Latest Global & ASEAN AI Business News, Tools & Industry Updates

ModelsSelected73°18:09

WikiSkill enables AI agents to build reusable skills that transfer across models, potentially reducing computational costs for developers in ASEAN and beyond.

#WikiSkill #AI agents #skill evolution #transferable skills

Event

arXiv cs.AI@Liyan Tang et al. (6)Source

ModelsSelected73°17:29

CLAP Cross-Embodiment Video World Models

CLAP enables zero-shot deployment to real-world tasks with few-shot adaptation, outperforming specialized models in robotics simulations.

#CLAP #video generation #physical simulators #robotics

arXiv cs.AI@Kechen Liu, Ola ShorinwaSource

ModelsMulti-source16:59

Chinese contentKinyaEmbed：基尼亚万达语对比句嵌入模型

卢旺达团队发布了首个基尼亚万达语专用嵌入模型，四阶段训练效果显著，开源了模型和数据集。

#KinyaEmbed #KinyaBERT-large #基尼亚万达语 #句嵌入

Event

arXiv: OpenAI@Ireddi Rakshitha et al. (3)Source

Models11:15

Chinese contentGroup-Shared Low-Rank Approximation for Mobile-Efficient Pointwise Convolutions in Large-Kernel CNNs

Read this if you're interested in how CGS low-rank approximation can make large-kernel CNNs more efficient for mobile devices, compared to existing methods like RepLKNet-31B.

#RepLKNet #low-rank approximation #CNNs #parameter reduction

arXiv cs.LG@Hao Luo et al. (13)Source

ModelsSelected11:12

Robust CurveMoE Defense Framework

The method improves adversarial defense performance for computer vision models while reducing training costs, making it valuable for researchers working with limited computational resources.

#Robust CurveMoE #Mixture-of-Experts #adversarial defense #computer vision

arXiv cs.LG@Xu Zhang, Ren WangSource

ModelsMulti-sourceSelected09:21

JIT-Agent: Harness Intelligence Model

JIT-Agent improves performance across multiple model families including DeepSeek V4 and Qwen3.6, offering a scalable alternative to manual harness design.

#JIT-Agent #DeepSeek-V4-Flash #GLM-5.2 #agents

Event

arXiv: DeepSeek@Guibin Zhang et al. (16)Source

Models11:28

Chinese contentSPO++：异步智能体强化学习中的流对齐策略优化

SPO++在异步智能体强化学习领域取得了显著进展，提高了在线学习效率，值得一试。

#SPO++#异步智能体强化学习 #在线学习效率 #ALFWorld

arXiv cs.AI@Kai Ruan et al. (5)Source

Models11:16

Chinese contentStarHarness：企业环境中的分层搜索进化框架

StarHarness能够有效提高企业环境中智能体的性能，通过分层搜索和固定模型权重的方式，实现了20-35个百分点的性能提升，非常适合需要优化智能体性能的企业使用。

#StarHarness #智能体 #MCP/工具 #性能提升

arXiv cs.AI@Esakkivel Esakkiraja et al. (7)Source

Models10:41

Chinese contentLAION-BVD：一个用于多模态预训练的1.3亿小时开放视频数据集

LAION-BVD发布了，这是一个包含1.3亿小时视频的开放数据集，可用于多模态预训练，对于研究者和开发者来说是个宝库。和其它视频数据集相比，它提供了更多的视频和更长的时长，对于提升模型性能大有裨益。

#LAION-BVD #多模态 #视频数据集 #预训练

arXiv cs.LG@Andreas Hochlehnert et al. (12)Source

Models11:16

Chinese contentProxyFormer：超长上下文与高分辨率生成双流代理架构

ProxyFormer模型在处理超长上下文和高分辨率生成方面表现出色，相较于传统模型，其压缩比高达64，训练序列长度可扩展至0.7M，值得一看。

#ProxyFormer #超长上下文 #高分辨率生成 #压缩比

arXiv cs.LG@Zhongpan TangSource

Models11:02

Chinese contentNext-Scale Transformer实现人脸多视角合成

Next-Scale Transformer模型在人脸合成方面表现出色，与现有模型结合，生成更精确的3D人脸模型，值得关注。

#Next-Scale Transformer #人脸合成 #3D模型 #多视角合成

arXiv cs.LG@Federico Stella et al. (7)Source

Models10:52

Chinese contentPrime Agent: 自我改进的 RLM Harness

Prime Agent 是一个强大的开源 harness，它通过递归语言模型和持续 harness 提高了长期评估和编码代理工作流程的效率，其性能在多个任务上超过了其他 harness，值得一试。

#Prime Agent #RLM Harness #递归语言模型 #子代理

Event

arXiv cs.AI@Seth Karten et al. (11)Source

Models10:11

Chinese contentXTC: Head-Aware Sampling by Excluding Top Choices

XTC模型通过排除高概率选择，显著提升了文本生成的多样性，对于需要创意文本生成的应用来说是个不错的选择。

#XTC模型 #文本生成 #多样性提升 #创意生成

arXiv: Anthropic@Philipp Emanuel Weidmann et al. (5)Source

Models10:59

Chinese contentRe$^3$Cap: 图像描述增强的检索引导优化

Re$^3$Cap模型通过检索引导优化图像描述，比GRPO提升了8.64%的推理性能，值得一看。

#Re$^3$Cap #图像描述 #强化学习 #COCO-LN500

arXiv cs.AI@Haonan Jia et al. (10)Source

ModelsSelected10:45

SPICE framework accelerates MoE inference

SPICE reduces MoE inference latency by up to 3.12x, addressing GPU memory limitations in large models like DeepSeek-V2-Lite and Qwen2-57B-A14B.

#SPICE #MoE #DeepSeek-V2-Lite #Qwen2-57B-A14B

arXiv: DeepSeek@Yongxiang Lyu et al. (3)Source

Models10:09

Chinese contentTurboBias 2.0：高效ASR系统的流式上下文偏置

想了解如何提升ASR系统准确率的同时保持高效？试试TurboBias 2.0，它为多用户个性化上下文偏置提供了新方案。

#TurboBias 2.0 #ASR系统 #上下文偏置 #流式推理

arXiv cs.LG@Vladimir Bataev et al. (6)Source

Models09:53

Chinese contentTydra：高效混合模型用于表格数据

Tydra模型在保持预测性能的同时大幅降低推理时间，比Hydra模型更高效。

#Tydra #表格数据 #Transformer #SSM模型

arXiv cs.LG@Mieszko Komisarczyk et al. (5)Source

Models11:05

Chinese contentDaedalus-150M：专为CPU推理设计的卷积-注意力混合模型

Daedalus-150M模型在CPU上实现了高效推理，与同类全注意力模型相比，在速度上具有显著优势，同时保持了相似的质量指标，值得一试。

#Daedalus-150M #卷积-注意力混合模型 #CPU推理 #模型训练

arXiv cs.AI@Christos KoutsiarisSource

Models10:44

Chinese contentPandora's AI Model Routing Box: Efficient Allocation with Costly Value Estimation

Pandora's AI Model Routing Box通过低成本估计值优化查询分配，在多领域实验中表现优异，值得关注。

#Pandora's AI Model Routing Box #路由策略 #信息价值推理 #分配效率

arXiv cs.AI@Adam Fisch et al. (8)Source

ModelsSelected10:08

Orthogonal JEPA Latent World Models

The orthogonal factorization approach improves representation quality and long-horizon stability across diverse domains compared to standard JEPAs.

#Orthogonal JEPA #latent world models #predictive factorization #representation learning

arXiv cs.LG@Taoyong Cui et al. (3)Source

ModelsSelected10:20

Chinese contentLévy Attention模型发布新增连续时间不确定性预测

Lévy Attention这个模型，能一次计算就给连续时间预测评信任度，和之前的方法比，在小数据场景下还保持较好表现。

#Lévy Attention #t-PatchGNN #推理模型

arXiv cs.LG@Sotirios P. Chatzis, Loukas PapadoulasSource

Models10:19

Chinese content几何迭代检索方法用于神经音频编码器重合成

研究团队提出几何迭代检索方法，解决了神经音频编码器重合成难题，效果比之前单次预测和回归方法好。

#Residual Vector Quantization #Audio Codec #Speech #Music

arXiv cs.LG@Leo Schmidt-Traub et al. (4)Source

Models10:19

Chinese contentNEAR框架助力少重复脑信号图像检索提升

我朋友知道有个叫NEAR的新方法，能帮脑信号图像图像检索不用试那么多遍，和以前方法比，少重复的时候效果更好了。

#NEAR #EEG #MEG #fMRI

arXiv cs.LG@Zhenyao Cui et al. (4)Source

Models10:19

Chinese contentSIMPLE模型提出多视图可复用推理预训练方法

SIMPLE这个模型做了个用合成任务先验做多视图可复用推理的事，在多组学数据上直接用冻结方式就好，比以前方法省事儿。

#SIMPLE #推理模型 #多组学 #多视图

arXiv cs.LG@Jielong Lu et al. (5)Source

ModelsSelected10:18

Chinese contentADEPT模型：强化学习加速机器人灵巧操作

我了解ADEPT这个模型，它是用强化学习让机器人更灵活，学新动作时能直接用之前的经验，和没这么训练的方法比，效果更好。

#ADEPT #Kuka-Allegro #Flexiv-Sharpa #多模态

arXiv cs.AI@Jayjun Lee et al. (10)Source

Models US vs China10:18

Chinese contentQwen3模型推出VLA框架监测多代理隐蔽通信

Qwen3推出了VLA框架，用来监测多代理潜在通信，在小范围拍卖里表现好，你可以去了解下。

#Qwen3 #智能体 #多模态 #推理模型

arXiv cs.AI@Ramneet Kaur et al. (6)Source

Models10:18

Chinese contentIntel AI PC集群推出大规模LLM分布式推理管道分片方案

Intel推出了在AI PC集群上实现大规模LLM分布式推理的片方法，能让集群共同计算超单台容量的模型，和单机相比效率更高。

#Llama 3.1 #Intel AI PC #大模型 #分布式推理

arXiv cs.AI@Tate Berenbaum, Muthaiah VenkatachalamSource

Models10:16

Chinese contentPGFS++：分子性质优化与合成多样性约束解决方案

PGFS++是新分子优化方法，能解决合成和多样性难题，比之前版本效果更好还保分子多样性。

#PGFS++#分子优化 #强化学习 #AI模型

arXiv cs.AI@Boqiao Zhang et al. (4)Source

Models10:15

Chinese contentMDTIM模型用掩码扩散实现时间序列插值，性能领先

你说的那个MDTI模型，用掩码扩散来做时间序列插值，效果比之前的方法都强，感兴趣的话可以去了解下

#MDTIM #时间序列 #扩散模型

arXiv cs.AI@Dongbin Kim et al. (4)Source

ModelsSelected10:15

Chinese contentDA-WAM框架助力自动驾驶决策优化研究

DA-WAM是专门给自动驾驶做决策优化的框架，用它模拟未来场景选路径，比以前方法在NAVSIM那些测试里效果好，你感兴趣可以去了解下。

#DA-WAM #NAVSIM-v1 #NAVSIM-v2 #自动驾驶

arXiv cs.AI@Ruiguo Zhong et al. (8)Source

Models10:15

Chinese contentReWEIGH模型推出视觉证据校准方法缓解大模型幻觉

ReWEIGH模型校准方法能缓解大模型幻觉，比普通方法减少更多幻觉，操作简单。

#ReWEIGH #多模型方法 #幻觉缓解 #视觉校准

arXiv cs.AI@Jihae Jeong et al. (3)Source

Models72°10:15

Chinese contentSPADE：自适应合成环境自博弈框架发布

你可以试试SPADE，它是让大语言模型自己学建环境，在数学题这些领域比固定环境方法强5.3%呢。

#SPADE #LLM #推理模型 #工具使用

arXiv: OpenAI@Bo Liu et al. (18)Source

Models US vs ChinaMulti-source10:14

Chinese contentOpenAI 推出 Privacy Filter 模型卡

OpenAI发布了Privacy Filter模型卡，能高效处理文本隐私信息，效果比传统方案更专业。

#OpenAI #Privacy Filter #AI安全 #模型参数

Event

arXiv: OpenAI@Charles de Bourcy et al. (25)Source

Models US vs China10:14

Chinese contentEureka任务条件元代理架构用于科学发现

Eureka模型发布了，能做科学发现任务，压缩输入还少重复计算，比以前方法强。

#Eureka #Meta-Agent #科学发现

arXiv cs.AI@Alizer Wong et al. (9)Source

Models10:12

Chinese contentFlama开源框架支持生产级API与LLM服务开发部署

Flama这个开源框架，能帮你开发部署生产级API和LLM服务，和普通框架比更统一架构，还能自动处理多种模型格式。

#Flama #vLLM #MLX #模型服务

arXiv: Anthropic@José A. Perdiguero López, Miguel A. Durán-OlivenciaSource

ModelsSelected11:54

Chinese contentCABLE：通过互补前导链接扩展记忆检索范围

清华团队提出CABLE方法，让AI记忆系统不再只靠相似度，而是通过互补链接找回被遗忘的关键信息。

#CABLE #记忆检索 #LLM代理 #推理模型

arXiv: DeepSeek@Zheling Tan et al. (3)Source

Models11:44

Chinese contentHLSR混合实时预测选择性动态车辆重路由框架

研究人员提出HLSR框架，能智能重规划车辆路线，有效缓解城市交通拥堵，比传统方法更精准高效。

#HLSR #交通拥堵 #路径规划 #实时预测

arXiv cs.AI@Xiao Wang et al. (3)Source

Models11:42

Chinese content即时回合重复提升强化学习样本效率

这篇论文提出了一种简单却有效的IER机制，能让强化学习智能体通过重复成功动作更快学习。

#强化学习 #IER #SAC #TD3

arXiv: Google DeepMind@Hoda Yamani et al. (5)Source

Models10:30

Chinese contentProteus：增量记忆激活用于长上下文序列建模

Proteus给长上下文模型加了个记忆开关，逐步解锁容量，让SWLA、Titans这些模型在长文本上表现更好，越长的上下文提升越明显。

#Proteus #SWLA #Titans #长上下文

arXiv cs.LG@Reza Bayat et al. (4)Source

ModelsSelected10:24

Chinese contentMAPLE：MoE模型自适应分层专家分配，75%专家超越原版

MAPLE这个插件能让MoE大模型少开专家还更准，DeepSeek-MoE-16B用75%专家就能超原版，还快32%，不用改权重就能用。

#MAPLE #DeepSeek-MoE-16B #SGLang #MoE

arXiv: DeepSeek@Lie Li et al. (4)Source