每日AI

Vector Policy Optimization (VPO) ，这是一种旨在提升大语言模型在推理搜索阶段表现的新型强化学习算法。传统的后训练方法通常将多个目标压缩为单一数值，导致模型输出趋于同质化；而  VPO  通过 随机化奖励权重 ，激励模型在单次生成中产出多样化且高质量的候选方案。该方法利用 向量化奖励结构 （如代码测试用例的通过情况）来覆盖帕累托前沿，从而在搜索空间内保留不同的策略权衡。实验证明，随着推理计算预算的增加， VPO  在...

这份研究提出了 代理原生研究伪像（ARA）协议，旨在彻底改变科学论文的发布模式，使其从面向人类阅读的线性叙事转变为面向AI代理执行的结构化知识包 。目前的科研论文存在“叙事税”和“工程税”，导致大量失败实验的教训被遗弃且技术细节描述模糊，严重阻碍了AI对研究的理解、复现与扩展。 ARA协议 通过四个核心层——科学逻辑、可执行代码、记录失败路径的探索图谱以及实证证据，完整保存了科研全生命周期的知识。为构建这一生态，作者...

GRAIL  是一种由  NVIDIA  等机构开发的 全数字化类人机器人动作生成管线 ，旨在通过  3D 资产 和 视频生成大模型 合成高质量的“移动-操作”数据。该研究的核心在于 预先设定 3D 场景配置 （如物体几何、相机参数和度量比例），从而消除了从模糊视频中重建 4D 动作时的不确定性。通过将生成的动作重定向至  Unitree G1 类人机器人 ，研究团队训练出了能够处理物体抓取、复杂地形穿越和久坐等任务的 通用跟踪策略 。这种方法避免了昂...

谷歌 DeepMind 开发的新型生成式模型—— 实况音乐模型（Live Music Models） ，主要包含开源的  Magenta RealTime  和基于 API 的  Lyria RealTime 。与传统离线生成方式不同，该技术实现了 实时、连续且同步 的音频流输出，让用户能通过文字或音频指令实时引导音乐走向。研究者采用了 分块自回归 和  SpectroStream 编解码器 等技术，确保在极低延迟下维持高音效质量。此外，模型引入了 音频注入（Audio Injection）功能，允许艺术...

NVIDIA 推出的 Cosmos 3 是一系列专为物理 AI 打造的全模态世界模型，能够在一个统一的混合变换器架构下同时处理和生成语言、图像、视频、音频及动作序列。  该模型通过消除感知、模拟与执行之间的界限，成功整合了视觉语言分析、视频生成、环境模拟及动作预测等多种核心功能。 其核心优势在于能够利用共享表示进行大规模的跨任务学习，并提供包括 Cosmos3-Super 和 Cosmos3-Nano 在内的多个版本以满足不同性能需求。  此外，该项...

SkillOpt  是一种专为大型语言模型（LLM）智能体设计的 文本空间优化器 ，旨在通过结构化的自进化提升智能体的任务执行能力。该技术将智能体技能视为一种 可训练的外部状态 ，通过分析任务执行轨迹并利用另一模型作为优化器，对技能文档进行精细的 增加、删除或替换 编辑。为了确保优化的稳定性，它引入了 文本学习率 控制编辑步长，并通过 验证门控机制 仅接受能切实提高得分的改进。此外， 拒绝编辑缓冲区 和 周期性慢速更新 的...

PaddleOCR-VL-1.6 ，这是一个由百度团队研发的、参数量仅为 0.9B 的 高效多模态文档解析模型 。该版本针对前代模型在长尾分布和标注噪声上的局限，创新性地提出了由 欠优化区域驱动的数据引擎 ，精准挖掘边界脆弱、覆盖稀疏及监督不可靠的数据。通过结合 专家共识机制 与可渲染的自动修复策略，模型实现了标注质量的大幅提升。此外，项目组设计了一套 渐进式后期训练流程 ，涵盖持续预训练、监督微调以及针对小参数模型优化的 强化...

这篇文章探讨了如何通过分析 特定类别的数据量 来预测机器学习模型的性能，而不仅仅是关注总训练量。作者提出了一种基于 实验设计（DoE）的创新算法，用于生成具有多样化类别分布的训练子集，从而评估不同类别对模型准确率的贡献。研究对比了幂律模型 与 反正切模型 等多种数学方法，并结合 CIFAR10 和 EMNIST 数据集验证了预测的有效性。实验结果表明，考虑 类别权重 和 训练轮数 的反正切模型能更精准地估算性能，帮助研究者优化...

Qwen-VLA  是一款统一的具身智能视觉-语言-动作模型，旨在整合 机器人操控 、 导航 与 人体动作建模 等多元化任务。该模型以  Qwen3.5-4B  为多模态骨干，并结合了基于  Diffusion Transformer (DiT)  的流匹配动作专家模块，能够跨越不同的机器人平台生成连续动作轨迹。研究团队构建了一个包含 真实机器人演示 、 人体自我中心数据 以及 大规模合成仿真轨迹 的海量预训练数据集。为了平衡语言认知与电机控制，模型采用了从 文本到...

这篇文章介绍了一种新发现的 EML运算符 （$eml(x, y) = e^x - \ln(y)$），证明了它与常数 1 结合，足以构建出所有标准的 初等数学函数 。正如数字电路通过单一的 NAND门 实现所有逻辑运算一样，作者展示了如何利用这一单一原语替代科学计算器上复杂的功能按钮。通过将数学公式转化为统一的 二叉树结构 ，该研究为符号回归提供了一种全新的连续优化框架，能够利用梯度下降法从数值数据中精确恢复 解析表达式 。这种高度精简的数学表...

Gabliteration  的大型语言模型行为调整框架，旨在解决传统“消融”技术在修改特定行为时导致模型整体性能下降的难题。该技术通过 动态层选择 、 多维奇异值分解（SVD）以及脊正则化投影矩阵 ，能够精确识别并消除模型中的拒绝行为子空间。研究强调了 神经叠加原理 的重要性，认为拒绝行为并非存在于单一维度，而是分布在复杂的几何空间中。通过 自适应缩放函数 ，该框架可以在保留模型通用推理和生成能力的同时，高效地实现行为对齐...

这项研究通过  "约束衰减"  现象揭示了大语言模型（LLM）智能体在生成后端代码时的局限性。虽然这些智能体在处理宽泛的需求时表现出色，但在面对  API 合规性、架构模式及数据库集成  等严苛的非功能性约束时，其性能会大幅下降。实验表明，随着结构化限制的叠加，即使是最先进的模型，其测试通过率平均也会缩减  30个百分点 。研究进一步指出， 数据层缺陷 （如 ORM 运行错误和查询逻辑失效）是导致失败的核心原因。此...

Gemini Embedding 2  是一款由 Google DeepMind 开发的原生多模态嵌入模型，旨在将 文本、图像、音频和视频 等不同类型的数据映射到统一的语义向量空间。该模型通过大规模对比学习和多阶段训练，能够处理单一模态或跨模态的复杂搜索任务，甚至支持不同模态相互交织的混合输入。研究结果显示，其在  MTEB  等关键性能基准测试中达到了领先水平，并在代码检索和多语言处理方面表现卓越。除了通用任务，它在 天文学、生物科学和艺术...

这项研究通过对13个主流开源大型语言模型（LLM）的内部机制进行分析，发现 拒绝行为是由一个单一的线性方向介导的 。研究人员证明，通过计算有害请求与无害请求之间的激活差异，可以提取出一个 一维拒绝子空间 。利用该特性，开发者可以通过 权重正交化 （Weight Orthogonalization）这一“白盒”手段，在不破坏模型通用能力的前提下，精准地擦除其拒绝逻辑，从而实现高效越狱。此外，实验显示 对抗性后缀 攻击的本质是诱导注意力机...

LLaVA-OneVision-2  是一款在 2026 年推出的顶尖多模态大模型，旨在通过模拟人类感知力提升视觉智能。该模型的核心创新在于 编解码器流式分词技术 ，它放弃了传统的固定帧采样，转而根据视频压缩流中的位成本动态分配令牌，从而更高效地处理长视频。研究团队同步推出了  JumpScore  基准测试，专门用于评估模型在处理高频重复动作时的精细化时间定位能力。实验数据表明，该模型在视频理解、空间推理和物体追踪等任务上均显著超越了...

Claude Opus 4.8  大语言模型的 系统卡报告 ，详尽记录了其在部署前的多维度测试结果。该模型在软件工程和逻辑推理等 核心能力 上超越了前代版本，但整体性能仍低于实验性的 Claude Mythos Preview。报告通过 负责任缩放政策 (RSP)  评估了潜在的灾难性风险，确认其在生物武器、网络攻击及自主开发等高风险领域的危险性处于较低水平。此外，文档还深入分析了模型的 对齐安全性 、回复无害性以及模型福利等方面，展示了其在遵循宪法...

这篇文章介绍了一种名为“ LLM Sleep ”的新型模型机制，旨在解决大型语言模型在处理长上下文时面临的 推理深度 与 计算效率 之间的矛盾。受生物睡眠启发，该研究提出在清空 注意力缓存 之前，让模型进行多次 离线循环传递 ，将即时信息整合进 状态空间模型（SSM）的权重中。这种方式能让模型在不增加预测阶段延迟的前提下，更有效地处理需要深度逻辑转化的任务。实验表明，增加“睡眠时间”即循环次数，能显著提升模型在细胞自动机 、...

这篇文章系统地研究了 混合专家模型（MoE）的设计优化，通过对超过2,000次预训练运行的详尽实验，分析了专家数量、粒度和路由机制对性能的影响。研究发现，在固定计算预算下，模型性能会随着总专家参数量 的增加而持续提升，且最优的 专家粒度 主要取决于激活参数的规模。实验结果表明，复杂的 专家异构性 和 共享专家 （Generalists）设计并不能显著改善效果，甚至可能导致性能下降。相比之下，采用 无丢弃路由 （Dropless Routin...

LongCat-Video-Avatar 1.5  是由美团龙猫团队开发的开源音视频生成框架，旨在将学术原型提升至 商业级应用 水平。该系统通过升级  Whisper-large  音频编码器和实施严苛的 数据清洗流水线 ，显著增强了唇形同步、身份一致性以及长视频的稳定性。技术上，它结合了  GRPO 强化学习 以优化视觉质量，并利用  DMD2 蒸馏技术 将推理速度加速至 8 步，实现了效率与画质的平衡。研究报告显示，该模型在 多角色互动 、动画及动物等复杂场景...

SAM 3  是由 Meta 公司开发的全新通用分割模型，旨在通过文本短语或图像示例实现对目标物体的精准检测、分割与跟踪。该模型引入了“ 可提示概念分割 ”（PCS）任务，使其不仅能识别单个物体，还能捕捉图像或视频中符合某一概念的所有实例。为了支撑这一技术，研究团队构建了一个包含  400万个唯一概念标签  的大规模高质量数据集，并开发了结合人工与人工智能的 高效数据引擎 。 SAM 3  采用解耦的检测器与跟踪器架构，配合创新的“...

生成式递归推理模型（GRAM） ，旨在解决传统递归模型在处理复杂推理任务时因 确定性路径 导致的方案单一与易陷入局部最优的问题。 GRAM  通过引入 随机潜变量轨迹 ，将推理过程建模为概率生成过程，从而能够同时探索多种不同的解决策略。该框架支持 多路径并行采样 ，实现了推理规模在深度与广度上的双向扩展，有效提升了复杂约束下的推理质量。实验结果显示， GRAM  在数独、ARC-AGI 等逻辑谜题以及多解约束任务中显著优于传统模...

代码即智能体装束（Code as Agent Harness） 这一概念，将代码从单纯的生成目标重塑为AI系统的 运行基座**。该架构由三个层级组成：首先是 装束接口 ，代码在此充当推理引擎、行动媒介和环境建模工具；其次是 装束机制 ，通过规划、存储和工具调用确保长程任务的可靠性；最后是 装束扩展 ，支持多智能体在共享代码库中的协同。通过将代码视为 可执行、可检验且具备状态 的中介，智能体能够实现闭环的自我演进与验证。该研究还涵盖...

这份研究报告提出了一种名为“ 正面对齐 ”（Positive Alignment）的全新AI开发范式，旨在超越现有的、仅侧重于 防范伤害 与 安全合规 的“负面对齐”模式。作者主张将 人类繁荣 （Human Flourishing）作为技术优化的核心目标，使AI系统能够主动支持人类的身心健康、自主性与道德成长，而不仅仅是遵循避害规则。通过 动力系统 的视角，报告阐述了如何引导模型向有益的“正面吸引子”演化，从而解决 谄媚倾向 和 认知脆弱 等现有对齐难题...

这篇文章介绍了一种名为 自我蒸馏微调 (SDFT)  的新方法，旨在解决大型语言模型在特定任务微调过程中出现的 灾难性遗忘 问题。研究人员发现，传统微调会导致模型在获取新技能的同时，丧失原有的 通用指令遵循能力 和 安全对齐性 。 SDFT  通过引导模型重写任务数据集，生成与其原始分布更匹配的 蒸馏数据 ，从而缩小分布差距。实验证明，该技术在数学推理和代码生成等任务中表现优异，能有效保留模型的 原始知识 与 安全性 。这种...

这项研究介绍了一种名为 自我蒸馏微调 (SDFT)  的新方法，旨在解决大型语言模型在学习新技能时容易产生 灾难性遗忘 的核心难题。与传统的监督微调 (SFT) 不同，SDFT 是一种 在线学习 机制，它利用模型自身的 上下文学习 能力，让模型在参考专家演示的同时充当自己的老师。通过最小化学生分布与教师分布之间的散度，该方法能有效将新知识整合进模型参数，同时保持原有的通用能力。实验结果表明，SDFT 在技能获取、知识更新以及 多任...