Decision4Rec: 基于知识图与主动图的多智能体推荐系统决策模型框架
Decision4Rec 提出一种开放模块化框架,利用决策模型优化多智能体推荐系统。该框架通过知识图谱记录场景日志,结合智能体池、残差排序器及一次训练于真实选择的决策模型,经融合步骤输出最终推荐。
Decision4Rec 提出一种开放模块化框架,利用决策模型优化多智能体推荐系统。该框架通过知识图谱记录场景日志,结合智能体池、残差排序器及一次训练于真实选择的决策模型,经融合步骤输出最终推荐。
研究发现,在文本与音频线索冲突时,6 款 Audio LLM 的文本主导率均值达 0.78,表明模型过度依赖文字转录而忽略副语言线索。 实验显示,模型未能修复因文本主导导致的问题,且该现象仅在自由生成任务中显现,在选择题中不可见。 代码和数据已公开。
CHSM8 是一个 2.1 亿参数的国际象棋 Transformer,在 10.7 亿局 Lichess 对局上预训练,无需搜索即可达到 1837 Elo,在千局比赛中击败所有其他未使用偏好调优的公开模型。
研究团队开发了 Software World 框架,用于在包含真实相互依赖 Python 包的软件生态系统中模拟多智能体协作。在涵盖8个模型、总计超过10,000小时智能体工作的三个模拟世界中,实验显示性能提升随推理时计算增加而扩展,最佳模型使下游效率提升高达31%。
summary_zh: I$^2$-Med 框架通过视觉引导动态校准 logits 提升医疗视觉语言模型的可解释性与可靠性,无需额外训练。 该方法在 OmniMedVQA 基准上测试了 8 种成像模态,减少视觉幻觉并生成更具临床意义的推理链,源代码已公开。
ASTOR 发布了一种推理时框架与 SoftOR 基准,将自然语言决策问题映射为语法引导的抽象语法树(AST),再确定性编译为可执行的优化代码。 该框架在 SoftOR 上取得了可比较的单请求及多智能体 LLM 方法中最佳的聚合准确率,并在仅包含硬约束的标准自动公式化基准上保持竞争力。 ASTOR 提升了处理现实世界中混合硬约束与软约束决策问题的自动化建模能力,代码与数据已公开。
Monsoon 框架通过非脚本对话采集 50 种语言的自发语音,分析 7 个 3,500 小时语料库,质量筛选使语义 WER 相对常规协议降低 10-39%。 Whisper 在 Monsoon 数据上微调后,在对话基准上语义 WER 降低 20-44 个点,且增益可迁移至其他架构并随数据量增长。
summary_zh: HarnessRL 是一种随策略共同演化的训练时框架,用于解决基于量规的强化学习中奖励失效问题。 该框架通过任务采样、轨迹引导和量规标准三个接口进行即时优化,并在 Rubric-Mix-10k 数据集上比最强基线高出 2.8 至 3.1 分,同时将近似减少一半训练步数。
NVIDIA 与 AI4Bharat 联合推出 Nemotron-Pretraining-Indic-v1 及评测套件,构建了覆盖 22 种印度语言的 2.83 万亿 token 合成预训练语料库。
MITRA-lexicon 发布了 6 个基于语料的词典,包含 218 万条头词和 1040 万条实证。 该资源源自 Mitrasamgraha 及 MITRA-parallel 语料,头词遵循 DCS 标准,实证包含句子对及字符偏移。 开源了词典、微调后的 span annotation 模型及网页查询界面。
MoM框架分离路由式神经记忆与可写事实记忆,结合冻结基座模型与两个神经记忆专家。 轻量Budget Router根据不确定性特征设置每token混合权重,新事实追加无需重训练组件。 实验显示MoM提升了预测准确性与可更新性,同时保持低推理开销。
该研究提出一种测量框架,利用 transformer-based 句子嵌入将标准化文本响应映射到高维共享向量空间,使概念表征可被实证访问。 框架开发三条分析路径:比较概念间表征共享度、识别关联变量、检验子群体偏差,并基于大规模自由联想数据集展示应用。 配套 GitHub 仓库提供现成实现,支持现有及自定义数据集分析。
GLOSS-MT 通过离线词典替换实现可控翻译,在 84 篇文档基准上 chrF2 提升 2.85 至 5.48 分,NLLB 微调后成为最佳开源系统。 该方法应用于 NLLB-200 与 TranslateGemma 4B,无需重训即可通过替换词典条目改变输出术语,79%至 97% 的词典词被正确生成。 作者已公开模型、数据与代码。
研究者发布针对孟加拉语提示的分级安全分类资源 BanglaShield,其轻量微调编码器在原生脚本上达到 87.8 macro-F1,较最佳 LLM 领先 42.8-46.1 点,且参数量比 Gemma 4 31B 少约 130 倍。
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。
由清华大学、原力灵机与极寰时代研发的LoopWAM在RoboChallenge Table30 V2真机评测中取得成功率与过程分榜首,并在RoboTwin 2.0和RoboCasa365仿真基准中达到SOTA。该方法利用部署中的成功、次优与失败轨迹进行闭环训练,经过三轮迭代,整体成功率相对提升约83%,叠衣服任务成功率从13.2%提升至55.56%。LoopWAM已开源代码并登上arXiv论文。
蚂蚁百灵宣布开源 Ming-3.0 语音系列,覆盖语音合成、音频理解与对话、语音识别三个方向,共五款模型。开发者可按任务选择,也可将不同能力组合进工作流。Ming-3.0-tts 支持音色设计与导演模式,已在阿福 App、医生音色克隆、小虎智能办公等业务使用;Ming-3.0-asr-tiny 用于阿福医生助手、支付宝搜索、蚁小保实时语音对话和安全核身等场景。
OpenFlow 是一个多智能体 AI 工作流可视化构建器,用户可拖拽角色卡片连接管线(如 planner → architect → coder)并运行并行智能体。
Microsoft 开源了名为 Scope 的 Kubernetes 原生平台,用于将 AI 编码智能体的交互行为转化为可行动的产品改进证据。该平台以 MIT 许可证发布,支持通过可复现实验持续优化针对智能体的开发体验(DevAx)。
Maali 是一款隐私优先的个人理财应用,AI 分析师及完整功能均在本地计算机运行。 用户可通过导入银行 CSV 文件或连接 SimpleFIN 导入数据,应用自动分类支出并分析月度财务状况。 应用提供 30 天免费试用,之后一次性付费 99 美元即可获得永久使用权及所有更新。
Wabi 向所有用户正式开放,这是一款由 Replika 创始人 Eugenia Kuyda 创办的多人协作个人 AI 助理。与单线程助理不同,Wabi 让用户为不同任务维护多个智能体线程,并可以在每个线程里构建和使用自定义应用,例如体重追踪、亲子活动推荐。
MiniMax 发布了推理模型 M3.1 Flash,其 Artificial Analysis 综合得分为 42 分,前代 M3 为 29 分。该模型单任务成本约 $0.22,比 Deepseek V4.1 Flash 1017 的 $0.26 略低。
Senseplane 是一个开源项目,可将现有摄像头、麦克风等传感器转化为 AI 智能体的感知能力,当前处于 v0.2 早期阶段。 支持 MCP 服务器、REST API、Webhooks 和 TypeScript SDK 连接 Claude、ChatGPT 等智能体,提供 Look、Watch、Ask、Measure、Replay 五项功能,默认保留 7 天数据。
该项目发起“Let's Play Interpretability” Twitch 直播,观众与 Claude 协作自主解读 Bonsai-8B 大语言模型的神经元、连接及电路。
中电信星辰通用人工智能实验室开源Xing4.0-29B-Intent模型,该模型将意图理解扩展为意图分类与参数提取,并在零样本冷启动评测中Micro-F1达70.27,高出Jev 12.62个百分点。
推荐理由:文章对比了Jev与Xing4.0-29B-Intent在意图分类与参数提取上的能力差异,提供了11组真实场景实测数据及275万条语料,展示了专用模型在Agent落地中的成本优势。
用户 New_Alps_5655 开发了一款 LLM 内部探索仪器,整合 jspace、j++、LARQL/VINDEX 及 Cammarata 的 neuron poles 研究。
Nvidia 发布 Nemotron 3.5 Super VL 及轻量级 Bolt 模型,Super VL 为 120 亿参数大模型,支持企业级 Agent 任务,并声称在特定任务上快于 Anthropic 和 OpenAI 模型。
ContextBridge-AI 是一个开源的 Chrome 和 Edge 浏览器扩展,允许用户将 ChatGPT、Claude、Gemini 等平台的对话内容捕获并转移至其他支持的 AI 助手。该工具通过提取当前页面加载的对话文本并复制,辅助用户在不同模型间保持上下文连续性,但无法传输图片或内部记忆,且需用户手动确认发送以保护隐私。
研究人员测试了六款 AI 模型凭记忆定位旧金山 41,526 个地点的能力,对照 OpenStreetMap 评分。表现最佳的 Gemini 4 Argon、GPT-6.1 Sol 和 GPT-6 Astra 正确率达 86%,且高推理成本更高但得分相近。
该工具支持本地或远程 Git 仓库,以及 Go(go.mod)和 Rust(Cargo.toml) 依赖分析,基于 git commit author 和 agent files 等特征进行识别,但无法检测刻意隐藏 AI 使用的场景。
主流云端 AI 助手默认开启模型训练,且数据删除难以彻底,而开源权重模型(如 Gemma、Llama、Qwen)现已能在手机本地运行。 作者开发了隐私应用 Merrin,利用本地推理确保对话、记忆及记录完全保留在用户设备上,支持离线使用且无服务器副本。 该设计消除了数据泄露与商业滥用风险,用户可完全掌控记忆存储与删除,实现真正的数字隐私保护。
hdtp-gateway 是一个开源的个人 AI 代理网关,允许用户的 AI 助手在公开互联网上直接与其他代理通信以完成预约和预订,无需中心化平台中介。该工具提供静态二进制文件或 Docker 镜像部署,基于 MCP 服务器架构,支持通过 HPKE 加密实现端到端密封通信,并采用非对称身份机制(基于公钥 SHA-256),允许用户通过 vCard 共享地址给他人代理。
谷歌开源了名为Harness²的递归自我改进(RSI)系统,旨在让大模型在运行中自主修改代码、提示词及工具链。该架构采用任务级与改进级双层递归,通过Propose–Probe–Compose机制在无标准答案场景下进行对照实验与合成,并将经验沉淀至持续改进库。
推荐理由:谷歌开源了针对Agent运行时改进的Harness²架构,通过双层递归机制解决了无标准答案场景下的自我优化难题,显著提升基准测试表现。
百度联合清华、人大等机构开源视觉语言模型 LoopVL。该模型采用 32 层参数与 H2L3 循环架构,实现 128 次层调用。 仅用 0.14T 训练 token,数据效率约为 Qwen3.5-2B 的 260 倍。
ApolloOffice 是一款本地运行的 AI 自动化办公工具,可将 GitHub Issue 转化为经验证的 Pull Request。它通过内置的 Scout、Guard、Fixer 等模块化 AI 工作者流程,自动复现 bug、编写修复及回归测试,并验证测试在修复前后的红绿状态。
推荐理由:展示了本地部署、验证测试且支持多模型接入的自动化工作流,适合关注本地化与成本控制的开发者。
作者基于 Qwen3-4B-Instruct 训练并发布了 qwen3-4b-deslop 模型,旨在移除 em dash、“not X, but Y” 等 AI 写作特征。
开源软件 Marcus 通过自动化检查验证 AI 搜索引擎的引用,指出 51% 的被测链接为虚构、失效或指向错误来源。 该测试基于 200 篇真实新闻生成 800 条引用,发现 69.5% 的回答存在错误,并引入证据验证、脚本核查与人工签署三重机制确保准确性。
开发者发布了一款面向 AI 的免费开源设计画布,允许用户直接编辑 HTML 或截图并调整 UI 元素位置。 核心工作流是用户截取 UI 并移动按钮查看效果,随后将修改后的布局或截图反馈给 AI 继续处理。该工具支持在现有基础上进行二次开发或功能改进。
Open Notebook 在 GitHub 获得 4 万 Star,定位为开源、多模型且注重隐私的 NotebookLM 替代方案,支持全文与向量搜索、引用溯源及播客生成。
推荐理由:Open Notebook 将多模型配置交给用户,并通过默认接入硅基流动,让知识库的部署、模型选择和隐私控制都可以按需组合。
whatsapp-mcp 是一个运行在用户自有 Cloudflare 账户的开源服务器,支持 Claude Code 等 MCP 客户端读取和搜索 WhatsApp 消息。