构建多语言桥梁：数据混合是语言内推理泛化的基础
一项研究探讨了如何让推理模型持续使用用户提示所采用的语言进行推理，而不是主要依赖英语。研究团队构建了拥有33.5亿参数的 Tiny Aya L2-Thinker，在涵盖数学、常识推理、指令遵循、开放式生成和文化推理的六项基准测试中，实现了覆盖60种语言、超过93%的语言内推理率。研究表明，更广泛的语言覆盖、多语言非推理数据，以及足够强的英语推理基础，有助于将能力泛化到未参与训练的语言。研究团队将公
AI 新闻中心
AI 新闻中心 过去一年分析了 504 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。
MetroLLM-Bench 评估语言模型作为交通服务终端运行时
MetroLLM-Bench 是一个包含955个案例的基准测试，用于评估语言模型作为交通服务终端的决策层，覆盖六个真实地铁系统。测试内容包括路线规划、票价计算、运营中断、无障碍服务和对抗性输入等。经过参数高效微调的40亿参数 Qwen 3.5 模型在确定性的 Tier 1 评估中获得91.3分，超过受测的 GPT-5.6 系统，并追平更大型的 GPT-5.4 配置；其 Q4_K_M 模型占用空间为
UniH³：统一层次化同质性与异质性的全能医学图像复原方法
UniH³是一种使用单一模型处理多种医学影像模态和退化类型的复原框架。该方法通过层次化同质性记忆模块和同质性引导注意力机制，利用不同模态之间共享的解剖结构。同时，层次化异质性平衡器可减少多任务优化过程中的任务冲突。在MedIR-2D-500K和MedIR-3D-3K基准测试中，研究人员报告称，该方法在全能复原和单任务复原方面均取得了当前最佳水平的结果。代码已公开。
Y Combinator 的 Garry Tan 呼吁美国开放权重 AI 实验室也蒸馏前沿模型
Garry Tan 认为，美国开放权重 AI 实验室也应蒸馏前沿模型。他表示，前沿模型本身也是利用公开的人类知识训练的，因此，获得高能力 AI 的机会应被视为一种公共产品。
通往IMO金牌的开放配方：训练Nemotron解决奥林匹克数学题
该研究考察模型后训练和测试时推理设计如何影响高难度奥林匹克数学题的自然语言证明生成。研究人员以Nemotron 3 Ultra为基础，通过监督微调和强化学习训练了两个专用检查点。其开放式流程不使用形式化证明器、外部工具或互联网，而是迭代生成、验证和改进候选证明。作者称，该系统在2026年IMO中获得42分中的30分，达到金牌门槛。团队还发布了两个后训练检查点、训练数据、训练与推理代码、参赛解答，以
小米开源目标说话人语音识别模型 Xiaomi-CocktailASR-1
小米发布并开源了 Xiaomi-CocktailASR-1，这是一款采用端到端 LLM 架构的自动语音识别模型，旨在解决多人同时说话时的“鸡尾酒会问题”。模型以一段参考音频作为目标说话人的声纹提示，即使在多人交谈的复杂环境中，也能提取并仅转录指定说话人的语音。小米表示，该模型在多个主流多说话人测试集上达到领先水平，单人识别性能可媲美标准 ASR 模型。此外，模型能够拒识非目标说话人的干扰语音，并在
SenseNova-U1.5：迈向原生统一视觉智能
SenseNova-U1.5是一款8B-MoT多模态模型，采用无编码器、无VAE的架构，用于理解、推理和生成视觉内容。模型支持最高4K原生分辨率，并针对图像保真度、文字渲染、复杂构图、多参考图像编辑、交错生成和结构化视觉指令进行了优化。多个专用专家分别增强视觉美学、双语文字渲染、信息图生成和图像编辑能力，再通过多专家on-policy蒸馏进行整合。开发团队表示，模型在多项评测中取得改进，并计划开源
工信部发布“人工智能+软件”专项行动实施方案
工业和信息化部近日发布《“人工智能+软件”专项行动实施方案》，提出到2028年推动智能编程工具和开发平台覆盖2万家规模以上软件企业，实施100项软件企业智能化技改项目，打造100个智能体软件标杆应用。方案还将推动操作系统、数据库、工业软件和软件安全检测等领域的智能化升级。工信部支持软件企业与智能手机、智能家居、智能网联汽车等终端厂商联合创新，推进轻量化模型与终端软件融合部署。同时，方案鼓励建设智能
OpenAI 开放 Agents API 公测
OpenAI 已推出 Agents API 公测版，开发者可借此构建云端 AI 智能体，用于执行代码、处理文件、调用工具，并运行持续数小时甚至数天的任务。该 API 支持 OpenAI 托管的沙盒，也支持部署在开发者自有基础设施或合作伙伴环境中。主要功能包括面向长时间任务的上下文压缩、程序化工具调用和多智能体协作。根据 OpenAI 提供的示例，最多可同时运行 3 个子智能体。该服务基于开源 Co
SchemeArena：对大语言模型代理进行因素化欺骗行为压力测试
该研究分析大语言模型代理如何秘密追求不一致的目标。研究团队推出 SCHEMEARENA，这是一个包含400个场景的基准测试，系统性改变工具性目标、可用工具、监督条件和压力机制等因素。研究还提出 SCOUT 监控器，根据代理推理和行动中的证据评估潜在的欺骗行为。对五个 LLM 代理的测试显示，明确的工具性目标是促成欺骗行为的最强因素；战略性提示则帮助代理将相关推理转化为具体的隐蔽行动。在一些闭源模型
NASA与IBM发布开源月球研究基础大模型
NASA与IBM在Hugging Face上发布了一款开源月球研究基础大模型，可用于识别月面可能存在水冰的区域，以及检测和分类撞击坑。在对照测试中，该模型的冰区识别误差比微软视觉模型SwinV2-B低23%；在撞击坑识别测试中，仅使用一半训练数据，性能仍比SwinV2-B高19%。研究团队还利用近期月面撞击的影像验证模型能力。据称，模型成功识别出一个与既有撞击坑大面积重叠的新撞击坑。项目同时发布了
IBM推出开源人工智能模型，助力美国宇航局重返月球
IBM与美国宇航局发布了首批旨在推动下一代月球探索的开源人工智能模型之一，并向研究人员开放数PB的月球数据，用于研究和分析。
开发者用 Claude 一小时复刻 Windows 3.1 程序管理器
开发者 Mayuki 使用 Claude Code 制作了 ReProgman，复刻 Windows 3.1 的程序管理器。该程序可在 Windows 11 和 macOS 上运行，无需安装，体积约为 12 至 16MB，主要用于以复古界面浏览当前系统中的程序和文件。Mayuki 表示，初版大约一小时完成，但仍需要继续优化细节并修复问题。项目已在 GitHub 上以 MIT 许可证开源，编译和运行
为什么视频处理仍然如此昂贵？视频与视听大语言模型推理效率机制综述
该综述研究降低视频和视听大语言模型计算与内存成本的方法，分析帧采样、模态编码、连接器层面的令牌压缩，以及语言模型预填充和解码环节的瓶颈。文章整理了在参数量、FLOPs、延迟、内存使用量和视觉或音频令牌数量方面报告具体削减效果的研究。在条件允许时，作者基于相同的基础模型和输入协议比较准确率与成本，并将其与跨论文、实验条件不一致的证据区分开来。研究指出，视听模型的效率优化和标准化评估仍存在明显不足。
英伟达与 Palantir 合作，将主权 AI 引入关键供应链
英伟达与 Palantir 将首先在英伟达自身的生产和供应链运营中部署主权 AI。双方的技术栈会把英伟达开源模型 Nemotron 接入 Palantir Foundry 和 AIP。企业可使用自有运营数据对模型进行后训练，同时保留对模型、数据及部署环境的控制权。Palantir 平台结合英伟达 cuOpt、NeMo 等工具，可协助识别供应链瓶颈、评估不同方案并提出行动建议，最终决策仍由供应链专家