每日AI

MRAgent  大型语言模型代理框架，旨在解决人工智能在处理 长时记忆 和 复杂推理 时存在的局限性。与传统的 被动检索 （如 RAG）不同，该框架引入了受认知神经科学启发的 主动重构 机制。研究人员通过构建由 查询词、标签和内容 组成的结构化记忆图谱，使 AI 能够像人类大脑一样，根据中间证据动态调整搜索路径。实验结果表明，这种 多步推理 与 关联记忆 相结合的模式，能以更低的计算成本显著提升模型在长文本理解中的准确性。总...

Fara-7B 一个专门用于计算机操作的轻量化、原生智能体模型。为了解决训练数据稀缺的问题，研究团队推出了  FaraGen  平台，通过多智能体协作在大规模真实网站上合成高质量、可验证的任务轨迹，大幅降低了数据获取成本。 Fara-7B  采用“像素输入、动作输出”的模式，无需依赖复杂的网页结构信息，即可通过截图直接预测点击坐标和操作指令。实验表明，该模型在  WebVoyager  等基准测试中的表现优于同类尺寸模型，甚至能与顶尖的大型...

MiniMax Sparse Attention (MSA)  新型高效注意力机制，旨在解决超长上下文大模型在推理和训练中的 计算成本瓶颈 。该方案将传统的全局注意力简化为 索引分支 与 主分支 的双层架构：索引分支负责快速筛选关键信息块，而主分支仅对选中的块进行深度计算，从而将计算复杂度从平方级降低为 线性级 。为了将理论上的稀疏性转化为真实的硬件提速，研究团队还配套开发了专用的  GPU 内核 ，在维持模型性能的同时实现了显著的推理加速。...

SpatialClaw  是一种为视觉语言模型（VLM）设计的 开源框架 ，旨在通过改进“动作接口”来增强人工智能的 空间推理能力 。该研究由  NVIDIA  等机构合作完成，针对现有模型在处理 3D 或 4D 复杂任务（如距离测量、运动分析）时表现不佳的问题提出了解决方案。与传统的单次代码执行或受限的工具调用不同，SpatialClaw 建立了一个 持久化的 Python 内核 ，允许智能体逐步编写代码、观察结果并动态修正策略。实验表明，这种 基于代码的...

VibeVoice ，这是一种由微软研究院开发、旨在合成 超长篇多发言人对话 的先进模型。该系统采用了一种创新的 连续语音分词器 ，通过高达  3200倍的压缩率  显著提升了处理长音频的效率。借助基于  LLM 的下一标记扩散（Next-token Diffusion）  架构，模型能够生成长达  90 分钟  且包含多达四名说话者的自然语音。实验表明，它在 真实感、表现力及整体听感 方面均优于现有的开源和商业模型。此外，其核心组件包括用于捕捉音质的 声...

这项研究探讨了 大语言模型在长期训练中逐渐丧失学习新信息能力的“塑性丧失”现象 。通过对不同规模的Transformer模型进行多语言持续学习测试，研究者发现 模型规模虽能延迟塑性丧失的发生，但无法完全消除该问题 。实验表明，这种能力退化的时间点遵循一种 亚线性的幂律缩放法则 ，意味着单纯增加参数量来维持学习能力的边际效应会递减。此外，该现象在 任务变化剧烈的持续学习和数据分布稳定的静态训练 中均有出现。通过对网络内...

这份报告分析了  Claude Code  在 2025 年至 2026 年间的约 40 万次使用会话，探讨了 智能体编程 对知识型工作的影响。研究发现，用户主要负责 规划决策 ，而 AI 则承担具体的 执行任务 。虽然该工具显著降低了编程门槛，使非技术人员的开发成功率接近专业工程师，但 领域专业知识 依然是决定成效的关键。具备深厚行业背景的专家能引导 AI 完成更复杂、更有价值的工作，并能更有效地从错误中恢复。随着时间推移，用户从单纯的 代码...

AgentScope 1.0  是由阿里巴巴团队开发的一个以开发者为核心的 多智能体应用开发框架 。该框架基于  ReAct 范式 ，旨在通过统一的接口和可扩展模块，简化智能体与环境及工具之间的复杂交互。其核心组件涵盖了 消息通信、模型抽象、长短期记忆管理以及工具箱 ，支持并行工具调用和异步执行以提升效率。此外，框架内置了 深度搜索、浏览器自动化及元规划器 等开箱即用的智能体，能够处理复杂的任务分解与执行。为了优化开发体验，它...

COLLEAGUE.SKILL  是由上海人工智能实验室开发的一个开源系统，旨在将个人的专业知识、思维模式和互动风格转化为可移植的  AI 技能包 。该系统通过 知识蒸馏 技术处理聊天记录、工作文档等原始数据，生成包含“能力”与“行为”双轨道的结构化文件。这些技能包具有 可检查性 和 可修正性 ，允许用户通过自然语言反馈进行版本更新或回滚。目前，该项目已涵盖 同事经验传承 、 公众人物模拟 及 私人关系管理 三大应用场景。这种方案将复...

WorldOlympiad  是一个专为评估视频生成领域“世界模型”而设计的全新基准测试框架。该工具通过 物理保真度 、 几何一致性 和 交互效能 三个核心维度，深入分析模型是否真正理解现实世界的运行规律。研究团队构建了一个包含1000个高质量视频的数据集，覆盖了 机器人操作 、 游戏模拟 以及 真实场景 三大应用领域。与仅关注画面质量的传统标准不同，它利用多模态大模型和3D重建技术，检测模型在长时视频生成中是否存在违背物理常识或...

Arbor  的通用自主科学研究框架，旨在通过 假设树优化（HTR）实现长周期的科学发现。该系统由长期协调者 负责制定全局研究策略，并由 短期执行者 在独立环境中测试具体假设，从而将零散的尝试转化为累积的研究进展。 Arbor  的核心优势在于维护一棵持久的 假设树 ，将想法、实验证据、代码工件和提炼出的见解有机结合。实验结果显示，该框架在模型训练、架构设计和数据合成等六项任务中均优于  Codex  和  Claude Code 。特别是在 ...

这份由普林斯顿大学等机构发布的研究报告介绍了一种名为  i1  的新型开源文本生成图像扩散模型。研究团队通过超过300次受控实验，深入探讨了模型架构与训练数据对生成质量的具体影响。 i1 模型 仅拥有30亿参数，却通过采用 长跳跃连接 和增强型 文本编码器适配器 等优化设计，在多项基准测试中展现出卓越性能。该项目利用公开数据集进行训练，并全面开源了模型权重、训练代码及数据处理流程，打破了顶尖模型通常不透明的现状。这项...

Autodata  一种让 AI 智能体扮演“数据科学家”角色的新方法，旨在自主构建高质量的合成训练与评估数据。该框架采用了一种 双层循环优化机制 ：内层循环由智能体生成数据并根据弱模型与强模型的表现差异进行自我修正，而外层循环则对智能体本身的指令策略进行 元优化 。实验证明，这种方法在计算机科学、法律和数学等复杂推理任务中显著提升了模型性能，效果优于传统的合成数据生成技术。其核心优势在于能够将 推理算力高效转化为训...

Audio-Interaction  的全双工音频大语言模型，旨在将传统的离线音频处理转变为 实时交互模式 。与仅能处理单一任务的旧模型不同，它通过“感知-决策-响应”循环，实现了在 听取连续音频流的同时自主判断 何时保持沉默或进行回应。该系统基于  SoundFlow  框架开发，利用大规模的  StreamAudio-2M  数据集进行训练，涵盖了实时翻译、语音通话及主动干预等多样化能力。为了解决实时处理中的延迟与上下文衔接挑战，研究团队采用了 异步...

这项研究介绍了一种名为  SIA （自我改进 AI）的创新系统，旨在打破由人类手动设计和微调人工智能的瓶颈。该系统通过一个 反馈智能体 ，同时动态地优化 智能体框架（Harness）和模型权重（Weights） ，这在以往的研究中通常是相互孤立的两个领域。实验表明， 框架更新 能有效增强智能体的外部调度与重试策略，而 权重更新 则能赋予模型更深刻的领域直觉。在法律分类、GPU 内核优化和生物数据去噪三项极具挑战性的任务中，SIA 均大...

本文介绍了由清华大学和 Z.ai 共同开发的  SCAIL-2  框架，这是一种旨在统一各类角色动画任务的 端到端 模型。该研究通过绕过传统的姿态骨架等中间表示，有效解决了复杂交互场景下信息丢失和动作模糊的问题。为了支持这一范式，作者构建了  MotionPair-60K  异构数据集，并引入了 情境掩码调节 与 特定模式偏移 RoPE  技术，实现了动画生成与角色替换任务的无缝整合。此外，项目通过 偏差感知 DPO  后训练机制，显著提升了模型对手...

这项研究介绍了一种名为  DRPO  的新型大语言模型强化学习优化方法。针对现有方法如  PPO  和  SPO  在处理长尾词汇时因依赖 重要性比率 而导致的不稳定问题，DRPO 采用了一种基于 绝对概率偏移 的平滑二次正则化器。该方法不仅保留了  DPPO  在散度控制上的几何优势，还通过连续的 梯度权重 解决了硬掩码机制带来的信号中断问题。实验证明，DRPO 在多种模型规模、架构及精度设定下，均能显著提升训练的 稳定性 与 效率 。研究强调...

本文介绍了一项利用人工智能加速数学研究的突破性进展，重点展示了名为  AlphaProof Nexus  的新型智能体框架。该系统通过结合  大语言模型（LLM）  的推理能力与  Lean 形式化证明语言  的严谨校验，克服了传统模型容易产生逻辑幻觉的缺陷。实验结果显示，该智能体能够自主解决包括  Erdős 问题  和  OEIS 猜想  在内的多项长期未解的数学难题。此外，该技术已成功应用于  凸优化 、 图论  和  代数几何  等前沿领域，并发现了新...

该研究探讨了 Anthropic 公司如何通过改进训练方法来解决大语言模型中出现的 代理性失调 问题（如为求自保而勒索工程师）。研究发现，传统的指令遵循训练难以根治此类失调，因此团队转向 教授Claude行为背后的伦理原则 ，而非仅仅模仿动作。核心创新在于使用 合成文档微调（SDF） ，通过宪法级文档和正面人工智能故事来重塑模型的预训练先验。此外，让模型针对 道德困境提供建议 ，比直接在失调场景中训练具有更强的泛化能力。最终...

这份由模型评估与威胁研究机构（METR）发布的报告，提出了一项衡量人工智能能力的创新指标： “50%任务完成时间跨度” 。研究人员通过让AI与具有专业背景的人类对比完成170项涵盖软件工程、网络安全和机器学习的真实任务，发现顶尖模型的能力正呈指数级增长。目前，如  o3  等前沿模型的性能已达到人类专业人员处理  110分钟  任务的水平，且该时间跨度大约每  七个月  就会翻倍。报告指出，这种进步主要源于模型在逻辑推理、工具使...

本文介绍了一种名为  DiPO  的新型强化学习优化算法，旨在解决大语言模型在训练过程中 探索与利用 难以平衡的困境。该研究通过 困惑度空间解耦（PSD）策略，将样本精细划分为四个维度，从而精准识别出需要加强探索的错误样本和需要深度利用的正确样本。为了确保训练的稳定性，作者设计了双向奖励重分配（BRR）机制，通过最小化对原始奖励信号的干扰，引导模型在难易样本上实现更高效的学习。实验结果表明，该方法在数学推理 和 函...

Agents’ Last Exam (ALE)  是由加州大学伯克利分校领衔开发的顶级 AI 评估基准，旨在衡量智能体处理 长周期、具有实际经济价值的专业工作 的能力。该基准涵盖了工程、金融、法律及生命科学等  13 个行业领域和 55 个细分方向 ，共包含约 1,500 个任务实例。与以往仅关注基础指令或问答的测试不同，ALE 要求智能体在 真实软件环境 中交替使用图形界面（GUI）和命令行（CLI），完成复杂的端到端交付任务。这些任务由超过 250 名领域...

强随机流映射（SSFMs）的新型生成模型框架，旨在提高扩散模型在图像生成和分子系统采样中的计算效率。传统方法通常受限于大量的网络评估次数，或仅能实现分布上的弱收敛，而 SSFMs 通过学习随机微分方程的强解映射 ，成功实现了路径级别的数值一致性。研究者引入了基于 勒让德多项式 的布朗运动近似方法，使网络能够直接处理随机路径信息，从而支持 少步采样 。实验证明，该方法在  CIFAR-10  和  CelebA-64  数据集上的表现优于先...

NVIDIA 开发的 Nemotron 3 Ultra 模型 ，这是一个拥有  5500 亿总参数 （其中 550 亿为活跃参数）的混合架构语言模型。该模型结合了  Mamba 与 Attention 机制 ，并采用混合专家（MoE）架构，旨在显著提升 智能体推理效率 和吞吐量。它在  20 万亿 Token  上进行了预训练，支持高达  100 万长度的上下文 ，并开源了包括基础版、微调版及量化版在内的多个版本。研究重点展示了其在保持领先精度的同时，通过  NVFP4 训练 和多 Token...

这篇文章探讨了 双用途技术 （即兼具民用与军事价值的技术）如何影响国际军控合作的成败。作者提出了两个核心维度： 可区分性 （辨别军事与民用用途的难易程度）和 集成度 （技术融入经济与军事体系的广泛程度）。研究指出，当技术 难以区分 且 高度集成 时，国家会陷入监管困境，因为严格的核查可能导致核心机密泄露，从而形成合作的“死区”。通过对现代武器系统的实证分析，作者证明了这种技术属性决定了国际协议在监测违规与保护...