MedPAO-Assist：可边缘部署、面向放射报告结构化的模态感知智能体 AI
研究者提出 MedPAO-Assist，一个可边缘部署的智能体框架，从放射科医生口述和语音指令直接生成结构化放射报告，仅需约 3.3 GB 峰值内存，在普通笔记本 CPU 上端到端平均延迟约 31 秒。
#论文/研究
arXiv cs.AIAI 评分3636 arXiv cs.AIAI 评分3939 基于 LLM 多目标强化学习的 Pareto 最优 RTL 代码生成方法
一项 arXiv 研究提出首个面向 LLM 电路生成的学习方法，不再优化单个电路，而是优化多次生成所得整个电路集在 PPA（功耗、性能、面积）目标空间中的质量与多样性。
arXiv cs.AIAI 评分2929 基于大语言模型与强化学习的自主建造与施工进度更新方法
一项研究提出结合大语言模型与强化学习的自主建造方法：采用增强型 soft actor-critic 强化学习算法为移动起重机规划施工动作，并借助机器人运动学与控制算法保证动作可执行。系统还定制了嵌入模型按用户兴趣提取施工环境信息，并调用 ChatGPT 5 更新施工进度、向控制系统提供安全信息、生成进度报告。该方法通过多个全尺寸挡土墙建造实验验证了可行性。
arXiv cs.AIAI 评分3636 Navalia：通过可验证任务合成与长程后训练推进 Cowork Agents
Navalia 是一个结合可验证任务合成与长程后训练的 Cowork Agents 框架，以企业财报为数据源，构建可执行计算链生成有证据可追溯的分析任务，并通过独立 LLM 审查和程序化校验保证答案正确性。
Hugging Face Daily PapersAI 评分3535 EvaOmni：一个证据锚定的音视频推理评测基准
EvaOmni 是一个证据锚定的音视频推理评测基准，包含 392 个视频和 1,027 条纯人工标注的问答对，覆盖 15 项能力和检索定位、基础理解、复杂推理三个层级。
Hugging Face Daily PapersAI 评分4545 多模态重排序是一种 System One 决策
这篇立场论文提出，通用视觉语言模型（VLM）可通过 System One 决策直接充当多模态重排序器，无需专门训练：用一道选择题对第一阶段检索的 top 16 候选打分，从一次前向传播中读取各候选标签概率完成排序。
Hugging Face Daily PapersAI 评分4747 Lafa：面向大流量语言模型的研究
一篇 arXiv 论文提出 Lafa（Large flow language model），一种扩展到 8B 参数的连续流语言模型，采用块内因果注意力前缀与双向异步流设计，可基于预训练自回归模型高效训练，仅用不到 30B tokens 训练了 0.5B、7B 和 8B 三个规模。
Hugging Face Daily PapersAI 评分4444 RiseHarness 框架：自进化方法提升长时程终端 Agent 可靠性
论文提出 RiseHarness，一个在模型权重固定的情况下迭代改进终端 agent harness 的框架。它以同配置下成功与失败的运行为切入点，结合轨迹与运行时监控的 harness 内部追踪，生成 Harness Handbook 定位跨任务的共性问题，并从其他 harness 框架检索相关实现作为设计参考，经行为检查与重复任务评估后保留有实测增益的版本进入下一轮迭代。
Hugging Face Daily PapersAI 评分4242 DecisionPivot：面向 LLM 系统决策模型的诊断基准
DecisionPivot 是一个诊断基准，包含 48 个任务、40,033 个条目、七种决策角色，用于评估 LLM 系统中负责路由、护栏与输出验证的决策模型。
Hugging Face Daily PapersAI 评分5353 Agent S4 通过进化智能体界面刷新开源计算机操作智能体纪录
研究者提出 Agent S4，一种能从任务经验中自主构建进化界面的计算机操作智能体，通过元智能体修订界面仓库并进行种群级进化筛选。
Hugging Face Daily PapersAI 评分4141 Specter：通过量化驱动的多步推测卸载加速 MoE 推理
推理系统 Specter 将量化与推测解码、专家卸载结合，用量化轻量草稿模型预测未来专家激活，让运行时提前调度专家的搬运与执行，缓解 PCIe I/O 瓶颈。单请求推理下，Specter 的 TPOT 相比 SOTA 系统平均提速 1.50x，最高达 1.88x。该系统让内存受限的单 GPU MoE 推理在消费级硬件上更实用，代码已开源。
Hugging Face Daily PapersAI 评分3232 MMEnterprise-Bench：评估企业智能体处理演化多模态记录的能力
研究者推出 MMEnterprise-Bench 基准，包含 1,613 道基于模拟协作项目中演化多模态记录的问题，覆盖证据推理、冲突消解与不可回答三类任务。对 10 个专有和开源多模态 LLM 的评测显示，即使最强模型在证据存在跨来源或时间冲突、或跨越多张图像时仍表现不佳。增大检索预算或使用更大检索器能提升证据召回，但不必然带来更高的答案准确率。
Hugging Face Daily PapersAI 评分4949 SolarRenderer：少步生成式参考渲染
SolarRenderer 是一种结构条件视频渲染器，通过两个轻量 LoRA 适配冻结的 MiniMax-H3 33B 骨干，将游戏引擎等粗略结构转为逼真视频。
Hugging Face Daily Papers精选AI 评分6161 Matrix-Game 4.0：用视频模型驱动实时可玩游戏世界
论文提出 Matrix-Game 4.0，通过可执行游戏框架将游戏执行与视觉生成分离，由轻量游戏引擎维护世界状态、多模态编码 Agent 将玩家想法转成游戏代码、基于自回归视频模型的渲染器把低多边形代理画面转化为高保真视觉。
推荐理由：论文提出游戏执行与视觉生成分离的框架，并给出单卡 480p 60 FPS、112ms 延迟等实测指标，可帮助评估视频模型驱动可玩游戏世界的可行性。
Hugging Face Daily PapersAI 评分5050 VPM 论文提出通过点轨迹预测学习 4D 世界
Byungwoo Jeon 等人发布论文，提出 Video-Point Model（VPM），基于多视角视频历史和语言指令，联合预测任意视角的未来视频与场景持久点的 3D 轨迹。
Hugging Face Daily PapersAI 评分4242 S-Agent 2.0：用通用编码智能体做空间推理
研究者提出空间推理智能体 S-Agent 2.0，为现成的通用编码智能体配备命令行感知工具包，通过持久场景记忆帮助 VLM 补全证据闭环。
Hugging Face Daily PapersAI 评分3333 PAR：面向状态跟踪长度泛化的进度对齐循环方法
研究者提出进度对齐循环方法 PAR，训练循环语言模型第 k 次迭代的预测对齐前 k 步操作后的状态，并将循环状态重缩放到首轮范数。在 swap-S5 任务上，基于 Qwen2.5-0.5B、最多训练 32 步的模型在 512 步（16 倍训练长度）下达到 95.5% 平均全状态准确率，而同骨干上 RLT 为 55.7%、显式思维链仅 0.8%。消融显示去掉范数锚定后外推倍数降至 2.2 倍以下。
Bloomberg NewsAI 评分2323 研究显示 AI 将推动东南亚数字经济规模达 3680 亿美元
一组研究人员的研究显示，AI 正帮助东南亚数字经济在物价上涨与需求疲软的背景下保持强劲增长，规模将达 3680 亿美元。
Hugging Face Blog精选AI 评分7171 Ai2 发布 FairStress 基准，揭示大模型公平决策中的隐性不对称
Ai2 发布 FairStress 基准，测量大模型在涉及人口群体决策中超越最终选择的隐性公平问题，覆盖 300 个场景、扩展为超过 1300 万测试用例。实验发现模型更易在有利于少数群体的对抗性前缀下放弃正确答案，15 个模型的放弃正确答案差距平均为隐含身份 6.9 个百分点、显性标签 9.3 个百分点；对照 BBQ 表明测量偏差方向部分取决于评测方式。
推荐理由：Ai2 官方技术报告，提出用对抗性前缀测试模型决策稳定性，并审计训练数据与九种去偏方法的效果。
Hugging Face BlogAI 评分5555 ALTK-Evolve 用学习到的指南让 gpt-4.1 登顶 τ²-bench 客服基准零售榜
ALTK-Evolve 用同一模型 GPT-4.1 从智能体自身轨迹中蒸馏行为指南并追加到系统提示词，无需更新权重或人工标注，让基础 ReAct 智能体在 τ²-bench retail 达到 Pass^4 67.5%。
Hugging Face Daily PapersAI 评分4040 ConfigWM：可配置感知的世界模型研究
研究者提出 ConfigWM，通过任务条件化状态提取实现可配置感知，以语言任务描述为配置信号，将视觉嵌入映射到任务特定状态空间，过滤与任务无关的干扰信息，并在该状态空间中学习动作条件动力学用于规划。在干扰逐级增强的环境中，ConfigWM 规划成功率保持稳定，平均比最强基线高 22.3%，物理量探测 Pearson r 提升 0.365，干扰到干净检索提升 75.5%。
Hugging Face Daily PapersAI 评分4848 Self-Credit：基于组内重缩放的长程智能体 RL 信用分配方法
一项新研究提出 Self-Credit，一种端到端智能体 RL 方法，通过自生成信用分配与组内重缩放，把 RLVR 的稀疏结果奖励转化为密集监督信号。该方法包含带引用的摘要生成、组内重缩放和优势重加权三个组件。
Hugging Face Daily PapersAI 评分5858 VLA 模型机制研究：激活注入可驱动 pi0.5 执行 99.6% 的目标任务轨迹
研究者开发可解释性管线研究 Vision-Language-Action 模型的内部计算，向动作专家注入任务 A 的激活可使 pi0.5 在 99.6% 的回合（n=1,968）执行任务 A 的运动轨迹，且该程序绑定绝对工作区坐标、忽略可见场景。
Hugging Face Daily PapersAI 评分4747 HarnessAdapt-RL：训练整个 Agent，而不只是模型
研究者提出 HarnessAdapt-RL，在强化学习中同时训练策略并自适应调整 harness。基于 9B 基座模型，该方法在 SWE-bench Verified、Multilingual 和 Pro 上 pass@1 分别比 GRPO 提升 9.8、12.6 和 6.4 个百分点，并超过配备 OpenHands harness 的 GRPO。
Hugging Face Daily PapersAI 评分5757 Agent4Sci 测试床发布：前沿智能体在科学 ML 基准上的表现与局限
论文提出 Agent4Sci，一个衡量前沿编程智能体能否改进科学 ML 基准已发表最优模型的长程测试床，覆盖 11 个领域共 20 个基准。Claude Opus 平均相对提升 10.4%，但增益几乎全部来自常规 ML 工程技巧而非研究级洞察，并呈现新颖性误判、资源利用不足和快速坍缩为局部工程扫参三类局限。
Hugging Face Daily PapersAI 评分4444 Cache Engineering for Agents：让 LLM 智能体直接控制 KV cache
一项新研究提出 cache engineering 方案，让 LLM 智能体在不修改轨迹、不重新 prefill 的前提下直接控制活跃 KV cache，可通过 drop 排除选中缓存、用 repos 调整保留键的位置编码，并配套设计了 AKV serving 引擎。
Hugging Face Daily PapersAI 评分4040 WorldStream：流式交互式 3D 世界模型，支持分层规划与持久状态
WorldStream 是一个开放式 3D 世界模型，具备三项能力：将可玩地形扩展到预设地图之外、响应运行中世界的开放语言指令、并按编辑记录恢复已访问地点。它用 Macro/Micro 分层规划器生成结构化决策，由确定性本地代码编译为地形、道路、聚落、植被和实体，单一世界记录保留规划、种子、对象身份与可变状态，支持有状态 NPC 交互。
Hugging Face Daily PapersAI 评分4444 Qwen-Audio-3.1-ASR 技术报告
阿里千问发布 Qwen-Audio-3.1-ASR 技术报告，这是在 Qwen-Audio-3.0-ASR 基础上改进语音识别并扩展说话人分离转录与通用音频理解能力的音频语言模型系列。
Hugging Face Daily PapersAI 评分5757 AI 研究团队自主发现线性注意力架构的论文提出多学科智能体协作设计
论文提出由不同学科背景、保留私有研究历史并通过自适应分配获得研究机会的持久 AI 研究员组成的团队，用于自主探索线性注意力架构。该团队在 1.3B 规模的语言建模、常识推理和检索任务上超越 GDN2。消融实验显示，去掉学科背景、私有历史或自适应分配中的任一组件，发现质量都明显下降。
Hugging Face Daily PapersAI 评分4343 AgenticRoboRL：将编码智能体后训练方法引入机器人规划器
研究者推出 AgenticRoboRL 框架，用监督微调结合多轮强化学习对不同机器人 harness 的规划器做后训练，通过 harness 专属适配器统一 RL 训练流程。在 LIBERO-PRO 上，9B 参数规划器的成功率从 18.1% 提升至 71.0%，接近 Codex（GPT-5.5）配合外部记忆达到的 72.1%。框架与训练好的规划器 checkpoint 将开源发布。
Hugging Face Daily PapersAI 评分4242 StreamEval：交互式流式视频生成模型评测基准
研究者推出 StreamEval，一个面向交互式流式视频生成的统一基准，涵盖 avatar 对话、avatar 表演、世界生成、指令编辑和参考编辑五类任务。基准包含 300 个时长 15-300 秒的脚本化测试用例，从任务执行、状态一致性、视觉保真度和视听协调四个维度、十项指标按 0-100 分评估。
Hugging Face Daily PapersAI 评分5656 研究追踪七开源 RL 训练框架：1,598 篇方法论文仅 37 篇被纳入
Taiheng Pan 的 arXiv 论文追踪七个开源 RL 后训练框架的提交历史，并关联 2025 年 1 月至 2026 年 6 月筛选的 6,939 篇 arXiv 论文。
Hugging Face Daily PapersAI 评分4242 校准顺应对（CAP）：让聊天模型回应时匹配用户方言变体的后训练方法
一项 arXiv 研究追踪了从 SFT、DPO 到强化学习各后训练阶段对模型匹配用户方言倾向的影响，发现 10 个开源模型系的后训练把回复统一为标准英语，且 DPO 更新偏好匹配英式/澳式拼写而非 AAE 和 Singlish。研究者提出校准顺应对（CAP）偏好数据，在完全开源模型上提升了对未见方言特征的匹配度，同时未增加标准英语用户的方言输出，也不损害指令遵循能力。
Hugging Face Daily PapersAI 评分5151 虚拟世界具身智能体持续预训练研究：120 组配置揭示数据量、多样性与模型规模的扩展规律
arXiv 论文（arXiv:2610.28698）通过 120 组持续预训练（CPT）配置，系统研究数据量、多样性与模型规模对虚拟世界具身智能体的作用，覆盖 0.8B 到 27B 四种模型规模、50 到 1,600 小时六档数据预算和五种数据混合。
Hugging Face Daily PapersAI 评分3535 Real In, Real Out：只用真实数据做场景文本编辑的 TextRIRO 方法
场景文本编辑（STE）研究提出 TextRIRO，不依赖合成配对数据，而是通过对真实图像进行 Crop、Shuffle、Mask 等破坏操作构建自配对监督，基于条件扩散架构训练。
Hugging Face Daily PapersAI 评分3636 TRACE：用多模态临床轨迹建模进行住院风险预测
研究者提出 TRACE（多模态临床事件轨迹建模）框架，将 EHR 数据、胸片、放射报告和出院摘要按天级轨迹组织，用时间注意力编码并分离全局上下文与当日事件。在 MIMIC-IV、eICU 和 MIMIC-III 共近 180,000 次住院数据上，TRACE 在全部 9 个数据集-任务设置中取得最高 AUROC，其中 8 个取得最高 ACC，涵盖死亡率、住院时长和再入院预测任务。
Google Research精选AI 评分6464 Google Research 发布 VERID 框架与闭环湿实验室智能体研究成果
Google Research 发布三项研究，构建面向自主湿实验室的智能体基础模块。VERID 框架基于 PyLabRobot 提供实验室工作单元的语义数字孪生，支持实时 3D 状态追踪、虚拟试运行、硬件安全检查和视频与动作日志同步。
推荐理由：原文给出 Google 让智能体在湿实验室自主做实验的三个研究项目与具体指标，读者可以了解真实实验反馈如何补足计算设计。
Google ResearchAI 评分4343 Google Research 在 Research@ 2026 大会展示 10 项放大人类创造力的研究成果
Google Research 在山景城 Research@ 活动上展示 10 项研究成果，将新能力交给医生、科学家、开发者等。Google Earth AI 开放三种实验性访问方式，提供超过 70 种地理空间工具，Google.org 出资 1000 万美元支持危机应对与公共卫生。
Google ResearchAI 评分5050 Google Earth AI 地理空间智能体上手：应对地球重大挑战
Google 介绍其基于 Gemini 构建的地理空间推理（Geospatial Reasoning）智能体的最新进展，并发布技术报告与 GeoKTools、GeoExpertQueries 两个新基准。
Google Research精选AI 评分7676 Google Research 发表 NBER 论文：AI 辅助在专利起草实验中提升资深律师技能但对初级律师效果有限
Google Research 在 NBER 发表论文，对 11 家知识产权律所的 133 名律师开展三个月随机对照实验，测试 Gemini Notebook 中的 AI 专利写作助手对短期产出与长期技能的影响。
推荐理由：研究用三个月随机对照实验区分了AI辅助表现与无辅助技能，发现资深律师受益而初级律师的判断力并未随之提升。