Energy-Guided Flow Matching（EG-FM）：用能量引导调度实现从低频到清晰的生成轨迹
研究者提出 Energy-Guided Flow Matching（EG-FM），用热核滤波后的动态端点替代 flow matching 的固定干净图像端点，通过图像特定的能量引导调度逐步释放高频信号，无需改动骨干网络和训练数据。
开发者平台
项目更新、模型与开源社区动态
按账号或来源筛选（5）
1,024 条AI 相关新闻 · 最新在前
Hugging Face Daily PapersAI 评分4242 Hugging Face Daily PapersAI 评分3838 从语料到协同进化能力：面向通用图像生成的能力中心数据设计
研究者提出一套能力驱动的数据基础设施，将能力专属监督构建与能力对齐的课程调度耦合，通过三个可互操作的数据引擎分别构建文本-图像 grounding、图像间变换和图像-知识关联监督。该框架构建了 440M 图像的 T2I 语料、120M 编辑对和超 27M 图像-实体对，并从头训练了 3B 和 6B 两种规模的多模态扩散模型，在 CPI-Bench 上完成定量评估。
Hugging Face Daily PapersAI 评分5555 研究用 A.I.G 评估 DeepSeek Harness 的间接提示注入风险
研究使用 AI-Infra-Guard（A.I.G）对 DeepSeek Harness（DSH）开展间接提示注入评估，在 16 个间接内容通道上完成 14560 次受控执行，覆盖文本与文件载体模式、35 个载荷目标和 12 种攻击方法。
Hugging Face Daily PapersAI 评分3232 GS-Voxel：面向大规模 3DGS 生成的无拟合结构化潜变量
GS-Voxel 是一种无拟合结构化潜变量框架，可将预优化 3DGS 重建确定性转换为稀疏活跃体素，无需逐场景额外优化，并保留所选图元的亚体素位置与渲染属性。其 GS 专用因子化 VAE 分别编码体素几何与局部高斯属性，潜变量规模随占用体素数增长，而非受固定场景图元总数限制。研究还通过重叠感知分块推理，将基于卫星视图图像的条件生成扩展到单次训练裁剪之外的大面积航拍 3DGS 场景。
Hugging Face Daily PapersAI 评分4343 AVA-Encoder：面向智能体原生的视频表征学习
研究团队提出 Agentic Video Auto-Encoder（AVA-Encoder），一种由智能体自进化驱动的自编码框架，可将视频转换为 Film Knowledge Graph（KG）表征并重建回视频。
Hugging Face Daily PapersAI 评分5454 ASI-Bench 基准发布，用 60 项项目级任务评估 AI 自主科研能力
ASI-Bench 是面向通用科研领域的基准，包含覆盖 11 个科学领域的 60 项项目级研究任务，用于联合评估 AI 的创新探索与自主科研执行能力。该基准在同一研究项目中逐步撤去人类方法指引，测试 AI 能独立推进到何种程度；在 18 种智能体与模型配置上，平均分从完整方法指引下的 50.91 降至仅指定方法的 29.10，需自行确定方法时进一步降至 26.62。
Hugging Face Daily PapersAI 评分5555 Abra：文本到图像扩散模型的缩放律研究
研究者用 Abra 这一受控的 flow-matching Transformer 家族，在 10^19 到 10^22 FLOPs 共三个数量级的算力上系统研究了文本到图像扩散模型的缩放律。
Hugging Face Daily PapersAI 评分4949 StartupBench：面向市场验证的端到端工作流评测通用智能体
研究者推出 StartupBench，一个基于市场验证 AI 创业产品构建的端到端智能体基准，将真实产品工作流转化为面向交付物的任务并用细粒度评分标准评估。在统一 agent harness 下，最强模型也仅能完成约 30% 的任务，复杂指令遵循与领域专业知识是主要失败原因。结果表明许多已被市场验证的工作流仍超出当前通用智能体的可靠能力范围。
Hugging Face Daily PapersAI 评分3737 aDSL：通过智能体与程序联合设计实现智能体化 3D 创作
研究者提出 aDSL，一种以智能体为中心的领域特定语言，并配套角色分工的多智能体系统，通过 Plan-Execute-Critic 循环分解请求、生成代码并利用执行反馈迭代修复错误。
Hugging Face Daily PapersAI 评分3434 RUPA：面向 LLM 智能体的关系型不确定性传播框架
研究者提出 RUPA（Relational Uncertainty Propagation for Agents），一个面向 LLM 智能体的轨迹级不确定性量化框架，将执行历史建模为有向轨迹图，在推理状态、工具交互与环境反馈节点间传播不确定性。
Hugging Face Daily PapersAI 评分3939 Agentic ESOpt：以极低 GPU 需求微调长时程 LLM 智能体
Agentic ESOpt 是一个面向长时程 LLM 智能体的全参数微调框架，用进化策略（ES）替代强化学习，仅需推理级 GPU 显存即可完成全参数优化。在 WebArena-Lite 上，Qwen-3.5-27B 的全参数优化较 No Skill 基线提升 6.69%；在测试时自动启发式设计中，其在线提示词—参数协同进化在 36 个设置中的 28 个优于匹配基线。
Hugging Face Daily PapersAI 评分3434 分层语言模型的多字节预测（MBP）：并行生成多字节加速推理
分层语言模型提出多字节预测（MBP），可并行生成多个字节，在不增加参数、性能影响极小的前提下加速推理。MBP 基于多 token 预测（MTP）范式，引入与分层 LM 潜在 token（segment）对齐的可变长度预测窗口，以及不破坏因果性的注意力掩码方案。在指令跟随、问答、摘要和机器翻译等任务上，MBP 实现了性能与推理吞吐之间的帕累托最优权衡。
Hugging Face Daily PapersAI 评分5050 HarmProfile：刻画前沿 LLM 的有害输出分布
HarmProfile 是一个内容中心的安全基准数据集，收录 23 个前沿 LLM、13 个模型家族产生的 8 万多条已验证有害内容，覆盖 15 个危害大类与 57 个子类。论文基于该语料发现，前沿 LLM 会大规模稳定生成有害内容，但各自的风险画像不同，危害程度与多样性随模型能力上升，模型可能表面安全却在对齐表层下藏有更危险的知识。源代码已公开。
Claude Code GitHub ReleasesAI 评分3333 Claude Code v2.1.235 发布：新增拼写检查设置并修复多项问题
Claude Code v2.1.235 新增可选 `spellcheck` 设置，可调用本机安装的 `aspell`、`hunspell` 或 `ispell` 在输入提示词时对拼写错误加下划线。
Hugging Face Daily PapersAI 评分3737 无标签策略下准确率与顺序敏感性出现分化
一项针对大语言模型多选题基准的研究发现，阻止模型看到选项标签并不能可靠提升准确率。研究测试了生成后匹配与单独打分两种去偏策略，完整分解显示瓶颈在于隐藏选项而非匹配步骤；唯一能稳定匹配基线的配置是展示全部选项并配合 LLM 匹配器。完全消除位置影响仍未带来稳定准确率增益，而循环置换往往能提升表现。
Hugging Face Daily PapersAI 评分5858 论文审计 37 个 LLM 作为合成问卷受访者的心理测量效度，结论是看似合理但无效
研究以立陶宛 263 名员工的组织心理学问卷（68 个题项、12 个分量表）为基准，审计 37 个 LLM 充当合成问卷受访者的表现，结论是 LLM 样本不能直接替代真人问卷数据。
Hugging Face Daily PapersAI 评分6464 DumpsterCluster：128 张二手 GPU 搭建集群服务 LLaMA-70B
论文团队仅用二手部件从零搭建 128 张 GPU 的 DumpsterCluster 并运行一年，通过流水线并行优化，使其基于 V100 的集群达到有竞争力的 LLaMA-70B 吞吐。
Hugging Face Daily PapersAI 评分4242 PACE-Bench：在动态环境中通过代码演化评测物理适应能力
PACE-Bench 是一个基于模拟器的基准，包含六个物理领域的 144 个源到目标适应对，用于测试智能体在环境条件改变后能否通过代码迭代恢复。评测显示 Reflexion + Qwen3-14B 仅解决 35.9% 的完整基准对，GPT-5.5 在完整预算下解决 Statics 子集的 66.7%。结果表明基于模拟器的反思比未经验证的自我修正更可靠，而机制重设计而非参数推断才是核心瓶颈。
Hugging Face Daily PapersAI 评分4545 D-SCAN：通过文档级注意力坍缩检测 RAG 投毒攻击
针对 RAG 投毒攻击，研究者提出轻量检测框架 D-SCAN（Document-level Signal Collapse Analysis），通过监测生成器注意力动态识别被攻击的生成结果。
Hugging Face Daily PapersAI 评分4545 ENTLORE：面向企业问答中隐性组织推理的图基基准
ENTLORE 是一个图基企业问答基准构建框架，包含来自三类来源的 2,341 篇文档和 907 道问题，覆盖显式查找、跨源组合与隐性组织推理三类任务，并在 56 种模型与访问配置上评测。即使提供 gold documents，仍有 30.4% 的隐性组织推理问题无法回答，而显式与组合类问题分别仅为 12.6% 和 6.2%。该基准、数据与代码已公开。
Hugging Face Daily PapersAI 评分3838 TeleOCR：面向数字与拍摄文档的统一文档解析框架
TeleOCR 是一个统一文档解析框架，通过形变感知学习将几何感知引入 VLM，并提出自适应采样机制处理复杂版面，同时用内容-结构解耦学习显式建模公式语法与表格结构。
Hugging Face Daily PapersAI 评分4040 Agentic Transaction：面向 ACID 合规的智能体系统框架
研究者提出"agentic transaction"概念与 ACID 合规的智能体系统框架，将经典 ACID 属性重新解释为语义原子性、语义一致性、语义隔离和语义持久性四项保证。基于该框架构建的数据智能体在常用基准上比包括 Claude Code 在内的 SOTA 智能体提升 10.6%。
Hugging Face Daily PapersAI 评分3535 Nanbeige4.2-3B 在 Apple Silicon 上的部署修复：解决 Looped Transformer 内存开销
Nanbeige4.2-3B 是一个基于 Looped Transformer 的 3B 参数智能体模型，在 Apple Silicon（MPS）上存在五个独立 bug 导致无法通过 Hugging Face transformers 直接运行。
Hugging Face Daily PapersAI 评分5151 COLM 2026 论文：思维模型放大的推理行为并非高预测性行为
发表于 COLM 2026 的研究在 15 个模型、6 个基准上标注 15,282 条推理轨迹，提出 Behavioral Lift 指标衡量某行为出现与否时正确率的变化。研究发现思维模型显著放大自我纠错、假设检验和不确定性承认，而提升正确率最高的行为是置信度校准、知识对齐和自我意识。置信度校准是最强的正向正确率信号之一却几乎未被放大，不确定性承认被放大 3 至 7 倍却与正确率弱相关或负相关。
Hugging Face Daily PapersAI 评分3535 ParliamentRAG：面向意大利议会记录的权威感知多视角 RAG 系统
研究团队提出 ParliamentRAG，一个面向意大利众议院议事记录的 RAG 系统，核心是随查询变化的话题相关权威模型，综合职业、教育背景和既往发言等可解释因素为发言人赋权。
Hugging Face Daily PapersAI 评分4242 Apodex Discovery：面向发现型 AI 的现实基准与环境框架
Apodex Discovery 框架发布，通过“重型求解器”系统支持长时、有状态、可验证的探究，并调研 561 个行业、汇集 423 个高价值现实问题，首批选取 20 个。
Hugging Face Daily PapersAI 评分4141 研究发现大语言模型自发涌现模块化认知架构，与人脑功能分区高度相似
一项覆盖语言、形式推理、社会推理、物理推理四大认知域共 46 项任务的电路分析发现，大语言模型自发形成了与人脑相似的模块化架构：在人类大脑中依赖同一网络的任务，在 LLM 中会调用重叠的神经元，而依赖不同网络的任务则调用不同神经元。研究者认为，模块化可能是智能系统的基本属性，而非生物大脑独有的进化偶然。
Hugging Face Daily PapersAI 评分4545 研究：LLM 能识别错误判例，却难以发现引用页码与论点不符
一项被 ICML 2026 AI for Law 研讨会接收的研究用真实法律引用做受控扰动，测试了 14 种模型配置的引用支持验证能力。模型能识别 93-100% 的错判例引用，但只发现 37-61% 的法院判决书错页码引用和 52-83% 的法律文书错页码引用。GPT-5.4 高推理强度仍漏掉法院判决书中 40%、法律文书中 18% 的页码不匹配，模型往往依据主题相关而非页面级支持就接受引用。
Hugging Face Daily PapersAI 评分4242 DFM Mimir v1：仅用合规后训练数据的 1B 参数开源 HRM 模型
DFM 发布 Mimir v1，一个基于 Hierarchical Reasoning Model（HRM）架构、从零训练的 1B 参数语言模型，仅使用合规后训练数据，在 161 个数据集上训练。
Hugging Face Daily PapersAI 评分5050 临床多智能体系统被社会性捷径带偏，研究对比三类监督智能体
一项研究在六个公开数据集、七个队列上测试临床决策多智能体委员会能否被捷径刷分，发现线索单独出现时 Gemini 委员会翻转率仅 5-16%，但两名同伴同时给出同一错误答案时，被测试智能体有 38% 的案例采纳。
Claude Code GitHub ReleasesAI 评分4444 Claude Code v2.1.234 发布：新增 GitLab MR 徽章与用量限额自动续接
Claude Code 发布 v2.1.234，新增 GitLab merge request 徽章，仓库配置 GitLab remote 且 glab CLI 已认证时在页脚和状态栏显示 MR !
Hugging Face Daily PapersAI 评分4040 S²VOPD：自监督视觉同策略蒸馏，无需更强教师或特权信息
研究者提出 Self-Supervised Visual On-Policy Distillation（S²VOPD），通过从学生侧"减去"信息而非给教师添加特权信息来构造不对称学习信号，无需真值标注、奖励或独立更强教师模型。
Hugging Face Daily PapersAI 评分3434 面向通用科学 AI 的路径：科学图像的多模态理解
ALD/E-ImageMiner 基准与 ICDAR 2026 原子层沉积/刻蚀科学图表信息抽取竞赛提供来自 205 篇出版物的 1,951 张图表，由专家标注用于分类、数据表格抽取、摘要和视觉问答。作者提出以"从图像中获取科学概念理解"作为长期基准目标，未来方向涵盖更广领域与图表类型、跨文档综合、假设评估、溯源、不确定性、反事实 grounding 及开放式多模态研究。
Hugging Face Daily PapersAI 评分3838 SimpleOPD：面向长上下文推理的 Tokenizer 无关在线策略蒸馏
研究者提出 SimpleOPD，一种 Tokenizer 无关的在线策略蒸馏（OPD）方法，将长上下文推理模型 SU-01 的证明推理能力迁移到短上下文学生模型。
Hugging Face Daily PapersAI 评分4444 UNMASK：自动发现并因果验证文本分类器中的虚假捷径
UNMASK 是一套全自动流程，无需人工标注即可发现、因果验证并缓解文本分类器中的虚假相关性。在 MNLI 上训练的 BERT 和 RoBERTa 中，它分别验证了 10 个特征中的 9 个和 6 个。
Hugging Face Daily PapersAI 评分4141 LittleLearner：在教学控制的知识暴露下训练语言模型
研究者发布 LITTLECURRICULUM——一个 88B token 的预训练语料，仅覆盖美国小学教材内容，明确排除五年级以上才教授的概念、事实与词汇。基于该语料从零训练的 5B 参数模型 LITTLELEARNER 具备开放式评测所需的语言能力，同时拥有与可解释课程大纲对应的清晰知识与能力边界。
Hugging Face Daily PapersAI 评分4040 UniProbe：用多结构内部表征的可学习 Token 级大视觉语言模型幻觉检测器
UniProbe 是一款轻量可学习的 Token 级幻觉检测器，对冻结的 LVLM 单次前向传播的计算轨迹建模，通过 GNN、ViT、GRU 交替处理图像 patch、查询 token 与生成 token 构成的注意力有向图。它在多种 LVLM 骨干上取得 SOTA 的 Token 级与物体幻觉检测效果，解码时可将物体幻觉降低最多 55%，延迟仅为标准生成的 1.06 倍。
inclusionAI GitHub 新仓库AI 评分5050 inclusionAI 开源 ConceptEdit 图像编辑数据生成流水线
inclusionAI 在 GitHub 发布 ConceptEdit，提供从指令生成、FLUX 编辑到 VQA 评估的三阶段流水线，用于生成基于分类体系的大规模图像编辑数据集。支持单概念和多概念（2–5 个并行编辑）两种变体，每步幂等可断点续跑，并附带 ConceptBench 评测代码，采用 MIT License。
Hugging Face Daily PapersAI 评分4343 Second Thought：让 LLM 智能体在行动与观察时并行推理
Second Thought 是一个免训练推理框架，在 ReAct 智能体每个 Thought 阶段结束时fork 出四条辅助分支，与主循环并行解码，待环境观察返回后再合并生成的思考。
Hugging Face Daily PapersAI 评分3333 PRM-as-a-Judge 1.5：机器人过程评估工具包发布
PRM-as-a-Judge 1.5 发布，这是一个将机器人 rollout 视频转化为密集进度曲线并派生多项细粒度指标的机器人过程评估工具包。它在 1.0 版本基础上新增三项指标，分别刻画失败侧进度、回撤后恢复与成功侧执行质量，并推出 RoboPulse++ 用于评估过程奖励模型（PRM）的可靠性。团队同时开源了包含 benchmark、指标实现与可视化工具的评估套件，支持可复现的操控过程评估。