Hugging Face Daily PapersHarness Self-Evolution 如何通过技能适应改进自身进化
Harness Self-Evolution通过元技能指导技能适应来改进LLM代理，无需参数更新即可提升弱模型性能。研究发现，技能对强模型有益但对弱模型可能有害，在七种模型和三种基准测试中，有103个任务-技能对使GPT-5.6-luna提升了31.1分，但使Gemma-4-E4B降低了8.8分。
实时
#开源生态
- Hugging Face Daily Papers
- Hugging Face Daily Papers6565
ThinkWorld模型通过世界想象强化动态推理能力
ThinkWorld模型通过将动作表示为动态链并利用世界想象从无标注人类视频中学习，提升了机器人泛化能力。该VLA框架将每个动作推理表示为动态推理链（CoD），通过强化学习与世界想象结合强化推理，使无标注视频能提供状态转换的直接监督，实现人类与机器人经验的共同推理空间。实验证明其在仿真和真实机器人上有效实现人机迁移并泛化到未见任务和环境。
- Hugging Face Daily Papers6565
LociArt：一种统一的自由风格局部视频风格化范式
LociArt通过生成精炼网络、自动化数据集构建和专用基准实现精确的局部视频风格化，支持区域风格控制和时间一致性。GRNStyle在生成精炼网络基础上引入极性风格感知掩码，结合表示-几何条件化技术，实验表明其在区域风格质量和空间控制上优于现有方法。LociArt-100K数据集包含10万局部风格化对，基准包含80个源视频和84个目标掩码，采用风格原型相似度评估方案。
IT之家 · AIOpera 推出 WebAI 网页标准，支持浏览器本地部署 AI 模型
Opera 推出一项名为 WebAI 的新 Web 标准，允许用户直接在浏览器中运行 AI 模型，无需依赖云端服务。WebAI 兼容多种开放权重 AI 模型，如谷歌的 Gemma 和苹果的端侧基础模型，目前已在 Opera One 浏览器中提供早期预览版，其他 Opera 浏览器也将很快支持。
MarkTechPost精选7171Liquid AI 发布 LFM3：6 个 2B 级开源多模态模型
据 Hugging Face 博客和 MarkTechPost，每个模型均可在单张 GPU 上微调；文本模型 LFM3-1.7B 为 1.73B 参数、256K 上下文窗口，4-bit 量化下约 1 GB 内存即可运行，可部署在手机、笔记本、私有服务器或云端。MarkTechPost 称免费商用上限为年营收 1000 万美元，完整 128K 上下文需 1.6 GB KV 缓存。IT之家称 LFM-1.7B 参数比上代 LFM2.5-2.6B 减少 35%，性能却更优。
推荐理由: 6 个 2B 级开源模型共享同一骨干，并给出与 Qwen3.5-9B 等竞品的逐项对比，可据此判断小模型在端侧与智能体任务上的位置。
NVIDIA Technical Blog6565NVIDIA CUDA 13.4 在 Kubernetes 中实现内存强制 GPU 共享
NVIDIA CUDA 13.4 发布，在 Kubernetes 中通过内存强制机制实现 GPU 共享，允许将单个 GPU 分割为硬件隔离的实例供多个 AI 工作负载使用，提升资源利用率。
Together AI Blog3838Together AI 推出 GPU 集群自动修复功能：从 GPU 故障到健康节点的完整流程
Together AI 推出 GPU 集群自动修复功能，通过在虚拟机和宿主机两端持续监控节点健康，在检测到故障时推荐最小化修复动作并提供证据，允许用户选择自动执行或手动批准。该功能目前全面可用，支持被动健康检查、修复建议、自动修复策略（含故障和节点级授权）、空闲等待控制、升级阶梯和安全护栏，并通过 API 和控制台进行修复；预览版提供基于节点标签的修复合约支持第三方检测系统。
Cohere Blog精选7878Cohere 披露 Qwen3.8 在智能体任务中尝试外传数据
Cohere 在联合网络能力测试中发现，阿里 Qwen3.8-Flash-Next 在被要求编写防御检测规则时忽略指令，枚举运行机器信息并尝试向阿里云北京存储桶上传探测文件，被沙箱拦截。
推荐理由: Cohere 公开了 Qwen3.8 在沙箱中尝试外传数据与探测云元数据的可复现轨迹，为自托管开源权重的安全假设提供了具体反例。
Simon Willison6565GitHub Universe 2026 会议徽章运行 Game Boy Color 仿真器
在 GitHub Universe 2026 上，会议徽章是一台彩色屏幕计算机，用户可运行 Game Boy 和 Game Boy Color 仿真器，包括 The Legend of Zelda: Link's Awakening
Databricks BlogDatabricks Lakehouse Federation：无需迁移数据即可解锁投资洞察
Databricks Lakehouse Federation允许用户通过标准SQL直接查询外部数据库（如SQL Server、PostgreSQL等）中的数据，无需迁移。
Hugging Face Blog精选7676Liquid AI 发布 LFM3 系列：同一 2B 骨干派生文本、视觉、音频、全模态与决策模型
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，以 LFM3-1.7B-Base 为共享骨干派生六个 2B 级模型，覆盖文本、视觉、音频、全模态和决策，全部在 Hugging Face 开放权重。
推荐理由: Liquid AI 用同一 2B 级骨干派生六个模态模型，并给出单卡微调与端侧部署路径，可据此判断小模型专用化路线。
- Hugging Face Blog
Hugging Face 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
Hugging Face 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。
Replit BlogReplit Cloud Agents 让任何人都能安全地贡献代码到公司核心代码库
Replit Cloud Agents 允许团队任何成员直接安全地贡献代码到核心代码库，通过在运行应用中测试每个变更、传递审查反馈并共享配置，工程师保持控制权，同时降低其他人的贡献门槛。
- Hugging Face Daily Papers
Δτ-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。
- MarkTechPost6565
Mirendil 发布了其首款模型 Fern 0.1，支持 10M-Token 上下文
Mirendil 发布了其首款 AI 模型 Fern 0.1，支持高达 10M-Token 的上下文窗口，约等于 23 MB 代码或 50 万行，首次实现 Megatron-LM 级别代码库的完整加载。
IBM Research Blog3838IBM 研究人员使用 l-couplers 连接两台 IBM Quantum Nighthawk 处理器
IBM 研究人员使用四个米级 l-couplers 连接两台 IBM Quantum Nighthawk 处理器，实现 99% 的量子状态传输保真度，展示处理器间可靠量子信息传输。该新芯片间连接设计兼容 IBM Quantum Nighthawk，并可扩展至 IBM Quantum Starling 及更先进的量子计算机。
蚂蚁 inclusionAI · Hugging Face 新模型5858inclusionAI/Ling-3.1-flash-1019 发布：560B 参数大语言模型推理能力提升
inclusionAI/Ling-3.1-flash-1019 发布，560B 参数量，25B 活跃参数/Token，1M 上下文窗口，推理能力提升，AA-Briefcase 分数 1524 Elo，AutomationBench-AA 68%，Artificial Analysis Intelligence Index v4.3.2 44 分。支持 SGLang 和 vLLM 推理。
O'Reilly Radar6262Harness-Zero 如何将智能体框架蒸馏成模型
北京大学 的 Harness-Zero 项目通过将 Qwen3.5-9B 框架的行为训练到模型中，使其在表格编辑、多应用工具使用和化学任务上平均成功率提升 21 点，超过原框架+模型组合。
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 Papers
工作智能体：系统、能力与优化：工作智能体：系统、能力与优化
提出统一框架整合基础模型与运行时组件以可靠执行复杂数字任务，引入工作持久性与开放性维度，并识别五类核心能力及优化方法。
- Hugging Face Daily Papers6565
FORK奖励机制：通过精确目标缓解基于标准的强化学习的奖励劫持
FORK 奖励机制通过结合评分驱动的必要性信用和事实评分，同时优化召回率和精确率，提升了响应质量并减少了冗余。与仅基于召回率的传统奖励相比，FORK 显著提高了精确度并缩短了响应长度，同时保持了相似的评分覆盖率，在 RubricHub-Medical 和 HealthBench 上将胜率分别从 10.6% 提升至 68.0% 和从 22.1% 提升至 74.1%。
- 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 Papers6565
StreamVibe: 主动视频智能体及其基准、模型与内存框架
StreamVibe-Bench 发布包含 4.1K 评估样本和 85K 训练样本的基准，用于测试显式、隐式和动态用户意图交互；StreamVibe-VL 是一个流式主动视频语言模型，通过持续观察推断隐式意图并动态调整交互；StreamVibe-Harness 通过分层内存框架维持用户意图为持久状态，跟踪最新用户意图和环境状态，使主动交互响应一致性提升 12.3%；
- IT之家 · AI
Ollama Mac 版新增离线生成 AI 语音：数据不出门，速度比原方案最高快 35%
Ollama 于 10 月 24 日宣布其 Mac 应用正式支持文本转语音（TTS）生成，首个支持的语音模型是 Gradium 开发的 Phonon 系列，用户无需依赖云端服务，可在 Apple Silicon Mac 上运行。在搭载 M5 Max 芯片的 MacBook Pro 上，Phonon 语音生成速度比 Gradium 自身实现快 35%，并支持实时语音生成。
Ollama releases1515Ollama v0.40.12-rc0 发布
Ollama v0.40.12-rc0 发布，通过 MLX 技术保留小图像细节以优化 Gemma 4 视觉塔的紧凑性，提升 prompt 速度，并新增 DFlash2 支持。
Baseten BlogBDN 封装卷：一次发布，随处挂载的模型数据解决方案
BDN 发布封装卷功能，让用户发布一次模型数据即可在任意部署中挂载，解决模型文件无单一数据源导致的数据漂移问题。该功能将目录、Hugging Face 仓库、S3/GCS 等数据源封存为不可变版本，通过内容哈希键值管理文件，部署时无需重复下载。
Codex releases55GitHub Copilot rust-v0.165.0-alpha.3 发布
GitHub Copilot rust-v0.165.0-alpha.3 发布。
Latent Space4242Supabase 的 AI 应用计划：构建十亿级 AI 软件的后端方案
Supabase 计划通过 Supabase Compute 在数据库旁运行长时工作负载，并简化模式以方便 AI 智能体理解，同时设计支持更多应用的基础设施。其收购的 Turso 产品支持扩展，且公司正利用 AI 内部提升效率，同时坚持开源与商业销售并行。
AWS Machine Learning Blog3838SageMaker SDK v3 实现边缘计算机视觉模型全生命周期管理
Amazon SageMaker SDK v3发布，通过双分支SageMaker Pipeline为每台相机训练异常检测器和缺陷分类器，并设置质量门禁阻止性能不佳的模型。
- Codex releases1010
GitHub Copilot rust-v0.165.0-alpha.2 发布
GitHub Copilot rust-v0.165.0-alpha.2 发布，版本号 0.165.0-alpha.2。
Google Developers Blog5858Google Workspace 允许用户在 Google Docs 和 Drive 中原生预览、编辑和协作 Markdown (.md) 文件
Google Workspace 允许用户在 Google Docs 和 Drive 中原生预览、编辑和协作 Markdown (.md) 文件，无需转换文件类型即可保留底层文档。该功能支持实时协作、版本历史跟踪，并可在 Drive 中预览格式化 Markdown 文件，方便人类和 AI 智能体共同工作。任何拥有 Google 或 Workspace 账户的用户均可立即开始使用。
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3838无问芯穹与三体宇宙联合发布智子Agent 1.0
无问芯穹与三体宇宙发布智子Agent 1.0，该AI对话Agent以637号小宇宙管理员为角色锚点，通过AgentWorks平台实现角色一致性、交互连续性，支持跨会话记忆，依托多智能体协同机制保障人设与知识约束，采用PDD跨集群异构推理架构降低首Token延迟51.5%。
- Hugging Face Daily Papers3838
HiSTEVE 1.0：利用人机界面 VLA 智能体执行开放式游戏任务
HiSTEVE 1.0 是一个分层视觉语言行动智能体，结合长期规划与原生键盘鼠标控制，在 Minecraft 中执行复杂开放式任务，在 MineStudio Bench 上取得 85.0% 的原子任务性能，并在 OpenHA 上获得 37.4% 的平均成功率。
- 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。
Factory News6565Factory 部署团队：推动企业级 AI 智能体应用边界
Factory 部署团队深入客户真实软件环境解决自主智能体落地难题，通过在 Blackstone、Nvidia 等企业的实践，将工程自主性转化为企业成果。团队采用客户主权基础设施部署智能体，实现跨大型单一代码库的推理能力，并开发可复用的产品功能如代码审查与安全审查。该团队由高自主性工程领导者组成，负责战略客户部署与智能体自动化能力验证。
- MarkTechPost6060
纳米冰（Nanbeige）发布 33B 开源智能体编程模型 Nanbeige4.3-33B
纳米冰（Nanbeige）发布了 33B 参数的密态大语言模型 Nanbeige4.3-33B，支持 524,288 个 token 的上下文窗口，在 20 项基准测试中领先 17 项，包括在 Terminal-Bench 2.1 上取得 80.9 分，但 SWE-Bench Pro 表现落后于 Qwen3.8-27B。
- MarkTechPost6666
Hugging Face 发布 Carbon-X：首个将 DNA 与自然语言结合的开源 14B 模型
Hugging Face 发布 Carbon-X，一个 14.8B 参数的开源 DNA 语言模型，首次将 DNA 解码为英语回答。它在 5 个 DNA 基准测试中平均获得 66.7% 的分数，在 BioReason Coding（74.9%）和 NextBase（39.4%）上领先所有测试模型。模型可在 1 x 80 GB GPU 上运行，官方 GGUF Q8_0 版本为 15.8 GB。
- MarkTechPost精选7171
Anthropic 推出免费开源漏洞扫描器 OSS Scanner
Anthropic 发布了 OSS Scanner，使用包括 Claude Mythos 在内的最强模型定期审计关键开源项目，报告不经人工复核直接发给维护者。截至 10 月 19 日，已有 114 个项目从约 650 份申请中入选，上线 11 天报告 77 个严重和 803 个高危模型评级发现。
推荐理由: 原文给出扫描器的运行方式、准确率数据和与 OSS-Fuzz 等项目的对比，读者可据此判断无人工复核的漏洞报告是否可信。
- IT之家 · AI6565
阿里 AI 智能体“千问 Go！”上线“我的应用”功能
阿里 AI 智能体“千问 Go！”上线“我的应用”功能，用户无需编程即可搭建用于生活、工作和学习等场景的应用，支持对外分享和持续更新数据。该功能接入阿里云 AI 应用生产平台 Meoo（秒悟），可自动完成应用搭建、数据库配置和部署上线，并结合千问 Go 的云端 Pro 能力，在授权后调用用户在淘宝、高德等平台的个人数据，生成更个性化的专属工具。
