日报
仅汇集当天已送达公开发布边界的内容。
已封刊 · 第 1 版
一个123.5M参数的生成式模型Didymos在五个国家七个重症数据库的409,297例住院上一次性训练，不使用任务标签，靠采样患者未来来回答预测问题。在留出数据上，它从模拟未来读出13个主要终点的AUROC为0.83–0.98，在20个预测器中平均排名第一，包括有标签训练的LightGBM与TabPFN-3.5。它模拟的治疗反应与九项观察对照中的八项一致，但在俄罗斯与中国两家未参与训练的医院，仍需用当地无标签住院做数分钟继续训练才能追平本地有监督模型。
动态世界建模中，同一批观测要为不同时刻和视角的多次生成提供条件，此前每次请求都要把重建场景渲染成RGB再重新编码。4LC把多个视觉编码器提取的静态与动态内容表示绑定到共享的几何与运动上，做成可按任意时刻和视角直接读取的4D潜缓存，省去逐请求的渲染与重编码。在相同生成设置下，条件获取占端到端生成时间的比例从NeoVerse的14.9%降到0.25%，单个4LC-Video模型无需任务特定微调即可覆盖相机控制、时间控制、新视角合成、场景重访和长期生成五类任务。
蜂群选巢时，个体只按邻居摇摆舞的强度盲目改换立场，这种局部模仿在群体层面被证明等价于一个在线强化学习智能体在解多臂老虎机。该宏观智能体按新命名的Maynard-Cross Learning规则更新各巢址的概率，每只侦察蜂相当于一次并行的动作—回报采样。推导针对加权投票者模型这一简化描述，模拟显示约500只侦察蜂即可贴近该宏观动力学并收敛到最优巢址。
稀疏自编码器把模型激活拆成稀疏、线性解码的特征，但把这些特征组合起来时，下游行为未必按加法叠加。研究引入SAE可加性残差（SAR），衡量在选定交互阶数之上仍未被解释的行为变化；在18个模型与行为组合中，学到的SAE坐标一阶残差都低于同一子空间的保和随机旋转，但坐标并非完全可加，成对项在全部18个组合中改善留出联盟排序。在Llama-3.1 8B的16个已发表引导方向上，成对建模把排序保真度从0.5874提高到0.7790，排序误差从0.1444降到0.0606。
稀疏混合专家模型里，路由若偏爱少数专家，其余专家拿不到足够训练信号，专家并行时还会让设备互相等待。Kolibri 预训练采用精确分位数均衡（EQB）与有界负载误差注入（LEI）：前者用两趟基数选择在全批次上精确求出路由偏置，后者把每个微批次的负载误差直接注入路由梯度。在7.5B参数代理模型上训练100B token，EQB把全局最大相对过载从0.92降到0.74，再加有界LEI把局部过载从5.38降到3.52，代价是平均BPB从0.6570升到0.6720。
可验证指令遵循基准只检查输出约束是否满足，不检查回答是否真正回应请求，前沿模型因此能在几乎不答题的情况下拿满分。把同一验证器当作强化学习奖励，公开的 OLMo 3 检查点出现约束满足率升高而回答质量下降的奖励劫持。CaLIF 用冻结参考策略在请求下与请求加约束下的两个似然值划出一条区间，在区间内给固定奖励、区间外清零，在 1.7B 到 8B 的五种配置上把 IFBench 约束满足率从 26.98 提到 34.64，同时把回答质量维持在 4.59。
D3WM把下一帧预测拆成确定部分和不确定部分，用学习到的不确定度图引导扩散模型只生成遮挡和动态纹理区域，在机器人操作与相机运动两类动作上超过对照世界模型。
扩散模型在采样时会累积自身预测误差，一个以基础模型预测为输入、用同一干净目标训练的修正器，在ImageNet类条件生成上把DiT-XL/2的FID从9.58降到2.07，无需引导即可接近CFG水平。
在相同架构与数据下，仅凭训练好的检查点重建训练图像时，Muon 训练的模型泄露最多，Adam 训练的模型在评测攻击下最抗重建，优化器选择因此成为训练数据隐私的一个控制轴。
AffectWorld把情绪当作驱动未来世界变化的因果变量来评测世界模型，五个当前最好模型在1498段日常视频上世界状态变化得分只有0.100–0.280，反事实情绪敏感度仅0.027–0.070。
同一批60次改动、同一模型下，两种架构的复杂度总量只差7%到20%，但摆放位置的可移动性差出2.7到10倍，且只有AI评审能推动加法式架构。
美国新实验室Reflection发布首个开源模型Beam，以Apache 2.0许可开放501B参数的稀疏混合专家权重，每个token只激活约23B参数，支持100万token上下文与编码、智能体任务。模型采用混合注意力，43层只看前512个token、9层看全上下文，使KV缓存按每token约36 KiB增长，约为全部层全局注意力的六分之一。发布同时提供BF16、FP8与NVFP4三种检查点，以及transformers、SGLang、vLLM的当日支持和配套Rust推理框架。
同一信号通路在不同细胞类型中留下一致的基因活动“指纹”，因此不必再对每种细胞类型单独重建信号历史。IRIS 是一个神经网络模型，它读取细胞整体基因活动，估计发育各阶段哪些信号通路被开启。在处于原肠胚期的小鼠胚胎单细胞上，它预测了心脏、肠、肌肉和脊髓谱系中信号通路何时何地激活；对肺发育相关细胞类型，模型预测的激活通路随后在小鼠胚胎实验中得到验证。
八个语音大模型在年龄与性别上大多能听出说话人属性，但把这种感知变成被要求的个性化很难，而一旦把人口标签直接写进提示，个性化提升的同时刻板选择也明显增加。
长链推理蒸馏的训练题不再一次选定：BoundaryEvo让学生与固定专家反复对同一批题作答，只挑专家能可靠解出、学生尚未掌握的题，用1000条训练样本把Qwen3.5-4B在IMO-AnswerBench上的准确率从62.9提到75.3。
在联邦大模型微调中，服务器用强拜占庭稳健聚合器RandEigen会把现有文本水印更新当作异常值滤掉，而把水印样本的输入嵌入优化成贴近干净更新的内点后，单个客户端仅凭自己3.3%的有效水印数据即可在训练后以黑盒方式验出模型用过该数据。
从零训练的对照实验显示，给DiT加上长跳连接后，中间层特征在语义对应、分割与深度任务上全面变好，即使把生成能力对齐到相同FID也仍然更好。
编码智能体的监督微调不再只看最终补丁是否通过测试：按轨迹结构打分挑出的前1024条轨迹，让同一模型在SWE-Bench Verified上的pass@1从随机子集的24.8%升到27.6%。
四个24–32B开源模型在事件结束时，隐藏状态能解码至少四个后续事件的状态变化类型，但只有下一个事件显著优于纯文本预测；在OLMo上沿该方向持续干预可双向改变后续事件构成。
大模型推理时不必再靠预设的固定干预：Q-NeuS按每个问题自身的内部激活决定放大哪些前馈神经元，在3B到32B的七个模型和三个基准上全部涨分。
潜空间专家网络把专家输入维度从残差宽度中解耦，使专家形状成为可调设计量；在3.4B与8B规模上，近方形专家配合按逐层内在维度分配容量，取得比同预算均匀配置更低的验证损失。
Anthropic的Claude Code团队把大部分代码阅读交给自动评审，人类只保留高风险决策。6月至9月，该代码库合并的拉取请求数量翻倍以上，需要回滚的比例下降超过40%。做法是让Claude在提交前用可运行的测试或构建验证改动，每个拉取请求先经多智能体查错并投票过滤，再按改动风险分级决定需要几位人类批准。
跨脑区神经动力学建模多沿用线性方法，而每个脑区记录到的活动混杂着本地动态与跨区共享动态。CroP-DYNO把学习目标直接设为用源脑区活动预测目标脑区活动，从而优先提取共享动态，并允许逐一把模型各部件指定为线性或非线性。在猕猴S1–M1与大鼠CA1–CA3数据上，它在预测目标群体活动时优于非优先化的非线性模型和优先化的线性模型，还能定位非线性结构并给出与已知环路解剖一致的交互强度。
脊柱影像的椎体自动标注长期默认胸椎12节、腰椎5节，遇到多一节或少一节的编号异常就会整体错位。VERIDAH把单个椎体的多路分类输出交给一个带解剖约束的序列求解器，在任意视野下选出最一致的标签序列。在1000例T2w矢状位MRI与365例CT上，全部椎体标对的受检者比例分别为98.30%和99.18%，对照方法为94.24%和77.26%；胸椎与腰椎编号异常的识别率在MRI上为87.80%和94.48%，在CT上为96.30%和97.22%。
电商广告图优化从整张重做改为按属性细粒度编辑：先筛出28个与点击率显著相关的视觉属性，再按真实点击偏好调整修改建议，一周线上约两千万次曝光下整体点击率提升6.86%。
把自然语言看成信息事件沿时间轴到达的随机过程后，神经时序点过程能预测下一个新词或高意外度词元何时出现，并显示大模型引入新词的速率持续高于人类。
多智能体协作的记忆改成以任务依赖图为中心：执行时用共享黑板记录证据并纠正目标、计划与状态偏差，执行后把验证过的步骤和依赖蒸馏成可复用流程，在 ALFWorld、WebArena、OfficeBench 的六个基准设置里都拿到最高任务分。
TiCO把“看图思考”中的坐标回归换成探针令牌在视觉词元上的相似度采样，在HR-Bench 4K上取得78.0%总体准确率，同时每查询只生成6.2个词元。
企业客服技能执行有了500个真实工单场景的零样本评测，17个模型由五个评委独立打分，GPT-5.4在每个评委下都排第一，而评委之间的通过判定只有中等一致。
ASSET 用强化学习训练语音编码器的分段边界，在 LibriSpeech 上以约少 25% 的音频词达到接近字符边界 oracle 的识别率。
NVIDIA在Megatron Core上把逐位确定性预训练的开销压到可接受范围：同一初始状态下的两次独立运行、以及从检查点恢复的运行，都要在每一步保持数值完全一致。此前这类确定性配方开销常达两位数百分比，Nemotron 3 Ultra经缓冲区填充优化后从约17%降到2%，再降到1.5%（3,072块GPU）；大规模Nemotron配方在2,432块GPU上测得约2%稳态开销，并在800步内保持逐位一致。
长期多人群聊里，同一议题会被反复提出、修改和推翻，语义相近的消息可能描述互相冲突的状态。T-Mem 把时间结构当作记忆的核心表示：先用检索到的消息作时间锚点，回到它们扎堆的讨论片段里补回被全局排序漏掉的证据，再按时间顺序把消息组织成带“更新”和“补充”关系的证据森林，压缩低信息片段后交给答题模型。在 GroupMemBench 与 EverMemBench 上，它在 GPT-5.5 和 Deepseek-V4-Flash 两种答题模型下总体准确率均为最高，分别比最强基线高 6.50 至 8.59 个百分点。
一个Maven风格构建工具的决策部分被编译成固定权重矩阵，在沙箱里真实构建了ZXing 3.5.3，产出的JAR与Apache Maven逐字节一致，549个上游测试全部通过。它没有经过训练，也没有梯度下降，权重由程序编译而来；代价是更慢，完整带测试的干净构建耗时约为同一逻辑Python版本的1.42倍。
一套两阶段学习框架把机载相机视锥内的障碍点云转成极坐标下的时序梯度场，不再区分静态与动态障碍，在密集动态场景里成功率比最好的对比方法高16个百分点，重规划时间保持在4.8毫秒以内。
空间转录组分析长期在单一尺度上做聚类，细胞、邻近细胞群和组织区域往往只能分开处理。SpatialZoomer 用一组谱图低通滤波从同一份数据中同时提取单细胞、数十个细胞构成的微环境以及组织域三个尺度的空间分子特征，并通过切分跨尺度相似图自动定位关键尺度。在阿尔茨海默病模型和肿瘤微环境数据上，它分别识别出特定尺度上的疾病进展信号和依赖空间环境的细胞亚型，单尺度任务表现与现有方法相当或更好，且计算开销和硬件要求更低。
在Mesa实现的谢林隔离模型中，把一名智能体判断邻居是否同类的符号规则换成由本地Qwen3.5模型通过工具调用完成的语言判断，其余动力学保持不变。用MultiVeStA做统计模型检验后，两种模型在60步内“满意智能体比例”的期望轨迹从约0.65升到约1.0，逐点t检验未显示差异；但LLM版本耗时8917秒，原版约2秒。0.8b与2b模型在单元式检查中出现语义错误、工具调用数目错误或生成卡死，4b与9b通过全部检查。
DeepSeek发布DeepSeek-V4.1-Flash-1017，官方称其基准表现更强、任务完成更快、输出更短，相对上一版本在性能与成本上构成帕累托改进，并已上线网站、应用与API。该模型用带自反馈的强化学习改进端到端项目开发，官方示例覆盖从零搭建3D建模、网页赛车游戏与Godot引擎下的游戏复刻。同期Search与Fetch接口向所有人开放，每个端点每千次调用0.75美元。
视网膜疾病分级此前多依赖原始彩色眼底图，低对比病灶和细血管容易被光照与噪声淹没。F2D-RetinaNet把增强后的绿通道与血管图分成两条支路分别学习，再融合成一次分级决策。在APTOS 2019的糖网五级分期上准确率为93.32%，比只用RGB图像的基线高3.25个百分点；在严格排除重叠图像的外部DREAM-RFI集上准确率为87.14%。
随机混合系统的仿真此前只能处理离散的非确定性选择，一旦动作可在时间区间内任取，单个状态就有无穷多种选择。新方法把每个动作对应的时间区间分别离散化，用Q学习在有限抽象上学习调度，同时用预计算的符号可达状态引导仿真、按构造正确性剪掉不可达区域。在水箱基准上，仿真复现了已有方法给出的最大可达概率；在引入低概率下溢目标的水箱变体中，引导使学习明显快于无引导仿真，目标可达概率至少为45%。
四足机器人探索未知环境时，不再依赖预先写死的指令库，而是把用户的高层意图交给大语言模型写成受限于机器人函数库的可执行程序，由视觉语言模型提供开放语义标注，并用几何与语义阈值触发重规划。在Gazebo仿真中，Qwen3.5与Kimi-K2.5的总体成功率约82%，GPT-5-nano约46%；有限任务表现稳健，开放式任务的成功率波动更大。
儿童肾母细胞瘤目前按SIOP-RTSG 2016 UMBRELLA方案先化疗、术后才做组织病理分型，术前缺少可靠的分型依据。一项回顾性研究用隐式神经表示拟合体素内不相干运动成像，并借助患者个体化3D打印切块导板把MRI层面与组织病理切片逐层对齐，在30个病灶的94个层面上比较各亚型的参数。结果显示间质型的中位D*显著高于上皮型、混合型和退变型，而D、f与ADC在各亚型间均无显著差异。
nanoHUB上线MCP4MD，把LAMMPS与UMA通用机器学习势接到AI助手上，用户用自然语言描述想知道的材料性质，计算便自动搭建、运行并读回结果。此前这类计算要自己装软件、写输入文件、提交队列脚本。每个数值都标明所用势函数及其拟合参照，并附带误差棒、单位和限定条件警告。
数字全息干涉测量中的单帧条纹图分析，过去依赖人工设定频域滤波窗，条纹被噪声、离焦或过曝破坏时难以选对参数。自适应频谱滤波网络把傅里叶域滤波做成可学习的注意力权重，对每张输入图动态选择+1阶频谱内容，并用前向模型合成带噪声与过曝的仿真数据训练。在400个仿真测试样本上，其像素误差低于调好的傅里叶变换法与端到端ResUNet；仅在仿真数据上训练后，对未见实验条纹图的重建伪影和离群点少于手工调参的傅里叶方法。
Netflix把JetBrains支撑IntelliJ IDEA的代码索引引擎以无界面方式接入Claude Code与Codex，让编码智能体在Java/Kotlin项目里直接查询符号与库结构，而不必解压JAR、反编译再grep。在两个真实代码库、多种模型与智能体上，同一任务同一模型下，开启该引擎后token消耗与完成时间通常减少20%至30%，最佳配置约65%，正确性未下降。
让ChatGPT、Claude、Gemini和Grok按三档由粗到细的提示词生成PyTorch安全帽佩戴分类训练脚本，在972张平衡图像上各跑20次：十二个配置中十个收敛到0.957至0.967的准确率平台，但最详细的第三档让Gemini和Grok跌到约0.58，脚本仍能运行却不收敛。对照消融显示，从零训练的多尺度卷积结构在两种学习率调度下都失败，而预训练ResNet18骨干在两种调度下都收敛。
跨队列代谢组学模型换到另一台核磁平台后往往掉点，因为平台、样品处理与定量流程带来域偏移。研究以爱沙尼亚生物库1.2万份血浆核磁数据训练心衰（ICD-10 I50.9）分类模型，在另一平台独立测得的295份样本上评估，并用最多108份两平台重复测定的配对样本校准对齐。对齐普遍优于未对齐数据，配对样本越多越稳；但简单的域内归一化始终是强基线，全部108份配对时支持向量机加归一化取得平衡准确率0.72、MCC 0.46。
腹部超声模拟此前多依赖患者CT做射线投射，推理时难以灵活改变形变与病灶。一种两阶段流程先从解剖语义标签生成简化的物理仿真超声图，再用解剖引导的非配对翻译把它细化为真实感超声，推理时无需患者CT体数据。第一阶段中语义扩散模型在形态指标上优于Pix2Pix，而Pix2Pix在感知指标上更好；训练阶段仍需CT分割与射线投射仿真。
DeepSeek于2026年10月17日发布V4.1 Flash快照，以deepseek-flash为API模型名对外服务。它是该公司首个基于因果编码器-解码器（CED）架构的稀疏混合专家模型，552B参数主干上输入激活8B、输出激活16B，图像理解在预训练之初就与文本联合训练，而非事后加装。压缩KV缓存把缓存内存压到上一代Flash的约四分之一，DeepSeek称其在性能、速度和任务完成时间上超过V4 Pro。
单层衍射神经网络受限于波前调制能力，分类精度长期受限。研究者把边缘检测与分类集成到同一块非局域超表面上，用自旋复用让同偏振分量做动量空间滤波提取轮廓、交叉偏振分量经几何相位调制完成分类，并在新月形纳米柱中耦合连续域准束缚态与磁偶极共振，把偏振转换效率做到约55%。在MNIST数据集上，这种边缘增强结构把单层网络的分类精度从64.2%提升到80.7%。
美式双重Heston模型的定价难点在于提前行权边界本身未知，边界与期权价值必须一起求解。一种把多个子网络输出相乘组合的深度学习方案，在固定提前行权边界后，用一次训练同时预测提前行权边界、价值函数和一阶、二阶希腊值的曲面。在常数利率与随机利率两种设定下，其价值函数与渐近展开法、最小二乘蒙特卡洛等已有结果做了数值对照。
Reflection AI 的 Beam 推理模型结束隐身测试，以 stealth/cat-jam 之外的正式名称接入 AI Gateway，并在发布期内免费提供。它面向编程与智能体任务，权重以 Apache 2.0 发布，支持工具调用与结构化输出，上下文窗口为 100 万 token。模型总参数 501B，但每个 token 只激活 23B，并跳过任务不需要的 token，因此比更大的开放模型更早给出答案。
一套由研究者主导、AI 智能体执行的多智能体流程，把大型电子健康记录从队列构建、可执行统计、数据质量核查、文献检索一直做到报告撰写，并以乳腺癌中戈沙妥珠单抗（SG）与德曲妥珠单抗（T-DXd）的先后用药记录为临床用例。在含495万患者的数据库中筛出106例两药均有医嘱者，T-DXd 先用的73例、SG 先用的33例；第二药记录跨度中位数分别为63天与49天，中位差−14天（95%置信区间−41至21），属描述性、未校正结果。
Elorian 的视觉推理模型 Glimpse 已上线 AI Gateway，可接收图像与视频，用于跟踪运动中的物体、判断空间关系并把动作与其物理后果联系起来。它在推理过程中能回到视觉证据本身：放大某个细节、重看一小段视频，或跨帧追踪同一特征，从而支撑科学图表分析、视频描述、视觉计数和机器人数据标注等用途。
在跨条件单细胞数据里，原有的基因级批次效应指标会把受刺激条件驱动的基因误判为高批次敏感基因。条件感知GTE在计算前先用scDisInFact把条件效应与批次效应拆开，为每个基因给出条件驱动分数，再按该分数对原指标做乘性惩罚。在8名供者、29,065个细胞的干扰素-β刺激PBMC数据上，惩罚指数取3时，18个已知干扰素刺激基因的平均排名位移达870.2，而核糖体对照基因仍保持在基线波动内。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，这是对 DeepSeek-V4.1-Flash 的一次小版本更新，在推理、编程、智能体任务和视觉基准上带来明显提升。更新同时缩短任务执行时间和输出长度，让用户更快、更低成本地完成任务，并在多个智能体运行框架上推进性能与成本的帕累托前沿。发布未附带 Jinja 格式对话模板，改以 Python 参考实现和 Rust 库 deepseek-recipe 提供提示编码。
Ruflo以Claude Code插件形式发布，核心、控制台与mods三件套分别提供基础工具、智能体驾驶舱和路由与策略执行。它把模型之外的执行层做成可安装组件，让智能体在Claude Code内组队、跨会话记忆并自动路由任务；mods以账户权限运行，安装前需审阅其代码。
开源 AI 编码代理 OpenCode 把内置代理分成两档：默认的 build 拥有完整开发权限，plan 则默认拒绝文件编辑、运行 bash 命令前先请求许可，适合探索陌生代码库或规划改动。它还附带一个用于复杂搜索和多步任务的通用子代理，可在消息中用 @general 调用。安装覆盖脚本、npm、Homebrew、pacman、mise 与 Nix 等渠道，并提供桌面应用下载。