Jeva：从第一性原理构建 System 1 模型
Jeva 是一种用于低延迟直接决策的架构。它分别编码请求和选项，并针对几项结构性要求进行设计：决策不应受选项顺序影响，能够处理规模不同的候选集合，并可明确输出“无适用答案”。复用选项相关计算还可降低重复请求的延迟。评估显示，Jeva 几乎能完美检测答案缺失，在测试过的排列下决策始终不变，并可扩展至数千个候选项。
AI 新闻中心
AI 新闻中心 过去24小时分析了 230 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。
米塔尔：应在事故发生前制定人工智能监管规则
印度企业家苏尼尔·巴蒂·米塔尔呼吁立即建立人工智能监管框架。他警告，各国政府不应等到失控的人工智能代理引发严重事件后才采取行动。
Sunil Mittal警告：人工智能发展速度超过监管步伐
Sunil Mittal表示，各国政府难以跟上人工智能快速创新的步伐。他认为，监管应建立必要的防护措施，同时避免抑制创新。
WAVE-0以轻量级潜在未来预测连接VLA策略与WAM
WAVE-0为视觉-语言-动作（VLA）策略加入轻量级世界模型，通过预测未来状态来指导动作生成。其2.57亿参数模型将潜在动作计划转换为预测的未来表征。训练直接使用真实机器人动作和反事实排序目标，无需像素重建或大规模视频预训练。WAVE-0在RoboTwin 2.0和LIBERO上的成功率分别为91.47%和98.7%。在真实任务中，π₀.₅的成功率从38.3%提升至73.3%。结果表明，该方法提
ReTerm：面向自我改进终端智能体的恢复训练
终端智能体能够处理复杂的编程任务，但在长时间运行时，往往难以从错误中恢复。ReTerm利用智能体自身失败的任务进行训练，并采用ReTerm-10K数据集和在线强化学习算法ReTerm-GRPO。基于Qwen3.5-9B构建的ReTerm-9B，在Terminal-Bench 2.0上取得34.8%的Pass@1，比基础模型高14.6个百分点。代码、数据和模型均已公开。
Urbex：面向城市级 3D 场景的智能体空间定位
Urbex 是一种视觉语言框架，将城市级 3D 场景中的目标定位建模为主动空间搜索，而非对预先生成的候选项进行排序。其 VLM 智能体可在交互式场景中查询地标、放大局部区域、渲染倾斜视角，并确定目标边界框。研究人员在 CityRefer 上通过强化学习优化其工具使用策略。实验显示，Urbex 在 CityRefer 的 Hit@1 和 IoU 指标上表现最佳，无需预先提供候选项即可完成定位，速度也
苹果 iPhone Duo 国行备案新增大模型编号：Apple 智能、通义万象、通义千问
苹果折叠屏手机 iPhone Duo（型号 A3721）的国行备案信息更新，新增 Apple 智能、通义万象和通义千问的大模型备案编号。该设备于 9 月 2 日获得试用批文，并于 9 月 29 日换证。阿里巴巴表示，通义千问将集成至 Apple 智能，为中国用户在 iOS、iPadOS、macOS 和 visionOS 上提供文本与图像理解、内容生成等能力。iPhone Duo 国行版将于 10
低成本人民币债务为中国企业的AI融资带来优势
腾讯正加大利用低成本离岸人民币债务，为其人工智能基础设施提供资金。这是中国领先科技企业利用融资优势与全球竞争对手竞争的最新案例之一。
VEDJE：面向可扩展视频文本检索的高效联合编码器
VEDJE 压缩采样视频帧的特征，同时将各自的表示分别存入可复用缓存。通过预测特征变化提供辅助训练信号，提升检索效果，且不增加查询时的计算开销。在 MSR-VTT、MSVD、DiDeMo 和 ActivityNet 上，该方法在两个检索方向的 R@1 均优于相当的第一阶段检索器。使用微调后的 VideoCLIP-XL 作为第一阶段模型时，VEDJE 在 MSR-VTT 的文本到视频检索 R@1 达
AesCode：通过解耦跨模态奖励生成美观代码
AesCode旨在提升用于生成幻灯片、海报和仪表盘等视觉内容的代码质量。该方法将根据同一提示词生成的参考图像用作美学指导，并以设计图表示目标布局。确定性验证器负责评估可从代码和渲染结果中核验的属性；视觉语言模型则依据与设计图相匹配的评分标准判断其他视觉特征。训练采用强化学习，并对不同奖励通道分别进行归一化。在评测中，与使用相同参考图像、规模相当的Qwen3-VL基线相比，AesCode-8B和Ae
Tev：以密集进度奖励扩展长时程智能体
Tev-Gym 提供涵盖七个领域的 1,170 个经过验证的任务环境，并为长时程智能体训练引入逐步进度奖励。Progress-Potential Reward Shaping（PPRS）将任务进度转化为每一步的密集奖励。作者称，使用该方法训练的 Tev-27B 在 Agents’ Last Exam 的计算机科学与数学领域中，Pass@5 表现可与 GPT-6 Astra 和 Claude Opu
VideoJev：用于视频理解与交互的 System 1 模型
VideoJev 是一系列将视频理解与交互建模为结构化决策任务的模型。它不再以自回归方式生成答案，而是通过共享输出头，依据视频证据为时间区间和文本选项打分，将时间定位与选择题式视频问答统一起来。对于重复或多个查询，系统可以复用视觉计算。在三个时间定位基准测试中，VideoJev-4B 和 VideoJev-35B-A3B 的平均 mIoU 分别比各自的基础模型高 6.7 和 10.8 个百分点，推
学习如何记忆：为 GUI 智能体选择记忆模态
一项系统研究考察了基于视觉语言模型（VLM）的 GUI 智能体如何利用过往交互经验。在三个 GUI 基准测试中，文本或视觉记忆哪种形式更合适，取决于具体交互步骤。研究团队提出 SwitchMem 路由框架，可在每一步动态选择记忆形式；其表现优于采用固定记忆表示的基线方法。代码和项目资源已在线提供。
AI热潮带动需求，阿斯麦上调全年销售预期
阿斯麦控股公司上调了2026年销售额预测的下限，这是该公司连续第三个季度上调预期。这家荷兰公司表示，人工智能支出增长推动了其芯片制造设备需求上升。
Multics：采用层级通信的多人生成式世界模型
Multics是一种面向多人互动世界的视频生成框架，将信息交换划分为玩家、群组和全局三个层级。群组令牌汇总局部相关信息，并减少无关事件之间的干扰。系统根据近期摄像机轨迹动态分组，以限制不必要的通信。实验显示，Multics在4人和6人场景中取得当前领先表现；使用4人场景训练的模型无需重新训练，即可推理6人、8人和10人场景。与完全连接式通信相比，该方法还降低了自注意力计算量。