IBM 发布 Granite Speech 5.0 系列模型与更新版本,支持高精度多语言转写、翻译及极速端侧推理
IBM 发布三款语音模型更新:新模型 granite-speech-5.0-2b 支持多语言高精度 ASR、翻译及 2000 词关键词偏置,英文短文本 WER 为 5.06%。
推荐理由:IBM 发布并更新了 3 款开源语音模型,分别针对多语言高精转写、端侧极速推理与多说话人归属场景,给出了具体性能指标对比。
IBM 发布三款语音模型更新:新模型 granite-speech-5.0-2b 支持多语言高精度 ASR、翻译及 2000 词关键词偏置,英文短文本 WER 为 5.06%。
推荐理由:IBM 发布并更新了 3 款开源语音模型,分别针对多语言高精转写、端侧极速推理与多说话人归属场景,给出了具体性能指标对比。
硅基流动模型广场上架 DeepSeek V4.1 Flash 1017,API 调用方式与价格保持不变。新版本在 Terminal-Bench 4.0 得分达 42.3,DeepSWE v1.1 得分达 77.0,具备性能-费用帕累托最优,并优化了“许愿式编程”能力以支持 3D 建模等项目开发。
研究者发布包含 9K 样本的紧凑合成推理数据集 CHIMERA,覆盖 8 大科学领域并采用全自动化评估流程。 该数据集利用前沿模型生成长 CoT 轨迹,用于 Qwen3-4B 模型的 SFT 和 RL 后训练。 实验显示,该小模型在 GPQA-Diamond 等基准上性能接近 DeepSeek-R1 和 Qwen3-235B。
针对视觉语言模型工具使用受限及技能优化易致性能退化问题,提出 VisualEvolve 自进化框架。 该框架通过“选择-执行-进化-评估”循环及渐进式证据访问机制,在 4 个 VLM 骨干模型和 6 个评测集上,于 24 种设定中的 23 种实现性能提升。
一项针对 Mixture-of-Experts 模型的研究表明,动态专家跳过方法难以稳定超越简单的静态 $k$ 值削减基线。 实验在 Gemma4-26B-A4B、Qwen3-30B-A3B 及 Qwen3-VL 上进行,结果显示动态方法常表现不佳或增益微小,且校准与测试时的有效 $k$ 值存在偏差。 作者建议采用无校准的每模态静态 $k$ 削减,并主张静态控制是任何动态跳过方法必须超越的基准。
RayCo4D 通过光线条件连续运动模型实现单目 4D 动态重建,将视觉测量与潜在 3D 运动状态显式分离。 每条轨迹关联受相机光线约束的参考时间 3D 查询,通过局部多对多关联约束共享潜在运动节点,节点维持 SE(3) 位姿和体框速度,白色噪声-加速度过程先验支持连续时间插值。 实验显示其在快速运动和不完整轨迹下改善结构与时间一致性,支持连续时间渲染。
该框架作为无创评估层接入现有 RAG 流水线,通过受控消融和端到端实验跟踪评估配置空间。 在 SQuAD 数据集上验证发现,MMR 检索策略相比传统相似度搜索使 nDCG@5 提升 4 至 11 个百分点。 为从业者将 RAG 配置转化为可复现、可比较的实验提供证据支持,替代随意选择。
S-Agent 2.0 结合命令行感知工具包,使开源模型 Qwen3.8-27B 在 MMSI-Bench 和 ReVSI 上分别提升 13.9 和 20.5 分。 该系统赋予通用编码智能体持久场景记忆与几何解释能力,开源骨干在 MMSI-Bench 达 66.5 分,ReVSI 达 82.3 分,超越专用系统 SpatialClaw。
提出 LLM 编码智能体工作流,在商用基带 SoC 上实现、优化并验证 OTFS 检测器。 生成 12 个内核,优化后 18k-405k cycles/帧;新检测器比移植版少 13.9% cycles 且误差率匹配。
提出的 E8-QAT 框架使用 E8 隐式格码本进行 2 位量化,在 Qwen3.6-35B-A3B 上四项任务平均分与全精度模型持平。 该方法通过算术投影避免训练时搜索显式码本,比最先进基线在 IFEval 高 2.03%,在 LiveCodeBench 高 1.51%。 2 位表示将峰值内存降低 80%,最大可行批次下的解码吞吐量达 BF16 的 1.97 倍。
summary_zh: 研究人员提出无监督工具进化框架 TEAL,通过智能体协作在数据湖分析中自动构建可复用工具库。 该框架使用探索者与批评者双智能体机制,无需标签即可优化 Worker 性能,并在 KramaBench 和 LakeQA 基准上验证了合成问题的有效性。
提出基于学习分类器的控制变量方法,显著减少电动车充电引发电网罕见停电的蒙特卡洛模拟次数。 弱学习器可消除四分之一方差,增强树学习器消除约60%;相比蒙特卡洛,该方法减少三分之一城市停电天数。 arXiv: 2610.27159
AWS展示了在Amazon SageMaker HyperPod上使用SFT和GRPO微调GPT-OSS-20B,使其推理和回答语言支持法语、德语、西班牙语和意大利语。基础模型多语言推理正确率仅为22%,SFT将推理语言正确率提升至100%,GRPO在SFT基础上将回答语言正确率从62%提升至70%。
推荐理由:给出了GPT-OSS-20B微调后的多语言准确率变化,以及SFT和GRPO在不同能力缺口下的选择逻辑。
Hugging Face 团队发布 AnyLanguageModel 1.0 及配套 Swift 框架,在 Apple 平台实现统一 API,支持本地模型通过 llama.cpp、MLX 或 Core ML 运行,并兼容 OpenAI、Google Gemini、Anthropic 等云端服务。
PyTorch 2.15 在 MPS 后端引入 FP8 支持,并将多项核心算子迁移至 Metal kernel。
推荐理由:M3 Ultra 上 Qwen3.6-35B-A3B 解码速度提升 5.5 倍至 61.3 tokens/s,且视频生成显存占用从 270GB 降至 8GB。
阿里云连续4年入选Gartner 2026容器管理魔力象限领导者,是亚太地区唯一获此殊荣的科技公司。 在关键能力报告中,阿里云在六大场景中有四项位居前二。容器服务ACK单集群支持10万节点,通过拓扑感知优化提升推理吞吐40%以上,Qwen3 235B模型切换时间从13分钟缩短至3秒。
BSC AI Factory 加速器项目正式运营,向初创企业提供算力及支持,相关服务已接入 NVIDIA Inception 门户。 BSC AI Factory 是西班牙首个 AI 工厂,自 2025 年 4 月启动以来已交付 800 多项服务,并计划扩展 MareNostrum 5 基础设施。 该项目通过 AI 冠军试点支持了水务、医疗等领域的创新应用。
BioProVLA-Agent 提出了一个低成本、协议驱动且视觉增强的具身多智能体系统,用于生物实验室操作。 该系统通过 LLM、VLM-RAG 和 VLA 智能体实现闭环工作流,并开发了 AugSmolVLA 在线增强策略以应对透明器皿和光照干扰。 在涵盖 15 个原子任务等基准测试中,其在正常和高曝光设置下比 ACT 和 X-VLA 更具执行稳定性。
研究团队针对个人 AI 助手 OpenClaw 开展了首个实证取证研究,通过静态代码分析和差分取证,识别了 Agent 交互循环中可恢复的痕迹。 研究提出了包含五个平面的 Agent 工件分类体系,并开源了具备机器可读模式的工件提取工具,同时指出 LLM 中介执行引入的非确定性导致相同输入可能生成不同痕迹。
中国在线健康保险经纪公司部署 AI 语音代理后,人类员工前三个电话的高意向线索概率提升 23 个百分点,但客户获取率反降 5 个百分点。 员工因机会丰富化而提高保留价值,最早线索重新分配率增加 8 个百分点,通话时长缩短 13%。 行为负面效应抵消了线索排序改善带来的增益,凸显机会分布作为服务运营状态变量的重要性。
该研究提出系统性方法,基于用户定义画像辅助选择 L2 区块链方案以部署智能合约。 收集 Arbitrum、Optimism 和 Base 六个月交易数据,计算各合约类别及画像下的指标得分。 识别出分类偏差,揭示不同 L2 方案更适合特定应用类型与用户画像。
在 Janus-Pro-7B 模型上,LoRA 后训练导致显著的跨模态遗忘:单次训练看似安全,但连续三次训练会摧毁先前习得的能力,并使通用文本困惑度升高一至两个数量级。 单次运行中,未训练的威尔士语保留完好,且其困惑度降低 76%;但在链式训练中,由于优化目标仅约束被训练的模态,未训练模态的性能随之崩溃。将学习率降低至五分之一无法阻止崩溃,而锚定未训练的模态头可消除损害且不影响学习效果。
SPIRIT 是一种物理感知逆向渲染框架,用于稀疏孔径合成孔径雷达(SAR)成像,可恢复准确的几何和信号。 该框架通过显式建模可见性、相位相干性和波传播,将分布式几何特征聚合为连贯重建。在极端稀疏条件下,它减少了超过 90% 的数据采集量,并持续优于基线模型。
BetaMem 框架通过六层可追溯记忆机制解决具身智能体长期任务中的时序混淆与存储成本问题。该框架使用 Qwen3.5-9B 模型生成记忆,在 M3-Bench-robot、LoCoMo 等基准测试中分别取得 48.08%、92.08% 的成绩,合同通过率提升至 86.2%。其在跨观察信息整合与长历史事件回忆方面展现出优势。
研究团队发布 CUA-Lite,一个计算机使用智能体(CUA)开放平台,围绕统一环境接口、统一监督数据格式和共享模型 harness 三大标准化抽象构建。平台整合 12 个基准,覆盖桌面、浏览器和移动端,并提供低成本无 VM 沙箱,支持超过 30000 个可验证任务;同时转换主流公开 CUA 数据集,记录前沿 CUA 的新鲜 rollout,并为 14 个模型族实现 harness。
研究指出传统选择率审计存在“天花板”盲区,无法衡量强信号的相对差异,团队提出价格等效 (PE) 审计方法,通过提升被提示商品的价格直至选择率降至 50%,将该价格溢价作为衡量卖家内容影响力的通用量化指标。
研究提出 HyperTaxa,一种用于开集微生物分类推断的类比对齐表征学习框架。该框架将全基因组编码为多尺度超光谱 k-mer 转换场,并通过 Node2Vec 到 MDS 的两阶段过程将其对齐到分类学语义空间,支持零样本推断未见物种及从属到种的级联预测。
ID Balancing是一种基于积分-微分控制器的负载均衡方法,用于解决大语言模型中混合专家(MoE)路由不平衡问题。 该方法整合了DeepSeek的无损失方法和Kimi K3的分位数平衡方法。 实验显示,在Top-3路由设置下,ID Balancing将最坏情况骨干MaxVio降低超过50%,最坏情况骨干MaxVio在总参数量从18.9B增加到69.9B时保持稳定。
研究人员提出Bag of Dims(BoD)方法,利用残差流符号模式在Transformer早期层检测概念,无需训练或标签。该方法在测试模型中实现AUC 0.9+的概念检测,并在前向传播中通过符号翻转调控生成内容。 BoD通过识别各维度符号一致性发现概念,保留56-94%的top-5 token准确率,并支持无训练干预引导指定概念生成文本。
KernelClaw 通过双级记忆架构协调多智能体,取代 LLM 隐式启发式以实现可解释的 GPU 内核优化。 该框架在 KernelBench 1-3 级达到 100% 成功率,平均加速比分别为 6.98x、7.89x 和 1.94x。 代码已开源,性能优于先前基线。
D-STEER 审计证实,DPO 引入的安全行为在激活空间中可通过推理时干预实现双向控制。在 Mistral-7B 模型中,安装干预恢复了 98% 的安全效应差距,其余三组干预恢复率为 46-50%。 该结果表明,DPO 诱导的安全行为并非深层固化,而是保留了对紧凑推理时干预的可控性,且效果取决于具体的检查点配对和引导实现方式。
ACE-Trader 提出对抗共进化交易框架,在美国股市实验中累计收益超越 22 个活跃基准,并实现最高夏普比率与最低最大回撤。 该框架通过上下文依赖的记忆选择器和共享交易记录,让 LLM 交易员与红队代理从各自演进行为中学习,解决单一市场条件下经验失效及结果归因难题。
NeuroAct 是一个用于 EEG 分析与解码的自主研究智能体框架,在“EEG General Analysis”设置中,其 80.88 的 macro-average 得分比 BrainAgent 的 63.13 高出 17.75 分。
研究者提出名为 UpLoop 的后训练方法,基于层级循环对预训练非循环大语言模型进行升级。 该方法在注意力层和 MLP 残差支路添加隐藏层门控,避免循环过程中的功能空间失配,并在 20 个基准测试中使平均准确率提升 6.17%。 UpLoop 基于 Qwen3-4B Base 模型,在 R=3 的设定下取得最佳精度与成本平衡。
TrustAgent-RFF 提出一种基于 LLM 规划器的预测级可靠性框架,用于冻结 I/Q 分类器在领域偏移下的 RFF 任务。该框架整合反事实稳定性、原型一致性等诊断证据,通过来源校准的信任估计器降低弱支持预测的信任度。实验表明跨 5 个 RFF 数据集,平均源到目标准确率下降 38.7%,且许多错误预测仍保持高置信度。
Morpheus-2.0 与 Morpheus-2.0 Multiscale 在 GIFT-Eval 基准中刷新 SOTA,相对 MASE 分别为 0.685 和 0.646。
论文提出 Looped GNN 架构,通过重复应用预训练局部处理器以扩展信息半径,解决小图到大数据图的泛化问题。 引入 Loop-Freeze-Steer (LFS) 方法,冻结预训练处理器并学习小型控制器,以远少于全量微调的参数实现性能提升。 实验在合成任务及芯片布局场景中验证了 LFS 在准确率与可训练参数间的权衡优势。
视觉因果链书签(VCBM)在 20 个种子中平均 1,532.3 集收敛至 95.07% 正确率,优于 RUDDER 基线的 3,327.1 集。 在部分可观测的 AppWorld 语言环境中,VCBM 结合 LOOP 训练 Qwen2.5-7B-Instruct,任务成功率从 0.354 提升至 0.458。 该方法在计算受限条件下展示了在更复杂的自然语言尺度上的可行性。
Chopthin-Consensus Power Sampling (CCPS) 提出一种在 LLM 解码中保持多样性的推断时采样方法,旨在提升推理能力而不需后训练。
一种无需训练的 Neuro-Inspired 抑制性消息传递路由,在多智能体推理中将同组准确率提升 39-77 个百分点,单轮 Token 消耗降低 10-46%。 该路由取消冗余证据,在 7 个 4B-32B 开源模型及 2 个商业模型、最多 64 个智能体规模的多架构中验证有效。 研究支持了更准确且 Token 高效的多智能体推理可扩展设计模式。