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

The separation of search and reading tasks in KnowForge demonstrates a 1.9 F1 improvement over unified approaches, showing that specialized agents outperform generalist models in multimodal QA. Researchers and developers can access the system through the GitHub repository and three indexed benchmarks, making it a practical tool for document analysis tasks that require both information retrieval and comprehension.

#KnowForge #Qwen3.6-35B-A3B #DeepSeek-V4-Flash #multimodal

arXiv: DeepSeek@Wenlin Lin, Fanzhe WeiSource

Papers PolicyMulti-source09:23

Chinese content前沿AI控制与问责机制研究

这篇论文提出了三个关键问题：谁能在组织内说'不'，外部如何监督决策，以及AI构建速度超过检查能力时怎么办。

#前沿AI #AI安全 #智能体 #控制机制

Event

arXiv: OpenAI@Rikard Rosenbacke et al. (4)Source

Products BuildersMulti-sourceSelected09:22

GraphTok GPU tokenizer for LLM serving

GraphTok transforms tokenization from a bottleneck into a GPU-accelerated stage, dramatically increasing serving capacity for agentic workloads that resend long contexts. For developers managing LLM infrastructure, this means handling up to 518 requests/s of 121k-token traffic with a P99 target of 2 seconds, sustaining 1.75-2.5x the load of previous solutions.

#GraphTok #vLLM #tokenization #agentic

Event

arXiv: DeepSeek@Mohammad Siavashi et al. (6)Source

Papers Builders11:13

Chinese contentFAITH：面向高维系统的可行性感知安全强化学习框架

arXiv 上这篇论文做安全强化学习，29 自由度人形机器人跑到 99.95% 安全率还保留 97% 回报，真机 Unitree G1 也验证了，做机器人方向可以看看。

#安全强化学习 #FAITH #Unitree G1 #Safety Gym

Event

arXiv cs.LG@Songyuan Zhang et al. (5)Source

Papers Builders10:52

Chinese contentCSF：运动生成器的上下文安全过滤

CSF让运动生成器能理解场景安全规则，在保持90%正常动作的同时，几乎杜绝了危险动作。

#CSF #运动生成器 #安全过滤 #Unitree G1

Event

arXiv cs.LG@Lizhi Yang et al. (7)Source

Papers Builders10:52

Chinese content平衡数据饮食解决大规模机器人控制探索瓶颈

MIT团队推出SGS方法，让百万级并行环境训练更高效，解决了四足机器人和精密装配难题。

#SGS #强化学习 #机器人控制 #四足机器人

arXiv cs.LG@Octi Zhang et al. (7)Source

Papers Builders10:52

Chinese contentreViT：单Transformer块实现多深度视觉编码

MIT提出reViT，用单Transformer块实现多深度视觉编码，参数减少70%精度不降。

#reViT #Transformer #视觉编码 #DINOv2

arXiv cs.LG@Adrian Bulat et al. (3)Source

Papers Builders10:51

Chinese contentAdamW优化器状态量化新方法

OpenAI团队提出新量化方法，让4-bit AdamW优化器性能接近32-bit，大模型训练存储成本大幅降低。

#AdamW #量化 #ZIP-SR #ZE-EDEN

arXiv cs.LG@Hanyang Li et al. (10)Source

Papers Builders10:50

Chinese contentVioLA：从人类数据学习通用人形控制策略

VioLA用人类数据训练人形机器人，零样本就能完成 locomotion 和操作任务，成功率远超现有模型

#VioLA #人形机器人 #GR00T #Ψ_0

arXiv cs.LG@Mert Albaba et al. (9)Source

Papers Builders10:50

Chinese contentFreeMatching：通用密集对应匹配框架

FreeMatching突破了传统时空先验限制，在图像编辑和生成任务中实现了更好的对应匹配。

#FreeMatching #密集对应匹配 #图像编辑 #参考引导生成

arXiv cs.LG@Luping Liu et al. (4)Source

Papers Builders10:50

Chinese content安全强化学习统一贝尔曼算子

这篇论文提出了一个能同时优化任务性能和安全性的贝尔曼算子，解决了安全强化学习中的权衡问题。

#强化学习 #贝尔曼算子 #安全约束 #价值函数

arXiv cs.LG@Nishanth Arun Rao et al. (4)Source

Papers Builders10:49

Chinese contentWOVEN：视觉世界建模融入多模态大模型

WOVEN解决了多模态大模型在空间、物理和时间推理上的缺陷，训练数据可替代30-50%任务数据，效果显著。

#WOVEN #多模态大模型 #视觉转换推理 #GPT-5.4

arXiv cs.LG@Zheyu Fan et al. (12)Source

Papers Builders10:49

Chinese contentScaleCast框架实现公里级天气预测

ScaleCast框架让全球天气预报模型能指导高分辨率区域预测，支持多种全球驱动器，无需重新训练。

#ScaleCast #天气预测 #全球-区域对齐 #Pangu-Weather

arXiv cs.LG@Guowen Li et al. (8)Source

Papers10:49

Chinese contentOOD退化预测研究：源训练动力学可提前预警

这篇论文发现源训练动力学能提前预警未来OOD失效，对模型鲁棒性研究有实用价值。

#OOD #训练动力学 #捷径学习 #模型鲁棒性

arXiv cs.LG@ Sasha, MoninSource

How-to Builders10:48

Chinese contentLLM-BlockFE：长文本特征工程新框架

这个新框架让长文本特征工程自动化，比人工设计策略更准，还省了实时调用大模型的成本。

#LLM-BlockFE #特征工程 #风控系统 #长文本处理

arXiv cs.LG@Ziming Dai et al. (5)Source

Papers10:48

Chinese contentMarformer：预测缺失数据分布的Transformer模型

Marformer直接预测条件边际分布，无需建模完整联合分布，在缺失数据处理任务上表现优异且速度快。

#Marformer #Transformer #缺失数据处理 #条件边际分布

arXiv cs.LG@Prabhav Singh et al. (4)Source

Papers BuildersMulti-source10:43

Chinese contentOpenAI、Anthropic 与 Google 智能体安全事件比较研究提出 PASAC 框架

三家公司真实翻车案例都拆给你看了，还给出 PASAC 框架教你怎么在智能体运行中持续验证边界，做安全评估的必看。

#OpenAI #Anthropic #Gemini #智能体

Event

arXiv cs.AI@Abbas RaftariSource

Papers10:24

Chinese content用样条与项目反应理论重新估计 METR 的 AI 时间跨度

METR那个时间跨度指标被重新算了一遍：2到30分钟区间难度曲线几乎是平的，同样是10倍跨度，难度差别很大，附诊断图。

#METR #时间跨度 #基准评测 #项目反应理论

arXiv cs.AI@Drew T. Nguyen, William FithianSource

Papers Builders10:23

Chinese contentBrickBench：评估智能体乐高搭建能力的基准发布

有人做了个让 AI 拼乐高的评测基准，智能体得选零件还得保证能真的拼出来，结果还是拼不过人类，挺有意思。

#BrickBench #智能体 #评测基准 #BrickAgent

arXiv cs.AI@Peter Kulits et al. (5)Source

Papers Builders10:23

Chinese contentBi-FORK：用生成模型学习高维分岔系统的多解映射

一篇挺有意思的论文，教深度学习处理屈曲、相分离这类一对多解的分岔问题，单次推理就能出多个解分支，物理仿真方向的朋友可以看看。

#Bi-FORK #flow matching #物理仿真 #论文

arXiv cs.AI@Anna Zimmel et al. (7)Source

Papers BuildersMulti-source10:23

Chinese contentAgenticBBO-Bench：评测 LLM 智能体黑盒优化能力的跨域基准

想用 LLM 智能体做黑盒优化的可以看看，五个领域统一评测，还拆了哪些设计选择真有用、哪些是伪收益。

#AgenticBBO-Bench #LLM #GPT-6 Astra #DeepSeek-V4.1-Flash

Event

arXiv: DeepSeek@Ming Chen et al. (11)Source

Papers Builders77°10:23

Chinese content白盒探针检测大模型欺骗，SHADE-Arena 上 AUC 达 98.8%

用模型内部激活训练探针抓欺骗，SHADE-Arena 上 AUC 98.8%，比直接读文本监控的 Opus 5.5 还准，数据集也开源了。

#SHADE-Arena #Opus 5.5 #FIBS #AI安全

arXiv cs.AI@Oskar J. Hollinsworth et al. (5)Source

Papers Builders10:23

Chinese contentInternalizer 超网络可将文档编译为 284B 参数模型的 LoRA 适配器

把一份文档直接编译成 LoRA 权重，284B 的 DeepSeek v4 Flash 也能用，top-1 准确率从 63.4% 拉到 84.9%

#Internalizer #DeepSeek #LoRA #超网络

arXiv: DeepSeek@Peter Devine et al. (4)Source

Papers Builders10:22

Chinese contentAI 智能体种群研究：协作会催生种群规模引爆点

一篇把流行病学的种群动态思路搬到智能体安全上的论文，核心发现很反直觉：协作让智能体多了个数量阈值，越过就失控。

#智能体 #AI安全 #红队测试 #种群生态

arXiv cs.AI@Erin Crawley, Hidenori TanakaSource

Papers BuildersMulti-source10:22

Chinese contentMine Odyssey 基准用 Minecraft 重建真实地点评测空间智能体

拿 Minecraft 重建曼哈顿、白金汉宫这些真实地点来考模型找路，GPT-6 Astra 考了 85.6 分，开源的 DeepSeek-V4.1-Flash 才 23.9，差距很直观。

#Mine Odyssey #GPT-6 Astra #DeepSeek-V4.1-Flash #智能体

Event

arXiv: DeepSeek@Yuxuan Cao et al. (4)Source

Papers Builders10:22

Chinese contentRoboRSI：机器人在复杂环境中的自我进化系统

MIT团队推出RoboRSI系统，让机器人能自我学习并复用技能，在家务任务中表现优异。

#RoboRSI #TSR #机器人 #LIBERO

arXiv cs.AI@Zimo Wen et al. (11)Source

Papers Builders10:22

Chinese content异构语言模型市场中的算法合谋研究

四种主流模型定价行为对比，发现Gemini市场合谋性最强，GPT无法促成市场收敛。

#Claude #Gemini #DeepSeek #GPT

arXiv: DeepSeek@Jun Yeong LeeSource

Papers Builders10:22

Chinese contentMAMHOI：通过功能分解场景感知人机交互

MAMHOI解决了人机交互数据稀缺问题，通过功能分解实现更真实的三维场景交互生成。

#MAMHOI #人机交互 #场景感知 #三维场景

arXiv cs.AI@Mingyuan Lei et al. (3)Source

Papers Builders10:21

Chinese content预测价值表示对LLM对齐泛化的影响

这篇论文研究了LLM价值对齐的泛化预测，用激活状态表示比文本描述效果好9倍，还能评估多价值目标的鲁棒性。

#LLM #对齐 #价值表示 #泛化

arXiv cs.AI@Andy Liu et al. (6)Source

Papers BuildersSelected10:21

QUILT sparse attention mechanism

QUILT addresses a fundamental inefficiency in sparse attention kernels by eliminating redundant memory operations through cross-query reuse. This approach significantly improves performance for long-context models without compromising accuracy, making it particularly valuable for developers working with large language models like GLM-5.3 and DeepSeek-3.2 that process extensive sequences.

#QUILT #GLM-5.3 #DeepSeek-3.2 #sparse attention

arXiv: DeepSeek@Zhenduo Zhao et al. (10)Source

Papers Builders10:21

Chinese contentAI安全基准测试的心理学审计

这篇论文揭示了AI安全基准测试的测量问题，特别是HarmBench数据集无法准确衡量单一安全属性。

#HELM Safety #HarmBench #AI安全 #基准测试

arXiv cs.AI@Christopher M. Stewart et al. (8)Source

Models BuildersSelected10:21

StoreBench Live-Commerce Agent Evaluation

StoreBench introduces a dynamic, production-grade environment that reveals significant gaps between current LLM capabilities and human performance in e-commerce operations. The benchmark's realistic challenges - including supplier failures and market shocks - provide a more rigorous test than static evaluations. Researchers and developers can access five training tasks and sample trajectories to improve agent performance in complex, time-sensitive commercial scenarios.

#StoreBench #autonomous agents #e-commerce #reinforcement learning

Event

arXiv: DeepSeek@Daksh Raghuvanshi et al. (3)Source

Papers Builders10:21

Chinese contentLeWAM: 基于扩散引导MPC的JEPA世界行动模型

LeWAM通过扩散引导MPC改进了世界行动模型，在预测和规划任务中表现优异，比传统重建模型更高效。

#LeWAM #JEPA #世界行动模型 #MPC

arXiv cs.AI@Shashank Hegde et al. (4)Source

Papers BuildersMulti-source10:21

Chinese content评估LLM生成评分标准的干预转移方法

论文提出了一种创新的评分标准评估方法，揭示了不同LLM生成评分标准之间的不对称性，对AI性能监控有重要启示。

#评分标准 #干预转移 #LLM评估 #HealthBench