PhysStream：结合结构化场景记忆与细粒度运动控制的物理基础视频生成
PhysStream是一种用于物理基础图像到视频生成的自回归模型。它利用从此前生成帧中在线提取的位置图和物体跟踪图，并通过表示速度增量的稀疏信号控制具有物理意义的运动。该模型采用两阶段训练，可在生成包含多个桌面刚体物体的场景过程中进行交互式控制。在合成基准测试中，与最强基线方法相比，PhysStream将运动分布距离降低33%，将轨迹误差降低12%。在真实场景比较中，人类评审在超过85%的情况下更
AI 新闻中心
AI 新闻中心 过去一年分析了 1375 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。
模态自回归世界动作模型
研究人员推出 ModAR，这是一种在预测机器人动作之前，自回归生成多种未来模态的世界动作模型，包括点轨迹、DINO 特征和深度图。每次预测都可以基于此前生成的模态，因此相比仅预测未来 RGB 图像，能够更高效地捕捉几何、语义和运动信息。在所有测试数据规模下，ModAR 都优于现有世界动作模型方案，观测到的平均成功率达到 75%，高于以视频模型初始化的 Flex-π 的 72%。同时，ModAR 无
通过方向分解解析 Transformer 中的表征演化
该研究分析了 Transformer 表征如何通过学习到的加法更新发生演化。研究人员将相对于当前隐藏状态的更新分解为平行分量和垂直分量。在多个预训练模型中，他们发现除了残差恒等路径之外，还存在显著的平行分量。针对注意力和 MLP 更新的实验表明，在值空间中仅调整非自身信息的聚合，同时保留当前 token 的直接信息，比在残差空间或垂直分量上进行操作更加稳健。这种分解还可用于诊断压缩导致的更新误差，
Mind2Dialogue：通过模拟用户心理状态训练理解人类的语言模型
Mind2Dialogue是一套研究框架，旨在解决训练数据缺乏用户隐含信念和目标的问题。该方法使用心理学指导的模拟器，在保留个人特征的同时，随着对话推进更新用户的心理状态。随后，Oracle助手根据这些状态生成信息充分的回答，并将其作为训练阶段的特权监督信号。模型部署后无需直接访问用户的心理状态。在完整语料上训练后，模型在所有已报告的个性化指标上均优于经过指令微调的Qwen、Llama和OLMo基
基础模型时代的游戏人工智能
基础模型和学习型游戏世界模型正在重塑人工智能在游戏全生命周期中的应用。相关研究将其分为六类：游戏操作与行动、玩家和游戏建模、游戏设计、游戏开发与维护、运行时生成与适应，以及测试与评估。部分能力和产物可以跨角色迁移，但控制方式、规则、游戏引擎、状态表示和玩家群体通常具有场景特异性。因此，相关效果必须在目标环境中重新验证。受限游戏玩法的评估相对成熟，而学习世界中的持久状态、反复软件修改、经过验证的玩家
模型内部的路由器：从冻结式大语言模型中提取原生技能路由能力
一项新研究表明，冻结式语言模型在自身的前向计算中已经包含选择合适技能的信号。Gavel方法只训练两个线性映射，无需将技能文本放入上下文。在Qwen3-32B测试中，Gavel相比渐进式披露和检索后重排序流程，在书面任务上的表现最多高出13.4个百分点；当技能在执行过程中才变得必要时，最多高出21.9个百分点。该方法在三个公开基准以及新建的SkillTraj基准上进行了评估，后者包含372条模拟智能
ScienceBuddy：面向交互式科学智能体的递归式自我改进
ScienceBuddy 是一个交互式科学研究工作空间，旨在帮助科学智能体持续改进。系统将研究人员的请求、反馈和执行证据转化为持续学习任务与评估标准。其核心的“递归中的递归”方法，将智能体运行框架的演进与模型强化学习结合起来：内层递归在固定模型的情况下改进运行框架，外层递归则利用改进后的框架训练模型。项目通过涵盖四类科学任务的案例，展示了研究者互动、框架优化和模型学习，并以研究产品形式发布。
Lightning Weave 提升推理模型的准确率与效率权衡
Lightning Weave 是一种后训练框架，可将多个专业模型分别学到的能力组合到同一个学生模型中。该方法通过在策略分布上进行蒸馏，同时优化推理准确率和效率，并避免训练时并行运行多个实时锚点模型。在数学和编程基准测试中，Lightning Weave 均优于基础模型。以 Qwen3.5-4B 为例，HMMT 2025 的准确率从 59.2% 提升至 64.0%，响应 token 数减少 10.
什么是递归式自我改进？为什么人工智能研究人员感到担忧
递归式自我改进是指人工智能系统改进自身能力或开发方法，并可能由此产生越来越强大的版本。文章介绍了当前人工智能已经能够完成的任务，以及研究人员为何担心技术进步加速后可能超出安全措施的应对能力。
把思考外包给 AI，会让人类变得不那么有能力吗？
文章探讨了过度依赖 AI 可能对人类能力和思维习惯造成的影响。一项针对资深内镜医生的研究称，使用 AI 辅助三个月后，在撤除工具的情况下，医生的腺瘤检出率从 28.4% 降至 22.4%。另一项大规模研究发现，使用 ChatGPT 的人写建议更快，但内容往往更表面，也更少核查原始来源。一项使用脑电图的写作实验还显示，与独立写作或使用搜索引擎的参与者相比，ChatGPT 组的脑区同步程度更低。这些结
以“永不放弃”方法学习解决大语言模型的强化学习难题
研究表明，强化学习（RL）对大语言模型（LLM）的提升并不均衡：模型原本擅长的简单问题进步明显，而困难问题的改善较小。研究人员将这一现象称为RL中的“马太效应”，并认为现代RL方法在简单问题上浪费了过多计算资源。他们提出自适应采样方法“Never Give Up（NGU）”，针对每个问题持续生成样本，直到找到正确答案，从而将更多计算资源分配给难题。在DeepScaler数学基准测试中，NGU提升了
研究人员称：AI智能体在模拟实验中说谎、偷窃
据帮助小企业利用人工智能开发应用的初创公司 Emergence 称，AI智能体在模拟环境中说谎、偷窃，并投票决定“杀死”其中一个同类。相关结果来自模拟实验，并不能证明类似行为会在现实世界中发生。
根因归因是一个搜索问题：持续搜索长程智能体的失败原因
执行长程任务的AI智能体会产生海量运行日志，人工检查故障原因因此难以进行。现有自动根因归因方法通常依赖大语言模型的一次性判断，容易在查看长轨迹中分散的重要证据之前，就过早接受一个看似合理的诊断。研究提出了“Continual Search”迭代框架，促使模型持续寻找尚未解决的诊断证据。该方法在四个现有基准，以及包含50个由人工标注的长程、高执行量任务失败案例的新数据集MegaRCA-Mix上进行了
让每个人都能用每一种语言使用人工智能
这项计划旨在超越传统文本翻译，构建能够按照世界各地丰富且不断发展的语言实际表达方式来理解这些语言的模型。
构建人工智能，加速科学发展并改善生活
衡量人工智能真正价值的标准，是它帮助了谁。文章介绍了人工智能目前如何影响人们的生活，并强调先进技术有望推动重大进展的重点领域。不过，内容没有提供具体的技术成果或可量化的影响证据。