本。红旗包括仅管理虚拟机、无明确 RPO、关键扩展不支持或数据导出受限的情况。
Amazon ScienceAmazon Science 探索加速语言模型在旅行应用中的技术
Amazon Science 结合知识蒸馏（KD）和 Medusa 框架优化旅行平台 LLM。经过微调、KD 训练及 Medusa 头部改造后，TinyLlama 1.1B 模型在 AI 旅行规划、智能筛选和住宿描述生成等场景中，性能接近 70B 参数 Llama-3.1 教师，成本降低三分之二，速度提升 10-20 倍。
AWS Machine Learning Blog4242MoEngage如何用AgentCore Gateway将400个API转换为智能体工具
MoEngage 通过 Amazon Bedrock AgentCore Gateway 将 400 个内部 API 转换为受权限控制的智能体工具，解决多团队 API 集成难题。该方案无需搭建 MCP 服务器或配置网络，将新 API 上线时间从数天缩短至数小时，同时满足 API 保留在 VPC 内部、身份由服务端控制、工具定义不占用推理上下文窗口的约束。
Meta Engineering精选6666Meta 将 JiTTesting 投入生产：用 LLM 生成测试在代码合入前抓 Bug
Meta公布Catching JiTTests已在内部投入生产，用LLM为待合入的diff自动生成可执行测试，在代码落地前暴露行为差异
推荐理由: Meta 公开了 JiTTests 的生产部署细节与量化结果，可供评估 LLM 生成测试在超大规模代码库中的落地方式。
NVIDIA Technical Blog3535NVIDIA 解锁 Tensor Core 性能以加速机器学习原子势能计算
NVIDIA 通过优化 Tensor Core 性能，显著加速机器学习原子势能计算。其技术可提升量子力学方法如密度泛函理论（DFT）的计算效率，平衡成本与精度。该方案适用于大系统或长时间模拟，但具体参数规模、benchmark 分数及可用性（开源/闭源/API）原文未提供。
Hugging Face BlogProject ProtoStar 项目发布：推动公共资助科学研究向 AI 兼容化发展
Project ProtoStar 项目发布，旨在通过使数据集、模型和代码更易获取和复用，解锁公共资助科学研究的潜力。该项目汇集了大学、研究机构、产业和开放科学社区，支持以 AI 兼容、机器可操作的格式发布科学成果，并通过一系列公开挑战展示其价值。首个挑战由卡内基梅隆大学主办，将于 11 月 2 日启动。
- Hacker News · AI 热帖
Lean 创始人 Leo de Moura：AI 如何推动形式化验证发展
Lean 创始人 Leo de Moura 探讨 AI 如何使形式化验证更易用，并可能改变软件工程。AI 生成代码需通过形式化验证确保正确性，Lean 可用于编写机器可验证的证明，目前已有两套验证器。AI 可辅助实现代码并自动证明其属性，例如 Kim Morrison 将 zlib 移植到 Lean 并证明压缩无损。
- IT之家 · AI6565
今日宜休公布战略，计划一年内采集超 1000 例金标准临床 PSG 数据
今日宜休在 ISHO 今日宜休 AI 睡眠科技生态产品发布会上公布战略，聚焦精准监测、科学干预与精力恢复，计划一年内采集超 1000 例金标准临床 PSG 数据，并将科研范畴从夜间睡眠质量延伸至日间精力状态。
- Hacker News · AI 热帖
DAYJOB: Tax 发布，评估 AI 代理在 50 项专业税务任务中的表现
DAYJOB: Tax 评估 AI 代理在 8 个税务领域的 50 项专业任务中的表现，要求代理完成税务申报、合规和咨询工作。Claude Sonnet 5.5 在排行榜上以 10.8% 的通过率领先，Claude Opus 5.5 通过率为 9.2%。该基准包含 1,789 个工作空间文件，涵盖各种税务场景和复杂材料，由税务专家创建和审查。
量子位精选7878PSI 称 AI 辅助解决 5 道量子信息开放问题
Physical Superintelligence（PSI）称借助自研AI科研系统Emmy，在量子信息理论的5个开放问题上取得成果，论文、Lean形式化证明和验证代码已发布在GitHub供审查。
推荐理由: 读者可看到一家新公司用生成与形式化验证分离的流程挑战量子开放问题，并了解其团队与融资背景。
- Hugging Face Daily Papers
Prox模型无需校准数据即可实现专家混合解码的通道选择
Prox模型通过top-k通道选择和基于权重的读取器加速专家混合推理，同时保持准确率，无需校准数据。在13%和18%的预算下，Prox的top-k版本在43次比较中的40次得分不低于或优于阈值版本，包括所有23次生成任务，且避免了校准阈值在Gemma 4上引起的重复循环崩溃。
- IT之家 · AI
Momenta CEO 曹旭东首次公开大模型定义芯片洞察
Momenta CEO 曹旭东首次公开了大模型定义芯片，该芯片性能比通用芯片提升 10 倍，可支持千亿参数模型实现规模化 L4，推动机器人等物理 AI 应用的突破。XHEART 新芯航途发布了全新 X7 Ultra 大模型芯片，专为大模型设计，拥有超大核 NPU 架构和 Armv9 车规级 CPU。
- Hugging Face Daily Papers6565
Sensorimotor Alignment：一种基于感知运动对齐的具身智能体成功代理指标
Sensorimotor Alignment (S²) 指标发现具身智能体的视觉与运动表征对齐程度与其任务成功率正相关，验证了柏拉图表征假说在机器人领域的适用性。在模拟与真实机器人测试中，高 S² 的模型（如 Vision-Language-Action 和 World Action Models）表现更优，且能解释 VLA 模型忽略指令而依赖视觉特征的现象，可作为低成本离线代理指标。
- 量子位
分子之心MMDesign在AI制药领域取得突破性进展
分子之心AI蛋白质从头设计平台MMDesign完成18个设计项目，成功率94.7%，其中六个GPCR靶点全部命中，最优亲和力达纳摩尔级；平台通过“生成-筛选-验证”工作流，在计算空间生成数万个候选分子后，仅测试9-50个即获成功，整体候选命中率30.7%，展现出高效精准的分子设计能力。
- 量子位
威卡发布具身智能赋能工程机械高质量数据集
威卡移动控制发布具身智能赋能工程机械高质量数据集，包含3600万帧、12类典型作业场景，已上线Hugging Face。该数据集通过“视觉、激光、位姿、力馈、手柄输入”五大维度同步对齐采集，覆盖多品牌挖掘机机型，旨在解决具身智能行业数据稀缺痛点，推动工程机械智能化与少人化。
- 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。
- 量子位
逐际动力发布 FluxVLA Engine V2 技术报告，提升具身智能研发效率
逐际动力更新了开源工程底座 FluxVLA Engine 的第二版技术报告，V2 在仿真侧支持 14 种策略接入 LIBERO 评测，推理端模型路径频率提升 2.31–9.64 倍，并在 ALOHA、双臂 Franka 等真机平台验证部署链路。在线强化学习使 SmolVLA 在 LIBERO-10 和 RoboTwin Clean 任务成功率分别提升 10.0 和 15.4 个百分点。
- 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。
- Hugging Face Daily Papers
Falcon 音视频目标说话人提取模型发布
Falcon是一个因果音视频目标说话人提取模型，通过目标说话人嘴部视频从嘈杂重叠语音中提取其声音，结合单次多尺度时频分离器和编码器空间说话人对比损失，在不增加推理成本的情况下减少干扰说话人泄露。
- Hugging Face Daily Papers6565
DTCA：用于扩散语言模型的强化学习去噪标记信用分配框架
DTCA 通过置信度提升和熵校准进行标记级信用分配，提升扩散语言模型的数学推理能力。该框架在 LLaDA-8B-Instruct 上实验显示，在不同生成预算下，数学推理性能提升显著，MATH500 指标提高 9.0 分，GSM8K 指标提高 5.3 分。
- Hugging Face Daily Papers
RSI Arena 探索人类反馈驱动的递归自改进
RSI Arena 证明自主 AI 智能体能独立用人类反馈训练和迭代改进语言模型，多数智能体在第二阶段实现偏好增益，尽管基准测试提升有限。十款前沿模型作为训练智能体，从 NVIDIA Nemotron 3.5 Lightning 30B-A3B Base 开始，在第一阶段六天内独立选择数据、实施训练、选择检查点，使用 64-GPU 集群和 300 美元 API 信用。
- IT之家 · AI
首批风云气象卫星极端天气 AI 模型发布，27 秒生成台风“体检报告”
首批风云气象卫星极端天气 AI 模型发布，台风智能云图解译模型每 15 分钟解译一次，27 秒生成台风分析文本；强对流短临预警模型结合风云四号卫星观测，将预警时间提前至四小时。
- IT之家 · AI同一件事 · 2 家
Anthropic Claude AI实战找漏洞：安卓手机锁屏下提取照片、53分钟攻破Linux获取最高权限
Anthropic通过未公开发布的内部Claude研究模型发现Chrome、Safari、Android、Windows和Linux漏洞，并串联为5条攻击链。
Replit BlogViBench 2.0：一个用于长时程软件构建的基准测试
ViBench 2.0 发布，用于评估模型在长时程软件构建中的能力，包含 17 个产品、241 个功能请求和 544 个测试计划，顶级模型 GPT-6.1 Sol。
- AWS Machine Learning Blog5858
基于 Amazon Bedrock AgentCore 构建企业级智能体平台
Amazon Bedrock AgentCore 提供 runtime、网关、身份、内存、策略、注册和评估等模块化服务，支持大规模智能体构建、部署和运营。企业级智能体平台蓝图基于 AgentCore，增加了所有权、账户边界、软件交付、可观察性、成本治理和退役等企业级约束，通过推理网关和工具网关实现受控访问，并包含评估流程确保智能体在生产前通过验证。
LangChain BlogOpenWiki 结合 OpenWiki 和图构建基于证据的智能体记忆。
OpenWiki 使智能体在需要跨来源连接的问题上准确率比单独搜索高约 5 倍，添加证据图将准确率再提高 27% 并使引用一致性翻倍。
- Hugging Face Daily Papers
EvidenceConnect 框架与 Zooming without Zooming v2 模型发布
EvidenceConnect 框架通过合成图像区域缩略视图生成比较、聚合或链式视觉证据问题，提升 VLM 的证据连接能力，ZwZ2 模型基于此框架训练，未针对任何下游基准但提升细粒度与空间感知，并在具身空间推理、多模态长上下文理解、多模态智能体任务及通用视觉推理上取得进展
- Simon Willison6565
GitHub Octoverse 2026 报告发布：关键指标数据显著增长
GitHub Octoverse 2026 报告显示，2026年每月合并的拉取请求增至2.2亿，是不到一年前的三倍；提交量超过7.38亿，较之前增长超两倍，主要来自今年下半年；新仓库创建速率翻倍至每月3030万。报告还按行业细分数据，并统计了涉及互操作性或逆向工程的仓库数量。
- Hugging Face Daily Papers6565
多尺度策略优化用于长时程LLM代理
Multiscale Policy Optimization (MPO) 通过在回合尺度上对齐信用分配和政策更新来改进长时程 LLM 智能体训练。在搜索、工具使用和自动化任务上使用 4B 和 30B-A3B 模型的实验表明，MPO 比强 RL 基线有持续提升。
- Simon Willison6262
Claude Opus 5.5 推动游戏开发新拐点
Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计方面显著改进，使 AI 构建好玩游戏变得容易。开发者通过单次提示创建了四款 HTML/JavaScript 游戏，包括 Tree Appreciator 和 Emberwick。OpenAI 预计 GPT-6 Astra 年底能匹敌 Opus 5.5 的趣味性。
MIT Technology Review · AI00MIT Technology Review 探讨工业 AI 自主性与人类控制的结合。
MIT Technology Review 分析了工业 AI 自主性与人类控制结合的最新进展，强调在自动化过程中保持人为监督的重要性。
