Hugging Face Daily PapersΔτ-Bench 发布：推动智能体适应动态工具生态的能力评测
Δτ-Bench 评测智能体适应动态工具生态的能力，发现当前最强模型仅达 42.3% 任务成功率。Δτ-Bench 包含 1,588 个跨 42 个领域的多轮任务和 6 个生态系统状态。Steward 通过增量技能维护和动态资源调配，在生态变化中实现更高的任务成功率。
实时
#数据/训练
- Hugging Face Daily Papers
NVIDIA BlogC-BRAIN 与 NVIDIA 联合利用 AI 加速痴呆症研究
C-BRAIN 与 NVIDIA 正利用 AI 改变痴呆症研究进程。他们通过整合此前未公开的阿尔茨海默症研究数据，包括未发表结果和受管制的专有数据，加速新疗法研发。C-BRAIN 运用混合集中式和联邦式架构保护数据隐私，部署 64 块 NVIDIA 数据中心 GPU 及云端节点，并计划引入 NVIDIA Blackwell 系统以支持其扩展目标。
- Hugging Face Daily Papers6565
AV-FABLE：长视频音频视觉篡改取证基准
AV-FABLE 引入一个用于长视频稀疏篡改的音频视觉基准，表明冻结的音频视觉大语言模型的感知特征包含最佳通过分离时间解码器而非语言输出恢复的取证证据。长视频中的局部 AI 篡改通常影响其他内容真实的短暂事件，使视频级分类不足以进行取证分析。
- Hugging Face Daily Papers6565
持续学习考试 (CLE) 发布：评估 LLM 智能体长期持续学习与经验学习基准
持续学习考试（CLE）发布，一个包含120项真实任务、600个渐进级、89个职业的基准，用于评估LLM智能体的长期持续学习与经验学习。测试了17个前沿配置，最强系统Claude Code + Opus 5仅完成47.7%的级别和23.3%的任务阶梯。
量子位6666OXR开源模型横扫三榜第一，1.3B参数实现高精度与速度双SOTA
OXR开源模型在OmniDocBench、olmOCR-Bench和DocParsingBench三项基准测试中全部登顶，完整解析速度超过PaddleOCR-VL-1.6和MinerU2.5-Pro
- 量子位5858
禾赛科技 Kosmo 数据终端助力皮克斯打造真实世界 3D 高斯泼溅数据
皮克斯官方3D渲染教程感谢中国公司禾赛科技提供的3D场景扫描方案Kosmo，该终端集成激光雷达、超高清影像系统、一英寸大底CMOS、高精度IMU，可在15-20分钟内采集100平米空间的真实3D高斯泼溅数据，直接输出可用于AI模型训练、可操控编辑、空间关系/色彩形状不失真的3维数字模型，为影视娱乐和具身智能领域提供真实世界数据引擎。
Ai2 BlogAi2 发布 Old Ideas, Novel Problems 研究，评估大语言模型判断科研创新性的可靠性
Ai2 发布 Old Ideas, Novel Problems 研究，评估六款 LLM（GPT-5.1至5.4、Claude Sonnet 4.5至4.6）判断科研创新性的可靠性，发现微调提示词可致准确率差异超 50%。研究构建包含 154 人类原创及 154 AI 生成科研想法的基准数据集，证实模型判断稳定性不足，需更可靠方法评估 AI 提出的新想法。
- Hugging Face Daily Papers6565
函数空间策略优化（FSPO）发布：结合特权适应与函数空间时间整合的强化学习新框架
函数空间策略优化（FSPO）框架通过存储稀疏历史下一词分布作为固定时间目标，结合特权适应与函数空间时间整合，显著改进了 SDPO 方法，无需维持持久教师模型即可实现时间分离。
蚂蚁 inclusionAI · Hugging Face 新模型5858inclusionAI/Qwen3.8-Flash-Next-singprobe 发布：基于 Qwen/Qwen3.8-Flash-Next 的流式安全探针
SingProbe 是一个基于 Qwen/Qwen3.8-Flash-Next 的流式安全探针，通过复用基础模型的隐藏状态在生成时每一步评分查询意图、响应不安全性和幻觉风险，解码时开销不到 0.5%。
- Hugging Face Daily Papers
TraceTrial-Bench 评估 AI 智能体框架的可靠性与故障归因
TraceTrial-Bench通过机制导向任务、轨迹追踪和故障归因评估智能体框架的可靠性，涵盖上下文、执行、治理等七方面，对4个框架、9个模型和95项任务进行3,420次运行评估，得出宏平均框架分数59.8%至72.0%。
- Hugging Face Daily Papers
Trajectory2Gym：决策引导的工具使用合成训练工具使用智能体
Trajectory2Gym 通过构建具有组合覆盖和决策基础的交互来改进工具使用训练，而非收集成功轨迹。该系统在五个 Qwen3 模型规模上提升了 Tau1、Tau2 和 BFCL 指标，平均提升 16.9-29.8 百分点，尤其增强状态化多轮交互能力。
- 蚂蚁 inclusionAI · Hugging Face 新模型3838
inclusionAI/Ling-3.0-flash-Sante-fp8 发布：FP8量化医疗专用大模型
inclusionAI/Ling-3.0-flash-Sante-fp8 发布 FP8量化版本，保留124B参数（5.1B/Token）与BF16性能，降低内存并提升部署效率，支持医疗推理、研究及工具辅助工作流，需专业人工审核。在Healthbench、ReDisQA等基准上表现稳定，通过块状FP8量化（128×128块）实现高效推理。
IT之家 · AI蚂蚁灵光 2.0 发布：全新升级“能管事的 AI 助理”，突破单次对话限制
蚂蚁集团发布灵光 2.0，将 AI 助理从被动响应指令、完成单次任务，向主动发现需求、持续管理事务演进。依托独立云主机，灵光 2.0 突破单次对话限制，在用户退出后继续运行任务，并根据新信息动态跟进。目前内置支付宝账单、会员、出行，以及钉钉、飞书、邮箱、米家等服务能力，管理范围延伸至跨平台工作流和智能家居设备控制。
Databricks BlogLakeflow Connect 整合企业生产力与 AI 数据
Lakeflow Connect 通过原生连接器支持维基、项目管理工具和 AI 基础模型，使下游 AI 智能体获得完整业务上下文。该平台提供全面管理的原生连接器，支持 SaaS 应用、数据库和文件源，数据直接导入 Databricks 平台，通过点选式 UI 或 API 配置，增量导入 Unity Catalog 表格。
Browser Use如何使用 LLM 从网站提取结构化数据
使用 JSON Schema 定义目标数据结构，并在所有网站上应用。对于静态页面，获取干净的页面文本（Markdown），让 LLM 填充该 Schema。仅对需要登录、点击或 JavaScript 流程的页面使用浏览器代理。
- Databricks Blog
Databricks AI Search 支持使用 Iceberg v3+ 的 Streaming Tables、Materialized Views 和 Managed Tables
Databricks AI Search 现在原生支持使用 Iceberg v3+ 的 Streaming Tables、Materialized Views 和 Managed tables，除 Delta 表外。
- Databricks Blog2222
Databricks Free Edition 如何用于教学
Databricks Free Edition 允许师生免费在浏览器中运行完整数据或 AI 课程，无需云合同或许可证管理，适用于全球学生和教育工作者。该平台提供协作笔记本、Spark、Delta Lake、Lakeflow、Databricks SQL、Genie 代码助手等功能，支持从入门编程到 AI 项目的各类课程，技能直接应用于行业标准工具，无生产环境与教学沙箱的转换成本。
OpenAI News4040OpenAI 探索 ChatGPT 在全球工作场景中的使用情况
OpenAI 分析了 ChatGPT 在近 100 个国家的 165 项工作活动中的使用数据，揭示了人们如何使用 ChatGPT 进行工作以及使用情况随时间的变化。
- 量子位同新闻8888
Anthropic公开335页招股书，冲刺史上最大IPO
Anthropic正式公开提交纳斯达克IPO申请，股票代码ANT，335页招股书同步在SEC官网公开。2026年上半年营收162.86亿美元，净亏损807.48亿美元，其中约724亿美元来自融资工具公允价值变化。招股书披露未来十年算力承诺超6500亿美元，并称目前不开发图像和视频生成模型，算力集中投向编程、Agent能力和安全研究。
The Verge · AI5858OpenAI GPT-6.1 Sol 在迁移 COBOL 代码到现代语言方面取得显著进展。
OpenAI GPT-6.1 Sol 在将 COBOL 代码迁移到现代语言（C++、Java、Kotlin、Python、Rust）时，低推理努力下行为保留准确率达 87%，高推理努力下达 98%。Anthropic 的 Claude Code 也被用于 COBOL 代码迁移，但未提供性能基准。专家认为 AI 工具在处理遗留代码方面取得进展，但距离安全替换关键遗留系统仍很远。OpenAI GPT-6.1 Sol 在迁移 COBOL 代码到现代语言方面取得显著进展。
Import AI6060导入AI 478：数学助力对齐；ProgramBench；Mirendil展示RSI的意义
AI安全创业公司Resolution通过AI系统自动形式化统计学习理论中的数学命题，完成singularities的形式化，预计将加速对损失函数几何与泛化关系的研究。
- 量子位精选7878
岩芯矩阵联合港科大、CMU 开源 EdgeRock-4B，KV Cache 减少 99.1%
岩山科技旗下岩芯矩阵联合港科大、CMU 等高校发布并开源 EdgeRock-4B，在 256K 上下文下 KV Cache 固定为 72MiB，相比源模型 Qwen3.5-4B 减少 99.1%。
推荐理由: 原文给出固定内存下的吞吐与基准对比，可据此判断长上下文推理的显存成本走向。
Hacker News · AI 热帖Cerebras 在 WSE-3T 芯片上部署万亿参数 AI 模型
Cerebras 通过将 Kimi K3（约 3 万亿参数）模型层分配到多个 WSE-3T 芯片，实现了每秒 1000-2000+ 个 token 的推理速度。
- Hugging Face Daily Papers6565
UserArena：用于长时程购物智能体的交互式用户模拟基准
UserArena 引入一个包含 64,729 个会话轨迹的电商交互基准，涵盖 11,010 用户、566,102 项商品和 13 种动作类型，支持五级评估；提出 On-Policy Trajectory Distillation 技术提升模拟器保真度，实验显示其在 UserArena 评估协议下效果最佳，最接近生产策略的线下模拟效果。
OpenRouter Blog6565OpenRouter推出Safety Retention：更清晰的AI隐私选择。
OpenRouter 推出 Safety Retention 作为新的数据政策层级，允许数据仅用于滥用预防而无需用于模型训练，与 Zero Data Retention 和 Retention and Training 并列。该层级无需请求被标记即可存储数据，用于检测、调查和预防滥用，不用于模型训练。此举旨在通过清晰的数据政策框架，在保障隐私的前提下提升先进 AI 的可访问性。
- IT之家 · AI精选7272
马斯克确认SpaceX完成400亿美元债务融资用于购买GPU
马斯克在X上表示，SpaceX已完成400亿美元债务融资，主要用于支付预计在2027年第一和第二季度交付的GPU采购款项，并称这笔资金主要是可赎回债务。
推荐理由: 400亿美元债务融资与GPU交付时间，呈现AI算力竞赛下资本需求的规模。
MarkTechPost5252斯坦福和伯克利研究者推出 TokenGate：令长上下文预填充速度提升高达 11.3 倍
斯坦福和伯克利研究者推出 TokenGate 模块，通过学习型 token 剪枝技术，使长上下文预填充速度提升 1.4 至 11.3 倍且不损失精度，峰值预填充内存消耗降低 1.5 至 3.4 倍，在 5 项任务上优于 6 个基线模型，最佳表现时 NIAH 16k 任务速度提升 11.3 倍、内存降低 3.42 倍，代码和检查点已开源。
The Decoder精选7878Nvidia 开源机器人视频标注引擎 Flora，称成本比 GPT-6 Astra 低 125 倍
Nvidia 开源数据引擎 Flora，用于机器人视频标注，称标注一小时视频约 0.72 美元，而 GPT-6 Astra 约 88.50 美元。Flora 由三个微调的 Qwen3.5 模型组成，分别负责动作分段、带上下文的描述和奖励打分，覆盖动作描述、分步评分与任务成败判断三类标签。
推荐理由: 原文给出了 Flora 的三类标注能力、成本估算和与 GPT-6 Astra 的逐项对比，读者可据此判断机器人视频标注的开源替代方案边界。
- The Decoder精选7272
OpenMobile-2 开源手机智能体模型，称可媲美闭源模型
南京大学与商汤等机构的研究者发布 OpenMobile-2，基于 Qwen3.5 的 9B 和 Qwen3.6 的 27B 两个智能体模型，并公开训练环境、数据和复现说明。
推荐理由: 研究将训练数据量固定、只增加应用数量，观察到未见应用成功率提升，为手机智能体的数据构建提供了可复现路径。
vLLM Blog精选6262vLLM 详解 GLM-5.3 在 16 张 H200 上的 PCP、DCP 与 Hybrid HiSparse 优化
vLLM 团队发布 GLM-5.3 优化第二部分，在 16 张 H200 上以 1 个预填节点加 1 个解码节点部署，用 PCP 按 token 切分预填、DCP 按 token 切分 KV cache，使 1M 上下文可放入预填节点
推荐理由: vLLM 团队拆解了 PCP、DCP 与 Hybrid HiSparse 如何在 16 张 H200 上组合，读者可据此理解长上下文部署的内存与预填瓶颈。
- Databricks Blog2222
Databricks 实现实时能源交易与分析的统一平台方案
Databricks 通过整合 Spark Structured Streaming 实时模式、Lakebase Postgres 和 Databricks 应用程序
- Databricks Blog5858
Spark的声明式管道：为AI智能体设计的用例
Spark的声明式管道在22项数据工程任务中比过程式管道快34倍、代码量减半且错误更少。声明式管道通过运行前验证可提前捕获结构性错误，并将排序和结果保存等重复性任务卸载给Spark，而过程式管道需在集群上运行至错误步骤才能发现。两种方法在逻辑错误率上表现相当，但声明式管道的代码更简洁一致，便于维护。
- IT之家 · AI精选7171
OpenAI 联合 PerturbAI 用数千个 AI 智能体 32 分钟分析小鼠脑细胞数据
OpenAI 联合 PerturbAI 和斯克里普斯研究所，用数千个 AI 智能体在 32 分钟内分析了覆盖整个小鼠大脑的 CRISPR 图谱，团队估计人类完成同等工作需数月到一年。
推荐理由: 原文给出了分布式智能体与单智能体的盲测对比和文献引用量差异，读者可据此判断多智能体架构在科研分析中的分工方式。
Hugging Face BlogHugging Face 发布 torch-neuronx 模型支持查询 Space，检测 AWS Trainium 兼容性
Hugging Face 发布 torch-neuronx 模型支持查询 Space，检测 AWS Trainium 兼容性。该 Space 支持查询 Hugging Face Hub 上 175B 参数规模的主流模型（如 Qwen3-0.6B）是否能在 Trainium 上无修改运行，并提供运行脚本。
- Hugging Face Daily Papers
IQuest-Q1 开源模型：通过多阶段预训练提升智能体 CLI 系统基础能力
IQuest-Q1 是一个拥有 320B 总参数（15B 激活参数）的开源稀疏专家混合（MoE）智能体基础模型，通过多阶段预训练、中训练和后训练实现强大的编码和通用能力。
- Hugging Face Daily Papers6565
物理人工智能中的递归自我改进
递归自改进（RSI）描述了不仅改进自身行为，还改进其改进过程的系统。近期数字智能体通过重写自身代码并使用可执行测试检查每个版本来测试这一想法。将此类机制引入物理世界需要通过昂贵试验从部分观察中学习，同时考虑不断变化的操作条件和潜在的不可逆后果。
- Hugging Face Daily Papers7575
OpenDS-World：用于评估真实网络环境自主深度搜索智能体的基准
OpenDS-World 引入一个实时网络基准来评估自主多步深度搜索智能体，揭示前沿模型与人类表现之间存在显著差距。在 12 个前沿模型中，最佳模型准确率达到 39.0%，而 1000 次人类评估准确率为 21.1%。分析显示模型间研究策略存在差异，且工具协调和长时程搜索管理仍是主要挑战。
- IT之家 · AI
MiniMax M3.1 Flash 开源模型权重，总参数 428B
MiniMax 开源 M3.1 Flash 模型权重，总参数 428B、激活参数 23B。通过稀疏注意力、量化感知训练和 Power-aware scheduling 优化，推理效率提升，上线 72 小时处理超 100 万亿 Token。
Sakana AISakana AI 发布基于本体论的 AI 智能体平台 Sakana Aquarium
Sakana AI 发布 AI 智能体构建、执行、运行平台 Sakana Aquarium，通过本体论整合组织信息，支持 AI 智能体高效构建与安全运行。平台包含本体论、治理和智能体执行基座三核心机制，实现组织判断依据体系化与任务自动化。
- Hugging Face Daily Papers5858
原始 RAG 在多个基准测试中优于复杂智能体记忆系统
Raw-RAG在LoCoMo、LongMemEval、MEME和MemoryAgentBench等基准测试中表现优于复杂智能体记忆系统，六项测试中排名第一，最高领先5.53分，证明保留原始对话历史比复杂的记忆转换更关键。
