AI 热点

Nous Research的Hermes Agent移动端近日进入内测，名额迅速被抢空，官方称需求超出预期并正增加测试名额，为正式发布做准备。 #Hermes Agent #Nous Research

LlamaIndex披露OCRia-1推理优化方案，单张B200上token生成从约285提升至约2800 tokens/sec，接近10倍。 #OCRia-1 #推理优化

arXiv论文提出R²-Omni免训练框架，通过结构与精度双重冗余削减，使全模态LLM长文本生成内存占用降低5倍，保留97.98%质量并实现1.48倍端到端提速。 #全模态LLM #token剪枝

新基准VideoMemBench评测多模态大模型在长视频多轮对话中的记忆能力，Claude Opus 5以45.7%居首，凸显上下文视频记忆挑战。 #VideoMemBench #多模态大模型

谷歌与香港大学发布VeriCUA论文，提出用机器状态核实计算机智能体的任务完成声明，误报率显著低于现有方法。 #智能体验证 #VeriCUA

Redwood Research 发表论文，提出 score-seeking 概念解释 LLM reward-hack 动机。 #Redwood Research #score-seeking

谷歌等团队提出OPST自训练方法，仅需人工指定话题即可让模型自生成问题与答案进行后训练，在Gemma 4上将MMLU从37.5提升至47.7。 #OPST自训练 #谷歌大模型

清华与微软论文提出HarnessMM，通过预写带校验条件的命令跳过LLM调用，在98个HumanEval任务上DeepSeek Harness成功率升至85.71%，token用量减少87.93%。 #HarnessMM #智能体效率

谷歌论文披露FlowAgent在内部CI自动修复失败测试，195例真实失败中67.18%修复正确，生产已应用28554个修复。 #FlowAgent #谷歌

亚马逊与Booking.com结合知识蒸馏与Medusa框架，将70B模型能力压缩至1.1B，速度提升最高20倍。 #模型压缩 #知识蒸馏

Google DeepMind论文显示，通过模拟病人环境的多轮强化学习训练，Gemini 3.1 Flash-Lite在精神科问诊任务中表现显著提升，医生盲评中76.7%优于基线模型，急性风险漏升级率从30.5%降至12.9%。 #DeepMind #Gemini

谷歌团队发布T2J-Bench，用63个整仓任务评测PyTorch到JAX迁移，TwinHarness将得分提升11.4%。 #T2J-Bench #PyTorch到JAX迁移

研究团队发布SLDBench v2，让AI在付费实验目录中自主选择实验以发现Scaling Law，评测显示8个前沿模型自主选实验时成绩全部下滑，Claude Opus 5.5以4%成本取得最佳精度。 #SLDBench v2 #Scaling Law

新论文用稀疏自编码器分析RL训练的大模型，发现其主要依赖提示中显式信息，而非真正推理能力 #机制可解释性 #强化学习

arXiv新论文证明RLVR中pass@1提升必以pass@k下降为代价，给出精确代价率 #RLVR #强化学习

arXiv论文提出BookNavigator接口，通过强化学习激励大模型自主检索学习教材，将Intern-S2-Preview-35B证明准确率从51.5%提升至79.5%。 #强化学习 #大模型自学习

arXiv新论文测量六款VLM在三类边缘NPU上的推理表现，挑战多项社区共识 #边缘NPU #视觉语言模型

arXiv论文提出Raincheck框架，通过延迟多模态预填充优化多轮MLLM推理，首字延迟降低24.1% #多模态大模型 #推理优化

arXiv论文提出LinQuant框架，通过七种函数不变性改进线性递推模型低精度推理，在Mamba-2等模型上提升困惑度表现。 #LinQuant #线性递推量化

arXiv论文提出ReGap-Bench，任务匹配的视觉参考可将多模态推理准确率提升至多25% #多模态推理 #ReGap-Bench

arXiv新论文提出运动基元动作分块表示，可降低模仿学习机器人轨迹抖动，无需重训练。 #模仿学习 #动作分块

arXiv论文提出OPERA智能体，用开源工具完成CMOS运放从规格到版图设计 #AI芯片设计 #运算放大器

arXiv新论文提出SphNNs，用非零半径球面表示实现无训练数据的符号级三段论推理 #球面神经网络 #SphNN

arXiv论文提出RecRSI，通过早期排序反馈筛选候选编辑，提升推荐系统递归自我改进效率 #推荐系统 #递归自我改进

arXiv论文提出MRC-MMAgent框架，通过多角色协作强化学习提升多模态工具使用智能体表现。 #多模态智能体 #强化学习

arXiv新论文指出LLM批量评分时，同批其他条目会显著改变11-22%的裁决结果 #LLM评测 #上下文批处理

arXiv论文提出Gym-Anything框架，让编码智能体自动生成机器人仿真并构建RoboWorld基准。 #机器人仿真 #具身AI

arXiv论文提出GDGraph框架，将放射学指南编译为可执行决策图，在347例病例上把模型准确率从57.3%提升至90.8%。 #GDGraph #放射学AI

arXiv论文提出EnvOS框架，可构建并认证任务中途变化的智能体测试环境 #EnvOS #计算机使用智能体

arXiv论文TextSeal2提出基于Copula混合的无失真大模型水印，兼容投机解码 #LLM水印 #TextSeal2