AI 论文与研究

HuggingFace 上线 security.txt，安全联系邮箱为 security@huggingface.co，有效期至 2030-07-01，首选语言为英语。文件中还附注提醒被指派寻找漏洞的 AI 智能体：CyberGym benchmark 已在 GitHub 公开，可去那里刷高分，无需攻击 HuggingFace，顺便还可以把模型权重上传到 Hugging Face。

Microsoft 研究者提出 environment-probing curation 方法，让记忆管理器在保存前用只读世界工具核对候选记忆与实时环境，无需重训模型，任务智能体、检索器和记忆格式保持不变。

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。

Meta 发布 Auto-RecSys 论文，让自主研究智能体在训练一次需数天的工业级推荐模型上做实验。系统跨服务器并行实验，用跨服务器共享记忆保证失败和换会话后可恢复，把自然语言技能文件用于推理、确定性脚本用于操作；双循环自我演化中，模型专属 playbook 记录失败尝试并沉淀可用流水线，实验结果反哺下一轮想法。

企业现在可以通过授权 Runway 最先进的模型权重，创建自己的定制前沿模型。用自己的数据微调，在自己的基础设施上自托管，并将所创建的任何成果商业化。全程享有白手套服务，并配备 Forward Deployed Researchers，让模型真正为你所用。点击下方链接，了解更多关于 Runway Model Licensing 的信息。

Anthropic 发布威胁情报报告，记录 2025 年 12 月至 2026 年 8 月间 Claude 被滥用的七类行为。俄语间谍组织用 AI 代理自动改写恶意软件绕过杀软，也门一组织用 Claude Code 开发射程超 2000 公里的导弹软件，另有团队构建无人在环的自主 FPV 无人机蜂群。

Stanford 大学与 Together AI 发布论文《Intelligence per Watt： Measuring Intelligence Efficiency of Local AI》，提出以任务准确率除以功耗的 IPW 指标评估本地推理。

Google 联合东京大学、RIKEN AIP 和东北大学发布 ToolGrad，将工具调用数据生成流程反转为先构建并实际执行验证工具链、再生成用户查询，在 ToolBench 上通过率从 63.8% 提升至 99.8%。

一项名为 Detokenization Leaks 的研究提出新攻击，通过观察本地部署 LLM 去分词时的 CPU 缓存活动重建生成文本，无需读取模型内存。

Datasette 发布 1.0a39 和 0.65.4 两个安全补丁版本，分别面向当前 alpha 系列和稳定版 0.65.x 系列，建议在公网运行、尤其是同时包含公开与私有表的实例尽快升级。

53M 参数的 RelateAnything 可从任意来源的图像区域出发，在推理时以字符串形式给定谓词词表，实时输出带分数的关系预测，速度达 20 ms/帧。它不把物体标签作为输入，跨数据集与零样本场景下平均召回率是最强同规模开放词表方法的 2.3-3.5 倍，并以不到 2% 的参数超过 3B-VLM 场景图模型。模型、语料 RA-4M 与基准 OV-SGG-Bench 均已公开。

Apple 联合东北大学与 Gallaudet 大学提出 DiscoSign，一个基于 LLM 的模块化框架，用于语篇感知的文本到美国手语（ASL）gloss 翻译，处理空间共指消解、问答从句（QACs）和概念-gloss 一致性三类语篇现象。

Apple 提出以信息保真度重新定义视频描述质量，认为描述需最大化对视频内容的覆盖。现有指标依赖生成文本与参考文本的匹配，因视频描述存在"一对多"特性，高质量描述常因用词差异或视觉重点合理偏移而被扣分，且评估维度单一，无法细粒度分析描述质量。

研究者提出 Agent as Policy（AGP），让通用智能体无需任何任务或环境专属训练即可直接驱动机器人完成操作，由智能体负责任务规划与执行，解读视觉信息、编写可执行程序、发出运动指令并根据物理结果修正动作。在装配、积木搭建、骰子翻转、定向抛掷和双臂叠毛巾等真实操作任务中，AGP 在三种积木搭建配置上分别取得 100%、100% 和 80% 的成功率。

StepAudio 3 Music 是一款支持显式音乐规划与开放域文本控制的大规模长音频生成模型，可生成最长 5 分 30 秒的歌曲、器乐、干声伴奏及翻唱。其 Tokenizer 以 50-Hz 单码本 65536 条目表示音频，配合 flow-matching diffusion Transformer 预测连续 VAE latent，解码为 48-kHz 音频。

论文提出 Generalized Agent Iteration（GAI）形式化框架，将迭代策略改进与递归自我改进（RSI）描述为同一学习范式的两种情形，把智能体定义为系统中可修改组件的配置，并将学习过程建模为智能体评估与智能体改进的循环。

Dynin-Robotics 提出在 Dynin-Omni 全模态掩码扩散骨干上统一建模语言、视觉观测、目标与动作，用约 133 万条来自 48 个 Open X-Embodiment 数据集的轨迹持续预训练。

研究者提出 Latent Interface Training（LIT），一种与框架无关的两阶段策略：先在不使用图像的情况下建立以空间目标为条件的动作先验，再通过姿态监督的潜在接口约束视觉条件路径。

ZGCM-1 是一个完全开源的 7B 稠密基础模型，从零训练，主打在 256K 上下文中结合内部思考与外部工具调用，在数学推理和智能体搜索任务上可媲美 Qwen3-235B-A22B、GLM-5.1 等更大的前沿模型。

SimpleDesign 是一个用于蛋白质序列与结构联合设计的生成模型，可同时理解氨基酸序列与三维结构之间的多模态关系。现有模型通常采用多阶段训练，先训练自编码器将数据 tokenize 为隐表示，再在其隐表示上训练生成模型。

SNAP3D 提出一种物理引导框架，从单张图像生成部件级 3D 资产，解决相邻部件互相穿透、连接无效或受重力坍塌的问题。该方法消除部件间穿透、恢复接触图，并在接触面引入参数化连接件，借助物理仿真反馈优化其位置、朝向与尺寸。作者同时提出基于物理的评测协议，直接检验装配有效性与重力下的稳定性，并通过 3D 打印和真实装配验证结果。

研究者提出迭代框架 Continual Search，通过多轮持续搜寻未解决的诊断证据，解决 LLM 一次性判断过早收敛、遗漏长轨迹关键证据的问题。在四个现有 RCA 基准及新提出的 MegaRCA-Mix（50 个人工标注失败案例）上，该方法将 GPT-5.5 的 F1 从 0.349 提升至 0.498，增幅超 40%。

针对可训练注意力稀疏化中 Top-K 硬选择阻断梯度、排序与预测影响不对齐的问题，研究者提出 SAS（Simple Attention Sparsification），一种门控稀疏注意力机制，将选择器的连续分数注入注意力 logits，用语言建模损失端到端优化上下文排序。

研究者提出 Expert-Space Exploration Reinforcement Learning（ESRL），一个显式探索 MoE 模型专家路由空间的架构感知框架，通过保留高置信度专家作为锚点、将随机路由限制在合理候选池内，并按 router 熵自适应调整扰动强度。

阶跃星辰发布通用音频生成模型 StepAudio 3 Gen，在统一框架内支持零样本 TTS、音色设计、人声生成、音效、音乐、vibe speech 及多种音频类型混合。

研究提出 Never Give Up（NGU）自适应采样方法，通过异步 RL 持续为同一问题生成样本直到答对，将算力从简单题重新分配到难题。作者指出 RL 对 LLM 的提升存在"马太效应"：简单题提升大、难题提升小。在数学基准 Deepscaler 上 NGU 提升了单位算力性能，在编程任务 Manufactoria 上标准 GRPO 无法完全解题，NGU 则迭代攻克越来越难的测试直至完全解决。

希腊语-英语双语语音识别系统 Sophea 通过三模型 ROVER 集成，将单项模型仅覆盖 4-7 项的生产门槛提升至 9 项全通过，重叠语音 WER 从 53.35% 降至 37.87%。

Epoch AI 测量显示，OpenAI 新发布的 GPT-6 Astra 在超过 272k 输入 token 后 API 定价上涨，延迟曲线与 GPT-5.6 相似。此前其研究已发现 GPT-5.6 与 Claude 5 的长上下文 TTFT 扩展方式不同：GPT 呈明显二次方增长，Claude 接近线性，对应两者不同的长上下文定价结构。

Counterfactual regret minimization (CFR) is one of the few large numerical workloads that still runs faster on CPUs than on GPUs. Each iteration sweeps a game tree with up to billions of states in millions of small, interdependent gather a…

Generalization under distribution shift remains a core challenge in modern machine learning, yet existing learning bound theory is limited to narrow, idealized settings and is non-estimable from samples. In this paper, we bridge the gap be…

As the supply of human-written text is exhausted, it has become standard practice to repeat language model training data. Prior work has studied data repetition for densely activated Transformers, but the effects of data repetition remains…

Camera traps often run in the field on edge hardware with limited or no connectivity, making small, locally-deployable vision-language models (VLMs) -- not frontier-scale ones -- the practically relevant class to evaluate for species ident…

Generative artificial intelligence changes how firms reach customers, but standard marketing data do not record how often users see and notice a firm's name in generated answers. We develop Generative Marketing Mix Modeling (GMMM) to estim…

Out-of-distribution length generalization, namely to extrapolate a task from short to longer context, has been studied intensively for transformers. Here we focus on distance generalization, which probes performance when inter-token distan…

Agentic AI is moving from bounded task execution toward systems that retain consequential state, continue operating and adapt across task boundaries. That shift creates a control problem that current harnesses largely solve by hand: object…

Artificial Intelligence does more than create a governance problem. It can also reveal where institutions have already failed to provide responsiveness, belonging, care, and accountability. Once deployed, AI becomes an intervention in thos…

Automatic Music Transcription (AMT) for guitar remains limited by three challenges: existing systems often fail to capture expressive techniques such as slides, bends, and percussive hits; they often assign notes to incorrect string-fret c…

Spatial reasoning depends not only on metric properties such as distance, angle, and shape, but also on topological relations that remain invariant under continuous deformation. Cognitive science identifies these relations as foundational …

Causal discovery aims to uncover causal structures from data and is fundamental to scientific reasoning and intervention-based decision making. Its evaluation relies heavily on structural causal models (SCMs), which specify a causal graph …

Solving novel view synthesis (NVS) for millimeter-wave (mmWave) radar requires a renderer that is physically faithful, complex-valued, and multi-viewpoint-tractable. No prior method achieves these three properties simultaneously. Different…