Hugging Face Daily Papers

LongTraceRL: Learning Long-Context Reasoning from Search Agent Trajectories with Rubric Rewards

HF 22 · Nianyi Lin, Jiajie Zhang, Lei Hou… · HF 镜像

针对大模型长上下文推理易被冗余内容干扰、现有相关强化学习方法存在干扰项混淆度低、奖励稀疏仅关注结果的缺陷，研究者提出LongTraceRL：依托搜索代理轨迹构建分层高混淆干扰项训练语料，设计仅针对正确答案的实体级规则奖励监督中间推理步骤。实验显示该方法在多尺度模型、5类长上下文基准上均优于基线，推理更有证据支撑。

Function2Scene: 3D Indoor Scene Layout from Functional Specifications

HF 20 · Ruiqi Wang, Qimin Chen, Daniel Ritchie… · HF 镜像

针对现有文本驱动3D室内场景生成多聚焦家具配置、忽视实际使用需求的问题，该研究提出Function2Scene框架：输入描述使用者、活动需求的功能文本，解析生成多维度设计约束，结合几何测量、多模态大模型迭代校验优化布局。经30个专业设计案例测试，94.3%的对比场景中其结果优于现有基线，更贴合使用功能。

Representation Forcing for Bottleneck-Free Unified Multimodal Models

HF 18 · Yuqing Wang, Zhijie Lin, Ceyuan Yang… · HF 镜像

针对现有统一多模态模型依赖独立预训练VAE存在结构瓶颈、直接移除VAE会拉低生成质量的问题，本文提出表征强迫（RF）技术：让解码器先自回归预测视觉表征作为中间token，引导同骨干内的像素扩散，无需外部生成隐空间。实验显示，RF方案生成效果追平SOTA VAE类统一模型，图像理解性能更优，为端到端无瓶颈统一多模态模型研发提供可行路径。

COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation

HF 16 · Tianyi Zhou, Dongrui Liu, Leitao Yuan… · HF 镜像

针对现有大模型智能体难以将零散异构的角色/个人经验转化为可复用技能的痛点，本文提出COLLEAGUE.SKILL专家知识蒸馏系统：将目标专家素材蒸馏为含能力、行为双轨的版本化技能包，支持自然语言调整、跨端部署。该开源系统已获18.5k GitHub星，沉淀215项社区贡献技能，验证了人格化技能可封装为可解释、可修正的标准化包。

Task-Focused Memorization for Multimodal Agents

HF 12 · Tao Zou, Yichen He, Tian Qiu… · HF 镜像

针对多模态智能体面临流式多模态观测信息过载、难以筛选待记忆内容的核心痛点，本文提出基于强化学习的任务聚焦记忆框架TaskMem：采用两阶段训练，先优化记忆保真度，部署后结合实时任务奖励微调大模型适配层，仅留存任务相关内容。在三个流式基准上，仅靠记忆答题的VQA准确率较基线最高提升7.0%。

arXiv cs.LG（机器学习）

QASM-Eval: A Dataset to Train and Evaluate LLMs on OpenQASM-3 Beyond Quantum Circuits

Zhenxiao Fu, Lei Jiang, Fan Chen

针对NISQ时代量子编程需调用OpenQASM3硬件导向特性，但缺乏对应大语言模型训练评估数据集的缺口，该工作推出首个面向该场景的QASM-Eval数据集，包含100项专家验证测试任务、4000项训练任务，覆盖多类硬件相关编程场景，配套自动校验工具。评测显示现有主流大模型OpenQASM3编程表现较差，用该数据集微调后性能提升显著，可为量子编程大模型开发提供基础支撑。

Gait2Hip-60: A Unified Deep Learning Benchmark for Predicting Hip Muscle Forces and Joint Moments from Multi-Cadence Gait Kinematics

Jiaqi Zhang, Ji Hou, Qing Sun…

针对步态下髋部肌力、关节力矩的传统肌骨仿真耗时、难落地临床的痛点，该研究构建含60名健康人多步频步态数据的Gait2Hip-60基准，统一协议对比三类序列模型，发现Transformer预测精度最优，零样本迁移至9例股骨头坏死患者仍具中等预测能力，可为相关应用提供基线，后续需提升病理场景泛化性。

Unicorn: Scaling High-Dimensional Time Series Forecasting via Universal Correlation Modeling

Haochen Yuan, Yichen Song, Yunbo Wang…

针对现有时间序列预测模型“通道独立忽略关联、通道依赖难跨异质数据集泛化”的矛盾，本文提出Unicorn高维时序可扩展多数据集预训练框架，核心采用隐式原型码本解耦关联建模与通道身份，将异质通道映射到共享隐空间学习通用可迁移交互模式。实验显示其性能显著优于现有SOTA，少样本迁移优势突出，为多元时序基础模型提供可扩展路径。

OpenAI 官方动态

Boston Children’s uses AI to unlock new diagnoses

OpenAI

波士顿儿童医院将OpenAI的AI技术落地到临床场景中，核心用于优化患者诊疗服务质量、降低院内运营负担。目前该应用已取得明确成效，累计辅助确诊超过40例此前难以识别的罕见病病例，为AI技术在儿科诊疗、罕见病筛查等细分医疗场景的落地提供了可参考的实践经验。

How Braintrust turns customer requests into code with Codex

OpenAI

本文介绍Braintrust团队的研发效率优化方案：将Codex的代码生成能力与GPT-5.5的自然语言语义理解能力结合，搭建从客户需求到可执行代码的自动化转化链路。该方案可自动生成实验验证代码与业务逻辑初版，既加快了实验迭代速度，也大幅压缩需求落地的编码周期，整体研发效率提升显著。

Anthropic News

Introducing Claude Opus 4.8

Anthropic

本次发布的Claude Opus 4.8是Opus层级大模型的最新迭代升级版本。该版本针对核心能力做了定向优化，在代码任务、智能体任务、专业场景工作三类场景下性能均有显著增强，同时提升了长流程任务的处理稳定性，可更可靠支撑周期长、环节多的持续性复杂工作需求。

Introducing Claude Design by Anthropic Labs

Anthropic

Anthropic实验室正式推出全新产品Claude Design，该产品支持用户与Claude大模型协作创作，可产出设计稿、交互原型、演示幻灯片、单页宣传物料等多类打磨完成的高质量可视化成果，进一步拓展了Claude的能力边界，为创意设计、商务办公等场景的AI协作提供了实用新工具。

Google DeepMind

We’re launching the Google DeepMind Accelerator program in Asia Pacific to tackle environmental risks

Google DeepMind

谷歌DeepMind正式启动亚太区加速器项目，聚焦应对区域各类环境风险。项目面向亚太深耕环境科技领域的初创团队开放，将为入选者提供AI技术支持、专属算力配额、行业专家指导及产业资源对接，加快AI在气候应对、灾害预警、生态保护等场景的落地，助力提升亚太环境风险防控效能。

Fast-tracking genetic leads to reverse cellular aging

Google DeepMind

这篇研究围绕逆转细胞衰老的遗传靶点发掘展开，核心方法为生物学家借助Co-Scientist智能工具开展高效筛选，突破传统筛选的效率瓶颈，成功定位到一批全新调控因子，经验证可有效实现人类细胞年轻化。该成果大幅压缩抗衰靶点研发周期，为后续抗衰干预方案开发提供了全新候选方向。

Hugging Face Blog

Profiling in PyTorch (Part 1): A Beginner’s Guide to torch.profiler

Hugging Face

这是PyTorch性能剖析系列的第一篇入门指南，面向新手讲解torch.profiler工具的基础用法，涵盖配置启动、数据采集、结果解读等全流程操作，可获取模型训练/推理时的算子耗时、显存占用、CPU/GPU负载等核心性能数据，帮助开发者快速定位运行瓶颈，为模型效率优化提供明确依据。

ITBench-AA: Frontier Models Score Below 50% on the First Benchmark for Agentic Enterprise IT Tasks — by Artificial Analysis and IBM