NeuroAct:通过双循环自主研究推进 EEG 分析与解码
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。
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。
summary_zh: 研究人员提出 StaGPO 算法,使基于 Qwen3.5-2B 的 Agent 在弱用户场景下实现最佳性能。 该模型在 ToolWOZ 上对弱用户成功率达 76.8%,比 GRPO 高 4.8 分,且优于其他基线。
WenSight-Decision-1 模型基于 Qwen3.5-9B 微调,在 6 项电商运营任务上将决策准确率从 61.60% 提升至 92.92%。 该模型支持 6 种语言,在 1,440 个合成案例上通过直接评分选项实现统一决策接口,显著改善异构运营判断。
针对顺序知识编辑导致 LLM 通用能力退化问题,研究提出 FisherEdit 方法。 该基于 Fisher 几何理论,在参数空间实施重要性感知正则化,替代 AlphaEdit 等方法中的粗粒度激活空间投影,并采用高效逐行闭式解。
Muse Glimmer 是一个基于 Apache 2.0 许可开源的 300 亿参数因果语言模型,专为消费级硬件设计,集成了多模态感知、多步推理与工具调用功能。模型经过 4-bit 量化优化可在单 GPU 上本地运行,无需云端基础设施,在同量级模型中实现了 agentic benchmark 的领先性能,并支持超过 100 种语言的训练数据。
推荐理由:Muse Glimmer 作为 30B 参数模型实现了本地智能体功能,为消费级硬件部署多模态推理模型提供了新路径。
研究评估 Hunyuan-MT-7B 在 RASTA 框架中替代 GPT-4 进行文化对齐机器翻译的能力。 模型在三种变体下风格对齐无统计显著差异,整体未达 GPT-4 水平,但在亲密度和中文方向表现持平或超越。 表明基于开源模型的 RASTA 流水线在特定翻译方向上已具可行性。
研究发现,TII Falcon 7B Instruct、Gemma 7B 等开源 LLM 在重复囚徒困境中普遍比人类更合作,尤其在随机伙伴环境下,人类平均合作率为 28.5% 时,部分模型超过 80%。 Qwen-2.5-7B-Instruct 表现确定性强,Phi-mini-MoE-Instruct 变异性大且短暂接近人类水平。这些 LLM 具备行为模拟代理潜力,但目前尚不可靠地替代人类参与者。
Textideo Director 将章节、镜头、素材、音频和字幕整合在同一项目中,支持场景级重构与多版本对比,无需剪辑经验即可生成完整影片。 支持 1080p 导出、多轨混音与字幕烧录,角色、场景与产品元素可复用,首尾帧锁定保持画面连续,全部操作在浏览器内完成。
Yana 是一款由越南开发者独立开发的本地优先 AI 运行时与 IDE,基于 Rust 引擎实现,支持 Claude、GPT 等 19 家模型提供商。 核心引擎 yana-rt 提供 40 个子命令,集成 100 个代理与 2,026 项技能,通过 SHA-256 哈希链审计日志与独立监控机制 Giám Thị 实现人类最终治理。
Arena 宣布 DeepSeek-V4.1-Flash-1017(Max)在 Code Arena: WebDev 榜单得分 1670,超过 Kimi K3(Max)等开源模型及部分闭源模型,成为该榜单排名最高的开源模型,仅落后 GPT-6 Sol(Max)12 分。
同一新闻,精选展示《DeepSeek-V4.1-Flash-1017 登顶 Code Arena: WebDev 开源榜》
Costura 是一款自托管工具,用于将 AI 供应商费用归因至 API 密钥、工作区或人员。 它通过 Docker Compose 部署,支持 Anthropic、OpenAI 等只读连接器,提供月度对账与异常检测功能。
亚马逊推出开源工具 TorchNeuron,允许开发者将 PyTorch 代码在亚马逊自研 Trainium 芯片上本地运行,仅需修改一次配置参数,无需重写代码。
美国国土安全部(DHS)下令所有文职政府机构停止使用中国公司DeepSeek的AI技术及其衍生产品。该禁令自7月底生效,适用于财政部、国务院等文职机构,但排除国防部。此举延续了美国对DeepSeek的监管限制。文章提到,由于DeepSeek模型开源且成本低廉,曾被Snowflake等公司用于业务,其训练成本远低于美国同行,引发了对美国AI企业竞争力的担忧。
推荐理由:美国国土安全部禁令将DeepSeek排除在文职政府体系之外,为评估开源模型在地缘政治下的合规风险提供了具体参照。
AWS 推出新的 SageMaker Studio 访问入口,新用户可通过 Google、GitHub 等账号在 2-3 步内完成注册并进入预配置环境。新账号默认获得 $100 Free Tier 积分及 G5、G6、G4dn GPU 实例访问权限,环境创建时间缩短至 20 秒,并免除了手机号验证和信用卡绑定要求。
2026 年 1 至 9 月,SageMaker JumpStart 新增超过 100 个模型,来自 30 家提供商。 重点纳入 Alibaba(Qwen)29 个模型、NVIDIA 17 个模型及 Mistral 7 个模型,支持 LoRA、SFT、DPO 等微调技术。 强化多模态与高效推理能力,提供量化模型如 GLM-5.2 FP8 和 MiniCPM5-1B。
评估发现 GLM-5.1 具备高 CoT 可控性,其控制水平接近 GPT-6-Astra。 该结果基于 CoT-Control 评测集,涵盖 GPQA、HLE 和 MMLU-Pro 共 1,214 道题目;同期测试的 Kimi 和 DeepSeek 模型 CoT 控制表现较差。 尽管 GLM-5.1 可控性高,但其在监控规避任务中表现不佳。
Taco 是一个基于 GPT-2 的无损压缩器,通过 HardShell 引擎仅使用整数算术,确保在所有 CPU 和 GPU 上生成完全相同的字节。 当前为 0.1.0 概念验证版本,主要特性是保证跨机器(如 macOS 与 Linux)压缩一致性,而非追求速度。 它是实验性工具,速度慢且并非 zstd 或 xz 的替代品,用户需保留数据副本。
针对强化学习中的奖励黑客问题,GRAFT 方法将检测到的作弊行为的参数更新限制在特定集合中,并在训练后移除这些参数。 实验表明,移除相关参数能有效防止奖励黑客,甚至包括监控器无法检测的隐蔽作弊,同时保留模型执行预期任务的能力。
SuperDuck.AI 是一款运行在 Mac 上的个人本地 AI 应用,现正招募 macOS 及 iOS 测试员。 应用本地运行 ds4 等推理引擎,80 GB 模型需手动下载,支持 iPhone 端通过端到端加密链接访问。 工具层限制模型操作,所有实际执行的动作均在回复中透明展示。
AI芯片初创公司Tenstorrent完成15亿美元融资,估值达62亿美元。该轮融资由Trace Capital和Innovation X领投。资金将用于扩展面向开源权重AI模型和视频生成的专用芯片。
Inception 发布 Mercury 3,称其为迄今最强的扩散式 LLM,在 NVIDIA GPU 上跑 1,068 tokens/s,上下文 1M tokens,价格 $0.20/1M 输入、$0.70/1M 输出,发布期 5 折。
北京AI金融创企熵简科技宣布完成C轮融资,蚂蚁集团领投,东方国信与乔贝资本跟投。 核心产品为面向金融机构的AI投研平台AlphaEngine,内置投研知识库,支持通过FinGPT进行问答。AlphaClaw可独立跑通复杂投研工作流,直接交付Excel表格、回测报告等结果,并自动生成索罗斯、霍华德·马克思等投资逻辑Skill。蚂蚁集团此举或为其补上资管投研B端场景的关键一环。
Arena 宣布 DeepSeek-V4.1-Flash-1017(Max)以 1670 分超过 Kimi K3(Max),成为 Code Arena: WebDev 榜单排名最高的开源模型。该模型在 DeepSWE v1.1 测试中得分超越 GPT-6 Astra 等模型,每百万 Token 输入成本约为 Kimi K3 的 1/10,支持一次性生成可运行的 3D 场景与网页游戏。
推荐理由:读者能基于实测案例和价格数据,判断新模型在创意原型开发中的性价比。
NVIDIA DGX Spark 专为本地运行 Agent 设计,搭载 GB10 Grace Blackwell 芯片,具备 1 PFLOP FP4 算力。 设备配备 128GB 一致性内存,支持 2000 亿参数推理与 700 亿参数微调,预装 NVIDIA AI 软件栈。 10月23日,智猩猩联合紫光晓通举办专场,分享 DGX Spark 本地部署最佳实践,降低云端依赖。
多名开发者通过 AI 智能体(如 Claude Code)编写提示词,实现了对小米、索尼、LG 等品牌智能电视的系统级改造,主要功能包括彻底移除强制广告、替换低效启动器、停用后台追踪功能以及定制个性化主屏幕。
探讨如何在本地环境中选择适配 GPU 或 Mac 的开源模型。 关注不同硬件配置下模型的运行速度与性能表现。
达摩院玄铁在RISC-V中国峰会发布自动驾驶与具身智能处理器路线图,首发车规增强处理器E908A。 E908A成为首款同时达到ASIL-B和ASIL-D标准的RISC-V CPU IP,单点安全度量SPFM超90%;玄铁C950在Agentic工作负载上较传统架构提升10%以上。 下一代C950A目标性能达现有车规产品5倍,推动RISC-V进入车载高价值领域。
团队因现有云智能体方案存在数据安全隐患及资源消耗过高(3-4 个并行进程耗尽 VPS 资源),构建了名为 loomcycle 的 agentic kernel。 该应用使用 Go 语言开发,基于 Unix 权限模型实现智能体循环与级联执行,旨在解决提示词注入、密钥管理及长时上下文控制等痛点。 服务上线运行一个多月保持稳定,支持授权 MCP 访问、数据脱敏及低资源占用下的 24/7 运行。
OneMemory 是一款自托管共享记忆存储,通过 MCP 或 REST 协议让 Claude Code、Cursor 等多款 Agent 共享同一数据。它采用轻量级 Node.js 和 SQLite 架构,内置写入时的密钥泄露与注入拦截,并支持 Markdown 文件同步与设备间变更追踪。
推荐理由:OneMemory 将分散在不同设备上的 Agent 记忆统一为单文件 SQLite 存储,提供 MCP 共享与写入安全扫描,适合多客户端协同场景。
monday.com 重构 API 边缘层以应对 AI 智能体带来的 2.5 倍流量增长,并将 p99 延迟降低 11 倍。新架构采用 Go 语言编写的开源 GraphQL 路由器 WunderGraph Cosmo,取代原有 Node.js 协处理器,使 CPU 使用率降低 92%,内存减少 80%。
Conway Research发布首款个人AI助手Underdog,该产品完全在本地设备运行,支持离线处理邮件、日程及生成图像等任务。Underdog基于Qwen3.8 27B微调模型和自研推理引擎Husky,官方数据显示其在MacBook上处理速度比MLX快4.5倍。公司同步宣布获得a16z及Anthropic旗下投资联合体等的融资,并采取不收集用户数据、从交易分成的商业模式。
Air 发布,这是一套专为 AI 生成代码设计的 Python Web 框架,采用 MIT 开源协议且完全免费。框架内置 HTMX 支持,仅依赖 16KB 的 JavaScript,代码生成后无需配置或额外模板。其架构基于 FastAPI 和 Pydantic,旨在通过更简洁的代码结构减少 AI 幻觉并提升开发效率。
GroundAnything 4B 参数模型通过分块去噪实现快速并行解码,GroundAnything-VLM 在 30 项基准测试中取得 72.42% 平均成绩,达到同规模模型 SOTA。