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
Daedalus 把函数表示的学习从算子学习中拆出来：一个函数自编码器只在实时合成的解析函数上预训练，不接触求解器与标签，得到的潜空间被冻结后跨任务复用。在涵盖流体、固体力学、声学以及 Helmholtz 与 Poisson 方程的 28 个基准问题上，冻结表示上的算子在其中 23 个问题上相对误差低于端到端框架 GAOT，平均每个问题训练快 2.1 倍；这一比较不含一次性的骨干预训练成本。
培养条件的组合与剂量是连续变量，逐一试遍不现实，此前只能从固定候选清单里挑选或做离散搜索。LabCompass把流匹配生成模型与预测细胞表型的前向代理模型耦合，在推理阶段用代理模型的梯度把采样引向能产生目标细胞状态的配方。在脐带血CD34+原代细胞上，四轮实验闭环共产生7800万细胞的谱流式数据，模型在未见过的条件下找回已知的巨核细胞诱导配方，并把红系祖细胞比例提高到22%，约为对照条件的1.6倍。
机器学习预测 Kohn–Sham 哈密顿量时，只按矩阵元素误差训练会让下游电子性质误差偏大，因为从算符到电子态的映射高度各向异性。DSHam 在原有哈密顿量损失之外，同时约束预测哈密顿量解出的密度矩阵、实空间电子密度和占据轨道能量。在 ∇2DFT 基准上，电子密度与总能量误差分别比最强对比方法降低 40 倍和 500 倍，并能在训练规模两倍重原子的分子上外推。
空间多组学数据既要合并同一组织切片上的RNA、蛋白等不同分子层，又要把参考数据集的细胞类型标签迁移到新样本上，此前这两件事由不同方法分别处理。DIRAC把两者统一为域适应问题，用图神经网络加对抗判别器学习对批次和模态不敏感、但对细胞类型有区分度的嵌入。在模拟数据和真实DBiT-seq数据上，它的域恢复与混合指标优于对照方法，并在胶质瘤组织中识别出其他方法漏掉的微血管增生域。
Google Research 与贝斯以色列女执事医疗中心、哈佛医学院合作，用消费级智能手表的光电容积脉搏波与加速度信号被动识别持续高血压状态，无需袖带校准。系统不估计某一时刻的收缩压和舒张压，而是把多天的 15 秒信号特征取均值，再结合身高送入正则化逻辑回归给出概率。在 196 名无已知心血管疾病、未服降压药的受试者中，以 24 小时动态血压监测为金标准，初筛灵敏度 65.8%、特异性 90.0%，高于同期诊室初筛的 55.3%。
工具调用型语言模型智能体常执行领域策略禁止的动作，LeanGuard 把用 Lean 4 写成的策略放在模型与工具之间，只有通过检查的调用才会真正执行。在 τ 2-bench 上，五个 Qwen 模型的无防护运行至少执行了 33 个 Lean 策略禁止的调用，加装 LeanGuard 后为零；在 DTap 上直接提示注入成功率从 57.9% 降到 5.9%，间接注入从 22.3% 降到 3.8%。带反馈的拒绝不显著改变任务成功率，而只读部署会拦下大量良性写操作。
英伟达发布预训练关系基础模型Kumo Relational，它直接在企业关系数据库上做预测，无需任务特定训练、特征工程或把多表展平成一张宽表。模型在15个数据库的41项任务上超过监督式关系深度学习模型和专家特征工程加梯度提升树的流水线，并在SAP SALT企业基准上把平均倒数排名（MRR）比AutoGluon集成高出8%。预测以声明式查询给出，模型在推理时用历史样本作为上下文完成一次前向计算。
蛋白质序列库的增长远快于人工注释，而现有语言模型只从序列似然学习，InterPro中的域与功能位点知识只是间接体现。PALM以ESM2为骨干，加入LoRA适配、可学习层聚合与双向LSTM编码器，并用软目标损失允许同一残基保留多个有效标注。在2,309,606个留出蛋白上，域与位点出现F1分别为0.941和0.877；在序列一致性低于20%的子集中仍为0.857和0.828。
单细胞扰动筛选仍留下许多化合物与细胞背景未被测量，CellCanon 把表达预测、带来源的解释和观测驱动的更新放进同一个共享世界状态。语言模型先整理药物与靶点证据，数值读出头再指导单细胞表达生成；在 339 个留出的 SciPlex3 条件上，其差异表达 AUPRC 与 Macro-F1 分别为 0.8067 和 0.8164，最强基线为 0.4938 和 0.6961。模拟实验反馈中，每个药物只给一个已测来源背景，固定权重的更新器即可把未测细胞系的差异表达 AUPRC 提到 0.9077。
结构化输出里，字段之间的关系本可决定大量 token，但服务引擎的草稿器只从提示或学习头猜，语法掩码又只管语法，模型因此常写出违反关系的记录。FactorSpec 把 JSON Schema 与关系编译成因子图，用精确可行性检查把被约束唯一确定的 token 当作必然草稿，并按每个请求单独选择验证宽度。在 SGLang 中，其草稿在行程规划上每步最多接受 10.5 个 token，是最快 n-gram 草稿形状的至多 1.9 倍，解码比按负载调优的投机器快至多 1.43 倍，代价约等于一个语法掩码。
RPI-Zero 把全长蛋白与整条剪接转录本放进同一个输入，只凭序列给出结合概率，不需要结构，也不需要新分子的相互作用数据。它配套的基准来自四个公共数据库、11.6 百万条 CLIP 峰、209 个蛋白，按序列相似性整簇划分训练与测试，并让负例在长度和转录本“热门程度”上与正例匹配。在未见 RNA、未见蛋白和未见配对三个测试切片上，它的 AUPRC 分别为 0.753、0.637 和 0.589，比各自切片上第二名方法高 2.7%、7.4% 和 4.6%。
胶质母细胞瘤的恶性细胞状态此前被当作彼此并列的亚型，单次活检难以代表整个肿瘤。对12例IDH野生型原发肿瘤、57个取样位点做单核转录组与空间转录组配对图谱后，恶性细胞呈现一条从发育样状态走向胶质损伤反应与缺氧状态的轨迹，并在空间上按浸润边缘到坏死核心分层；该轨迹在肿瘤亚型之间和遗传上不同的亚克隆之间都出现，并在患者来源类器官中重现。
网页智能体在“评审—重试”循环里调用开放图像编辑模型，而一次失败后的重试成功率只有首次尝试的17%–53%，现有路由器却把重试当作独立抽样。RetryRoute按请求的失败历史估计每个模型下一次尝试的成功概率，在失败状态上规划重试、升级与放弃，并把实时排队等待计入成本。在八个评测组的主预算下，其循环内评审成功率平均高出十一个先前基线中最强者2.8个百分点；在三卡GPU服务测试台上，同一套设置使满足服务目标的编辑比例在每个负载下高出最佳先前基线5.0–6.3个百分点。
TextualRL把同一任务、同一上下文下的多次执行作为一个整体来批评，而不是只看单条轨迹，再把评审后的文本补丁写回共享上下文，模型参数始终冻结。在五个目标模型、六个基准上，它取得每个目标的六基准平均最高分，相对无技能基线提升11.4至24.4个百分点，相对最强基线SkillOpt提升0.9至3.2个百分点。
医学图像自监督对比学习默认同一图像的不同增广视图应共享同一语义表示，但旋转、灰度扰动等增广会抹掉细微却关键的解剖与病理线索，强行对齐反而压掉任务相关信息。ProbSSL把每幅图像的嵌入建模为高斯分布，均值承载共享语义、方差记录增广带来的变化，并用分布间KL散度做对齐，使变化大的维度对齐压力自动减弱。在CT数据上预训练后迁移到BTCV、MM-WHS、CC-CCII与BraTS，ProbSSL在四个下游任务上的平均指标均高于所比较的通用与医学自监督方法，其中BTCV平均Dice为84.89。
冷冻电镜的常规流程先把二维投影重建成三维密度图，再单独拟合原子模型，原子坐标先验在最欠定的阶段用不上。EB-FM 把流匹配先验的训练放进蒙特卡洛随机近似期望最大化循环，在训练中反复反演非线性的成像前向模型，因此不需要干净结构做预训练。在已知姿态的模拟冷冻电镜数据上，它直接在原子坐标空间恢复四种蛋白的构象分布，但预测的构象运动幅度仍低于分子动力学真值。
OpenAI 发布面向安全研究的 GPT‑6 Cyber，在测试指定漏洞利用能力的 ExploitGym 上得分 48.5%，高于 GPT‑5.6 Cyber 的 32.1%。在另一项对齐评测中，该模型在无部署提示时于 99.93% 的测试里避开越界服务，GPT‑5.6 Cyber 为 94.49%，加上部署提示后达到 100%。OpenAI 称其已用于在 Linux 中开发 948 个提权利用、在 Firefox 中发现 81 个此前未知的高危漏洞。
用有限训练集拟合的生成模型永远不等于真实密度，因此任何足够灵敏的拟合优度检验都会在测试样本足够大时拒绝它，即使模型族本身完全正确。SIGMA把高斯混合模型的参数不确定度用得分函数与Fisher信息写成可处理的协方差，再把传统点零假设检验升级为把这些不确定度作为冗余参数一并剖面化的复合零假设检验。在二维玩具模型和QCD背景的喷注嵌入基准上，计入不确定度后同一模型可在比标准检验大一个数量级的测试集上保持可信。
原生NVFP4强化学习早期奖励正常，训练后期却出现熵异常、训练与采样对数概率差扩大和奖励下滑。miniTE把量化策略、线性层与计算后端分层，配合按token缩放、连续布局与amax复用等实现优化；在8×B300上，两条miniTE路径配BF16反向传播时，完整学习器更新相对BF16取得约1.33–1.37倍配对加速，固定输出服务测试另有约1.64倍吞吐。这些学习与系统结果来自不同配置，尚不构成端到端强化学习加速。
子群发现长期把“偏离多大”和“覆盖多少人”压成一个加权分数，用户给定最小支持度后往往找不到对应的最偏离子群。AtomSD把问题改写为对有限个同质区域（原子）的选取：理论上每个支持阈值下的最优子群都是若干完整原子加至多一个部分原子。在19个UCI基准数据集上，它在5个支持阈值下取得1.25的平均排名、95个数据集与阈值组合中78次最优，并可作为后处理改进四种已有方法返回的子群。
Meta 的广告排序与检索模型族不再靠人工逐个模型试算容量分配。此前每个模型的缩放决策要花数天到数周训练，且架构维度相互耦合、难以单独放大。Axia 用缩放层把嵌入维度、交互深度和交互宽度三个控制量映射成完整架构，再用贝叶斯代理模型挑选少量训练试验。在两个开发周期的 34 次模型迭代中，离线归一化熵平均相对改善 0.66%，线上关键指标累计提升 0.36%。
迭代优化算法可以不再作为程序反复重写，而是被转成可训练的模型。做法是把算法执行轨迹视为计算经验，用自回归方式让前一代种群构成生成下一代的计算上下文，并用与维度无关的种群—时间架构同时刻画种群交互与迭代动态。模型先通过模仿从多种异构教师算法中获取搜索知识，再借助优化反馈直接改进自身，从而把异构搜索知识整合进单一模型，并在未见过的更大维度问题上迁移所学。
工具调用型语言模型智能体往往要经过几十步交互才拿到一个成功或失败的最终标签，中间哪一步出错无从区分。STEP-VERIFIER把已记录的成功标注交互日志转成动作级比较：同一前缀下两条后续轨迹的平均最终回报之差，构成一对动作的优劣标签，再由Bradley-Terry排序头转成可校准的逐步分数。在Llama-3.1-8B-Instruct与Mistral-7B-Instruct两个骨干上，它在GAIA、ToolBench、AgentBoard的六组基准—骨干组合中平均指标均高于仅用最终分数的GRPO，且逐步分数与人工判断的一致率为81.5%。
机器人把走廊里的除颤器记成灭火器，这类错误描述过去会一直留在记忆里。MIT 研究团队在原有 DAAAM 记忆系统上加入不确定性量化，让机器人比较同一物体在不同视角下的描述，判断自己对所见之物有多不确定，再挑选额外视角把描述融合得更准确。在对比基线方法时，该系统把物体描述准确率提高了 5%，并以每个物体仅两张额外描述解决了约 92% 物体的歧义。
微软发布VibeVoice-ASR-Streaming，把此前需要整段音频一次性处理的“谁说了什么”转写改为随语音到达持续输出。此前的VibeVoice-ASR面向60分钟长音频单次处理，在64K token长度内生成含说话人、时间戳与内容的结构化转写。新模型按块输出文本，并支持自定义热词与10种语言。
大型视觉语言模型要为每张图处理数百到数千个视觉token，推理开销随之上升。此前的免训练剪枝方法用同一套重要性标准给所有视觉token排序，忽略了它们在编码过程中承担的角色会发生变化。BtsPruner先依据注意力集中度的变化定位角色转折点，再从较深层挑出被全局引用的代表token、从较浅层递归取回局部细节token，在固定预算下同时保留两类角色；在LLaVA-1.5-7B上只保留576个视觉token中的32个（5.6%），仍保住稠密模型91.6%的性能。
Salesforce AI Research 发布 Interactive Visual Gym（IVG），把视觉 AI 助手的评测从被动观看预录视频改成闭环仿真：助手看用户的实时画面并给出语音提示，模拟用户会据此改变动作。配套的 IVG-Bench 覆盖三个操作环境中的 315 个复杂场景，评测 14 个视觉助手，其中最强的 Gemini 4 Argon 在三环境平均的限时任务成功率只有 53.4%。在早期概念验证中，用该仿真器训练的开源模型 Gwen 3.5-4B 在训练中从未见过的新任务上成功率从 33.3% 升到 42.2%。
Anthropic 在 Claude Console 中为组织提供 IP 白名单，处于 beta 阶段，来自名单外地址、发往受覆盖服务的请求会被拒绝，从而限制泄露的 API 密钥还能在哪些地方被使用。管理员可以添加 IPv4 和 IPv6 地址或 CIDR 网段，每个组织最多 1,000 条。此前组织无法在控制台按来源地址收窄请求入口，这一设置把密钥泄露后的可用范围从任意地址收缩到名单内的地址。
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。
蛋白质组质谱的公共数据虽多，却因格式杂乱、元数据缺失和物种偏人类而难以直接训练深度学习模型。MassNet整合648个项目、35个物种的DDA数据，收录5.48亿条PSM，并以张量化的MSDT格式存储谱图、配套可溯源元数据。在覆盖15个物种、966万条PSM的基准上，基于该语料训练的XuanjiNovo在人和小鼠数据集的肽段召回率分别为0.45和0.68，番茄数据集为0.25，均高于所列常用从头测序模型。
分子性质依赖不同尺度的化学环境，但图神经网络通常对所有原子固定同一传播深度。PRISM 用每个原子自身编码特征生成一个有界标量，把该原子在保留的各层消息传递状态上的权重定位成单峰分布，因此分配深度可解析、随标量单调变化。在相同骨架划分与调参预算下，从头训练的 PRISM 在 ESOL 与 FreeSolv 上取得最低或并列最低平均误差；接到预训练 GIN 上，它在六项终点中的四项优于只读最后一层。
RSI-Env把模型训练与脚手架修改放进同一个可持久化的沙箱，由独立的Host Controller负责服务、校验、版本与能力评测，Self模式下被接受的模型–脚手架版本接手下一轮改进。以Qwen3.8-27B配最小脚手架起步，无基准反馈的Open-General Self把GPQA Diamond准确率从65.2%提到73.2%、AIME 2026从53.3%提到56.7%；Knowledge Self让SimpleQA从82.0%升到85.0%再到88.0%，但同一批运行在其他基准上出现回落。
掩码扩散语言模型的后训练依赖对分块代理目标的蒙特卡洛估计，而原有做法随机抽取块索引，同一块可能被重复计算、另一些块从未被评估。全块估计器改为让每个块恰好评估一次再取平均，理论分析表明它保持无偏并消除块选择带来的组间方差；在数学、规划和编码五个基准上，它在四个基准上取得最高准确率，相对随机块采样基线平均高出12.79分。
大模型回答冗长会拉高推理延迟和算力开销，而只靠提示词压缩长度难以控制，提前停止又容易把句子截在半截。MinimalLM 把“何时该停”和“停在这里是否结构完整”拆成两个判断：解码时按长度和不确定性调整停止 token 的分数，只有落在句末标点、闭合代码块或配对括号处才允许生效。在三个开源模型、330 道题共 990 条回答上，生成 token 减少 47.6%，平均质量 8.04/10，基线为 8.42/10，且没有出现结构截断。
自回归语言模型通常按固定的从左到右顺序做下一词预测，Max(MI(S;t))改为在训练前按目标词与输入及已选目标的互信息排序，把信息量大的目标提前。在GPT式模型上，它在算术任务的平均准确率为94.96%，高于下一词预测的74.84%和逆序的86.29%，接近穷举24种顺序得到的97.33%上界；在WikiText-2上把平均困惑度从13.58降到10.77。方法只改训练目标的组织方式，模型结构与自回归解码不变。
Mistral 发布 Mistral Large 4（代号 Le Chonk），并扩展企业平台 Mistral Studio，新增托管智能体、应用，以及工作流、企业上下文、智能体可观测性与评估能力。此前团队要自行搭建智能体运行所需的基础设施；现在 Studio 托管执行，开发者用连接器和 MCP 服务器把模型接到企业数据与系统上，再设定工具、数据和动作的边界。Mistral 称其工程团队用 Studio 构建的故障排查智能体每月为团队节省数百小时，产品运营团队的工作流每周节省约 35 小时。
大模型遗忘不必再对全模型做弥散更新。FOM-UL按每层遗忘集梯度范数与保留集梯度范数之比给层打分，只更新得分高的少数层，遗忘不达标时再逐层扩大。在TOFU、KnowUnDo与MUSE式评测上，它比GA、NPO、KLD等基线留下更少的残余记忆，保留集效用接近原模型；在8比特与4比特训练后量化下，它保持有利的遗忘—效用权衡，但4比特下残余记忆相对全精度确有上升。
短视界模型预测控制算得快，却看不到视界外的对手，因此需要学习一个随情境变化的代价修正；但可超车时左右两侧都是好解，确定性回归会把两个模式平均到对手身上。ZipDrift 改为在代价修正空间训练一步漂移生成器，用闭环代价评估做倾斜、不穿过优化器求梯度，再生成少量候选由学习到的评判器挑选。在八维逐阶段修正的直线超车基准上，600 个测试回合全部无碰撞，而理想化的 ZipMPC 式回归器碰撞率为 4.0%。
RNA肌苷位点的定位长期依赖测序中A到G的碱基转换，难以与DNA突变和测序错误区分。REX-seq把EndoV对肌苷的切割与XRN-1只降解带5′磷酸末端的片段结合起来，在保留基因表达定量的同时给出切割信号；在HEK293T细胞中识别出590,249个高置信肌苷位点，其中84,645个为此前未报道的新位点。以这批位点训练的InoDREAM在留出测试集上取得AUROC 0.965、平均精度0.964，对照EditPredict为0.921和0.890。
生物基础模型长期缺少统一、覆盖面广的评测，相关任务横跨核酸、蛋白质、基因组、细胞、整体生物与临床，而实验室验证太慢，无法对每个检查点都做。Basecamp Research 正在构建的 BaseBench 把评测、检查点与适配器拆成三块，让每个模型的每个检查点都跑同一套评测，并把数据版本、检查点身份、适配器配置和评分步骤一并记录。平台目前已在内部模型和公开生物模型上运行，计划近期开放公开提交。
Reflection发布首个开放权重模型Beam，并公开其安全训练方法与评测工具。此前公开安全评测覆盖不足，难以检验模型在对抗与工具调用场景下是否守住安全边界。Beam把预训练数据过滤与专门的安全对齐训练结合，用多教师在线策略蒸馏把能力教师与安全教师合并。在Iris安全评测的1500段人工撰写对话上，Beam拒答89%的有害请求，同时合规回答82%与安全相关的无害请求。
最大化期望回报的强化学习容易把概率集中到少数高奖励结果上，DARS在每次同策略采样组内估计结果的局部密度，并按密度倒数缩放奖励，再交给标准GRPO更新。在四峰高斯奖励的导航任务中，GRPO只覆盖一个模式，DARS-GRPO把四个模式的质量恢复到接近各0.25，模式总变差为0.014，而GRPO为0.750。在文生图提示改写上，DARS-GRPO在多个数据集、策略语言模型和奖励设置下同时提高图像与提示多样性，并保持语义对齐。
Deep Genomics 把虚拟细胞模型通常要预测的整条扰动响应当作噪声先扣掉，只保留 siRNA 与转录本之间的直接效应来训练序列模型 DeepRNAi。直接效应只占全部 siRNA–RNA 相互作用的约 1%，此前这类信号在未校准的虚拟细胞目标里被当成舍入误差。在留出转录本的划分下，DeepRNAi 的表现与已见转录本相比没有实质差别，而不聚焦直接效应的传统机器学习方法在同样划分上相对基线的增益下降约 50%。
空间转录组与单细胞转录组能给出基因表达的空间分布，但每张切片成本高、样本稀少，常规H&E全切片图像却随处可得。一个多尺度图神经网络把TCGA的bulk数据、Visium的空间数据和Xenium的单细胞数据放进同一套训练，用一致性损失约束三个尺度的预测彼此对齐，从而直接从切片图像预测bulk、空间和单细胞三个层次的表达。它在切片级表现最好，斑块级中等，单细胞级最具挑战；在Xenium上细胞级PCC和AUROC高于DeepSpot2Cell，而斑块级指标由后者领先。
无回放的持续学习里，EWC只用保留解处的Fisher信息惩罚参数改动，却管不住参数走远之后的敏感度。FS-EWC把Fisher信息提前用于塑造当前任务的解：训练时压低邻域内最坏情况的Fisher迹，任务结束时用轨迹上多个检查点的平均构造保留锚点。在视觉与语言基准上，FS-EWC在对应EWC基线上普遍提升，全参数微调与LoRA两种设置都成立。
Gemini Omni 1.2 Flash 通过 Gemini API 和 Gemini for business 全面开放，把原生视频生成时长从 Omni 1.1 的10秒延长到15秒，并支持3至15秒按1秒步进指定时长。它新增多轮对话式编辑，可在同一片段上逐轮替换产品或背景、调整光照与画幅，而不必整段重生成；720p 视频价格较 Omni 1.1 下调30%，为每秒0.07美元。官方示例显示，在相同静态影棚海报与五层动画提示下，1.2 比 1.1 更贴近参考图。
大模型评审常被用来替代昂贵的人工评估，把多个评审聚合起来是抵消单个评审偏差的常规做法，但评审池里强弱混杂，而用于验证的人工标注集往往只有几百条甚至更少。AGORA把每个条目放在一条潜在质量尺度上，用敏感度参数和有序评分阈值描述每个评审，从而在全部条目上联合学习评审可靠性，且不需要人工标签。在三个基准上，AGORA在大型评估集上与Dawid-Skene持平或更好，且随着集合缩小到几百条，其优势扩大。
联合音视频生成中，音频token远少于视频，监督稀疏导致蒸馏不稳，简单加大音频损失权重反而更糟。OmniOPD让音频教师在更干净的视觉条件下生成目标、对每个提示采样多条轨迹、并按教师与学生转移差异给每个时间步加权，在JavisBench上把视频质量VQ从LTX-2.3的2.714提到3.347，同时音频质量AQ为5.449，低于音频教师的5.576。
思维链提示能提升复杂推理，却让简单问题也付出额外算力。谢菲尔德大学团队在四个免训练置信信号、三个模型家族和七个推理基准上检验“只在不确定时才推理”的分流，发现效果随模型与任务大幅波动，并把原因归结为置信分数饱和与难查询被优先送入思维链的选择偏差。他们提出的帕累托最优阈值选择在置信信号强的组合上把思维链使用量降低约30%而不牺牲准确率，在信号弱的组合上则退回接近全量思维链。
面向大语言模型智能体的记忆系统大多只保存和检索过去的信息，而主动型智能体还需要记住尚未实现的未来意图，并在合适时机自行兑现。Pro-Memory把“保留未来意图”和“决定何时以及如何兑现”拆成两步：让待办目标与其支撑证据绑定，用新观察对照原始目标和激活条件，再与智能体正在进行的动作协调。在两个覆盖延迟意图任务和开放式主动协助的基准上，多种大语言模型骨干上的主动任务表现相对代表性记忆方法有一致提升，同时减少了不必要的干预。
对比解码DoLa靠输出词表分布的差异挑选浅层，Sakai等把选层信号换成自注意力分布，提出Attention-JSD、Attention-Entropy-Max与Attention-Entropy-Min三种策略，并保持DoLa框架不变。在TruthfulQA上，LLaMA-7B用Attn-Ent-Min取得MC2 62.8%、MC3 36.5%，高于DoLa的56.5%和30.5%；但LLaMA-33B与65B上DoLa的MC1仍最高，增益集中在多正确答案指标。
去中心化联邦学习没有中心服务器，模型逐跳转发时链路噪声会累积，学习率衰减后更明显，拜占庭节点还能借低损失伪装成诚实模型的均值。FedSharp让每个节点保留前驱的模型副本，用逐坐标中位数偏差筛掉单参数突变的模型，再对低损失候选取平均，并加入随噪声调整的梯度范数正则与近端训练。在100节点、33个拜占庭节点的环形拓扑上，MNIST准确率为93.5%–94.9%，单模型选择基线为29.4%–38.1%。
Deep Genomics 的 DeepRNAi 把 siRNA 局部杂交位点与转录本所在基因组区域的长程上下文放进同一个预测模型，后者由 BigRNA、Enigma、REPRESS 等生物基础模型提供，覆盖多达一百万碱基对的序列。在种子介导的敲低预测上，不含基础模型的 DeepRNAi 总体表现与带人工转录本特征的传统随机森林相当；接入基础模型后性能接近翻倍。两个药物发现案例中，模型对远端 3′ UTR 位点给出接近零的活性预测，与 Alnylam 公开的 PLG 实验数据一致。
AstroAgentBench把航天任务规划变成可执行、可外部核验的智能体评测：七个任务族共116个用例，主评测取每族5个、共35个留出用例，智能体须提交排程、观测或星座设计文件，由独立校验器检查格式、时序、几何、资源与任务价值。五个智能体系统中，Codex CLI + GPT-5.4与Kimi CLI + Kimi K2.6在全部35个用例上通过有效性检查，最强系统在若干任务族接近或超过求解器参考分数，但在区域覆盖与立体成像等几何、产品级和设计密集型任务上仍明显落后。
Vercel Labs 发布原生 Rust 命令行工具 agent-browser，让 AI 智能体在 shell 里逐条命令驱动浏览器。此前智能体要操作网页，得自己处理整页内容；现在 snapshot 把页面压成带 @e1 这类引用的紧凑文本，智能体点完一个引用再读一次页面确认结果。浏览器在命令之间保持打开，每步只是一次短 shell 调用，点击目标隐藏、禁用、位于视口之外或被遮挡时会直接报错而不是假装成功。
Atlas 此前是逐帧自回归生成的世界模型，用户要等数十秒甚至数分钟才能看到一段视频，只能谨慎地规划相机路径。新发布的研究预览 Frameboy 把经过高度优化的 Atlas 变体放在云端 GPU 上，以最高 15 fps 把画面流式传到浏览器，用户拖动相机时视图连续更新。同一实时能力也接入网页应用 Viewfinder，用户可先逐帧搭建自己的场景，再用 Frameboy 叠加层实时探索。
医疗大模型在单次问答上表现不错，却难以把多次接触中积累的经验留存下来并加以治理。HealthJev把共享的安全规则与医学知识同私有的纵向记忆分开，并用自训练的轻量决策模型JevGate在经验入库前筛掉错误教训，单次判定中位耗时86毫秒。在由20名MIMIC-IV真实患者轨迹构建、每人90天模拟日常交互的纵向基准上，它的平均评审分为0.668，高于MemoryBank的0.634、Mem0的0.593、ReAct的0.510和Memp的0.502；六项生物医学任务相对基线的平均提升为13.3个百分点。
GPUMAP把UMAP的降维流程拆成插入、更新、嵌入三类可交错执行的操作，在消费级GPU上边算边给出中间投影，使百万点规模的数据不必等全部计算结束才能查看。在HIGGS的500万点数据上，顺序执行的RAPIDS UMAP要到50.4秒才给出第一张投影，GPUMAP在8.42秒就产出可检查的中间结果并持续细化；代价是总运行时间约为顺序执行的1.6倍。
Google Cloud 将 Gemini Omni 1.2 Flash 正式开放，面向批量制作产品视频、虚拟试穿和广告的企业用户。相比上一代 Gemini Omni 1.1 Flash，720p 视频价格降至每秒 0.07 美元、便宜 30%，单段生成与编辑时长从 10 秒延长到 15 秒，并更贴近用户提供的图像、视频和音频参考。业务用户可在 Google Vids 中使用，Gemini for business 中的入口标注为即将推出，开发者可通过 API 调用，草稿可先出 360p 或 720p 再放大到 1080p 或 4K。
英伟达在GTC Berlin宣布NVIDIA Sentry，一套运行在BlueField-4 DPU上的AI智能体安全框架，把对智能体访问模型、工具和数据的监控与策略执行放到主机软件触及不到的独立硬件信任域。此前的智能体安全依赖软件运行时边界，智能体一旦逃出沙箱就可能改动或关闭自身限制；Sentry通过DOCA Tower透明代理检查智能体与模型的通信，并用DOCA Argus在主机之外读取运行时状态，在毫秒级实施隔离。该框架计划于明年初可用，目前开发者可先用DOCA Argus、DOCA Flow等库和微服务试验带外可观测性与基础设施层执行。
UCB与Cradle宣布战略合作，把Cradle的AI蛋白质设计平台用于UCB选定的抗体发现项目，覆盖从命中生成、先导优化到临床前就绪的环节。此前UCB的数字抗体工程依托自有抗体发现平台，再结合计算科学与外部技术伙伴。合作中，实验数据会持续回灌到项目专属模型，形成“实验室在环”的累积学习循环，用于同时优化候选分子的多项性质。
Albert发布面向化学研发的检索模型Valence，用来在配方科学问答中挑出真正回答问题的段落。通用检索模型擅长跨领域粗分，却难以区分同一领域里用词和分类相近、答案不同的段落；在FormBench的困难测试中，OpenAI与Voyage的通用模型在前100条结果中找到正确段落的比例为2%至4.5%，Valence为81.8%。在更严格的指标上，Valence得0.41，领先的通用模型得0.009。
Anthropic 为 Claude Enterprise 增加安全中心、推理钩子、集中管理和新的访问控制，让安全团队能查看组织配置与推荐配置的差异、在提示词和工具调用执行前交给既有数据安全工具检查，并统一管理身份与访问。安全中心与集中管理仍处测试阶段，推理钩子已正式可用；安全中心只是基于推荐配置的指引，不构成合规认证或保证。
华大智造在2026年学术年会上宣布「智库云枢」生物样本价值转化平台焕新，核心是DCS Cloud生物智能分析平台与科研智能体Genpilot。Genpilot以自然语言为入口，自动拆解任务、生成代码、运行分析并成图成稿；现场演示中一份单细胞数据集的Figure 1–4全流程复现结果与原文核心结论一致，科研产出从月级压缩到小时级。存储侧同步引入AI视觉辅助校准与自然语言检索，定位耗时从分钟级降至秒级。
检索增强生成（RAG，先从外部知识库取回材料再让语言模型作答）常因检索不到位和编造内容而失准。TRIO把这条流程拆成查询扩展、检索充分性判断和作答三个智能体，让每个智能体按各自的奖励信号迭代改进：扩展智能体按答案质量提升获得奖励，判断智能体以一致性投票标注的充分与否为监督，作答智能体用动态匹配奖励配合课程学习训练。多个基准数据集上的实验显示，TRIO相对当前先进方法更有效，代码已公开。
室内供暖通常只靠单个或少量固定点温度测量，难以反映 occupant 周围的空间温差。研究者构建了一种不把时间作为显式输入的物理信息神经网络，改由空间坐标与少量传感器读数及其变化率推断温度场的演化，并在三种房间尺度、九个水平面上与经过验证的 COMSOL 多物理场模拟对照，验证工况的最大相对误差低于 1.85%。接入以 occupant 位置为目标的供暖控制后，与 COMSOL 离线控制相比平均数值误差约 0.67%，推理速度足以支撑实时控制。
Chai Discovery宣布与罗氏合作，把Chai的AI模型和平台用于罗氏多个治疗领域的若干药物发现项目。Chai以蛋白质类疗法的计算机辅助设计为方向，其最新模型Chai-3被公司描述为在包括难成药靶点在内的靶点上取得较高的靶点成功率和结合亲和力。这是Chai在2026年宣布的一系列与大型制药公司合作中的最新一项，公告未给出项目数量、具体靶点或时间表。
肺腺癌的分子数据维度高、事件少，直接拼接进生存模型容易过拟合，特征选择也不稳定。CAISL把预测风险写成临床Cox风险加上一项稀疏的分子校正，并用重采样一致性惩罚约束校正的波动。在TCGA-LUAD的470名患者、119例死亡上，五次独立交叉验证的平均C-index为0.7246，临床Cox为0.6970，配对提升0.0276（95%置信区间0.005–0.050）；这一结果来自内部验证，尚需独立队列确认。
连续控制强化学习长期受困于探索效率与长程信用分配，常用做法是给智能体加动作噪声或熵正则，这类探索不带方向。GANGSTER 用一个条件生成对抗网络按当前状态生成候选子目标，再用可期望回报、可达性和多样性三项结构化损失筛选，生成的目标只通过内在奖励塑形接入 TD3 与 SAC，不改动二者的核心更新规则。在 MuJoCo 的 Ant-v5 上，配 TD3 的 GANGSTER 相比基线 TD3 把解题时间缩短约 31%、最终表现提高 53%；在 HalfCheetah-v5 上配 SAC 则把最终表现提高 10%，并把解题后的达标一致性提升到 99% 以上。
Baseten推出环境网络，把为后训练构建强化学习环境的工作交给一批经过审核的合作伙伴公司。此前这类环境由Baseten自己的应用研究团队在Harvey、Lovable、Gamma等后训练项目中手工搭建，费时且依赖研究者的判断。合作方直接接触客户、用客户的真实数据构建环境，Baseten负责训练与推理部署；Baseten还计划开源一批前沿质量的环境及审核与训练方法。
多域6G网络切片的放置、跨域路由与接纳决策是NP-hard的在线问题，固定规划策略在不同拓扑上排名会反转，被拒请求中多数其实存在可行放置。ORION在分层编排器中让两个LLM智能体分别翻译业务意图、生成抽象放置计划，并把每次尝试的网络条件、计划形状与验证器给出的可行性结果写入情节记忆，再作为带标签示例回灌规划器。在未见过的拓扑族上固定选择与执行层后，带该记忆的规划器在两个随机种子上接纳率都高于无记忆版本和先进先出存储版本，但提升幅度尚未确立。
多智能体强化学习中，对手建模通常把推断出的同伴表征与当前观测拼接后一起编码，两者如何相互作用只能留给策略学习去隐式发现。PCOR改为非对称结构：观测特征作为当前交互状态的基础表示，同伴表征只调制这些特征如何被解读。在两个部分可观测基准上，PCOR在未见同伴上的最终评估表现高于所报告的基线；在POO上，与使用相同编码器、仅融合方式不同的拼接变体相比，评估成功率从30.2%升到51.1%。
DeepSeek开源了自家服务背后的推理引擎DeepInfer及其内核，SGLang随后把Mega系列内核、DSpark投机解码、SWA有界重放和两种Engram放置方式接入主线，并用DeepInfer自己的基准在同一硬件上对比。在4块GB300与4块B300上，SGLang预填充吞吐最高达到DeepInfer的1.04倍，其余测试点相差在1%以内；在64块GB300上，每GPU 16到256个请求时解码步长缩短1.1%到7.4%，8个请求时持平。SGLang还补齐了DeepInfer发布说明中列为未包含的KV缓存系统、预填充与解码分离以及跨副本负载均衡。
Deep Agents 新增异步子智能体：一个编排智能体留在前台与用户对话并整理上下文，子智能体作为后台工作线程跑长任务，完成后回报。此前标准 ReAct 循环里每次长工具调用都会阻塞循环，其他任务只能排队；现在子智能体不再占住编排智能体的循环，用户可在其自身循环不忙时联系它，可承担的工作量随后台工作线程数量增长，而不是随单条循环的长度增长。
Aignostics发布HETA Clinical，一组覆盖病理工作流的泛癌AI产品，首批四项分别测量切片质量、肿瘤存在、核分裂计数和肿瘤细胞含量。这些判断过去多由病理医生目视完成，耗时且读数因人而异；据其接触的学术医学中心和精准医学实验室估计，10%至20%的分子检测因组织肿瘤不足而失败。产品基于HETA平台，用于在分子检测前确认样本肿瘤是否充足，并帮助实验室安排病例优先级。
英伟达推出面向AI智能体的Vera CPU，试图用一颗芯片同时满足智能体执行步骤要快、并发数量要多这两项要求。此前AI工厂需要在最快的x86处理器与最省电的x86处理器之间取舍，以平衡速度与容量。英伟达在100兆瓦数据中心对比中称，Vera相对最快的x86 CPU每瓦可多承载1.6倍智能体，相对最省电的x86 CPU智能体速度达2倍；Perplexity、DeepInfra等早期采用者在生产式测试中报告了加速，但Perplexity的部署尚在计划中。
Fireworks 将六项 Surge 基准纳入其专业智能指数（SII），这些基准由从业者编写，考察模型在杂乱环境、含糊指令和需要判断力的真实工作中能否完成任务。此前模型评测多集中在规格明确的任务上，例如写补丁、做计算或回答问题。新纳入的基准把评分放在执行之外的决策上，并用专家撰写的评分细则衡量正确性、验证、判断与沟通等行为。
视觉-语言-动作（VLA）模型给出的最高分动作，未必是物理执行中最可靠的那个。FRS-Grounding在VLA推理之后保留有限候选集，把归一化候选分数与到安全动作集的距离合成模糊动作集，再用位姿差与无碰撞状态构造候选间关系，经模糊粗糙上下近似区分强支持与边界候选。1500次随机仿真中，完整流程成功率86.4%、安全违规率2.1%，点式硬约束基线VLA-HC为74.8%与8.2%；位置噪声σ=10 mm时成功率约78%，VLA-HC约28%。
多跳问答的检索增强生成常被无关文档拖累，而 CLaRa 把检索文档压成稠密隐记忆后，文档之间的结构关系更难被利用。GraphCLaRa 在冻结的 CLaRa 阅读器前加一个约 130 万参数的图重排器：按查询构建文档图，用图注意力网络传播证据，再自适应决定送入多少篇文档。在四个问答基准上，它在三个数据集上提升答案 F1，2Wiki 提升 6.6、MuSiQue 提升 6.4、NQ 提升 2.5，同时使用更少文档；在检索已饱和的 HotpotQA 上落后 1.1 F1。
JetBrains在自家IDE中推出Air，把编码智能体放进开发者已经写代码、审查、运行和测试的环境里。此前同时派发多个任务后，更难的是知道每个任务进行到哪一步、每个智能体改了什么、还有哪些需要人接手。Air把智能体会话集中为编辑器标签页，改动文件和差异随会话保留，并可直接用JetBrains工具查看差异、运行测试，再把反馈发回智能体。
JetBrains正式发布Air Governance，把团队使用的AI智能体、模型与供应商集中到一个管理控制台，可按个人、团队和服务账号设定AI额度，并统计成本与产出。此前每个工具各有合同、仪表盘和管理设置，跨供应商的用量全貌难以拼出；JetBrains自述其2026年上半年AI支出增长约十倍，首份跨供应商用量报告靠人工整理了四天。该产品面向所有JetBrains组织客户，提供免费与付费方案，兼容Claude Agent、Codex、Gemini CLI、Junie等ACP兼容智能体。
Anthropic 在 Claude Console 中为组织新增了测试版 IP 白名单，只有名单上的地址才能访问受覆盖的服务，从而限制泄露的 API 密钥还能从哪里被使用。此前组织无法在控制台层面按来源地址收窄请求。管理员可以填入 IPv4、IPv6 地址或 CIDR 网段，每个组织最多 1,000 条。
Vercel 推出 Vercel Schedules，让智能体和应用在运行过程中通过代码创建、修改或取消一次性与周期性定时任务，无需重新部署。此前的 Vercel Cron Jobs 把时间写在 vercel.json 或构建输出配置里，部署时才同步；动态调度则要另存数据库并用轮询任务检查到期工作。Schedules 把请求和触发时间交给 Vercel，到期时经 Queues 投递到应用，由应用代码校验权限并执行，目前处于公开测试阶段。
Claude 新增个人财务功能，用户可经 Plaid 自行登录银行，授权只读访问后用自己的话提问账户余额与交易。此前要弄清钱花在哪，得逐个打开银行应用自己算；该功能把已连接账户的支出按类别汇总，示例中当月支出为 4,309.37 美元，并指出发薪日前还有四笔扣款、余额剩 1,393.22 美元。它本周以 beta 形式在美国的 Pro、Max 和 Ultra 套餐推出，只帮助理解资金，不提供投资建议。
脉冲神经网络做音视频融合时，跨模态注意力内部缺少按输入调节信息流的手段。GSCANet 在双流 Spikingformer 编码之上加入门控脉冲跨模态注意力，把门放在注意力输出、脉冲发放之前，并用查询与值拼接成的信号驱动。在 CREMA-D 与 RAVDESS 上，这一配置比无门控基线分别高 2.15 和 1.05 个百分点；门控位置与驱动信号都会改变效果。
Vercel 与 ElevenLabs 合作，把 14 个 ElevenLabs 音频模型接入 AI Gateway，覆盖语音转文字、流式文字转语音、实时语音智能体、音乐、音效和多说话人对话六类。此前这些能力需要分别接入，现在应用或智能体可用同一把网关密钥先转写用户语音、再交给任选的语言模型推理、最后用 ElevenLabs 声音作答，且每个请求与其它网关流量共用同一套用量、成本和追踪视图。上线后前 14 天至 11 月 9 日，全部 ElevenLabs 模型在 AI Gateway 上五折。
AI SDK 的 HarnessAgent 层现在在所有 harness 适配器上接受图像输入，调用方可以在标准 AI SDK 消息格式中把图像与文本并列传入，内容数组里混合文本部分和文件部分。图像由各 harness 底层视觉模型处理，覆盖 Claude Code、Cline、Codex、Cursor、Deep Agents、fx、GitHub Copilot、Grok Build、OpenCode 与 Pi 十个适配器。此前这一层只接受文本输入，图像能力不在统一接口之内。
Mastra平台与Studio现在为每一次智能体和模型调用记录两项延迟指标：TTFC（首个数据块到达前用户等待的时间）和TTFT（模型开始响应所需的时间）。此前只有durationMs能说明一次运行总共花了多久，却分不清用户等首个响应等了多长、这段等待来自模型还是自家代码。两项指标写入每个span，可在trace查询与span查询中按字段过滤排序，适用于Mastra平台以及存储使用DuckDB、PostgreSQL或ClickHouse的自托管项目。
Mastra 上线 Span 查询，把可观测性查询的粒度从整条追踪下移到追踪内部的单个 span。此前的追踪查询能按失败的工具调用等深层细节过滤，却仍返回整条追踪，问题调用难以定位。Span 查询在每条追踪内部检索，只返回匹配的 span，并可对匹配 span 分组聚合出调用次数、错误率和延迟，用于找出哪个工具失败或变慢。