面壁智能推出 Diffusion Reward Models，学习完整奖励分布

面壁智能与清华NLP团队提出ALIGN，自动生成对齐接口解决智能体与环境间的失配问题。仅改写反馈措辞即可将Qwen2.5-7B智能体在ALFWorld上的成功率从13.4%提升至31.3%。该方法在四个基准上最高提升45.67%成功率，并减少65%连续无效动作，且接口可跨智能体架构和LLM骨干迁移。

清华 NLP（OpenBMB 成员）联合中科院大学、东北大学、UIUC 和约翰霍普金斯大学提出 One-Shot OPD，将 OPD 训练集压缩到一条查询：数学任务上从 59.1 提升至 68.5（300 步），达到全量数据 OPD 69.8 的 87% 增益，并在代码、指令跟随和智能体工具使用上跨 Qwen、Llama、OLMo 成立。

开发者 @AlicanKiraz0 基于 VoxCPM2 微调出 Kahya-TTS，用近 100 小时自然土耳其语语音数据，将其语音生成能力适配到土耳其语 TTS。该模型已在 Hugging Face 开源，用于探索开源语音模型向新语言和专用数据集的适配。

🇹🇷🎙️ Kahya-TTS 已上线--这是用约 100 小时自然土耳其语语音数据微调 VoxCPM2 的一个绝佳示例。感谢将其开源给所有人！祝贺 @AlicanKiraz0 【引用 @AlicanKiraz0】：朋友们，Kahya-TTS 上线了 🎉 我用近 100 小时的土耳其语文本-语音合成自然土耳其语语音数据集，对 @OpenBMB 的出色模型 VoxCPM2 进行了微调，在土耳其语专项上取得了改进。希望我的贡献对社区有帮助。祝使用愉快 ❤️

面壁智能联合清华 THUNLP 发布 StudyBench，一个受控物理基准，用于衡量自进化方法将固定教材语料转化为能力的效率，并区分方法"吸收了什么"与"能迁移什么"。该基准把自进化从开放追逐变成可测量目标，追问瓶颈究竟在数据、算力还是循环本身。论文与代码已公开。

非常感谢大家的试用和反馈分享🙌 很期待看到社区用它构建出更多创意工作流。欢迎告诉我们你接下来会做出什么！ （引用推文：在16GB MacBook上本地运行MiniCPM5-2B 💻 它在基准测试中超越Qwen3.5-4B，我们让它查找近期AI新闻，它调用了网页搜索，抓取10条结果并在Atomic Chat内总结了关键动态。通过 https://atomic.chat 运行本地模型）

面壁智能 MiniCPM5-2B 被 @atomic_chat_hq 在 16GB MacBook 上本地运行，调用网页搜索并总结最新 AI 新闻。该模型在基准测试中超越 Qwen3.5-4B，主打高智能密度与早期智能体能力，Hugging Face 已开放下载。

清华NLP团队（OpenBMB成员）推出九歌推敲（Jiuge-Tuiqiao），入选EMNLP 2026系统演示。该工具将古诗创作建模为字符矩阵与锁定矩阵，用户锁定字词后模型在剩余位置硬约束生成，并附28，739条搭配、PPL排序名句等四类证据供用户决策。在50行完形任务中，结合名句证据将Hit@1从12%提升至60%；80次生成请求中格律与押韵合规率达100%。

清华NLP团队推出PACE-Bench，评测智能体在物理参数突变后修改代码重新适应的能力，含36个基础任务和144组源→目标环境对。最佳成绩为Reflexion+Qwen3-14B的35.9% Pass@2，GPT-5.5达66.7%但仍失败三分之一。基准显示，基于最新模拟结果的反馈比单纯"多思考"更有效，且更多信息并不能消除重新设计的瓶颈。

清华等高校提出"表征平等"框架，评估大语言模型作为跨国调查合成受访者时，模拟精度是否在各群体间均衡分布。测试覆盖59国、2420个亚组及9个开源模型，发现模拟不平等是系统性的：模型对澳大利亚、北美、欧洲模拟更准，且国家精度与人均GDP、互联网普及率正相关。