多智能体系统也会"继承家产"：一篇论文教AI团队如何少走弯路

本文介绍Inherit-MAS，一种让多智能体AI系统在测试时自我改进的方法，通过工作流继承保留有用组件、精准修复缺陷，以及执行继承避免重复计算，在WorkBench和HotpotQA上超越多个主流进化型基线，同时显著降...

语言模型为什么不能像公司一样分工合作？

本文解读论文《Beyond the Parameter Monolith》，介绍 FEM-ASM 架构：将语言模型的记忆、执行与神经协调分离管理，并用大量诚实的负面实验结果揭示当前方案的真实能力边界与局限。

MIMESIS：当AI不再扮演"完美用户"，训练出来的智能助手才真正变强

本文解读MIMESIS用户模拟器研究：Meta团队发现现成大模型扮演用户会扭曲任务难度，于是训练出更贴近真人行为的9B模拟器，并借此训练出泛化能力更强的AI智能体，还提出CSD教练式反馈机制进一步提升效果。

Iris-3B：抛弃VAE的像素空间大模型，没能证明自己更懂细节

SperidLabs训练了30亿参数的像素空间文生图模型Iris-3B，并将FLUX.2 Klein转换为像素版本，测试两者在深度估计和图像修复任务上是否优于潜空间模型，结果显示没有显著优势，并详细记录了转换方法与实验中...

如何给一场车祸打分：自动驾驶测试里的"百分位数"游戏

本文提出用历史条件下的风险百分位数来量化自动驾驶测试场景的危险程度,通过学习参考风险分布并结合扩散模型实时引导,在highD数据集上实现98.75%的请求精确命中率,并验证了该框架对TTC指标的可迁移性。

亿联网络汇聚全球行业领袖，共塑AI赋能办公场所未来

Supermicro 携手 IBM 和 NVIDIA 推出 KV Cache 解决方案，展现显著推理性能优势

东芝九赴进博会：以AI为主线，激发产业新动能

AI帮挑、便捷取件、轻松记账，鸿蒙应用解锁双十一全流程新体验

一年一度的双十一已经进入冲刺阶段，从挑商品、蹲点抢购，到等物流、取快递，再到买完后的记账管理，一整套流程下来，对手速、记忆力、决策力都是巨大考验。

TIDES：让状态空间模型既"聪明"又"懂时间"

TIDES是一种新型状态空间模型，通过把输入依赖性放在状态矩阵衰减速率而非离散化步长上，同时保留Mamba式的选择性表达能力和S5式的物理时间处理能力，在多个不规律时间序列基准上取得领先表现。

AI给音乐听写曲谱,这次它学会了"自己纠正自己"

这篇论文提出SheetSage2，通过合成MIDI数据、结构化解码和自回归蒸馏三项技术，解决了AI音乐转录中局部预测准确却整体不一致的难题，在八大基准上多项指标超越此前最强系统。

AI智能体学会了边做事边总结经验，但这事比想象中难得多

UniSkill让AI智能体在执行任务时自主提出技能库更新建议，用历史轨迹对比评估新技能是否契合当前模型，避免额外环境测试，在ALFWorld和WebShop上取得领先且训练稳定的表现。

向患者而行，与中国共进----泰尔茂九赴进博会：以创新回应需求，推动本土生态共建

当实时视频生成遇上几步直出：Salt++如何把两条打架的技术路线拧成一股绳

这篇论文提出Salt++框架，通过Causal Self-Flow和上下文对齐的分布匹配蒸馏，解决流式音视频生成中因果建模与少步蒸馏结合时的上下文错位问题，在480p和960p上均显著超越现有基线方法。

CADFather：一个会自己拿主意的CAD逆向工程助手

CADFather是一个让视觉语言助手自主协调多种CAD重建工具的智能体系统，能从3D网格自动恢复可编辑的参数化CAD程序，在多个基准数据集上实现零失败率和领先精度，且无需额外训练模型。

任务充分收缩：机器之间该交换多少信息才够用

论文提出任务充分收缩理论，研究任务能否在选定编码器、码率等参数前就确定精简信息源，证明有限动作集下遗憾完备信息源可保留完整码率遗憾曲线，并给出二次损失下仿射动作集的精确刻画。

140届广交会闭幕：境外采购商到会人数创新高，彰显全球贸易信心

StepCAD：让AI像老师傅一样，一边造一边改

StepCAD提出边生成边观察的CAD策略加几何感知树搜索，配合自建的150万条数据集ARCADE-1.5M，在多个网格转CAD基准上实现最高87.2%的重建精度提升，尤其在复杂形状上优势显著。

从Pareto到偏好：当AI推理不再只追求"又快又好"，而是学会听懂你的真实需求

AI做数学题时如何同时满足准确率、速度、成本三重要求？PersonTTS提出个性化测试时扩展新范式，通过经验复用与目标验证结合，大幅提升用户需求联合满足率，在AIME、HMMT测试中显著超越现有方法。

EngramEdit：当语言模型的大脑可以局部动手术

EngramEdit提出一种基于条件记忆架构的知识编辑方法,通过计算跨表达方式的目标记忆并联合更新共享n-gram嵌入,实现与模型主干解耦的事实知识更新,编辑成功率接近满分且较好保留无关知识与通用能力。