豆包工作上线数据导入与同步功能，支持从 ChatGPT 等产品迁移
豆包工作推出数据导入与同步功能，用户可从 ChatGPT、Claude Code、Trae Work 等产品迁移任务偏好指令、技能、连接器、工作记忆、项目和历史会话。导入内容会归档至对应入口，历史会话保留原有上下文，可在豆包工作中继续对话。用户还可将特定消息的上下文带入新对话。平台同时新增消息注释和对话摘要侧栏，方便管理和检索信息。
AI 新闻中心
AI 新闻中心 过去24小时分析了 223 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。
一日十年：从面向人类的软件演进中合成智能体原生界面
研究人员推出了 DeskIF-Bench，这是一个评估桌面软件演进如何影响人工智能智能体性能的基准测试。分析指出了三个关键的界面属性：可发现性、粒度和可观测性。在这些发现的指导下，作者开发了 ANIS，这是一个从已安装软件功能中合成智能体原生界面的框架，在提高任务成功率的同时，将在线 Token 消耗量降低了约 73%。
从评分标准到基于证据的判定：结合工具增强评审器的逐点评分奖励
该研究提出 ReVeR，一种逐点评分奖励模型，仅根据指令推导评估标准，并通过工具增强的评审器独立评估回答。研究采用不查看标签的蒸馏方法，构建了包含大规模评分标准推理和评判轨迹的 ReVeR-Traces 数据集。实验显示，ReVeR 在偏好准确率上优于成对式评分模型，尤其在指令遵循方面表现更明显，同时在测试时扩展和下游策略优化中也取得更好结果。研究还指出，评分标准忠实度、偏好准确率和下游策略效用是
EgoExplorer：面向真实环境人类移动操作的视觉、运动与触觉观测平台
EgoExplorer是一套可穿戴采集系统和包含100小时数据的数据集，用于研究人类在真实任务中如何协同完成移动、姿态调整和物体交互。系统重点记录专业活动，将第一视角视频与重建的全身运动、精细手指关节动作、触觉观测以及分步骤描述进行对齐。Calibrate-Complete-Constrain流程可校准传感器安装偏差，补全未观测到的关节运动，并强化时间和几何一致性。与最强基线方法相比，该方法将身体
日立能源CEO谈人工智能、能源安全与电网
日立能源CEO安德烈亚斯·席伦贝克探讨电力基础设施能否足够快速地扩建，以支撑人工智能热潮和工业电气化。他还介绍了公司如何将需求转化为可持续增长，并解释电网为何日益成为国家安全议题。
ExeWorldBench：代码构建可执行 3D 世界的评测基准
ExeWorldBench 用于评估 AI 模型能否根据视觉观察或高层要求，以代码构建可执行的 3D 世界。它同时考察模型对世界结构、机械和因果原理的理解，以及将这些原理实现为行为由物理交互产生的系统的能力。三项任务依次涵盖单个机制、多阶段系统，以及根据目标和物理要求合成可执行世界。对前沿模型的实验表明，现有模型在这类世界建模方面仍存在明显局限。
X-Ragent：通过工具增强强化学习，实现基于证据的胸部X光推理
X-Ragent是一种训练AI模型的框架，使其在解读胸部X光片时有选择地寻找额外证据，并且只在定量测量有效且适用时才加以使用。研究人员构建了包含7,700个样本的数据集，先进行智能体监督微调，再采用强化学习优化。该系统在三个基准测试中均取得最佳成绩，在完全留出的ChestAgentBench上提升了8.6分。这些基准测试结果本身并不能证明其具有临床疗效。
冰箱里的大象：面向长视频理解的恒定内存帧打包方法
视觉语言模型（VLM）处理长视频时，视觉 token 数量通常随视频时长增长，导致内存消耗和推理时间上升。FramePack-U 是一种无需训练的方法，可将视频压缩为固定大小的表示，从而保持内存消耗恒定。该方法根据帧与文本提示的相关性及视觉多样性为帧评分，再以不同分辨率将其装入固定长度的上下文窗口。作者称，FramePack-U 在 LongVideoBench、MLVU 和 Video-MME
AReA：面向高分辨率扩散 Transformer 的自适应感受野注意力
让扩散 Transformer（DiT）生成超出训练分辨率的图像仍有难度：分辨率提高会使 Token 数量迅速增长，完整注意力的计算成本随之上升，输出也可能出现结构失真和细节退化。研究团队将这两类问题归因于统一使用完整注意力，并提出无需额外训练的注意力机制 AReA，使感受野随去噪过程变化。早期使用基于下采样键和值的跨尺度注意力来捕捉全局信息；后期则采用逐步缩小的局部窗口。在不同目标分辨率和模型上
CineRecon：评测前沿模型的智能体电影场景重建能力
CineRecon 是一项基准测试，用于评估智能体能否根据参考视频重建可编辑的动态 3D 场景。基准包含 50 段来自电影、真实拍摄和游戏的视频，以及 360 段带标注的评测片段。测试设置了三种视觉细节层级，并评估镜头行为、静态场景元素和动态事件等方面。对 12 个模型的评估显示，各项维度均存在失误。即使采用简化的场景表示，重现主体动作和互动仍然困难。
公开信：杰弗里·辛顿、约书亚·本吉奥等400多名科学家呼吁成立国际人工智能监督机构
包括人工智能先驱杰弗里·辛顿和约书亚·本吉奥在内的约400名科学家在公开信中呼吁成立国际机构，负责监督人工智能风险遏制标准和事件报告。
AutoEnvScaling：利用终端智能体自动化数据循环
AutoEnvScaling 将训练环境设计转化为终端任务。提案智能体根据正在训练的求解智能体的执行轨迹创建强化学习环境，而求解智能体的新轨迹则用于指导下一轮生成。研究人员称，与仅依靠提示词生成相比，该方法生成有效环境的比例最高提高 25 倍，每个有效环境的成本最高降低 75%。使用这些环境训练 Qwen3.5-35B-A3B，使其 Terminal-Bench 2.1 得分比匹配基线高 4.3
GeoFix：通过几何校正实现一致的 4D 生成
视频扩散模型日益被用作 4D 生成的先验模型，但生成结果往往缺乏几何一致性。GeoFix 是一个统一框架，通过单一几何奖励提升几何一致性和视觉质量，可用于训练，也可用于推理时的奖励对齐。该奖励衡量静态场景区域在不同视角间的深度一致性，不直接约束外观，也不惩罚合理的物体运动。由于真实视频中相机视野重叠度增加也会提高深度一致性，GeoFix 会校准奖励以考虑这一影响。该方法使 WorldScore 的
VIEWCRAFT：改进多模态智能体的观察内容及其解读方式
ViewCraft在不更新模型权重的情况下，联合优化多模态智能体对观察信息的选择、转换和组织方式，以及解读这些信息的流程。系统利用失败记录指导修订，并通过重放和成对评估保留有效改动。在八项基准测试中，与直接执行相比，ViewCraft的任务得分平均提高6.1分；在输入令牌预算相同的情况下，优势仍然存在。在五项多源任务中，学习得到的接口比初始技能少用8%至15%的输入令牌。这些技能还可迁移到其他执行
TPPO：面向语言模型推理的价值追踪 PPO
这项研究提出 Tracking-Value PPO（TPPO），旨在更准确地追踪语言模型推理过程中逐个 token 的价值估计变化。该方法在对数胜算空间中对前缀价值进行加法分解，并利用轨迹终端结果的监督信号训练相关输出。与 PPO 相比，TPPO 在 Qwen3-4B-Base 和 Qwen3-8B-Base 上的综合数学推理得分分别提高 7.0 和 8.4 分。作者还报告称，该方法提升了分布外泛