LIBERO-PeRM 提出个性化机器人操作基准，含 312 个任务
LIBERO-PeRM 是用于评测具身智能体个性化偏好的基准，基于 LIBERO 构建，含五个任务套件共 312 个任务，并提供配对演示与偏好满足度指标。它围绕零样本偏好遵循、从演示学习偏好、随演示增加的学习效率、跨布局与任务泛化、偏好组合与冲突五个问题设计，偏好限于语言可表达且不改变任务目标。
推荐理由：机器人策略研究者可以用这套含 312 个任务的基准，先测零样本个性化表现，再决定是否加入 SFT 数据。
全部前沿动态
全部动态
今日 6 条arXiv cs.AI / cs.LG 最新精选AI 评分6565 arXiv cs.AI / cs.LG 最新精选AI 评分7575 LLM 生成量子电路并由独立评测器打分，八项任务中七项超越现有最优
作者提出一个进化式框架，让大语言模型提出量子电路设计，由独立评测器验证并打分，论文编号 arXiv:2610.22367。在数值计算、化学、优化、量子模拟和数论等八项任务里，有七项得到的电路在 Toffoli 门数与量子比特数上都明显低于现有最优。
推荐理由：做量子算法或可逆电路的研究者可以借用这套由 LLM 生成、独立评测器打分的流程，先在自己关注的算术基元上筛一轮候选设计。
arXiv cs.AI / cs.LG 最新AI 评分4747 CoDA：数据引擎与动作策略的协同演化
CoDA 通过共享异构记忆让仿真数据引擎与动作策略协同演化，把视觉语言评论器验证的诊断编译成环境生成与训练程序，四类操作任务上分布外成功率从 5.3% 提升到 27.6%，超出最强闭环基线 9.5 个百分点。
arXiv cs.AI / cs.LG 最新AI 评分4747 重新思考现代 MoE 的路由探索：MirrorMoE 如何缓解探索困境
MirrorMoE 通过 token 自适应抑制不必要专家来缩小路由探索空间，以缓解现代 MoE 中共享专家与细粒度专家分割之间的探索困境。共享专家会降低 token 表示可变性，而细粒度分割又组合式扩大路由空间，二者形成探索矛盾。在多个模型规模上，MirrorMoE 均持续提升性能。
arXiv cs.AI / cs.LG 最新AI 评分5353 LeanGraphSearch 提出基于依赖图的 Lean 4 引理检索方法
LeanGraphSearch 是面向 Lean 4 的图检索方法，用 Mathlib 的前向依赖关系建图，把语义匹配声明的相关性沿多跳依赖链传播，再对扩展后的候选引理重排。
arXiv cs.AI / cs.LG 最新AI 评分5050 面向模型与测量不确定性的动态治疗方案鲁棒强化学习框架
研究者提出一种鲁棒强化学习框架，将患者建模为隐藏上下文，用鲁棒上下文马尔可夫决策过程统一处理跨患者泛化与生物标志物测量误差、疾病动态漂移下的可靠性问题。在按临床数据校准的转移性前列腺癌模拟器中，该框架学到的自适应治疗策略大幅优于现有自适应疗法，生物标志物准确时几乎不损失性能，并在多种场景下 Pareto 占优。
arXiv cs.AI / cs.LG 最新AI 评分5050 LLM 在印度语种被提示正在受测时，有害请求拒答率平均升 14.4 个百分点
一篇 arXiv 论文测试了三个模型家族的四个指令微调模型在五种印度语种与英语下的评测意识。当模型被告知正在被监控或正接受安全测试时，四种模型在六种语言中都更常拒绝有害请求，印度语种平均上升 14.4 个百分点。
arXiv cs.AI / cs.LG 最新AI 评分4949 KnowGPO：面向搜索智能体的知识分组策略优化
论文提出面向搜索智能体的强化学习框架 KnowGPO，按轨迹已获得的任务相关知识而非表面观测对齐，并以原子知识条件的状态分组进行组内比较。连续步骤间的增量知识增益被用作环境锚定的过程奖励；在 Xbench、BrowseComp-ZH 和 GAIA 上，KnowGPO 比 GRPO、GiGPO、IGPO 提升 3.8 至 4.2 分。其 8B 模型可媲美或超过多数 32B 开源系统，代码已公开。
arXiv cs.AI / cs.LG 最新AI 评分5555 ACEdit 用非对称条件化训练稳定多轮图像编辑
ACEdit 提出一套训练方案，用来缓解图像编辑模型在多轮连续编辑中效果累积退化的问题。方法在训练时强制编辑器处理自己前几轮的输出（Self-Forcing），并用教师编辑器提供蒸馏信号，同时采用非对称条件化，学生按顺序编辑自身输出，教师始终锚定原始干净图像并接收复合编辑指令。实验显示长多轮序列上的退化明显减少，编辑质量与指令遵循得以保持。
arXiv cs.AI / cs.LG 最新AI 评分5252 Twice Upon a Time：用线图与归一化延迟嵌入双视图提升时序推理
arXiv 论文提出互补表示这一时序推理设计原则，让时序语言模型同时接收两种视觉视图：保留绝对测量值和观测坐标系的折线图，以及对正幅度缩放和偏移不敏感的归一化延迟嵌入。
arXiv cs.AI / cs.LG 最新AI 评分6363 arXiv 论文提出 MPT 市场化后训练框架，让去中心化智能体群体学会自组织
论文提出市场化后训练（MPT），让去中心化智能体群体在训练中同时学习动作策略与自组织协同。智能体通过竞价表达参与意愿，竞价决定谁行动并分配局部训练积分，全程不需要中央协调者。在具身制作、机器人导航和深度研究三项任务上，MPT 优于单体式后训练，推理时群体规模越大性能越好、智能体掉线造成的损失也更小。代码与训练好的模型已公开。
arXiv cs.AI / cs.LG 最新AI 评分5757 研究提出 steering agent 在线纠偏，抑制 LLM 智能体与多智能体系统的目标漂移
arXiv 论文提出一种 steering agent，在任务执行过程中实时监督 LLM 智能体与多智能体系统，发现目标漂移时把系统拉回原定目标。它用低成本快路径判断何时干预、高成本慢路径决定如何干预，两条路径通过强化学习联合训练，结合成对排序目标与 GRPO。
arXiv cs.AI / cs.LG 最新AI 评分5252 零比特音频水印论文提出向后兼容训练框架，用 ADL 抑制误报上升
该论文形式化了零比特音频水印的向后兼容问题，提出用性能加权采样把新检测器与一串冻结的旧嵌入器一起训练，使其对早期版本仍保持准确。作者指出这种耦合会引发嵌入器坍缩，令链外嵌入器上的真负率 TNR 大幅下降。为此论文引入角度多样性损失 ADL，强制每个新嵌入器占据输出空间的不同区域。两者结合后 TNR 恢复到接近完美，检测准确率与音频感知质量没有可测量的损失。
arXiv cs.AI / cs.LG 最新AI 评分5555 CATCH 提出连续对抗训练方法，提升大语言模型诚实性并保持能力
CATCH 是一种连续对抗训练方法，训练模型靠近诚实回答、远离不诚实回答，以提升大语言模型的诚实性。研究在 Llama-3.3-70B-Instruct 和 Qwen3-3.6-27B 上仅用数百条自报告场景构造的目标训练，模型在 MASK 基准受压时的不诚实行为持续减少，在 Among Us 多智能体游戏中更多坦白，AuditBench 对隐藏行为的发现率也提高。
arXiv cs.AI / cs.LG 最新AI 评分4949 EliteReplay：用质量-多样性搜索在 RL 后训练中保留多样化解法
EliteReplay 是一种把 GRPO 与质量-多样性搜索构建的“精英”档案结合的后训练方案：训练前用冻结基座模型收集覆盖不同解法的答案，训练中在 GRPO 上叠加该档案的重放损失，从而在提升准确率的同时保留基座模型的解法多样性。
arXiv cs.AI / cs.LG 最新AI 评分4848 Codex 编码智能体如何跨环境改进：scaffolding 的作用
研究在 ARC-AGI-3、AGI Maze 和 Terminal-Bench 上评测基于 Codex 的编码智能体，仅改一条提示词指令即提升前两者平均得分。但该智能体仍低于 ARC-AGI-3 专用参考方案，即便搭配 GPT-5.6-sol；把重置决策交给脚本控制器可追回部分优势。
arXiv cs.AI / cs.LG 最新AI 评分4444 多智能体强化学习中的理性策略合成：面向 PLTL_f 时序目标
针对动态未知的随机多智能体系统，该研究以 PLTL_f 描述每个智能体的概率时序目标，并把 Nash 均衡等解概念作为联合策略约束，以求解理性合成问题。表格型 Nash-Q 学习获得条件收敛保证，同时给出满足性的有限样本置信界，并用近似最佳响应检验策略稳定性。方法在 8 个一般和并发随机博弈上完成了实证验证。
arXiv cs.AI / cs.LG 最新AI 评分5858 CoRL 2026 论文提出针对性主动偏好学习，低查询预算下奖励恢复最高提升 30.8%
一篇被 CoRL 2026 接收的论文提出把欠定奖励的负担从人转移到机器人一侧，让机器人主动提出更有针对性的偏好查询。方法是用人类教学数据构建知情先验，把查询定向到监督不足的特征上，并为每个查询附上解释，把人的注意力聚焦到这些特征。仿真显示该先验在低查询情形下比标准主动偏好学习基线最高提升 30.8%，用户研究中先验与解释各自显著改善奖励恢复，并且效果相互放大。
arXiv cs.AI / cs.LG 最新AI 评分6363 LEASH：按潜在不确定性升级并监督 computer-use agent 的免训练框架
LEASH 是一个免训练框架，让弱模型默认执行 computer-use 任务，仅在其潜在不确定性升高时才把控制权交给强模型，交接后继续监督。它复用动作生成时已有的激活值，与历史成功和失败轨迹比对来判断不确定性，无需额外前向或专门训练监控器。
arXiv cs.AI / cs.LG 最新AI 评分5656 X-RIC 提出融合智能体推理的 O-RAN 智能控制器框架与 BARX 评测基准
X-RIC 是把智能体 AI 引入 O-RAN 智能控制器的框架，并配套提出 BARX 评测基准，论文已被 IEEE MASS 2026 接收。它用领域启发式做自动行为克隆以提升样本效率，用基于 Transformer 的 Telecom Language Model 提供可解释的上下文抽象，并在 Near-RT RIC 控制环路内闭环协同自适应。
arXiv cs.AI / cs.LG 最新AI 评分4848 拓扑启发微调提升风场超分辨率模型：预训练 CNN 的平均 PD 距离降低 31%
拓扑启发的辅助损失微调使预训练 CNN 风场超分辨率模型在 168 场固定基准上把平均 bottleneck PD 距离降低 31%。最终目标结合梯度监督与固定持久对（persistence pair）监督，相对预训练 CNN 将 W2,∞ 与 W2,2 距离分别降低 25%、27%，PSNR 提升 1.30 dB，约为标准微调增益的一半。
arXiv cs.AI / cs.LG 最新AI 评分5656 arXiv 论文提出用模型分歧指导弱模型到强模型的路由
这篇 arXiv 论文提出一种不依赖真值监督的弱到强路由方法，用弱模型与强模型之间的分歧作为判据，决定何时把弱模型的回答交给更强模型处理。作者先刻画了在允许弱模型本地多次推理情况下的最优路由策略，再据此推导出基于模型间比较的近似方法，且强模型越接近真值分布，近似越准确。
Hugging Face Blog精选AI 评分7474 Apertus 1.5 发布 8B 与 70B 版本，支持图像音频理解与 262k 上下文
Apertus 1.5 在 8B 和 70B 两个规模上加入图像与音频理解、可选 thinking 模式，上下文窗口扩展到 262,144 tokens，是 1.0 的四倍。
推荐理由：想在本地跑多模态的团队可先下 8B 权重微调，注意模型只输出文本，图像和语音仅作输入。
Google DeepMind精选AI 评分8282 Google DeepMind 大范围推送 Gemini 4 Argon 并发布安全防护报告
Google DeepMind 开始大范围推送 Gemini 4 Argon，并同步发布安全与安全防护报告。该模型在编码、金融、法律、网络安全和科学等复杂任务上能力提升，网络安全防御达到前沿水平，在 12 个端到端模拟网络攻击场景中全部通关，上一代为 5 个。
推荐理由：做 Agent 产品的团队可以参照它的三层实时防护和提示注入测试，给工具调用链路补上输入筛查与过程监控。
Hugging Face Blog精选AI 评分8181 Liquid AI 开源 LFM2.5-24B-A2B，总参数 24B、每 token 激活 2B 的端侧智能体推理模型
Liquid AI 在 Hugging Face 开源 LFM2.5-24B-A2B，总参数 24B、每 token 仅激活 2B，是面向端侧常驻智能体的推理模型。
推荐理由：要在本地部署智能体的开发者可先用 vLLM 或 llama.cpp 起服务，再拿工具调用和指令遵循任务实测它能否替代云端模型。
Google DeepMind精选AI 评分8989 Google 发布 Gemini 4 Argon，输入 token 定价 2 美元/百万
Google 发布前沿模型 Gemini 4 Argon，当天通过 AI Studio 和 Gemini API 向开发者与企业开放，Gemini app 与搜索 AI Mode 面向 Ultra 和 Pro 订阅用户上线。
推荐理由：开发者可先在 AI Studio 付费 API 上重跑自家代码库重构任务，按 2 美元/百万输入 token 估成本再决定迁移。
OpenAI NewsAI 评分2323 Pollo AI 借助 OpenAI 将创意想法转化为营销活动
Pollo AI 借助 OpenAI 的 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者将大胆创意转化为细节丰富的图像和电影感视频广告。其用途是推动创意想法落地为营销活动。
NVIDIA Blog精选AI 评分7575 NVIDIA 与 Microsoft 发布 RTX Spark 笔记本，并预览 Windows 版 DGX Station
NVIDIA 与 Microsoft 在旧金山活动上宣布，RTX Spark 把完整 NVIDIA AI 栈装进 Windows 笔记本和紧凑台式机，笔记本当日开启预售、10 月 16 日上市，台式机 11 月开卖。
推荐理由：需要离线跑智能体的团队可以在 RTX Spark 笔记本上本地运行 125B 模型，复用 CUDA 栈无需重写代码。
GitHub Blog · AI & ML精选AI 评分6969 GitHub 推出 ModernBERT 密钥检测分类器，把推送保护扩展到非结构化密钥
GitHub 发布与 Microsoft Applied Sciences 共建的 ModernBERT 微调分类器，把推送保护从有固定前缀的凭证扩展到没有格式规律的非结构化密钥。
推荐理由：使用 Copilot CLI 的团队可先跑一遍 /security-review，让新分类器在推送前拦下硬编码密码。
Hugging Face Blog精选AI 评分6262 TII 发布 1.6B 参数 Falcon-ASR 语音识别模型，主打阿联酋阿拉伯语方言
阿布扎比技术创新研究院（TII）发布 1.6B 参数的语音识别模型 Falcon-ASR，重点覆盖阿拉伯语及阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。
推荐理由：做阿拉伯语语音转写的团队可以用 Falcon-ASR 的词级时间戳处理会议和电话录音，并先在阿联酋方言素材上验证转写准确率。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 EmbeddingGemma 2，740M 参数端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的开源多模态嵌入模型，把文本、图像、视频和音频映射到同一嵌入空间。
推荐理由：做端侧搜索或本地 RAG 的开发者可以先在 Hugging Face 拉权重，用 Ollama 或 transformers.js 跑通文本嵌入，再决定是否加视觉音频编码器。
NVIDIA Blog精选AI 评分6565 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，借助 NVIDIA Blackwell GPU 的推理优化，token 生成速度最高可达 Astra Standard 模式的 8 倍。
推荐理由：运行编码智能体的团队可以在 API 里切换到 Ultrafast 模式，缩短工具调用之间的等待，接入和价格需查官方指南。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，输出上限提升至 1M tokens
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind 计划向一批可信网络安全防御者开放，之后再逐步推向开发者、企业和消费者。
推荐理由：企业安全团队可先申请 Fairwind 计划或等付费 API 开放，用它在自有代码库做漏洞发现与修复的初筛。
OpenAI NewsAI 评分4242 OpenAI 阻断一起协同模型蒸馏行动
OpenAI 阻断了一起协同模型蒸馏行动，该行动试图提取其受保护的模型推理能力。OpenAI 还表示，正在加强对对抗性蒸馏的防御。
Hugging Face Blog精选AI 评分6464 Hugging Face 上线 Open TTS Leaderboard，用客观指标评测多语言 TTS 与声音克隆
Hugging Face 上线 Open TTS Leaderboard，用 WER/CER、RTFx、TTFA 和说话人相似度等客观指标评测开源多语言 TTS 与声音克隆模型。
推荐理由：评估开源 TTS 选型的团队可以按目标语言和声音克隆需求在榜单筛出候选模型，再去 Listen 页试听对比。
Hugging Face Blog精选AI 评分7474 H 公司发布 Holo4 智能体模型系列，含 27B 稠密版与 35B-A3B MoE 版
H 公司发布 Holo4 系列智能体模型，含 27B 稠密版与 35B-A3B MoE 版，已在 H Models API 上线并在 Hugging Face 开放权重。
推荐理由：业务团队可以用 H Models API 上的 Holo4 27B 跑桌面与 API 混合流程，先替代重复的点击录入。
Hugging Face BlogAI 评分5454 Hugging Face Hub 上线 RL Environments 筛选与框架标签
Hugging Face Hub 新增 RL Environments 专区，带 rl-environment 标签的数据集仓库会出现在新筛选中。首批注册的框架标签有 Harbor、Verifiers、OpenEnv 和 NeMo Gym，每个标签会在数据集页显示图标并生成对应的运行命令，且没有新增仓库类型、注册表或注册流程。
Google DeepMind精选AI 评分8383 Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音模型
Google 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型。Flash 版支持用自然语言提示词从零设计角色音色，基于 30 秒样本复刻声音，提供 2000+ 音色库和 100 多种语言，并可逐句指定语气、节奏与双人对白。
推荐理由：播客与有声书团队可以先用 30 秒样本复刻音色，再按脚本逐句指定语气，试做多语言旁白。
OpenAI NewsAI 评分3030 Higgsfield AI 借助 GPT-6 Astra 一天内上线新视频功能
Higgsfield AI 借助 GPT-6 Astra 在一天内上线了新的视频功能。这些功能面向小微企业，让视频广告制作变得更简单。Higgsfield AI 也能借此更快将新的创意工具推向市场。
Google DeepMind精选AI 评分7878 Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 实时语音模型
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型。
推荐理由：做语音客服的开发者可用 Gemini Live API 接入 3.8 Live，先小流量验证延迟和后台工具调用。