文章与教程

REBASE 提出一种训练自由的 in-context segmentation 方法，通过移除参考图像中的背景特征子空间，降低跨图像匹配时的背景干扰。它与 SAM 等可提示分割模型结合，在多个数据集上刷新训练自由方法表现。

Xiaomi-Robotics-1 试图把大模型的“规模化法则”引入机器人学习：用超过 10 万小时真实操作轨迹预训练，再对齐真实机器人和自然语言指令。实验显示，更大的数据和模型规模能带来更低动作预测误差，并提升真实机器人任务成功率。

KAIST AI 提出的 Robot-Centric Pointmaps 试图解决 VLA 模型中相机视角与机器人动作坐标系不一致的问题。它把场景点的三维坐标直接编码到机器人坐标系下，同时保留类似图像的二维网格结构，便于接入现有 VLA。

RAGU 提出一种更工程化的 GraphRAG 路线：把知识抽取和图谱整合拆开，并用面向 RAG 任务微调的 7B 模型 Meno-Lite-0.1 降低构图成本。

这篇论文提出以“成本—成功率”视角重新评估攻防安全智能体，强调推理、工具调用和遥测查询都会带来实际开销。研究显示，红队与蓝队任务的扩展规律并不相同。

NAVER AI Lab 提出的 On-Policy Delta Distillation（OPD²）不再直接模仿教师模型完整输出，而是学习推理调优前后产生的能力增量。论文称，这一设计在数学、科学与代码推理任务上稳定优于传统在线策略蒸馏。

Qwen 团队发布 Qwen-Music 技术报告，展示了一个面向文本生歌与翻唱生成的音乐模型。其核心亮点是将旋律规划引入自回归音乐建模，并通过渲染模块补足高保真立体声细节。

S1-Omni 试图用一个统一多模态模型连接 AI4Science 中长期分散的任务与数据形态。它覆盖 200 多个科学任务，并开放了模型权重、推理代码和部分数据集。

这篇论文把 Muon 从大规模预训练场景拉到稀疏奖励的智能体强化学习后训练中，发现它并非“换上就有效”，而是在特定优势估计方法和学习率设置下显著优于 AdamW。

一篇新论文指出，即便谈判中的具体数值被加密，智能体的让步节奏、出价轨迹和收敛模式仍可能暴露私有约束。研究提出一种自适应随机谈判策略，在保护行为隐私的同时尽量维持成交率与效用。

NVIDIA 在 Hugging Face 上发布 Cosmos 3 Edge，一个面向机器人与视觉 AI 的 4B 参数开放世界模型。它试图在边缘设备上同时承担场景理解、未来预测与动作生成任务。

Grab 为自治型 AI 工作负载构建了 Palana 平台，用 Kubernetes、零信任隔离、代理鉴权和审计机制，为不可预测的智能体行为设置可控边界。

xHC 试图把 Hyper-Connections 从常见的 N=4 推向更大规模，让残差流宽度成为大模型预训练中的可用扩展轴。论文显示，它在 18B 和 28B MoE 模型上相较 mHC 带来稳定收益，同时控制了额外训练成本。

Hugging Face Daily Papers 收录的论文介绍了 Loopie，一个以循环计算提升 Transformer 表达能力的 MoE 模型系列。作者称，在相同预训练计算预算下，Loopie 超过了常规 Transformer 基线，并在后训练后展现出强推理能力。

这篇论文把国际象棋作为可控实验场，研究预训练阶段如何影响后续强化学习的收益，以及 RL 到底在模型推理中改变了什么。

Cura 1T 不是把通用大模型简单“加一点医疗语料”，而是围绕医疗场景的多项能力做分阶段自我进化。它试图同时覆盖问诊、临床推理、图文诊断和 EHR 工具使用。

NVIDIA 推出的 AV-Flamingo 面向长而复杂的真实世界音视频场景，不再只盯着短片段，而是强调跨模态、跨时间的联合推理。它通过大规模数据、分阶段训练和带时间戳的链式思考，在多项基准上表现出很强竞争力。

Sakana AI 等研究者提出 Recursive Harness Self-Improvement（RHI），把智能体运行框架视为可迭代优化的提示级规范。论文显示，少量迭代就能改善低推理强度智能体的表现，并降低推理成本。

DSWorld 将世界模型思想引入自治数据科学智能体，通过预测操作后的状态变化，减少昂贵的试错执行。论文称，该框架可将强化学习训练加速约 14 倍，并将搜索式推理加速约 3 至 6 倍。

Kimi 因用户请求量快速增长、现有算力集群接近承载上限，宣布暂停 C 端新用户订阅，并同步推进算力扩容。此次调整还涉及订阅权益拆分，Kimi 主权益与 Kimi Code 权益将分别管理。

法国和意大利研究者发现，只要给出AI建议，人们说“我不知道”的意愿就会大幅下降，准确率也明显下滑。讽刺的是，信心却显著上升。