Feyospace-v1：“网络安全七人组”如何训练前沿网络安全模型
Feyospace提出了一种以数据为中心的开放权重网络安全模型后训练方法。五个系统分别用于分析隐藏的推理特征、降低教师模型采样成本、绕过教师模型执行限制、恢复模型合并造成的能力损失，以及将专家干预转化为可训练的推理数据。其数据引擎构建了可重置的编程、漏洞、CTF、内核历史、完整漏洞利用、固件和设备环境。经过执行验证与证据审计后，研究团队使用164,269条轨迹进行长上下文监督微调。团队称，三个检查
AI 新闻中心
AI 新闻中心 过去一年分析了 1377 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。
百图生科与华大智造合作构建专属细胞基础模型
百图生科与华大智造签署战略合作协议，将共同开发专属大型细胞模型。项目旨在建模细胞状态、预测细胞对生物扰动的响应，并建设高质量数据基础设施。双方还将探索融合实验设备、AI模型和智能体的一体化产品。华大智造将提供测序和实验室自动化设备，百图生科则贡献生命系统AI建模能力。合作意在打通从数据生成、模型训练到科研流程的链路。不过，目前双方尚未公布具体性能指标、可用模型或商业化产品。
京东发布可交互视听世界模型 EchoWM，并将其开源
京东在 JDD 大会上公布了 JoyAI-Echo 系列的新进展。JoyAI-Echo1.5 主打超过 10 分钟的音视频连续生成。京东表示，其 Memory Bank 架构可在长时段生成中保持人物形象、声音和故事线的一致性；使用两张 H200 GPU 时，可在 480P 下平均每秒生成 24 帧。开源的 EchoWM 将视频、环境音、音乐和语音的原生生成与用户控制结合起来，支持第一人称导航、摄像
智能体为何在长任务中失忆跑题：AWS、Claude Code 与 Manus 采用的四套框架机制
长时间运行的智能体频繁失败，问题往往不在模型本身，而在包裹模型的执行框架。AWS、Chroma 及多家智能体框架的分析总结出四种维持任务连续性的机制：上下文预算与外部卸载、压缩、任务状态管理，以及跨会话记忆。单纯扩大上下文窗口并不能可靠解决问题，因为输入越长，模型的可靠性可能越低。Claude Code 和 Deep Agents 会将大型工具输出写入外部存储，压缩对话并保留关键决策；Manus
Benchmark Radar：面向 AI 基准测试与评估的持续更新数据库和搜索引擎
Benchmark Radar 是一个持续更新的数据库和搜索引擎，用于查找和评估大型语言模型及其他 AI 系统。平台覆盖语言模型评估、智能体与工具使用、编程、推理、安全以及特定领域评估。系统每天发现论文、代码仓库、数据集和发布内容，并将其与来源、引用、模型卡、技术报告及历史得分关联，方便用户核查评估证据。目录目前包含 1,283 条来源记录，以及覆盖 790 条记录的 12,916 个数值观测。项
COBRA-Skills 利用上下文 bandit 优化智能体技能
COBRA-Skills 是一种高效优化大语言模型智能体可复用技能的框架。它将上下文 bandit 优先级分配与基于证据的技能演化相结合，把评估资源集中到更有潜力或更具信息价值的候选项上，并根据执行反馈持续改进技能集合。在六个异构智能体基准和三个目标模型上，COBRA-Skills 的平均性能均为对比方法中最高。同时，该方法仅使用每个基准 50 个独特的优化样本，相较 SkillOpt 将优化成本
SNAP3D：从单张图像生成具有物理基础的可组装三维零件
SNAP3D是一种由物理模拟引导的框架，可从单张图像生成适合组装的三维零件。该方法能够解决零件之间相互穿插的问题，恢复相邻零件的接触关系，并在接触面加入参数化连接件。系统利用物理模拟反馈优化连接件的位置、方向和尺寸，在保持生成几何形状的同时提高组件在重力作用下的稳定性。研究还提出了一套基于物理的评估流程，用于补充传统几何指标。与多种面向零件的三维生成方法相比，实验显示该方法提升了物理可实现性和稳定
SAS：通过端到端优化上下文排序实现简单注意力稀疏化
SAS 是一种面向预训练 Transformer 的稀疏注意力方法，通过语言模型损失直接优化上下文选择。与仅根据密集注意力权重对 token 或区块进行排序的方法不同，SAS 在训练期间将选择器的连续分数注入注意力 logits，使其能够通过标准反向传播进行更新。该方法在注意力 softmax 内使用对数形式的门控，并通过归一化门控平衡历史上下文与始终保留的当前区块。研究团队还实现了节省内存的 T
打破视觉—动作捷径：面向可泛化机器人基础模型的潜在接口训练
机器人基础模型在训练分布内通常表现良好，但遇到视觉分布变化时性能容易下降。研究提出潜在接口训练（LIT），旨在减少模型对“视觉—动作捷径”的依赖，即利用与任务无关、却在训练数据中与动作相关的视觉线索。第一阶段不使用图像，让动作专家根据语言、机器人状态以及示范动作片段的末端执行器终点位姿，学习生成面向目标的动作序列。第二阶段引入经过位姿监督的潜在接口，融合视觉和语义表示，并作为动作专家唯一的视觉条件
vLLM-Omni 与 FastH3 助力 MiniMax H3 迈入实时服务时代
vLLM-Omni、通用 H3 服务架构与 FastH3 组成的优化方案，针对 MiniMax H3 视频生成部署中的端到端延迟进行系统改进。方案涵盖长序列注意力与通信优化、融合 DiT 算子、并行 VAE 解码、紧凑输出传输和并行 MP4 构建等。在 8 卡 B300 测试中，完整响应延迟较 Diffusers 降低 30.8%。FastH3 还将 DiT 前向计算次数从 49 次减少至 4 次
两名高中生称借助AI攻克菲尔兹奖得主研究过的数学难题
美国加州橡树园高中两名学生在arXiv发布了一篇75页的预印本，称解决了长期存在的洛伦兹多项式有界比率问题。该问题曾由菲尔兹奖得主许埈珥研究，但此前未获完整解决。两人在一名UCLA博士后的指导下，使用Claude Opus 5和GPT-5.6 Sol进行数值计算、获取推导思路并编辑论文。研究团队表示，关键逻辑推导和结果核验均由三名研究者独立完成，AI仅作为辅助工具。论文声称将二次多项式的相关结论推
评论：我们需要一门研究人工智能心智的科学
不，人类并没有注定走向毁灭。但人工智能模型的发展速度已经超过了我们理解其工作机制和能力的速度。文章主张建立一个专门、系统地研究人工智能系统的科学领域。
你的口音是否已成为安全漏洞？
一项新研究表明，当诈骗者利用人工智能逼真地模仿受害者的声音时，人们更容易落入诈骗陷阱。
蚂蚁灵波开源三款 LingBot-World 2.0 世界模型
蚂蚁灵波科技进一步开源三款 LingBot-World 2.0 模型：1.3B 参数的 Small、Bidirectional，以及 Causal Pretrain。LingBot-World 2.0 是实时交互世界模型，可连续生成场景，并响应攻击、射箭、施法、射击等角色动作，以及下雨、下雪等环境事件。Small 版本面向消费级单卡 GPU 设计，旨在支持本地实时生成。Bidirectional
谷歌 DeepMind 安全研究员离职，警告 AI 五年内造成重大危害的风险极高
谷歌 DeepMind 通用人工智能安全团队研究员乔希·恩格尔斯已离职，转而加入独立 AI 评估机构 METR。他表示，未来五年内 AI 系统造成灾难性危害的概率“高得吓人”。恩格尔斯尤其担心递归自我提升，即 AI 系统协助开发能力更强的后继模型。他警告，如果对齐和安全技术无法跟上模型能力增长，风险可能进一步上升。他还提到 AI 欺骗、入侵企业、隐瞒行为和社会工程攻击等相关报告，但这些事件对行业整