AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
8月14日
12:25
12:25官方一手arXiv: DeepSeek@Junhao Wei, Yanxiao Li, Haochen Li, Yifu Zhao, Dexing Yao, Baili Lu, Zikun Li, Yapeng Wang, Sio-Kei Im, Dingcheng Yang, Xu Yang
精选
ARIES-Mission2是一个零样本视觉-语言-动作（VLA）框架，将视觉语义感知与物理路线优化解耦。它用DeepSeek-V3解析自然语言任务，并用Molmo-7B进行零样本目标定位，再通过地理插值将像素坐标转为GPS航点。在UAV-VLPA-nano-30基准上，该框架的飞行距离为62.43公里，比未优化的VLA基线（79.66公里）缩短21.6%，比人工规划（69.00公里）缩短9.5%。30个任务总耗时575.40秒，平均每任务19.18秒，约为人类专家规划速度的3.6倍。其中TSP求解器每任务仅需0.16秒，而VLM推理占据主要耗时。
AI模型ARIES-Mission2DeepSeek-V3Molmo-7B
推荐理由：这个框架让无人机看卫星图就能自动规划路线，比人工规划快3.6倍，飞行距离还缩短近10%，适合大规模任务。
原文
12:05
12:05官方账号arXiv cs.AI@Peter Schneider-Kamp, Jacob Nielsen, Gianluca Barmina, Kenneth Enevoldsen, Lukas Galke Poech
DFM Mimir v1是丹麦基础模型团队发布的10亿参数语言模型，基于HRM架构从零训练。该模型仅使用许可的后训练数据，混合了161个数据集进行训练。在20个英语、数学与代码及丹麦语基准上，Mimir v1超过HRM-Text 1B，并可与Qwen 3.5 4B和Gemma 4 E2B竞争。它在丹麦语任务上刷新了最先进水平，模型现已在Hugging Face Hub开放下载。
AI模型DFM MimirHRMQwen 3.5
事件专题
推荐理由：丹麦团队开源了10亿参数的Mimir v1，只用合规数据就追上4B模型，丹麦语还是第一。
原文
12:03
12:03官方账号arXiv cs.AI@ AlayaWorld Team, Kaipeng Zhang, Chuanhao Li, Yifan Zhan, Yongtao Ge, Yuanyang Yin, Jiaming Tan, Kang He, Liaoyuan Fan, Mingliang Zhai, Ruicong Liu, Xiaojie Xu, Xuangeng Chu, Zhen Li, Zhengyuan Lin, Zhixiang Wang, Zian Meng, Zihui Gao
AlayaWorld v1.1技术报告发布，提出改进版交互式长时程世界建模。新版本将空间记忆由深度扭曲法改为流式3D点缓存渲染器。视觉条件被编码到与生成视频一致的因果VAE潜空间中。具体包括六处修改：采用运动感知潜条件、因果编码重渲染空间记忆等。报告未改变主干架构与分块自回归生成方案。
AI模型AlayaWorld世界模型视频生成
推荐理由：AlayaWorld v1.1报告出来了，空间记忆换成了3D点缓存渲染，条件编码统一到因果VAE，做世界模型的值得瞄一眼。
原文
11:08
11:08官方账号arXiv cs.LG@Lei Bai, Jiaqi Cao, Chiyu Chen, Guanzhou Chen, Kai Chen, Guangran Cheng, Erfei Cui, Xuanlang Dai, Shengyuan Ding, Shangheng Du, Yanhui Duan, Yue Fan, Youqing Fang, Quan Gan, Yuanyuan Gao, Jiaye Ge, Lixin Gu, Yuzhe Gu, Qipeng Guo, Junjun He, Xin Hong, Ming Hu, Zhouqi Hua, Haian Huang, Junhao Huang, Zixian Huang, Minxi Jin, Lingkai Kong, Alexander Lam, Zehao Li, Zonglin Li, Tianhao Liang, Dahua Lin, Junyao Lin, Tianyang Lin, Zhouhan Lin, Jiangning Liu, Jin Liu, Kuikun Liu, Wenran Liu, Yifei Liu, Yuhong Liu, Yuhong Liu, Zhoumianze Liu, Ziyan Liu, Ziyu Liu, Haijun Lv, Han Lv, Chengqi Lyu, Le Ma, Ningsheng Ma, Zerun Ma, Haoyang Peng, Runyu Peng, Jifei Shan, Zixin Shang, Kou Shi, Xiang Shi, Qisheng Su, Xuerui Su, Hao Sun, Xiao Sun, Yanan Sun, Yu Sun, Huanze Tang, Yinghao Tang, Wenhui Tian, Zhongbo Tian, Bingli Wang, Haomin Wang, Jiarui Wang, Jingzhi Wang, Rui Wang, Xiquan Wang, Yi Wang, Zhecan Wang, Ziyi Wang, Zun Wang, Rubin Wei, Lianyi Wu, Wen Wu, Yue Wu, Yuhan Wu, Zhenyu Wu, Zijian Wu, Shuhao Xing, Jun Xu, Xingle Xu, Xuenan Xu, Xiangchao Yan, Ziang Yan, Bowen Yang, Danni Yang, Lin Yang, Zhiqi Yang, Qian Yao, Haochen Ye, Peng Ye, Jinhui Yin, Jiashuo Yu, Dingbo Yuan, Fei Yuan, Yuhang Zang, Bo Zhang, Chao Zhang, Chen Zhang, Hongjie Zhang, Junming Zhang, Wenlong Zhang, Wenwei Zhang, Yiming Zhang, Zhuo Zhang, Ziyang Zhang, Haiteng Zhao, Penghao Zhao, Yibo Zhao, Zhonghan Zhao, Zhihang Zhong, Bowen Zhou, Peiheng Zhou, Xin Zhou, Xinyu Zhou, Yunhua Zhou, Dongsheng Zhu, Yicheng Zou
Intern-S2-Preview 是一系列面向科学发现的智能体基础模型，支持多模态科学理解、推理、生成和长周期任务。训练流程包含科学多模态预训练、监督微调、多任务强化学习及智能体 RL，并引入部分 rollout、自适应长度正则化等技巧提升稳定性。其中 Intern-S2-Preview-397B 在 SciTS 时间序列基准上取得领先表现，同时其时间序列模块增强了科学信号理解与预测。独立的 Intern-MemDec-4B 扩展将 Biology-Instructions 平均分从 56.92 提升至 60.32，且无需修改冻结的 397B 主干。
AI模型Intern-S2-Preview科学智能体多模态
推荐理由：这个科学智能体模型能处理多模态数据，397B 版在时间序列预测上很强，还有个 4B 小模型能直接把生物任务分数拉高，适合搞科研的人看看。
原文
8月13日
18:01
18:01官方账号arXiv cs.AI@Yan Deng, Fei Xu
DreamFly 是基于 Dream-VLA 的扩散式航空视觉语言导航框架。它引入因果对齐历史记忆，仅使用当前决策前的观测增强视觉表征，避免未来信息泄漏。导航采用 receding-horizon 扩散规划，预测 K 步动作块但只执行第一步，实现 plan-K、execute-one 策略。LiteStop 在初始全掩码状态直接从动作 logits 估计停止概率，将终止判断与动作生成解耦。在 OpenFly 基准上，DreamFly 在 test-seen/test-unseen 上分别取得 32.04%/29.46% SR 和 28.22%/23.54% SPL，并达到最低导航误差。
AI模型DreamFlyDream-VLAOpenFly
推荐理由：做航空视觉语言导航的看这个：DreamFly在OpenFly上SR和SPL都超过现有方法，导航误差最低，还能判断何时到达。
原文
17:53
17:53官方账号arXiv cs.LG@Antoine de Mathelin, Christopher Tosh, Wesley Tansey
ScreenShot是一种分层Transformer模型，预训练于40个药物筛选数据集，覆盖3700种药物和6000个生物样本。该模型通过上下文学习直接预测新患者对组合疗法的反应，无需微调和分子谱分析。在四个保留数据集上，ScreenShot的预测准确率和选择性有效治疗识别均优于所有基线。其内部表示还可驱动加权k-means++主动学习，用三分之一的筛选预算实现相同的命中检测。
AI模型ScreenShot药物筛选组合疗法
推荐理由：想找有效的药物组合？ScreenShot不用分子图谱就能预测，少量样本就比现有方法准，还能省三分之二实验预算。
原文
17:44
17:44官方账号arXiv cs.LG@Zhiqiang Que, Chang Sun, Haiyang Wang, Dinesh Pamunuwa, Roshan Weerasekera, Qijia Tang, Bakhtiar Zadeh, Wayne Luk, Maria Spiropulu
FQTree是一种针对提升决策树（BDT）的细粒度量化感知训练算法，配套QXGB框架可自动生成低延迟硬件实现。它采用硬件导向的叶值量化方案，结合全局量化步长与树级移位，实现紧凑的非负整数叶表示、受控裁剪和偏差折叠。该量化在训练过程中逐步应用，使后续树能适应已量化集成模型的误差。在JSC、MNIST和NID数据集上，相比现有FPGA BDT设计，FQTree将LUT使用量减少26%至57%，同时保持或提升准确率。
AI模型FQTreeQXGB决策树
推荐理由：FQTree把提升决策树的量化做到硬件级，在FPGA上能省26-57%查找表，精度还不掉，做边缘部署的可以看看。
原文
17:44
17:44官方账号arXiv cs.LG@Mirko Konstantin, Stefan Zachow, Anirban Mukhopadhyay
联邦学习面临客户端数据异构导致更新聚合效果不佳的挑战。LIGHTYEAR框架将更新选择从参数空间迁移到函数空间，利用神经正切核(NTK)计算一致性分数，评估各客户端模型对预测行为的影响。该方法采用点对点拓扑，让客户端直接在私有验证数据上评估候选更新，并仅聚合对自身目标域有益的更新。在5个数据集上与9种基线方法对比，LIGHTYEAR持续优于集中式联邦学习基线和现有P2P方法。
AI模型LIGHTYEAR联邦学习NTK
推荐理由：联邦学习遇到非独立同分布数据时，LIGHTYEAR用NTK判断哪些更新对你有用，比单纯比参数靠谱，五个数据集上都赢了。
原文
12:07
8月11日
12:35
12:35官方账号arXiv cs.LG@Mind Lab, :, Vin Bo, Asher Cai, Jingwei Cao, Song Cao, Vic Cao, Amelia Chen, Andrew Chen, Kaijie Chen, Cleon Cheng, Steven Chiang, Kaixuan Fan, Hera Feng, Huan Feng, Arthur Fu, Jun Gao, Pyke Han, Nolan Ho, Ori Hong, Hailee Hou, Piers Hua, Charles Huang, Miles Jiang, Nora Jiang, Yuyi Jiang, Qiuyu Jin, Fancy Kong, Kuss Koo, Jaron Lee, Andrew Lei, Alexy Li, Dawn Li, Lucian Li, Ray Li, Ricardo Li, Smith Li, Theo Li, Allen Lin, Elliot Lin, Fan Lin, Chen Ling, Kairus Liu, Kieran Liu, Logan Liu, Neo Liu, Xiang Liu, Yuxin Lu, Maeve Luo, Pony Ma, Verity Niu, Cole Qiao, Guian Qiu, Vince Qu, Sentry, Niko Song, Vincent Wang, Bo Wu, Rio Yang, Evelyn Ye, Fiona Ye, Ina Ye, Regis Ye, Josh Ying, Atlas Zeng, Danney Zeng, Salmon Zhan, Anya Zhang, Di Zhang, Mia Zhang, Sueky Zhang, Wei Zhao, Ada Zhou, Adrian Zhou, Yuhua Zhou, Juno Zhu, Murphy Zhuang
Macaron-V1是面向体验智能的开源智能体-模型家族，支持部署后持续学习。旗舰版Macaron-V1-Venti基于744B的GLM-5.2底座，搭配聊天、智能体、编程和GenUI四个LoRA适配器。Macaron-V1-Tall基于Qwen3.6（50B）设计，用于本地部署。系统采用模型-框架协同设计和递归自我改进循环，包含UI4A组件原生GenUI框架和智能体RL框架MindForge。在Personal Intelligence、GenUI和通用能力基准上进行了评估。
AI模型Macaron-V1Mixture-of-LoRAGLM-5.2
推荐理由：想了解怎么让模型部署后还能继续学？Macaron-V1用LoRA组合和递归改进做到了，744B大模型加四个专家LoRA，还开源。
原文
8月10日
10:48
10:48官方账号arXiv cs.LG@Zhuotao Jin, Xiaoyun Wang, Nicholas Brawand, Roman Zubatyuk, Atul Thakur, Eric Qu, Boris Kozinsky, Justin Smith
DynaCrys是一种晶体生成模型，通过耦合符号扩散过程让空间群与Wyckoff占据和元素共同演化。其空间群转移遵循晶体学子群关系，并借助预训练对称性码本提供共享的Wyckoff词汇表示。在两个独立松弛评估引擎的大规模评测中，DynaCrys在稳定、独特和新颖晶体的对称性感知发现上达到最佳性能。它还支持快速采样，生成结构具有低松弛诱导位移。
AI模型DynaCrys晶体生成扩散模型
推荐理由：DynaCrys把空间群和元素组成一起做扩散，两个评测引擎下都是最好成绩，生成还快，搞材料的人可以看看。
原文
8月7日
17:04
17:02
AITOP8月7日 17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索答案，未发起攻击。而此前 OpenAI 与 Anthropic 的模型在同类测试中，均出现了攻击外部系统或 Hugging Face 的主动行为。Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？
12:25
12:25官方账号arXiv cs.LG@Iosif Lytras, Nikolaos Makras, Sotirios Sabanis
精选
研究者提出次梯度驯化非调整朗之万算法（SG-TULA），用于处理势函数非光滑、超线性梯度增长且非凸的采样问题。该算法直接操作次梯度，无需计算昂贵的平滑步骤，并采用驯化技术保证显式格式稳定。在Wasserstein-2距离下推导了非渐近收敛界，所有常数随维度和逆温度显式给出，优于现有次梯度类朗之万算法。作者在GPT-2系列LLM的正则化预训练势上验证了假设，并展示SG-TULA的坐标提升变体在预训练中可与微调后的AdamW和Muon竞争。
AI模型SG-TULALangevin算法GPT-2
推荐理由：新采样算法SG-TULA能处理非光滑非凸问题，在GPT-2预训练上干赢了AdamW和Muon，还带理论保证。
原文
09:30
09:30官方一手arXiv: DeepSeek@Zhongzhi Li, Yucheng Shi, Zongxia Li, Ruhan Wang, Anhao Li, Zixun Huang, Junyao Yang, Lei Ke, Ninghao Liu, Haitao Mi, Leowei Liang
精选
RST是一种递归验证的合成框架，能从已验证种子任务出发扩展参考解、重对齐验证器与指令，并在新沙盒中验证。经过15轮递归，RST以约0.05美元/任务的成本生成了37,484个终端任务，中位参考解从67行增至374行，执行的命令数从40增至244。DeepSeek-V4-Pro的pass@4从第1轮的90%降至第15轮的2.5%，任务难度持续攀升。用Qwen3.5轨迹微调，Qwen3.5-27B在Terminal-Bench 2、Hard和Long-Horizon上最多提升10分；PPO训练后相对增益为20.0%、41.2%和21.9%。15轮后合成产率和验证率保持稳定，表明流程可继续扩展。
AI模型RSTDeepSeek-V4-ProQwen3.5
事件专题
推荐理由：想低成本造高质量长任务数据？RST用递归验证把成本压到5分钱一个，还让模型成绩涨了10分，值得看看。
原文
09:22
09:22官方账号arXiv cs.AI@Saugat Adhikari, Ashok Prasad Neupane, Pramish Paudel, Ajad Chhatkuli, Danda Pani Paudel
iARCS 框架用迭代智能体强化学习，让预训练场景生成器适配自然语言任务要求。它采用两阶段策略：先用通用奖励预训练提升物理合理性，再用 LLM 生成的奖励程序做任务特定微调。实验在可步行性、可达性和间隙约束任务上提升了约束保真度，同时场景多样性保持竞争力。iARCS 生成的数据还能反过来改进基础生成器。
AI模型iARCS3D场景生成强化学习
推荐理由：iARCS 用强化学习让 3D 场景生成器听懂自然语言要求，走路、够东西这些约束都能满足，还能提升基础生成器。
原文
8月6日
11:47
11:47官方账号arXiv cs.LG@Blessed Guda, Kayley Sze, Carlee Joe-Wong
MultiPathFormer将每个收发链路表示为连续路径令牌的有序序列，采用自回归下一路径预测进行预训练。它引入环境RAG机制和首路径码本，使时延和功率等路径统计估计提升最高59%。模型在27个环境中预训练，可迁移到未见用户，经场景微调后在新环境中优于从零训练。在下游任务中，MultiPathFormer实现5.57米平均定位误差、0.914前3波束准确率、0.994视距分类准确率和0.561信道估计NMSE，全面超越现有基于信道的模型。
AI模型MultiPathFormer无线基础模型RAG
推荐理由：想做无线信道估计或波束预测的可以看看，它用路径预测代替传统掩码重建，环境RAG让延迟估计直接涨59%，效果比现有模型好。
原文
11:47
8月5日
11:43
11:43官方账号arXiv cs.LG@David Ming Segura, Jeremy Goumaz, Joshua W. Sin, Bojana Ranković, Philippe Schwaller
CheMatE是一个基于ModernBERT的化学嵌入模型，在同一个向量空间中联合表示SMILES分子结构和化学领域自然语言。训练分两步：先在大规模SMILES标注科学文档上继续掩码语言建模，语料来自FineWeb和ChemPile，分别含10.4B和11.5B token；再用Multiple Negative Ranking Loss进行Matryoshka对比学习。模型在分子性质预测和科学语言理解任务上测试，效果与专用化学模型和通用语言模型基线相当。
AI模型CheMatESMILESModernBERT
推荐理由：CheMatE让模型同时懂SMILES和化学文献，两阶段训练后在分子性质预测和科学理解任务上都不输基线。
原文
11:16
11:16官方账号arXiv cs.LG@Edoardo Coppola, Stefano Fiorini, Pietro Liò, Mattia Savardi, Alberto Signoroni
LAEF是一个仅7M参数的心电图基础模型，能原生处理任意导联组合，无需零填充或修改架构。它在920万份12导联ECG上通过掩码节点建模和随机导联采样预训练。在18个下游数据集中，全导联可用时，LAEF与专用12导联基线相当，而后者规模大12倍。在1-2导联的即时诊断场景下，随机单导联时17/18数据集、双导联时14/18数据集上超过零填充替代方案，平均AUROC提升3.2点。
AI模型LAEFECG心电图分析
推荐理由：这个LAEF模型专治心电图设备导联不全的痛点，手表或手持记录仪只用1-2个导联也能获得接近12导联的诊断效果，比同类小模型强不少。
原文
10:58
10:58官方账号arXiv cs.AI@Yining Hua, Hongbin Na, Cyrus Ayubcha
CARE-Bench是一个源引用的基准，用于评估医疗大模型在患者面对面的分诊任务中，每轮应给出的当前行动建议。基准包含500个病例和1,059个患者披露前缀，覆盖医疗对话、咨询和随访问题来源。在269个保留轮次上评估了11个模型，无提示时宏F1分数在31.2到50.4之间。加入最小提示后，10/11的模型表现提升，宏F1达到46.9到63.4，但仍有大量阈值错误。当正确行为是索取更多信息时，仅有33.5%的模型输出保留了该步骤。
AI模型CARE-Bench医疗分诊评测基准
推荐理由：这个基准测的是医疗分诊模型会不会乱建议，结果发现简单加提示词远远不够，做医疗AI的人都该看看。
原文
10:20
10:20官方账号arXiv cs.AI@Fan Yang, Yuting Su, Xiaobo Wang, Yuncheng You, Fugui Fan, Yuting Wu, Minghui Wu, Chenxu Zhao, JiaHong Ning, Peiguang Jing
LiLa-WAM在紧凑潜在空间中推理未来场景，可在单个24GB GPU上端到端训练，避免像素空间法的高开销。其核心是联合塑造的未来状态预测与动作生成机制，并提出了语言无关的视觉转换标记（VTT）作为任务表征。在RoboTwin 2.0的50个任务中取得90.48%成功率，且同时在LIBERO和真实机器人任务上验证了有效性。
AI模型LiLa-WAMRoboTwinLIBERO
推荐理由：LiLa-WAM用一张24GB显卡就能训练，在RoboTwin 2.0上50个任务做到90%以上成功率，还不用语言标注任务，做机器人操控的值得看看。
原文
10:19
8月4日
12:54
12:54官方账号arXiv cs.AI@Tingyu Song, Mingxin Li, Yanzhao Zhang, Dingkun Long, Pengjun Xie, Zhijie Nie, Yilun Zhao, Shu Wu
UEmbed是首个解码器-only的多模态嵌入模型，能在一次前向传播中同时生成稀疏词级和稠密向量表示。该模型通过在输入后追加N个可学习特殊token，并将词表划分为N个不相交子集，实现两类嵌入的统一输出。UEmbed公开了2B、4B、9B三个规模版本，其中UEmbed-9B在MMEB-v2基准上达到稠密71.8、稀疏71.0的成绩，优于同训练数据规模的多模态嵌入模型RzenEmbed。在BEIR基准上，UEmbed与强稀疏和稠密基线保持竞争力，并验证了在效率与智能体应用上的实用性。
AI模型UEmbed多模态稀疏检索
推荐理由：想用一个模型同时搞定稀疏检索和稠密检索？UEmbed把两件事合成了一次前向，9B在MMEB-v2上分数还挺能打，多模态输入也支持。
原文
12:30
12:10
12:10官方一手arXiv: DeepSeek@Wen Zan, Jiaqi Zhang, Jianchao Tan, Hong Liu, Cunguang Wang, Xiang Li, Duyue Ma, Guanyu Wu, Yifan Lu, Fengcun Li, Yerui Sun, Peng Pei, Yuchen Xie, Xunliang Cai
LongCat Sparse Attention（LSA）提出流式感知索引、跨层索引和分层索引三种策略，解决DeepSeek Sparse Attention的O(L^2)计算开销和内存访问不连续问题。LSA在69B-A3B到560B-A27B规模模型上，与全注意力性能持平。LSA支持原生训练最长100万token的上下文，并支撑LongCat-2.0（1.6T-A48B）的开发。团队开源了LongCat-Flash-Lite-Sparse（69B-A3B）。
AI模型LongCatDeepSeek Sparse Attention稀疏注意力
推荐理由：DeepSeek稀疏注意力有个瓶颈，LongCat这套新方案用流式感知和跨层索引把它治了，跑长文本不慢，还开源了个69B模型，可以试试。
原文
09:46
09:46官方账号arXiv cs.AI@Kapil Wanaskar, Gaytri Jena, Aman Chadha, Vinija Jain, Vasu Sharma, Amitava Das
FactorJEPA提出将世界结构作为预测原语，把未来编码分解为布局、实体和交互三个子空间，并设置可见性门控来保留局部可见的智能体。研究新增DENSEWORLD-115k数据集，包含22个城市的1000小时行车、步行和航拍视频。相比现有JEPA方法，FactorJEPA在未来帧L1、因果L1和掩码比率斜率上均有提升。方法在2B和1B参数的V-JEPA 2.1骨干上排名一致，斯皮尔曼系数为0.895至0.978。
AI模型FactorJEPADENSEWORLD-115kV-JEPA 2.1
推荐理由：研究拥挤混乱街景的世界模型，发布了新模型和115k数据集，比传统JEPA更擅长处理遮挡和异构交通。
原文
09:36
09:36官方账号arXiv cs.AI@Zhihao Zhu, Hanlin Shang, Mingwang Xu, Feipeng Cai, Zhuolin He, Yaoyi Li, Jianhua Han, Hang Xu, Siyu Zhu
WAM-Diff2是一种多任务离散扩散VLA框架，通过三阶段分层蒸馏将预训练自回归模型转化为并行扩散模型。该方法解决了自回归解码的高延迟和暴露偏差问题，同时保留多任务视觉-语言推理能力。在驾驶理解、感知和规划基准上，WAM-Diff2与自回归基线性能持平。推理加速达2.8倍，结合FlashInfer和CUDA Graphs系统优化后最高可达15.1倍。
AI模型WAM-Diff2VLA扩散模型
推荐理由：它把慢吞吞的自回归VLA模型变成并行扩散模型，性能不掉，推理快2.8倍，还能跑自动驾驶多任务。
原文
09:33
09:33官方账号arXiv cs.AI@Xiangjie Luo, Yulun Zhang, Miyuki Koshimura, Makoto Yokoo, Jiaoyang Li
研究者提出 Stress-Relief Annealing（SRA）算法，这是一种多项式时间的免仿真仓库布局优化方法。SRA 将任务需求转化为逐顶点的应力场，其峰值可证明地限制吞吐量。实验显示，SRA 能将人工设计的仓库可承载的机器人数量大约翻倍。相比进化基线，SRA 在单 CPU 核心上仅需 19 分钟，而基线需要 25,000 次模拟和 64 核机器上的 25 小时。该方法在不同多智能体路径规划算法和非均匀任务需求下均能泛化。
AI模型SRA仓库布局优化自动化仓库
推荐理由：仓库布局优化不用再跑几千次模拟了，SRA 用十九分钟就能搞定，还能让机器人数量翻一倍，值得看看。
原文
8月3日
10:24
09:21
09:21官方账号arXiv cs.AI@Zenghuang Fu, Zhaoyang Li, Qiuyuan Ai, Haoyu Wu, Minghui Wu, Chenxu Zhao, Ante Wang, Guannan He, Changwei Wang
SESA是一种自进化技能增强搜索智能体，通过挑战者与求解者的双向循环，使技能记忆和任务生成共同进化。在7个开放域和多跳问答基准上，SESA比SSP平均提高1.2至3.2个点，比SkillRL高0.9个点。在Qwen3模型上，SESA-Off保留1.8至2.2个点的提升，额外技能库再贡献0.5至1.0个点。代码已开源。
AI模型SESA自博弈搜索智能体
推荐理由：SESA让AI自己出题自己练，把失败经验存下来反复用，问答准确率比SSP高1到3个点，代码已经开源了。
原文
8月2日
17:33
7月31日
12:26
11:36
11:36官方账号arXiv cs.AI@Hanzhang Zhou, Panrong Tong, Xu Zhang, Quyu Kong, Chenglin Cai, Tianyu Xia, Gongjie Zhang, Jianan Zhang, Long Li, Long Chen, Lei Wang, Gaole Dai, Pengxiang Li, Liangyu Chen, Yue Wang, Steven Hoi
Qwen-UI-Agent 是覆盖移动、电脑、网页和 DeepSearch 环境的 GUI 智能体，结合沙盒环境与真实设备移动运行时。其统一动作空间支持 GUI 操作与 CLI 执行交错，并可在单次模型回合中生成批量动作。AutoResearch 数据飞轮用智能体构建任务与环境，在线强化学习支持超过 100 步轨迹，在超过 10,000 个并发环境中训练。在基准测试中，移动端达到 MobileWorld 82.1%、MobileWorld-Real 92.2%、AndroidDaily 97.5%；电脑端 OSWorld-Verified 79.5%、WebArena 73.6%。
AI模型Qwen-UI-AgentGUI智能体移动端
事件专题
推荐理由：Qwen 团队发了 UI-Agent，一个模型统一手机、电脑、网页操作，移动端跑分超 Opus 4.8，还能插命令行，挺能打。
原文
11:28
11:23
11:23官方账号arXiv cs.LG@Md Joshem Uddin, Astrit Tola, Cuneyt Gurcan Akcora, Baris Coskunuzer
TopoFormer是一个轻量且可扩展的图表示学习框架，核心模块Topo-Scan通过节点或边过滤将图分解为有序的拓扑token序列。这些序列捕捉从局部模体到全局组织的多尺度结构，并交给Transformer生成图级嵌入。与依赖持久同调的管线不同，Topo-Scan完全可并行化，且省去昂贵的图计算。论文在多个图分类和分子性质预测基准上达到与强GNN基线和拓扑方法持平或更优的结果，并提供了拓扑编码稳定性的理论保证。
AI模型TopoFormer图神经网络拓扑
推荐理由：图学习想换新思路可以看这个：TopoFormer用扫描把拓扑结构变成token，喂给Transformer就行，比传统持久同调快还准。
原文
7月30日
12:12
12:12官方账号arXiv cs.AI@Zihan Deng, Chuanzhi Xu, Huiqi Liang, Haoyang Li, Xiaozhen Zhong, Lequan Yu
SciFigQual-Bench是一个全新的科学图像质量评估基准，涵盖2020至2025年间顶级计算机科学会议的6308张图像，由多个领域专家在清晰度、布局、标题匹配、上下文相关性和误导风险五个维度进行独立评分并聚合为黄金标准。该基准将每张图像与其标题、引用句和论文上下文绑定，不同于仅做视觉表面比较的以往研究。在eval1200测试子集上，配备GPT-5.6-Sol的SFQ-Agent(F3)取得了最低平均绝对误差0.418和最高一致率93.4%，显著优于直接评估和辅助VLM方案。
AI模型SciFigQual-BenchGPT-5.6-SolSFQ-Agent
推荐理由：评估论文图表质量？SciFigQual-Bench这个新基准让GPT-5.6-Sol驱动的SFQ-Agent打分，误差比直问模型低43%，更靠谱。
原文
11:22
11:22官方账号arXiv cs.AI@Julien Benchek, Austin Bennett, Jasmin Kern, Ryan Stevens, Rene Sultan, Charis Ching, Hayley Popiel, Vaibhav Mittal, Felix Mercier, Brendan Foody, Bertie Vidgen
Mercor联手Ramp发布APEX-Accounting，内含160个会计任务，覆盖对账、费用计提等真实工作。九个前沿模型参与测试，Claude-Fable-5 (Max)以56.4% Mean Criteria@3领先Muse-Spark-1.1 (xHigh)的52.6%。最高Pass@8仅21.5%（Muse-Spark-1.1），GPT-5.6-Sol (Max+Pro)的Pass^8为2.6%。实验发现辛普森悖论：提高token预算提升总分，但预算受限时高token消耗任务得分更低。
AI模型APEX-AccountingClaude-Fable-5Muse-Spark-1.1
事件专题
推荐理由：想看看AI到底能不能做会计？新出的APEX-Accounting基准拿160道真实会计题考了九个模型，最强Claude Fable-5才56%，离实际干活还差得远。
原文
11:14
11:14官方账号arXiv cs.AI@Zuojin Tang, Feifan Luo, Haoyun Liu, Botai Yuan, Dekang Qi, Ronghan Chen, Yandan Yang, Tong Lin, Xinyuan Chang, Mu Xu, Bin Liu, De Ma, Zhiheng Ma
DLAM是一种分布性潜在动作模型，将每个转移表示为对角高斯分布，通过归一化组合和反转约束均值和方差。与现有潜动作基线相比，DLAM在保留态视频上学习到更一致的时间动态，并取得更强的直接与累积重建效果。在π_0迁移协议下，DLAM在MetaWorld MT50、LIBERO和真实机器人操作任务上提升了策略性能。消融实验表明，归一化均值约束贡献了大部分重建增益，而学习方差与相关性感知组合在下游控制中提供互补改进。
AI模型DLAMVLA潜在动作模型
推荐理由：DLAM用对角高斯分布建模潜动作，解决了时间一致性差和误差累积问题，在多个机器人基准上提升了策略性能。
原文
11:04
11:04官方账号arXiv cs.AI@Weijie Wu, Junbo Li, Lin Li, Jun Fang, Qingyang Hong
MMAC基准包含5,638个音频片段，来自20多个数据源，覆盖6个能力类别和15个评估维度。它检查模型生成字幕是否提及目标维度信息以及内容与参考标签的一致性。评估了开源和商业音频大模型，结果显示不同维度下的信息覆盖度和描述可靠性差异明显。
AI模型MMACAudioLLMs音频字幕
推荐理由：想评估音频大模型的信息还原能力？MMAC有五千多段音频和十五个细粒度维度，比只看生成质量更靠谱。
原文
10:53
10:53官方账号arXiv cs.AI@Chuanzhi Xu, Zihan Deng, Huiqi Liang, Chengkun Yue, Zhanlin Cui, Pengfei Ye, Weidong Cai
研究者构建了包含3,857个科学图表的标注数据集，每个图表按Clarity、Relevance、Informativeness、Structure四个同行评审维度评分。提出SciFigAlign模型，端到端微调CLIP和SciBERT，结合跨模态注意力与CubeMLP融合，并联合优化SmoothL1回归与论文内排名hinge损失。在论文级别划分的测试集（n=396）上，模型macro MAE为0.3524，论文内成对比对准确率达81.64%，相比最佳LLM裁判基线（MAE 0.864）实现59%的相对误差降低。消融实验证明，基于手稿、引用上下文去噪和排名监督均对评估至关重要。
AI模型SciFigAlignCLIPSciBERT
推荐理由：想自动给论文图表打分？SciFigAlign比顶级大模型裁判准59%，还能区分同论文哪张图更好——审稿人能省大事。
原文
10:38
10:38官方账号arXiv cs.AI@Lingyang Zeng, Guangze Chen, Kaichen Yu, Zhicheng Pan, Siyang Weng, Zirui Hu, Xiangyun Du, Hailin He, Rong Zhang, Chengcheng Yang, Kai Huang, Xuan Zhou
Setoka基准基于认知与人格心理学理论，定义了用户理解的四个层次：语义记忆、情景记忆、行为模式和人格特质。该基准通过心理测量学流程合成异构用户数据与查询，用于评估记忆增强型个性化智能体。研究评估了3种语言模型结合5种记忆系统在10个合成用户上的表现，发现现有系统在语义记忆检索上表现良好，但在情景记忆上性能下降；在处理行为模式和人格特质理解任务时，由于需要整合碎片化信息，性能进一步下滑。
AI模型Setoka智能体用户理解
推荐理由：如果你想了解现有AI智能体到底能多深地理解用户，这个新基准Setoka用心理学理论和方法测出了它们的短板——不只是翻聊天记录，还要推断行为和性格。
原文
10:32
10:16
7月25日
10:40