Industrial-Instruction：从工业技术报告构建指令微调与基准数据集的端到端框架
研究者发布 Industrial-Instruction 框架，基于 906 份 Panasonic 公开技术报告（7,525 页）构建两个开放问答数据集，各含约 13.6k 条 QA 对及留出基准测试集。
Hugging Face Daily Papers
huggingface.co · 开发者平台
切换来源
766 条AI 相关新闻 · 最新在前
Hugging Face Daily PapersAI 评分3737 Hugging Face Daily PapersAI 评分3535 RIBOSPAN：1.61B 参数长上下文 RNA 基础模型，原生支持 10,240 nt
RIBOSPAN 是一个 1.61B 参数的双向 RNA 基础模型，原生预训练上下文长度达 10,240 nt，结合密集双向自注意力、单核苷酸 tokenization 与注意力隔离序列打包，实现完整长 RNA 的单核苷酸分辨率建模。
Hugging Face Daily PapersAI 评分4444 从生成到仿真：世界模型离真正的模拟器还有多远？
一项能力导向研究以传统模拟器的八项能力为标尺，梳理了 2018 年至 2026 年 6 月的 200 篇代表性工作，覆盖 latent dynamics、视频生成与联合嵌入预测三条技术路线。
Hugging Face Daily PapersAI 评分4141 ERPO：把正则化移到输入侧，破解 LLM 策略优化的稳定性-探索困境
研究者提出 Environment-Regularized Policy Optimization（ERPO），用 Query-KL（QKL）项约束训练查询分布漂移，替代动作侧的 Policy-KL 正则化，从而保留响应侧的探索空间。
Hugging Face Daily PapersAI 评分5151 EchoWM：可进入的全模态世界模型，联合生成 720p 视频与音频
EchoWM 是一个全模态世界模型，面向可进入的生成式媒体，在连续导航下联合生成 720p 视频、环境声音、音乐和语音。它围绕摄像机意图组织交互，把离散指令与连续位姿映射到统一的米制尺度相对 6-DoF 轨迹，并通过数据引擎、渐进训练和自回归后训练支持长时程生成。公开世界模型基准上的评测显示其轨迹跟随与视觉质量较强，可支持第一人称和第三人称交互，并保持环境声音与语音的同步。
Hugging Face Daily PapersAI 评分5252 Thinkingbox 沙箱与评测基准发布，覆盖 507 条有状态业务流程
论文提出 Thinkingbox，一个面向工具、智能体与用户交互的沙箱，提供隔离的 MCP 兼容工具会话、完整执行轨迹以及基于终端后端状态的结果评测。
Hugging Face Daily PapersAI 评分3737 Block3D：基于分块扩散的高效文本到 3D 生成
Block3D 是一种分块扩散框架，将离散形状 token 序列切分为连续块，自回归逐块生成并联合去噪块内所有 token，同时引入置信度引导的块内修正来缓解误差累积。在 TRELLIS-500K 的留出集上，Block3D 将平均端到端生成时间从 25.71 秒降至 4.99 秒，相比微调后的自回归基线实现 5.15 倍加速，且不牺牲几何保真度。
Hugging Face Daily PapersAI 评分5959 FORGE 基准：单页污染网页即可诱导 LLM 推荐假产品
论文提出 FORGE 基准，在 15 个品类 225 个真实产品、5 类消费场景上测试 12 款商用与开源 LLM，发现单页被污染网页就能造成最高 27% 的受骗率，将 top-3 检索结果全部替换为假产品后升至 73.8%。
Hugging Face Daily PapersAI 评分3939 MobilePA-Bench：面向复杂真实任务的移动规划智能体基准测试
MobilePA-Bench 是一个交互式、有状态、以工具调用为核心的移动规划智能体基准，运行在可执行沙箱中，覆盖 13 个功能领域和 212 个真实移动工具。除基础工具使用外，它还从子智能体协作、记忆使用和技能使用三个维度评估规划智能体。实验显示，当前前沿 LLM 在严格工具顺序、权限限制和运行时错误下表现明显下降。
Hugging Face Daily PapersAI 评分4646 多跳 RAG 反而更脆弱：实体图链接与迭代改写如何放大 ASR 上游错误
研究发现，实体图链接与迭代改写这两种 RAG 扩展会放大 ASR 错误：在 HotpotQA、2WikiMultiHopQA 和 MuSiQue 三个多跳 QA 基准上，两者组合时从干净文本到最高 WER 口音的 F1 差距比朴素稠密检索大 36-67%。
Hugging Face Daily PapersAI 评分3434 Task-CoEvolve：通过自适应验证任务选择实现高效 Harness 优化
Task-CoEvolve 通过让验证任务与 harness 协同演化，用基于历史结果的方差加权采样聚焦能力前沿附近的任务，并从部分评估中估计全集分数。在在线文本分类和 Terminal-Bench 2.1 上，它匹配全量搜索的最终性能，同时将优化过程中的评估次数减少 80%。代码将开源。
Hugging Face Daily PapersAI 评分3535 ARC：开放域真实世界交互中的公平相对优势比较
针对开放域交互中同一组 rollout 行为不可比导致奖励偏好扭曲相对优势的问题，研究者提出训练方案 ARC（Advantage Regularization via Conditioning），通过策略条件化分组、混合奖励与熵正则恢复更公平的相对比较。
Hugging Face Daily PapersAI 评分4444 GameXpert-Bench：编程智能体距离专家级游戏开发还有多远？
研究者推出 GameXpert-Bench，用 GameGen、GameFix、GameOpt 三条赛道分别评测编程智能体的游戏生成、缺陷诊断修复与多轮优化能力，共含 11 类 97 个生成任务、50 个游戏关卡衍生的 100 个修复任务（每个注入 19-27 个 bug）以及 17 条六轮优化链、102 个请求。
Hugging Face Daily PapersAI 评分3030 通过概念缩放与密集监督释放图像编辑潜力
针对图像编辑中编辑概念粒度关注不足与稀疏监督导致训练低效的问题，研究者构建了包含超 1,000 个细粒度编辑概念的分层分类体系，并通过改进的合成框架搭建了 1,200 万高质量编辑对数据集 ConceptEdit-12M。同时提出密集监督训练策略，将多个互不干扰的概念合成到单张图像对中，显著提升训练效率与模型性能，并推出细粒度评测套件 ConceptEdit-Bench。
Hugging Face Daily PapersAI 评分6363 Prime Agent：自我改进 RLM harness 将 ARC-AGI-3 RHAE 从 30% 提升至 95.5%
Prime Agent 是一个面向长程评估与编码智能体工作流的开源 harness，用持久 IPython REPL 实现递归语言模型抽象，Continual Harness 跨轨迹保留历史、记忆、技能、提示词和子智能体规范，递归子智能体之间可直接通信。
Hugging Face Daily PapersAI 评分3030 超越模仿：按推理进展过滤 On-Policy 蒸馏（R2-OPD）
针对 On-policy 蒸馏（OPD）中教师奖励与真实推理进展不一致的问题，研究者提出 R2-OPD，通过构建教师奖励与独立估计的进展奖励两种轨迹内排序，在两者不一致时选择性抑制蒸馏奖励。该方法在推理表现上持续优于标准 OPD。论文编号 arXiv:2608.19408。
Hugging Face Daily PapersAI 评分4949 ReWorld：具备长时记忆的交互式世界模型
ReWorld 是一个交互式世界模型，通过混合注意力窗口与随机头路由分离控制与记忆，推理时用固定预算的 KV cache 加姿态索引地标库实现长时记忆。它经 LoRA 分布匹配蒸馏将采样压缩至 4 步，可实时流式生成 704x1280 视频。在 64 秒往返 rollout 中，其 12 chunk 固定缓存仍能重建起始视角，旋转误差 11.95°。
Hugging Face Daily PapersAI 评分3333 TileMix：面向 LLM 推理加速的以 tile 为中心的混合精度注意力
TileMix 是一种以 tile 为中心的精度路由内核，将注意力矩阵切分为硬件对齐的 score tile，用紧凑 bitmask 把每个 tile 组分配到 FP16 或 INT8 计算，两条路径共享 online-softmax 状态。
Hugging Face Daily PapersAI 评分4848 同一 Agent，不同答案：检索增强问答中语料诱导答案漂移的重复感知审计
检索增强问答系统在模型标识、提示词、检索策略等全部固定的情况下，仅因索引从 1 个分片扩展到 7 个分片，就会出现答案漂移。
Hugging Face Daily PapersAI 评分4242 Apodex 1.1 发布：面向复杂工作的智能体能力扩展
Apodex 1.1 通过环境扩展与智能体协同扩展两条路径提升复杂任务的持续执行能力，在专业工作、金融、科研、数学、编程和搜索等场景达到领先水平，且所用模型规模明显小于许多前沿系统。其 35B 参数的 Apodex 1.1 Mini 以可本地部署的形式保留了较强的工作能力。
Hugging Face Daily PapersAI 评分3232 RISE：面向世界动作模型的自适应想象框架
RISE 是一个面向 World Action Models 的系统级自适应想象框架，通过 Latent Evaluator 与 Rollout Gate 逐步做出 Roll/Stop 决策，按预期规划收益动态分配想象预算，减少不必要的 rollout。
Hugging Face Daily PapersAI 评分3535 TLive-Omni：面向电商直播的全模态理解模型
研究团队提出 TLive-Omni，一个面向电商直播场景的全模态理解模型，可将图像、视频、音频和文本映射到统一表示空间。该模型引入 Per-vGrid 时间戳 token 组织方式实现音视频时间对齐，并采用三阶段监督训练加 Faithful-RFT 强化微调，在电商直播基准上表现强劲，同时在通用基准上保持良好泛化能力。
Hugging Face Daily PapersAI 评分4141 WorldMind：面向状态感知 NPC 行为的解耦游戏世界模型
WorldMind 是首个面向游戏世界模型的解耦式状态感知 NPC 行为框架，将交互式世界建模拆分为理解、决策、控制与生成四层，并通过闭环重连让 NPC 行为锚定在不断演化的游戏状态上。团队同时发布 BOSS-140K 数据集及可规模化自动采集的智能体，实验显示其能可靠重建紧凑状态并完成基于机制的规划，在约 70% 的成对比较中因 NPC 行为更具战术性与连贯性而优于基线。
Hugging Face Daily PapersAI 评分3434 PhysCaP：用物理信息探索为 Code-as-Policy 智能体打基础
PhysCaP 是一个面向机器人操作的物理信息 Code-as-Policy 智能体，通过引入物理信息探索层，让智能体以交互方式主动获取信息。它包含无需训练的属性提取模块，仅凭机器人本体感知即可估计物体质量与刚度，并采用 Planner 与 Prioritizer 双智能体设计平衡探索成本与信息效率。
Hugging Face Daily PapersAI 评分4444 Hydra-0：面向通用世界建模与控制的动作流
Hydra-0 是一个以动作流为条件的通用世界模型，将机器人动作表示为像素运动，从而跨本体、任务、环境和视频生成骨干学习动作后果。其最佳配置相比动作条件基线将机器人运动误差降低 90.4%、物体运动误差降低 60.2%，并在 RoboLab 基准上实现重放与参考成功率之间 r=0.96 的 Pearson 相关性。
Hugging Face Daily PapersAI 评分4444 PV-SST：同行投票 LLM 智能体压力测试发现信息流引发词汇趋同，但分布式来源无可靠匹配曝光优势
研究者提出 PV-SST 同行投票社交平台测试床，用 448 次试验、112 个模型×话题×种子区块检验 LLM 智能体群体行为。相比仅给话题的对照组，按同行点赞排序的往轮帖子信息流提升了最终轮词汇相似度（核心面板 +0.0082 TF-IDF 余弦，p=0.000105；更大变体 +0.0109，p=0.000001），但该对比混合了曝光与排序，无法单独识别排序效应。
Hugging Face Daily PapersAI 评分3636 SparsePR：面向视频生成与世界模型的免训练稀疏注意力方法
SparsePR 是一种免训练稀疏注意力方法，通过 Response-Coupled Partitioning 与 Probe-Fitted Residual Reconstruction，将未探测查询的注意力输出误差较无语义块稀疏注意力降低 61.6–90.5%，执行对密度为 22%。
Hugging Face Daily PapersAI 评分3535 FlavourBench：用可执行烹饪真值对前沿语言模型排名
FlavourBench 在 534 项替换、搭配与约束任务上评测了 27 个前沿大语言模型端点，共产生 14,418 个模型-任务评分单元，Grok 4.6 在该任务集上取得最高点估计 65.1。
Hugging Face Daily PapersAI 评分3838 ParaTempo：用时间置信度实现高效并行推理
ParaTempo 是一个免训练的异步并行推理框架，以分支局部的"时间置信度"（对答案空间收敛程度的度量）驱动全部控制流程：低置信度分支被剪枝、持续收敛的分支提前退役、释放的算力用于派生新分支，置信度加权投票集中后全局停止生成。在数学与科学推理基准上，该方法平均延迟降低 21.8-32.2%，token 总用量减少 18.1-30.3%，同时保持有竞争力的准确率。代码与数据集已公开。
Hugging Face Daily PapersAI 评分2929 基础模型时代的人本智能：一篇综述
一篇综述提出全谱系人类上下文分类法，将人本智能划分为六个相互关联的层级：作为可观察主体（视觉外观与空间几何）、作为动态行动者（运动动力学与交互建模）、作为情境智能体（世界模拟与具身能动）。文章梳理了该领域的数据家族、计算架构范式与代表性训练和推理优化策略，并系统整理了相关数据集、benchmark 与评测指标，同时讨论了可扩展、可信、物理落地且可部署的开放挑战与方向。
Hugging Face Daily PapersAI 评分4242 UniSpace：统一视觉表征与可扩展多模态建模
研究者提出 Patch Reparameterization，在保留预训练语义 ViT 原有语义通路的同时，加入重建感知的 patch embedding，使冻结的 ViT 块既能保持多模态理解，又能高保真重建图像。
Hugging Face Daily PapersAI 评分4444 Daedalus-150M：面向 CPU 推理的卷积-注意力混合模型
Daedalus-150M 是一个为 CPU 推理设计的卷积-注意力混合小模型，18 个 block 中仅 6 个保留完整注意力，其余 12 个使用短卷积，内存宽度固定为两个时间步。
Hugging Face Daily PapersAI 评分3131 EviRank：面向多模态图像重排序的结构化相关性证据
EviRank 将多模态图像重排序重构为语义约束满足问题，把纯文本、纯图像或组合查询解析为统一证据包：覆盖实体、属性、关系等六类语义槽位的类型化标准，并标注为必需、禁止或可忽略。该方法在文本到图像、图像到图像和组合图像检索五个基准上取得 SOTA，且无需训练；其蒸馏出的轻量学生模型以显著更低成本保留教师模型 90% 以上能力。
Hugging Face Daily PapersAI 评分4343 逐步扩展：面向大规模 MoE 的计算高效超参数迁移方法
研究者提出两步超参数迁移框架，为大规模 MoE 模型估算最优学习率：先为采用 MLA 和 Muon 优化器的 MoE 适配 μP，使最优学习率在宽度缩放模型间稳定迁移；再沿 token 维度建立预测性缩放律，用小型代理模型线性回归外推到 10 万亿 token 训练规模，R² 达 0.95。
Hugging Face Daily PapersAI 评分3636 每枚硬币都有两面：大语言模型在线策略蒸馏中泛化性的双重本质
一项受控研究发现，在线策略蒸馏（OPD）传递的是教师的推理行为而非具体答案，训练难度几乎不影响效果，连教师从未解决的问题也有用。迁移效果强烈依赖师生同源关系：同源组合能让学生在跨语言、推理范围甚至其他领域上接近教师，跨源组合则基本只拟合训练分布。这种广泛影响是双刃剑——按领域路由提示词无法限制各教师的影响，多教师组合会在能力间形成依赖混合比例的跷跷板效应。
Hugging Face Daily PapersAI 评分3939 OmniAssistBench：面向 Omni-LLM 的助手式交互基准
研究者推出 OmniAssistBench，用于评测 Omni-LLM 作为实时视频助手的交互能力，通过逆向拆解互联网视频构建多轮交互数据，耗时超 1000 专家人时。测试中 Gemini-3-Pro 得 66.4 分（满分 100），开源 Qwen3-Omni-Instruct 得 51.2 分。模型普遍能理解用户输入，但在手势等视觉提示、多轮历史上下文保持和延迟到目标事件再响应上仍频繁出错。
Hugging Face Daily PapersAI 评分4242 AgentMercury：让智能体为商业场景大规模合成可验证环境
研究团队提出 AgentMercury，一个从高层商业场景合成可执行环境的框架，先构建含实体、服务、工具、状态和跨服务不变量的持久世界，再让任务自然涌现。
Hugging Face Daily PapersAI 评分3333 RecVerse：面向电商用户购物行为忠实模拟的 GUI 智能体
针对 LLM/VLM 用户模拟器难以复现真实购物会话的问题，研究者提出 GUI 智能体 RecVerse，通过截图感知页面并生成多轮轨迹。它采用工作记忆、情景记忆与偏好记忆构成的分层记忆机制，并以轨迹级 RL 目标对齐真实用户的动作分布与购物意图。团队同时发布交互式电商 GUI 轨迹数据集 USB，实验显示 RecVerse 在行为保真度与意图一致性上显著优于现有基线。
Hugging Face Daily PapersAI 评分2424 大语言模型时代的圣训计算科学：一篇批判性叙事综述
一篇批判性叙事综述指出，Transformer 模型、检索增强流程与大语言模型（LLM）正在重塑圣训计算科学，数据资源扩充、分词任务成熟、传述人与来源核验问题得到更好形式化，LLM 辅助流程已支持语料规模化扩充、多语言访问与有依据的评估。
Hugging Face Daily PapersAI 评分3535 LLM 智能体时代的图工程：从个体智能到系统智能
论文提出 Graph Engineering（图工程），一种面向下一代 LLM 智能体系统的范式，通过构建显式、动态、演化的图结构来表示任务、智能体与系统状态，从而组织复杂目标、编排异构智能体并支持系统级演化。