最新 AI 新闻与行业动态

模型12:10

OpenForgeRL：端到端训练 Harness 原生智能体的开源框架

想用强化学习训练自己的 Claude Code 智能体？OpenForgeRL 让你在真实 harness 和环境中端到端训练，ClawEval 和 GUI 基准上表现不错，而且开源可用。

#OpenForgeRL #智能体 #强化学习 #多模态

arXiv cs.AI@Xiao Yu 等 10 人原文

模型12:07

Expanding Flow Maps：变长生成新框架

想要生成可变长输出的流模型？这篇提出了EFlows和EFMs，把扩张和去噪打包成一个可学操作，还能处理图和序列，挺新鲜。

#Expanding Flow Maps #EFlows #EFMs #变长序列生成

arXiv cs.LG@Sophia Tang, Pranam Chatterjee原文

模型12:00

EnsembleEGNN：环肽分子构象集成图学习模型

做分子性质预测的朋友看过来：新模型EnsembleEGNN把多个构象编码成一个嵌入，在环肽任务上比纯序列模型效果好，R²提升到0.538。

#EnsembleEGNN #CREMP #分子性质预测 #环肽

arXiv cs.LG@Aaron Feller 等 3 人原文

模型11:58

X$^3$-OPD：用策略对齐为音频大模型蒸馏推理能力

想提升音频模型的逻辑推理？这个框架用文本教师蒸馏，在MMSU等基准上效果拔群，比纯音频训练强很多。

#X$^3$-OPD #大型音频语言模型 #推理蒸馏 #策略对齐

arXiv cs.LG@Dongjie Fu 等 9 人原文

模型11:39

TTEL：利用错误定位实现推理时扩展

TTEL能定位推理错误，只重算出错部分，省近一半计算量。Qwen3-8B在编程测试上成绩亮眼，值得关注。

#TTEL #Qwen3 #LiveCodeBench #AIME

arXiv cs.LG@Rajiv Shailesh Chitale 等 5 人原文

模型10:33

GS-Agent：用生成式模拟创建4D物理世界

GS-Agent把多个AI智能体和物理引擎连起来，你只要说句话就能生成带物理模拟的4D场景，液体、物体碰撞都能搞定，做内容创作或模拟都省力。

#GS-Agent #4D世界 #生成模拟 #物理仿真

arXiv cs.AI@Hongxin Zhang 等 6 人原文

模型10:12

PATS：策略感知训练支架，提升智能体强化学习效率

PATS用动态训练支架帮弱策略少犯错，ALFWorld和WebShop上最高提升18.6%，而且部署时没负担。

#PATS #强化学习 #智能体 #ALFWorld

arXiv cs.AI@Yipeng Shi 等 7 人原文

模型09:32

RUMBA：俄语用户记忆基准，细粒度评估长对话记忆

想测LLM的长对话记忆力？RUMBA这个俄语基准能细粒度诊断模型在时间推理上的强项和短板。

#RUMBA #俄语基准 #长对话记忆 #推理

arXiv cs.AI@Elizaveta Shevtsova 等 5 人原文

模型12:27

PG-KINN：基于物理信息的Petrov-Galerkin KAN网络求解正反PDE

PG-KINN用Petrov-Galerkin方法结合KAN，在多个力学难题上精度超过PIKAN和MLP，值得做计算力学的人试试。

#PG-KINN #KAN #偏微分方程 #物理信息网络

arXiv cs.LG@Amirhossein Sadr 等 6 人原文

模型12:08

iPANN和fPANN：区间与模糊物理增强神经网络用于不确定性本构建模

这篇论文提出了iPANN和fPANN，用区间和模糊集处理本构建模中的不确定性，能包围噪声观测，还能把不确定性传到有限元仿真里。

#iPANN #fPANN #超弹性本构 #不确定性量化

arXiv cs.LG@Somesh Pratap Singh 等 7 人原文

模型12:06

无标签有限体积残差训练注意力图神经网络用于热流体场

这篇论文用有限体积残差训练图网络，省了标注数据，效果还比有监督好，做热流体模拟的可以看看。

#Attention Graph Neural Networks #FVM #CFD #热流体场

arXiv cs.LG@Tianyu Li 等 6 人原文

模型精选11:58

Adaptive Bayesian Online Learning via Expert Aggregation

这篇论文用专家聚合让贝叶斯在线学习自适应，无需事先设定学习率或先验，实验还证明能自动跟踪最强专家。

#Bayesian online learning #Expert Aggregation #在线共形推断 #高斯过程回归

arXiv cs.LG@Jungbin Jun, Ilsang Ohn原文

模型11:56

PhaseAware：可解释的康复评分框架，结合边界监控与人类反馈

想用 AI 辅助康复评分又怕黑盒？PhaseAware 精度高（RMSE 降 88.9%），还能给出运动阶段和身体部位的敏感线索，方便医生审查边界案例。

#PhaseAware #UI-PRMD #KIMORE #康复评分

arXiv cs.LG@Yankai Zheng 等 11 人原文

模型11:54

PIER：物理信息环境检索框架提升时间序列建模

PIER解决了嵌入检索可能忽略物理过程一致性的问题，在356个湖泊数据上验证了水温和溶氧预测的显著提升。

#PIER #时间序列建模 #环境建模 #检索增强

arXiv cs.LG@Shiyuan Luo 等 9 人原文

模型11:32

PoTRE：一种基于认知异构性的测试时推理框架

这篇论文提出了PoTRE，用四个不同角色的智能体协作推理，在HLE上拿了新SOTA，而且比单纯堆参数的模型更省计算量。

#PoTRE #多智能体推理 #推理模型 #ARC-AGI-2

arXiv cs.AI@Anmol Kankariya, Sercan Ö. Arık原文

模型多源确认09:55

Solar Open 2: 250B MoE模型，1M上下文，专为长程智能体任务设计

Solar Open 2 发了，250B MoE 模型，1M token 超长上下文，专门跑复杂智能体任务。MMLU-Pro 和 LiveCodeBench 都领先，韩语能力还特别强，比 DeepSeek-V4-Pro 小很多但性能接近。

#Solar Open 2 #MoE #长上下文 #智能体

事件专题

arXiv: DeepSeek@Sungrae Park 等 53 人5 个信源在谈原文

模型12:30

BioSecBench-Surveillance：病原体基因组监测AI代理可验证基准

想看看AI在基因组监测上多不靠谱？新基准BioSecBench-Surveillance测了16个模型，最好才一半正确，细节值得细读。

#BioSecBench-Surveillance #Opus 4.8 #GPT-5.5 #Sonnet 4.6

事件专题

arXiv cs.AI@Harmon Bhasin 等 12 人2 个信源在谈原文

模型12:27

PathAgentBench：证据寻找型病理VLM基准

想测试病理AI能不能像医生一样在超大图片里找病灶？这个基准专门考这个，结果发现定位能力还很弱。

#PathAgentBench #TCGA #病理图像 #视觉语言模型

arXiv cs.AI@Dankai Liao 等 9 人原文

模型12:09

ISO：面向RLVR的等谱优化框架，加速模型微调

如果厌倦了RLVR微调慢慢跑，试试ISO：只用1/3的训练步数就能达到同等效果，Qwen3-8B上实测有效，代码开源。

#ISO #RLVR #Qwen3 #优化框架

arXiv cs.LG@Hanqing Zhu 等 11 人原文

模型11:26

VirtualSet：类型化本体世界作为LLM生成目标，实现有依据查询和受保护决策

VirtualSet让LLM不用冒SQL幻觉的风险，改天用类型安全的set表达式，BIRD上准确率反超4个百分点，写操作还能拦截瞎编的数据输入。

#VirtualSet #deepseek-reasoner #BIRD #AI安全

事件专题

arXiv: DeepSeek@Qunhui Zhang2 个信源在谈原文

模型12:31

GigaPath-Flash和GigaTIME-Flash：高效病理基础模型用于全切片和肿瘤微环境分析

研究者发布了两个轻量级病理AI模型，GigaPath-Flash在切片分析上几乎不输十亿参数大模型，速度快50倍；GigaTIME-Flash还能直接预测肿瘤微环境，速度更快又省显存。开源可用，做病理和免疫研究很实用。

#GigaPath-Flash #GigaTIME-Flash #病理学基础模型 #肿瘤微环境

arXiv cs.AI@Naoto Usuyama 等 27 人原文

模型12:18

O-VAD：基于对象中心跟踪与推理的工业视频异常检测

O-VAD不用训练就能检测工业视频异常，跟踪对象状态变化，比传统方法更准。

#O-VAD #工业视频异常检测 #视频异常检测 #对象跟踪

arXiv cs.AI@Mei Yuan 等 8 人原文

模型 Agent 与开发者多源确认11:57

FlashRT 智能体框架实现实时多模态应用高效部署

部署多模态模型时延迟高吞吐低？FlashRT 让智能体自动优化，实测延时降 70 倍，吞吐升 3.6 倍，AMD 平台效果尤其猛。

#FlashRT #NVIDIA #AMD #推理优化

事件专题

arXiv cs.LG@Krish Agarwal 等 6 人8 个信源在谈原文

模型11:48

ClouDens: 针对大规模云系统监控的上下文感知异常检测框架

IBM 发的新框架 ClouDens，用图神经网络做云系统异常检测，在真实数据集上比 GRU 模型更准更早，适合做运维监控的朋友看看。

#ClouDens #IBM Cloud Telemetry Dataset #异常检测 #图神经网络

arXiv cs.LG@Thu T. H. Doan 等 6 人原文

模型11:27

CriPO：基于自蒸馏增强评分RL，解决优化信号丢失问题

这篇论文分析了评分RL中信号丢失的普遍问题（57%样本受影响），并提出CriPO自蒸馏方法，在医学和科学基准上效果更好且训练更快。

#CriPO #Rubric-based RL #自蒸馏 #强化学习

arXiv cs.AI@Mingxuan Xia 等 10 人原文

模型精选10:55

SFC框架：用图结构共形预测保证科学生成的有效性

想做可靠的科学生成？SFC框架让模型一边写一边用共形预测校验事实，结果比DeepSeek和GPT-4都准，还能少犯73%的科学错误。

#SFC #共形预测 #科学推理 #DeepSeek-R1

arXiv: DeepSeek@Mingqiao Mo 等 3 人原文

模型精选10:54

数据优先本体论的显式世界模型：DaoQL多模态存储验证与反事实推理评估

这篇论文把LLM当推理引擎，把知识存进显式数据库DaoQL，反事实推理比GPT-4o单独强49个百分点，适合做高精度场景的参考。

#DaoQL #GPT-4o #反事实推理 #显式世界模型

arXiv cs.AI@Zhanbo Li 等 4 人原文

模型09:59

Node4All：无需数据集特定优化的通用图节点表示学习

不用为每个图数据集调参了，Node4All一个模型跑25个基准排名第5，还支持one-shot学习。

#Node4All #Channel Graph Transformer #图基础模型 #节点表示学习

arXiv cs.LG@Dooho Lee, Jaemin Yoo原文

模型09:58

蒸馏强化学习Distilled RL改进LLM后训练

这个新方法把强化学习和知识蒸馏结合在一起，解决了RL和OPD各自的短板，跨家族蒸馏效果尤其好。

#Distilled RL #LLM #后训练 #知识蒸馏

arXiv cs.LG@Chen Wang 等 7 人原文

模型精选09:56

DynImmune-BERT: 神经ODE驱动的连续时间免疫组库模型

你要是做免疫组库时间序列分析，这个模型把神经ODE和Transformer揉在一起，能处理克隆动态和复发，比静态模型强。

#DynImmune-BERT #免疫组库 #神经ODE #时间序列

arXiv cs.LG@Rong Fu 等 8 人原文

模型09:34

Apeliotes：基于扩散模型的公里尺度多层大气场生成框架

这个框架用扩散模型做公里级天气预测，垂直风误差不到3%，比传统方法快很多，做精细化气象预报的朋友可以看看。

#Apeliotes #扩散模型 #天气预测 #公里尺度

arXiv cs.LG@Evangelia Rafaela Frastali 等 4 人原文

模型09:30

PUMA：相位-动量对齐诊断大推理模型推理病理

这篇论文的PUMA框架能实时诊断大模型推理时是有效思考还是绕圈子，在1.5B到32B模型上准确率更高且更省计算，推荐给关心推理效率的朋友。

#PUMA #大推理模型 #测试时扩展 #推理效率

arXiv cs.AI@Cheng Yan 等 7 人原文

模型09:27

VLA-ReID：视频级关联重识别改进多目标跟踪

一篇论文提出VLA-ReID方法，专门解决蜜蜂等高度相似物体跟踪中的身份切换问题，不用额外标注就把重识别精度拉高了一大截。

#VLA-ReID #多目标跟踪 #重识别 #BEE24

arXiv cs.AI@Yanrong Qin 等 3 人原文

模型中美对照多源确认09:33

ActiveVision新基准：GPT-5.5和Claude Fable 5主动观察得分不足11%

想看最强的AI在实时观察任务上有多弱吗？ActiveVision让GPT-5.5和Claude Fable 5原形毕露，人类碾压它们。

#ActiveVision #GPT-5.5 #Claude Fable 5 #多模态

事件专题

arXiv cs.AI@Jiarui Zhang 等 6 人11 个信源在谈原文

模型09:17

BusinessCaseBench：衡量AI在商业分析中的表现

想看看AI能不能做商业案例分析？这个新基准直接给模型打分，结果挺有参考价值。

#BusinessCaseBench #LLM #基准 #商业分析

arXiv cs.AI@Ajay Patel 等 6 人原文

模型09:16

Loopie循环Transformer发布，IMO和IPhO获金牌

研究者发布了Loopie循环Transformer，用更少活跃参数在IMO和IPhO拿到金牌，比普通模型强很多。

#Loopie #IMO #IPhO #推理模型

arXiv cs.AI@Zitian Gao 等 7 人原文

模型11:58

MeanFlowNFT：将前向过程强化学习应用于平均速度生成器

MeanFlowNFT让平均速度生成器也能用上强化学习，4步生成效果比50步的RL模型还好，值得试。

#MeanFlowNFT #DiffusionNFT #强化学习 #视频生成

arXiv cs.LG@Yushi Huang 等 5 人原文

模型11:51

NeuronSoup：无需反向传播的异步共享神经元时间图进化架构

NeuronSoup用遗传算法进化共享神经元图，不依赖反向传播，在MNIST上达到85.9%准确率，模型只有115KB，适合探索非梯度训练的新路子。

#NeuronSoup #遗传算法 #共享神经元 #异步处理

事件专题

arXiv cs.LG@Subodh Kalia2 个信源在谈原文

模型多源确认精选73°11:32

RoboTTT：将机器人策略视觉上下文扩展到8000时间步

NVIDIA发布了RoboTTT，能把机器人策略的上下文窗口做到8000步，看懂人类演示后直接模仿，长任务完成率比单步模型高87%。想了解机器人怎么学更长历史可以看这个。

#RoboTTT #测试时训练 #机器人策略 #上下文缩放

事件专题

arXiv cs.AI@Yunfan Jiang 等 11 人3 个信源在谈原文

模型10:00

T2MLR: Transformer中层循环提升推理能力

一种新的Transformer改进：只改中间20%的层加个循环机制，就能让模型推理更持久，而且可以直接改装现有模型不用从头训。

#T2MLR #Transformer #推理模型 #循环架构

arXiv cs.AI@Ziyang Cai 等 5 人原文