Figure发布Helix 2.5，在30个陌生家庭实现56%零样本成功率
Figure于9月17日发布人形机器人神经网络Helix 2.5。该模型基于公司的人类行为数据集Index预训练，并在旧金山湾区30个此前未采集数据的家庭中测试。在整理客厅、折叠毛巾和铺床三类任务中，Helix 2.5的零样本成功率达到56%，而从零开始训练的同条件策略为9%。测试使用了训练数据未涵盖的家庭环境和物品，且只有完整完成任务才计为成功。Figure表示，Helix 2.5仅使用Heli
AI 新闻中心
AI 新闻中心 过去一年分析了 9043 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
十部门推动加快人工智能、量子计算赋能药物研发
工业和信息化部、国家发展改革委等十部门发布“十五五”医药工业发展规划，提出加快人工智能、量子计算、超级计算和计算医学等新技术在药物研发中的应用。规划支持医药企业、高校、科研院所和医疗机构开展联合攻关，并将基因编辑、分子精准递送、细胞编程、先进组学、生物制造等列为重点方向。该文件主要提出产业政策目标和技术布局，并未公布具体的人工智能研发成果或已验证的重大突破。
Anthropic 推出生命科学认证计划，三款模型适用统一授权条款
Anthropic 推出了面向生命科学领域的认证计划。根据计划，Mythos 5.1、Opus 5 和 Sonnet 5 三款模型均适用标准化的使用与授权条款。该举措通过合同明确了药企、生物技术公司和科研机构将这些模型用于研发、文献梳理或实验辅助时的使用范围与责任。对于监管要求较高的生命科学行业，统一条款可帮助相关机构评估模型是否适合进入研究和实验流程。
法院文件曝光：OpenAI与微软高管曾内部承认AI可替代新闻文章
据《纽约时报》起诉OpenAI和微软的版权案中解封的法院文件，两家公司高管曾私下承认，其AI产品可能替代新闻文章，并对新闻业构成威胁。诉讼指控两家公司未经许可使用数百万篇《纽约时报》文章训练AI模型。OpenAI公开辩称，使用公开可获得的材料训练模型通常属于合理使用；出版商则要求AI公司取得授权、让其参与控制内容的使用方式，并获得持续且公平的补偿。美国其他报纸也相继提起诉讼，围绕受版权保护的新闻内
反思、修订、复用：无需训练的 GUI 智能体技能进化
EvoSkill-GUI 是一个无需额外训练的框架，使 GUI 智能体能够根据执行反馈在部署阶段修订可复用技能。每项技能都以结构化软件包形式管理，包含检索元数据、可执行计划、备用定位方法、失败恢复规则、无障碍工具和失败案例。在“反思—修订—复用”循环中，智能体会诊断失败的执行轨迹，并有针对性地更新技能文件。在 MobileWorld、AndroidWorld 和 OSWorld 三个基准测试中，该
面向多模态大语言模型细粒度感知的区域级策略优化
Vision-RL2 在避免大幅增加视觉 token 成本的同时，提升多模态大语言模型（MLLM）的细粒度视觉感知能力。该方法先从压缩视图中定位相关区域，再将更高分辨率集中到选定证据上。研究人员通过区域级强化学习优化轻量级候选区域网络，并使用冻结的 MLLM 读取器评估各区域对答案的贡献。在六个细粒度基准和四个 MLLM 骨干模型上，Vision-RL2 在所有视觉 token 预算下都提升了准确
Video DeltaNet 提出面向直播视频生成的混合注意力机制
Video DeltaNet 将局部 Softmax 注意力与双向线性记忆结合起来，以降低视频扩散模型处理长时空令牌序列的成本。其 Video Delta Attention 机制在联合处理空间令牌的同时，每帧更新一次记忆；分阶段的教师模型对齐流程则将这一新路径引入预训练模型。在 MiniMax H3 实现中，该混合方法用于视频到视频的交互，而涉及文本或音频的交互仍保留 Softmax 注意力。结
UFO：面向多模态图像生成全条件对齐的评估链
UFO 是一个统一框架，用于评估多模态图像生成系统是否能同时满足文本和视觉条件。该方法将整体对齐目标拆分为细粒度、相互解耦的原子评估单元，并通过通用或专用功能调用逐一验证。实验表明，在参与评测的方法中，UFO 与人工偏好的相关性最高，平均相关性提升了 15.25%。研究人员还提出 UFO-Bench，用于在文本与视觉条件的多种交互场景下全面评估图像定制模型。
特权信息能为策略内自蒸馏带来什么？
一项研究分析了解答或完整推理过程等参考信息，能为语言模型的策略内自蒸馏带来多少额外价值。研究人员构建了 AMPLE-Math 数据集，包含 5,319 道数学题，每道题提供六种共享同一答案的推理视图，并将使用参考信息的蒸馏与条件匹配的无参考蒸馏进行比较。结果显示，在启用思考能力的评估中，Qwen3-1.7B 的大部分性能提升都可以由无参考蒸馏解释。参考信息带来的额外收益在 Qwen 上较为有限，在
When2Think：面向高效混合推理模型的难度感知长度控制
大型推理模型在复杂任务上表现出色，但常在简单问题上浪费计算资源，在困难问题上又推理不足。When2Think是一种后训练框架，可根据每个问题的难度动态分配推理深度。该方法结合实例级难度感知奖励塑形、基于验证器的奖励以及批次标准化优势，无需训练奖励模型，也无需在线查询参考模型。在数学基准测试中，相比基础模型，AIME24上的Pass@3提升10.0%，Token使用量减少27.9%。在AIME25上
RetireOPD：面向智能体强化学习的自适应退出式在线策略蒸馏
RetireOPD是一种面向智能体强化学习的训练方法。它首先利用环境奖励优化一个具备特定技能的教师模型，再通过在线策略蒸馏，将这些能力传递给没有预设技能的学生模型。当学生与教师之间的性能差距不再缩小，且学生达到教师成功率的目标比例后，学生会自行停止依赖教师，随后仅通过强化学习继续训练。在参数规模为15亿至70亿的Qwen2.5模型上，RetireOPD相比仅使用强化学习的基线，将ALFWorld成
DeepSeek-V4.1-Flash：突破 KV 缓存压缩极限
DeepSeek 发布了 DeepSeek-V4.1-Flash，这是一款拥有 5520 亿骨干参数、支持最长 100 万 token 上下文的多模态混合专家模型。其因果编码器—解码器架构在解码阶段每个 token 激活 160 亿参数，在预填充阶段仅激活 80 亿参数。通过跨层 KV 缓存复用、FP4 KV 缓存和 SWA Bounded Replay 部署优化，该模型将 HBM 中的 KV 缓
人形机器人可“自主做家务”，Figure 发布 Helix 2.5 模型
Figure 发布 Helix 2.5 模型，让人形机器人能够“自主做家务”。该公司表示，其在美国旧金山湾区租了 30 套房子，机器人没有进行额外训练，到达后便开始自行收拾房屋。Helix 2.5 在全球人类行为数据集 Index 上预训练，旨在回答类人机器人能否进入从未见过的家并立即自主工作。基于单一基础模型，机器人产生三种行为：整理客厅、折叠毛巾和整理床铺。在 30 户家庭的测试中，单一 In
消息称美国空中交通管理系统将部署 AI“大脑”，最早 9 月 21 日上线试用
《华尔街日报》报道称，一款名为 SMART（空域、航线和轨迹战略管理）的人工智能驱动空中交通管制软件，预计最早当地时间 9 月 21 日在美国华盛顿特区启动试用，并逐步推广至全美范围。美国拥有全球最发达的航空运输系统，但其空中交通管理当前面临基础设施老化、人力资源短缺等困境，降低了高度复杂航线系统的容错性。SMART 软件项目合同规模达 8.75 亿美元。该软件可分析航空公司航班时刻表以及天气、机
iPadOS 27.2 Beta 1 新特性：连接触控板后选中文本可悬停唤出 Siri
iPadOS 27.2 Beta 1 将 macOS 27 Golden Gate 中的 Siri 交互方式带到了 iPad。连接触控板并选中文本后，用户可将光标悬停在 Siri 图标上，展开“询问 Siri”文本输入框并直接输入问题。未连接触控板的 iPad 仍会显示完整编辑菜单，用户也可通过菜单中的 Siri 选项发起请求。此外，iPad 还支持通过语音指令、从屏幕顶部操作、打开独立的 Sir