Manus正式恢复独立运营，创始人及团队继续留任
AI智能体公司Manus宣布正式恢复独立运营。由创始人肖弘（Red Xiao）、首席科学家季逸超（Peak Ji）和联合创始人张涛（Hidecloud）组成的创始团队将继续领导公司。此前，Manus曾变更运营主体，导致部分用户需要备份和恢复数据，并经历临时访问中断。已完成备份但尚未恢复数据的用户，可通过恢复门户进行操作，且没有截止期限；未受影响的用户无需采取任何行动。Manus表示，未来将继续推进
AI 新闻中心
AI 新闻中心 过去24小时分析了 159 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。
小米在澎湃 HyperOS 4 中焕新超级小爱交互体验
小米宣布为澎湃 HyperOS 4 中的 AI 助手超级小爱带来全新交互体验。新版通过轻量动效提供实时反馈，任务可在超级岛上持续运行，思考结果也会自动展开并清晰呈现关键信息。此前发布的超级小爱 8.2 已支持自动识别号码以及根据实时气温调节车内设置的语音指令功能。该更新将面向澎湃 HyperOS 4 Beta 用户分批推送。
科大讯飞旗下词元星火开源两款全新端侧模型
科大讯飞全资子公司词元星火宣布推出并开源两款面向端侧设备的通用人工智能模型：星火X2.5-4B和星火X2.5-1.7B。公司表示，两款模型原生支持最长达100万Token的上下文窗口。这一能力有望让更小型的设备在本地或离线环境中处理长文本、大量数据以及长期复杂任务。不过，公告未提供独立基准测试结果，也未公布具体硬件需求。
中国人工智能实验室MiniMax谈业务战略
中国人工智能实验室MiniMax联合创始人兼总裁Yeyi Yun在高盛亚洲领袖会议期间，谈及公司的业务战略。目前的简介未提供有关新产品、融资或重大战略调整的具体信息。
OpenAI支持加州推进青少年人工智能安全的法案
OpenAI支持加州参议院第1119号法案。该法案旨在为青少年使用人工智能提供强有力且符合年龄特点的保护措施，同时保留学习、创作和探索的机会。
从1.5TB压缩至214GB：腾讯开源混元Hy4 Preview轻量版
腾讯混元团队发布了Hy4 Preview轻量版。这款混合专家（MoE）语言模型总参数量达7700亿，通过Sherry稀疏三值量化算法和MIX-STQ1_0混合精度策略，将模型权重从接近1.5TB压缩至约214GB。在长文理解等主要任务上，轻量版整体保持稳定表现；MCP Atlas得分从83.7降至83.2，SWE-Bench Multi从82.9降至81.3。腾讯与prima.cpp的测试显示，使
男子听信 AI 抄近道下山被困深山，最终获救
中国宁波一名57岁男子向 AI 询问下山路线，并按照建议避开溪床、前往较高处的山坡。但当地灌木茂密、坡陡湿滑，行进难度不断增加。男子多次折返后体力耗尽，只能报警求救。消防人员通过实时位置共享重新确定搜救方向，最终找到他并将其安全护送下山。脱险后，男子告诉 AI，自己本应直接沿导航提示的成熟路线下山；AI 也承认，如果当时跟着导航走，就不会在陡峭的野沟中遭受这么多罪。事件说明，在涉及人身安全的户外导
用于强化微调的动态重要样本挖掘
强化微调（RFT）越来越多地用于提升大型模型的推理能力，但其效果很大程度上取决于训练数据的选择。现有多数数据中心型RFT方法采用静态或启发式样本选择，忽略了样本价值会随着策略学习过程发生变化。Dynamic Important Example Mining（DIEM）提出了一种在RFT过程中自适应利用数据的框架。该方法通过梯度对齐估计每个样本对策略改进的边际贡献，并在保持梯度幅度的同时重新调整批次
归一化低秩适配
研究人员提出了归一化低秩适配（NoRA），旨在提升 LoRA 训练的稳定性和效果。NoRA 可在训练过程中，或仅在初始化阶段，对下投影矩阵进行归一化。作者表示，该方法在预训练、监督微调和强化学习中能够加快收敛、提升性能与训练稳定性，并缓解灾难性遗忘。NoRA 不需要增加可训练参数，也不会带来额外的推理计算。
DreamX-Creator 推动 2K 原生音视频生成普及
DreamX-Creator 1.0 是一套可联合生成视频和音频的紧凑型系统。其 70 亿参数生成器先分别处理视觉与音频流，再通过带门控的跨模态注意力机制进行耦合。系统采用经过筛选的时序一致多模态数据、渐进式联合训练，以及利用模态感知反馈的强化学习。针对 2K 输出，团队设计了一个精炼流程，将模型压缩为每个时间片段只需进行一次去噪评估。开发团队公开了 7B 生成器和 2K 精炼器，以支持统一音视频
GenFirst：先生成后重建，实现稳定的端到端潜在生成建模
潜在生成模型通常采用两阶段训练：先用变分自编码器学习重建，再在冻结的潜在空间中训练生成模型。研究人员指出，为重建优化的潜在表示不一定适合生成。分析表明，KL 散度目标中的熵项对于防止潜在空间坍塌至关重要，同时重建的学习速度更快、监督更强。GenFirst 因此先通过生成目标塑造潜在空间，再逐步加强重建，以恢复视觉细节。在 ImageNet-256 上，SiT 使用 CFG 时取得 0.97 的 g
Matrix-Game 3.5借助Patch Memory增强实时流式交互世界模型
Matrix-Game 3.5是一种用于实时生成持久虚拟环境的交互世界模型。新版本引入结合Patch Memory与tiled-PRoPE的几何感知记忆框架，将静态场景几何与动态主体分开建模，并通过两阶段渐进式蒸馏实现快速因果生成。这些改进旨在提升长时间场景记忆、精准摄像机控制、主体一致性和提示词驱动的世界生成能力。模型使用来自Unreal仿真环境、开放世界游戏和互联网视频的数据进行训练，研究团队
基础模型协同架构推动实体智能体实现长时程导航
NavMCP将负责高层推理的视觉语言模型与负责闭环执行语义子目标的导航基础模型结合起来。意图、观测和记忆三个通道使系统能够决定需要寻找哪些证据，将导航过程转化为有依据的轨迹信息，并在多次调用之间保存发现、否定性证据和未解决目标。该方法无需重新训练任一模型，就能把孤立的导航回合转变为持续的具身交互。NavMCP在HM-EQA、MT-HM3D和EXPRESS-Bench上取得当前最佳结果，在HM-EQ
Qwen3.8-Next 架构设计：评估、效率与训练稳定性
该研究介绍了 Qwen3.8-Flash-Next，这是一个拥有 1250 亿参数的稀疏混合专家模型，每个 token 仅激活 60 亿参数。在 14 项预训练基准测试中，该模型有 8 项超过前代 397B-A17B，其余测试最多落后 2.6 分；同时，激活参数和训练 token 数降至三分之一，训练 FLOPs 约为九分之一。其架构结合了 Gated DeltaNet、全局注意力、Qwen Sp
PaperBanana-Interact：通过多轮人类反馈改进科学图表
PaperBanana-Interact研究如何利用多轮人类反馈迭代改进科学图表。研究人员发布了MTPaperBananaBench基准，其中包含292张图像和3,518项经过标注的用户需求，并构建了用于大规模评测的用户模拟器。对现有多轮系统的评估发现了两种常见失败模式：随着轮次增加，图表质量逐步下降的“质量漂移”；以及后续修改丢失此前已实现功能的“遗忘”。PaperBanana-Interact