Amazon (United States)

艾伦脑科学研究所与AWS团队发布单细胞多模态模型Bloom，它把基因表达与染色质开放度统一编码为同一种细胞表征，训练细胞数比同类预训练模型少约100倍。在成年小鼠全脑数据上，基于Bloom表征的线性分类器对亚类判别的交叉验证调整平衡准确率为91%（多组学，315个亚类）、94%（scRNA-seq，310个亚类）和94%（snRNA-seq，297个亚类），且模型只见过小鼠多组学数据。

艾伦脑科学研究所与AWS团队发布单细胞多模态模型Bloom，它把基因表达与染色质开放度统一编码为同一种细胞表征，训练细胞数比同类预训练模型少约100倍。在成年小鼠全脑数据上，基于Bloom表征的线性分类器对亚类判别的交叉验证调整平衡准确率为91%（多组学，315个亚类）、94%（scRNA-seq，310个亚类）和94%（snRNA-seq，297个亚类），且模型只见过小鼠多组学数据。

一个35B的智能体验证器在只看到题面和候选代码、看不到官方测试的情况下，用自己生成的反例作为可执行证据，把USACO-Judge上的二元判题准确率从71.41%提到87.41%。

一个35B的智能体验证器在只看到题面和候选代码、看不到官方测试的情况下，用自己生成的反例作为可执行证据，把USACO-Judge上的二元判题准确率从71.41%提到87.41%。

人形机器人推车、搬箱、擦桌子这类活，光跟踪手的运动轨迹不够，还得控制接触力。FLoRe把力做成示教、策略与全身控制之间的共享接口：两只带六轴力/力矩传感器的手持夹爪在无机器人条件下同时记录手部运动与接触力旋量，扩散策略据此预测每只手的力指令，全身控制器再用实测力误差的积分去跟踪它。在Unitree G1的三项接触密集任务上，力反应策略成功率为80%，同一批示教训练、同一控制器执行的位置策略为26.7%。

人形机器人推车、搬箱、擦桌子这类活，光跟踪手的运动轨迹不够，还得控制接触力。FLoRe把力做成示教、策略与全身控制之间的共享接口：两只带六轴力/力矩传感器的手持夹爪在无机器人条件下同时记录手部运动与接触力旋量，扩散策略据此预测每只手的力指令，全身控制器再用实测力误差的积分去跟踪它。在Unitree G1的三项接触密集任务上，力反应策略成功率为80%，同一批示教训练、同一控制器执行的位置策略为26.7%。

把工具、资源和执行条件写进任务智能体的提示词，并不能可靠阻止违规调用。AgentPolicyForge 用可执行环境构造策略基准并迭代训练策略守卫，据此建成覆盖十类策略、含 698 个训练场景与 254 个独立留出场景的 PolicyGym。在 PolicyGym 上，最终守卫配置相对仅用策略提示把攻击成功率相对降低 40–44%，同时良性拒绝更少。

把工具、资源和执行条件写进任务智能体的提示词，并不能可靠阻止违规调用。AgentPolicyForge 用可执行环境构造策略基准并迭代训练策略守卫，据此建成覆盖十类策略、含 698 个训练场景与 254 个独立留出场景的 PolicyGym。在 PolicyGym 上，最终守卫配置相对仅用策略提示把攻击成功率相对降低 40–44%，同时良性拒绝更少。

概率时间序列预测既要刻画时间结构，又要给出不确定性，还要推理够快；扩散与流匹配类方法靠多步迭代采样换取灵活性，代价是推理开销随步数增长。KGO把预测看成结构化不确定性在Koopman潜空间中的演化：KoPE用学习到的线性算子外推潜轨迹，KoFM用矩阵指数把噪声一步搬运到未来，AUG按变量与预测步自适应分配确定性与随机分支。在ProbTS的17个设置上，KGO在13项取得最低CRPS、16项最低NMAE，并报告相对迭代生成模型至少25倍的推理加速。

概率时间序列预测既要刻画时间结构，又要给出不确定性，还要推理够快；扩散与流匹配类方法靠多步迭代采样换取灵活性，代价是推理开销随步数增长。KGO把预测看成结构化不确定性在Koopman潜空间中的演化：KoPE用学习到的线性算子外推潜轨迹，KoFM用矩阵指数把噪声一步搬运到未来，AUG按变量与预测步自适应分配确定性与随机分支。在ProbTS的17个设置上，KGO在13项取得最低CRPS、16项最低NMAE，并报告相对迭代生成模型至少25倍的推理加速。

蒸馏教师模型的监督信号时，不再对每个词一视同仁，而是先估计该词对更新后奖励的影响再决定权重。此前的方法依赖不确定性或师生分歧这类代理指标，未必对应真正提升奖励的监督。RAD用一次临时优化步做可微打分，再以投影上升更新词权重，在相同训练响应预算下把六个竞赛数学基准的平均准确率对Qwen3-1.7B提升6.5个百分点、对Qwen3-4B-Instruct-2507提升2.5个百分点，并在LiveCodeBench-v6上取得54.69%与58.67%的pass@1。

蒸馏教师模型的监督信号时，不再对每个词一视同仁，而是先估计该词对更新后奖励的影响再决定权重。此前的方法依赖不确定性或师生分歧这类代理指标，未必对应真正提升奖励的监督。RAD用一次临时优化步做可微打分，再以投影上升更新词权重，在相同训练响应预算下把六个竞赛数学基准的平均准确率对Qwen3-1.7B提升6.5个百分点、对Qwen3-4B-Instruct-2507提升2.5个百分点，并在LiveCodeBench-v6上取得54.69%与58.67%的pass@1。

智能体训练数据的合成方式有了新变化：EvoSyn把学习反馈变成可修改的合成空间，让生成方向随任务智能体的弱项调整。此前的方法虽然也用环境反馈、数据校验或失败样本，但观察到的弱点并不能直接说明下一轮该生成什么，也未必能被现有合成维度表示。在τ-Bench与CAR-Bench上，以Opus 4.5为合成模型时平均任务成功率从最强合成基线的64.5%升到77.8%，首轮即达70.9%，多轮演化继续提升。

智能体训练数据的合成方式有了新变化：EvoSyn把学习反馈变成可修改的合成空间，让生成方向随任务智能体的弱项调整。此前的方法虽然也用环境反馈、数据校验或失败样本，但观察到的弱点并不能直接说明下一轮该生成什么，也未必能被现有合成维度表示。在τ-Bench与CAR-Bench上，以Opus 4.5为合成模型时平均任务成功率从最强合成基线的64.5%升到77.8%，首轮即达70.9%，多轮演化继续提升。

预训练稠密模型可以在继续训练阶段扩容，而不必从零训练稀疏架构。STAPLE 保留原有的前馈网络上投影，只把零初始化的词元索引嵌入表作为残差通路接入，让新参数学习互补的词元信息。在 OLMo-2 1B 上，它相对继续稠密训练把十项基准平均分从 44.39 提到 45.59，HumanEval 涨 4.27 分、MBPP 涨 2.80 分、GSM8K 涨 2.27 分、DROP 涨 1.65 分；增益在 OLMo-2 7B 上仍然存在。

预训练稠密模型可以在继续训练阶段扩容，而不必从零训练稀疏架构。STAPLE 保留原有的前馈网络上投影，只把零初始化的词元索引嵌入表作为残差通路接入，让新参数学习互补的词元信息。在 OLMo-2 1B 上，它相对继续稠密训练把十项基准平均分从 44.39 提到 45.59，HumanEval 涨 4.27 分、MBPP 涨 2.80 分、GSM8K 涨 2.27 分、DROP 涨 1.65 分；增益在 OLMo-2 7B 上仍然存在。

EvoBelief把智能体对环境的认识写成可证伪的假设，只有经过独立证据验证的规则才能影响预测和计划，语言模型本身保持冻结。在ALFWorld上，无行为侧转移记忆时，它相对同配对的冻结世界模型把成功率提高23.9%（Claude Haiku 4.5）和31.3%（GPT-5.4）；在DiscoveryWorld反应堆实验室，它完成83.3%的普通档和58.3%的挑战档实例，而每个被评估基线均为0%。

EvoBelief把智能体对环境的认识写成可证伪的假设，只有经过独立证据验证的规则才能影响预测和计划，语言模型本身保持冻结。在ALFWorld上，无行为侧转移记忆时，它相对同配对的冻结世界模型把成功率提高23.9%（Claude Haiku 4.5）和31.3%（GPT-5.4）；在DiscoveryWorld反应堆实验室，它完成83.3%的普通档和58.3%的挑战档实例，而每个被评估基线均为0%。

该工作把会话查询改写重构为序贯检索问题：一个智能体在意图解析、词汇改写与伪文档合成三类动作间选择，每步检索后以返回段落为反馈再改写，仅用检索质量奖励经监督微调加强化学习训练，无需人工改写标注；在TopiOCQA与QReCC上取得最高MRR与NDCG@3，并可零样本迁移到TREC CAsT及稠密检索后端。

该工作把会话查询改写重构为序贯检索问题：一个智能体在意图解析、词汇改写与伪文档合成三类动作间选择，每步检索后以返回段落为反馈再改写，仅用检索质量奖励经监督微调加强化学习训练，无需人工改写标注；在TopiOCQA与QReCC上取得最高MRR与NDCG@3，并可零样本迁移到TREC CAsT及稠密检索后端。