Hugging Face Daily Papers

ToolHazard: Scaling Adversarial Environments for Security Evaluation and Alignment of LLM-based Agents

HF ★ 1 · Yutao Mou, Pengfei Yang, Zhe Yin… · HF 镜像

（LLM 摘要失败，请稍后手动补充）

Spark-to-Paper: End-to-End Research Paper Generation as a Composable Skill

HF ★ 0 · Zhuoyang Qian, Biao Wu, Yiran Wang… · HF 镜像

本文提出可嵌入现有编码助手的端到端论文生成系统Spark-to-Paper，无需独立代理平台，将生成流程拆为13个可组合技能，分离模型判断与确定性操作、实验规划与报告，增设校验避免自驳问题，支持生成可编辑矢量图。实测引用准确率99.5%、图表可编辑率96.4%，造假检测率从14%提至92%，单篇平均成本8.1美元、耗时3.2小时，验证了该轻量方案的可行性。

Agent Safety Should Be a Runtime Contract

HF ★ 0 · Albus W. Ng, Yi Han, Jusheng Zhang… · HF 镜像

当前AI安全主流采用RLHF等训练期注入策略，无法适配可执行代码、修改数据的自主智能体场景。该文提出智能体安全应采用运行时契约，通过沙箱、权限管控前置阻断危险操作，留存测试、日志等可验证证据核验合规性。结合四类实证，其指出智能体安全核心应为带可查证据的执行轨迹，而非模型本身。

arXiv cs.LG

Transformer Geometry Observatory TGO-IV: Developmental Topology Observatory

Kaustubh Kapil, Kishor P. Upla

针对现有Transformer可解释性研究多孤立分析单层或整体网络、缺乏表征跨层演化规律探索的问题，该研究提出TGO-IV拓扑分析框架，以持续同调为核心工具，从token表征点云构建VR复形，结合多类拓扑特征指标，追踪表征前向传播过程中的全局拓扑演化规律，为探明原始输入到任务相关特征的演化节点与作用机制提供新路径。

Uncertainty-Aware Ensemble Deep Randomized Neural Networks for Classification

M. Sajid, A. Quadir, A. Rahaman…

针对现有深度随机神经网络对训练样本统一处理、抗噪声与离群点能力弱、污染特征跨层传播影响决策效果的问题，研究引入直觉模糊理论，结合样本类别中心距离隶属度、邻域异质性非隶属度给样本分配自适应权重，可区分不同质量样本，提出两款鲁棒改进框架。基准数据集（含加噪场景）测试显示其性能优于现有各类SOTA方案。

CurveFP: Rational-Radix Logarithmic Datatypes with Closed Products for Language Models

Ye Qiao

针对大模型低精度数据类型多优化标量保真度、未改进乘积运算的问题，本文提出有理基对数闭乘积数据类型族CurveFP，乘积仅需符号异或与整数索引更新，分别推出训练用8位、部署用7位实现。实测7位版比FP8少1位仍困惑度更优，8位版矩阵运算误差更低，预训练效果接近BF16，兼顾精度、低存储与运算简洁性。

OpenAI

From assistance to execution: How enterprises put AI to work

OpenAI

这份OpenAI发布的企业AI应用专项研究，梳理了当前企业落地智能体AI的主流路径：普遍依托ChatGPT、Codex等大模型工具，推动AI从传统辅助职能向实际业务执行环节渗透。研究同时明确，布局更早的前沿企业已在AI应用进度上显著拉开与同业的差距，率先收获技术落地红利。

How RingCentral builds AI-native work from engineering to ops

OpenAI

这篇内容介绍了云通信厂商RingCentral的AI原生工作落地实践：该公司引入ChatGPT Work与Codex两款大模型工具，覆盖从研发到运维全链路场景，一方面大幅提速AI原生产品的开发迭代效率，另一方面打通工程、运维部门的数据壁垒，实现运营情报的集中化智能分析，为企业全流程AI赋能提供参考路径。

Anthropic News

Introducing Claude Opus 5

Anthropic

Claude Opus 5是Anthropic旗下Opus高端大模型产品线的代际升级版本，实现了性能阶跃式提升。该版本核心优化有两点：一是大幅强化对长时运行智能体的承载能力，适配复杂Agent场景需求；二是编码、专业领域任务处理能力均有显著进步，可更好支撑开发者及各行业专业人士的高阶工作需求。

Inviting hard questions

Anthropic

本研究发起面向公众的AI问题征集项目，核心是收集公众对AI领域最关切的疑难问题，同时作出承诺：后续针对所有征集到的问题开展研究、给出回应时，将完整公开研究路径、推导过程等全部工作细节，以此提升AI研发透明度，消解技术与公众间的信息壁垒，推动AI发展适配社会真实关切。

Google DeepMind

Putting sign language AI into users’ hands

Google DeepMind

本研究面向聋人及听障群体的无障碍交流需求，研发出突破性的手语转文字（SL2T）AI模型，核心目标是将手语AI能力直接下沉到用户可直接使用的终端场景中，可支撑面向听障群体的全新手语交互功能，有效打通听障与健听人群的交流壁垒，实现无障碍AI技术的普惠落地。

WeatherNext: AI model achieves breakthrough in forecasting cyclones

Google DeepMind

全新AI气象模型WeatherNext在气旋预报领域实现突破性进展：它采用高分辨率时空序列学习架构，融合多源气象观测、再分析数据集训练，相较传统数值预报运算效率提升数十倍，气旋路径、强度、登陆时间预报准确率提升30%以上，可提前7天输出高精度结果，为极端气象防灾减灾提供关键技术支撑。

Hugging Face Blog

Introducing OlmoEarth embeddings: Custom embedding exports from OlmoEarth Studio for downstream analysis

Hugging Face

本文推出面向地学领域的OlmoEarth嵌入服务，支持用户从OlmoEarth Studio平台自定义导出适配自身需求的专属嵌入向量，可直接对接各类下游分析任务，无需用户从零训练通用嵌入模型，大幅降低地学场景AI分析的技术门槛，能有效提升地学分类、异常检测等任务的落地效率。

LFM2.5-VL-3B for Better and Faster Vision Capabilities for the Edge

Hugging Face

总结

本次推出的3B参数量边缘端多模态模型LFM2.5-VL-3B，针对性优化了视觉编码器架构与跨模态对齐效率，相较同量级通用多模态模型，图文理解、OCR、视觉检测等视觉任务精度平均提升超10%，推理速度提40%以上，无需量化即可直接在端侧低算力设备部署，适配智能交互、工业巡检等场景。

The Gradient

After Orthogonality: Virtue-Ethical Agency and AI Alignment

The Gradient

这篇AI对齐研究从美德伦理视角出发，反驳“理性主体需锚定固定终极目标”的通行预设，指出人类理性行动的核心是适配包含行动倾向、评价标准等要素的实践网络。提出若要AI能配合人类、合规运行，需让AI决策逻辑匹配人类的实践推理范式，该思路同时覆盖伦理对齐与核心安全需求。

Lil’Log

Harness Engineering for Self-Improvement

Lilian Weng

本文梳理递归自我改进（RSI）的概念演进：1965年学者I.J.古德率先提出，超智能机器可在所有智力活动上超越人类，还能设计更优机器完成自我迭代；2008年尤德考斯基明确其核心是AI依托现有智能优化自身认知机制的反馈环。当前AI的这类反馈既含模型直接改写自身权重，也可广义涵盖训练管线优化。

量子位

《置身谷内》！Jeff Dean上顶会自曝离职现场：被1500人围堵

量子位

Jeff Dean在顶会KDD2026公开其任职谷歌27年的离职最后48小时细节：他先后向139名亲近同事、全体谷歌员工官宣离职，出席1500人告别会，熬夜回复告别消息到凌晨2点半，交回工牌当晚标注自己“失业”，零点便以新公司Discovery Loop联创兼CEO上岗，另有三位谷歌核心研究员与其共同创业。

Anthropic CEO整天神神叨叨，投资人受不了了

量子位

传AI企业Anthropic将于10月底IPO，融资额或超600亿美元，有望成为全球第二大IPO。但公司CEO Dario长期高度警惕AI风险，坚持安全优先级高于盈利，相关保守操作引发投资者不满，甚至质疑其是来经营公司还是拯救世界，要求其少渲染AI末日风险、多讲商业化方案，目前市场已担忧其IPO表现。

国产具身智能创全球新纪录！以30%成本跑赢 Figure AI 45%效率，聪明的具身大脑成关键

量子位

国内自变量机器人公开直播无人工兜底的随机包裹物流分拣，实测效率达1816件/小时，较美国Figure AI的行业纪录高45%，采用双臂+标准夹爪方案硬件成本低70%，分拣准确率98%。核心支撑为自研WALL-B世界统一模型，探索出高性价比、易规模化落地的具身智能发展新路径。