超越模仿：根据推理进展筛选在线蒸馏信号
研究人员提出R2-OPD，以解决语言模型后训练中在线蒸馏（OPD）的一项局限。标准OPD将教师模型产生的奖励视为推理进展的可靠指标，但有些偏离教师输出的推理步骤实际上更有助于解决问题，却可能因此获得较低奖励。R2-OPD分别依据教师奖励和独立估计的推理进展，对同一轨迹中的推理片段进行排序。当两种排序不一致时，该方法会抑制相应的蒸馏信号，同时保留有效的教师指导。作者报告称，与标准OPD相比，该方法能
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。
ReWorld：具备长时记忆的交互式世界模型
ReWorld是一种交互式世界模型，能够跟随用户操作、记住曾展示过的地点，并实时生成视频。其训练过程将短期控制与长期记忆分离：大多数注意力头关注近期历史，少数全局注意力头则访问完整历史。推理时，模型将有容量限制的KV缓存与按相机姿态索引的地标库结合，用于检索靠近当前位置的历史信息。训练数据涵盖Unreal渲染场景、游戏环境和真实世界视频，并统一到相同的物理动作尺度。通过蒸馏，采样步骤减少到4步，使
Prime Agent：可自我改进的 RLM Harness
Prime Agent 是一个开源 harness，用于评估长时程 AI 智能体并支持编程智能体工作流。它将基于递归语言模型概念的持久化 IPython REPL，与可在多次运行轨迹之间保留历史、记忆、技能、提示词和子智能体规范的持续型 harness 结合起来。递归子智能体可以直接通信，Agents View 则允许人工检查和管理由后台服务支持的会话。该系统统一执行、恢复、验证和资源核算，同时将
同一代理，不同答案：审计检索增强问答中由语料库变化引发的答案波动
一项研究发现，检索增强问答系统扩展索引后可能生成不同答案，即使模型标识符、提示词、检索策略和生成设置均保持不变。研究人员提出“快照兼容性审计”，用于区分同一快照重复运行时的正常差异，以及不同索引版本带来的变化。在一项针对400道 Natural Questions 题目的预注册研究中，额外的语义答案波动达到10.25个百分点，而精确匹配准确率仅变化-1.50个百分点。TriviaQA也出现幅度较小
RISE：面向世界行动模型的自适应想象机制
RISE 是一种面向世界行动模型的自适应框架，根据继续模拟未来场景对规划的预期收益，决定是否进行后续 rollout。Latent Evaluator 会评估当前 rollout 前缀揭示的风险，以及继续想象可能带来的规划改进空间；Rollout Gate 则在预期收益与额外计算成本之间进行权衡。研究团队还构建了反事实驾驶数据集 CounterDrive，涵盖多样化结果和风险等级。在 NAVSIM
TLive-Omni：面向电商直播的全模态理解模型
TLive-Omni是一种面向电商直播的全模态理解模型，可统一处理语音、视频、商品图片、叠加文本和用户查询。其Per-vGrid方法通过带时间戳的令牌组织，将视频片段与对应音频进行时间对齐。模型采用三阶段监督训练流程，并引入Faithful-RFT强化微调，以在满足实时要求的同时提升回答的忠实度和表达质量。系统还包括面向具体场景的数据生成引擎，以及用于大规模训练的高效采样策略。实验结果显示，该模型
Apodex 1.1：扩展面向复杂工作的智能体能力
Apodex 1.1旨在提升人工智能执行复杂长期任务的能力，将语言模型的推理与文件、搜索信息源及可执行代码的持续交互结合起来。该系统同时扩展可验证工作环境的多样性，以及多智能体协作能力，包括拆分任务、并行处理、整合异步结果和重新规划。共享执行框架与AgentOS负责维护任务状态和结果来源。开发团队称，Apodex在专业工作、金融、科学研究、数学、编程和搜索等领域达到领先性能水平。拥有350亿参数的
Lady Gaga男友布局生物科技：用活体皮肤训练AI，探索美妆研发
由Lady Gaga伴侣迈克尔·波兰斯基共同创立的生物科技初创公司Outer Biosciences，正在将活体人类皮肤组织与人工智能结合，用于化妆品和药物研发。公司使用整形手术后原本可能被丢弃的捐赠皮肤组织，并称在伦理审查和捐赠者知情同意的前提下，可通过专有营养系统让组织在体外维持最长一个月。其AI模型旨在预测尚未测试的化合物是否能改善特定皮肤功能，再将实验结果反馈给模型，用于下一轮测试。公司不
研究发现超七成英语生物医学论文已使用 AI 辅助写作
Lena Holzwarth 带领的研究团队分析了 PubMed Central 上超过 119 万篇英文生物医学论文。研究人员通过识别与 AI 使用相关的高频词，并结合数学模型进行估算，认为 2025 年约 77% 的论文存在 AI 辅助写作或编辑的特征，高于 2023 年的 19% 和 2024 年的 52%。AI 使用迹象在讨论和摘要部分最为常见；在韩国、中国等非英语母语地区，比例超过 80
斯坦福研究发现：人工智能对入门级工作冲击最大
斯坦福大学的一项研究显示，在受人工智能影响较大的领域，年轻人的就业人数降幅比人工智能影响较小的职业高出19%。
无需极端数据生成极端事件情景
一种新算法能够学习预测前所未有的情景，帮助识别关键基础设施和全球供应链最缺乏应对准备的风险。
Michael Polansky 用活体人类皮肤训练人工智能模型
Michael Polansky 是Lady Gaga的伴侣，也曾担任Sean Parker的高级副手。据报道，他已秘密筹建一家人工智能初创公司多年。该公司能够让活体人类皮肤组织在体外存活数周，以发现新的护肤化合物。公司目前才首次对外公开这一项目。
PhysCaP：通过物理信息探索增强 Code-as-Policy 智能体
PhysCaP 是一种面向机器人操作主动感知的物理信息驱动 Code-as-Policy 智能体。它引入探索层，通过交互并利用机器人的本体感知信息，在无需额外传感器的情况下估计物体的质量、刚度等隐藏物理属性。规划器负责决定何时探索以及何时停止，优先级模块则过滤不合理的交互并为其余动作排序。在真实桌面操作任务和 LIBERO 仿真环境中的评估表明，PhysCaP 以更少的交互次数和更短的执行时间，取
为什么精准天气预报仍然困难，以及实时数据为何重要
人工智能正在加快天气预报速度，但即使是最先进的模型，也可能难以准确预测快速变化的局地天气。实时数据对于改进短期和区域性天气预报仍然至关重要。
基于同伴投票的 LLM 代理压力测试发现信息流促成词汇趋同，但未发现分布式来源的可靠优势
一项涵盖448次试验、四个开放权重模型系列的预注册研究，考察了合成 LLM 代理群体中的社会动态。由同伴点赞排序的代理帖子信息流，确实提高了代理最终回答的词汇相似度。然而，四个分布式来源并未比单一来源更可靠地改变代理立场。稳健结论是，在受测的同伴排序信息流下出现了语言趋同，而不是普遍的意见操控或协调优势。该研究仅评估合成代理，不代表对人类或实际运营平台影响的估计。