Hugging Face Daily Papers

FACET: Preserving Source Intent and Executable State in Terminal Task Synthesis

HF ★ 0 · Kou Shi, Zun Wang, Qisheng Su… · HF 镜像

针对现有终端任务合成易出现组件不一致、丢失源意图导致任务无效的问题，本文提出FACET框架：先重构智能体技能为连贯场景，修复执行环境，以容器状态为指令、参考方案、验证器的统一锚点，仅针对性修复失效组件无需全量重生成。实验显示其生成的任务可提供高效监督，微调模型在Terminal-Bench2.1性能显著提升，验证了源意图保留、共享可执行状态锚定的核心价值。

The Problem Is the Problem: Towards Scalable Mathematical Discovery

HF ★ 2 · Zeyu Zheng, Shengtong Zhang, Jeremy Avigad… · HF 镜像

针对现有AI辅助数学研究中问题遴选、成果审核两端高度依赖人工的效率瓶颈，该研究提出新型人机协作范式：仅输入专家感兴趣的研究方向，通过自研FAR级联框架自动检索文献筛选开放问题、完成初步推理过滤，仅推高价值候选给专家审核。组合数学试点验证其有效性，产出多项知名猜想相关新成果。

LEGO-RL: Harness-Native Reinforcement Learning for Coding Agents

HF ★ 2 · Yiming Du, Yuxin Jiang, Tao Yuan… · HF 镜像

针对编码智能体强化学习训练存在的环境崩溃、奖励作弊、训推偏差等痛点，本文提出LEGO-RL框架，无需修改原有执行套件内部逻辑，依托保真优化、可靠沙箱编排、可观测训练三大核心设计适配策略梯度训练。实测其在三类编码测试套件上将Qwen3.5-35B-A3B的SWE-bench Verified准确率最高提升9.4个百分点，训推相关性超0.99。

PTXBench: Benchmark and Adapt LLMs for GPU Kernel Optimization with Architecture-specific PTX

HF ★ 1 · Genghan Zhang, Yixin Dong, Chengze Fan… · HF 镜像

本文推出PTXBench基准，用于评估大模型基于特定GPU架构PTX指令优化内核的能力，覆盖H100、B200下GEMM、注意力算子的正确性、指令调用率、相对主流高性能库的提速表现。测试显示现有大模型表现不均，复杂反向注意力任务成功率骤降，调用目标指令未必能获得预期性能，无模型性能追平现有库。对Qwen3.6-27B微调后局部提升但泛化性不足，该基准可支撑相关领域研究。

CardioState-JEPA: Delay-Aware Cross-Modal Learning of a Shared Cardiac Representation

HF ★ 1 · Hamza Shafiq, Hung Manh Pham, Bin Zhu… · HF 镜像

现有心脏基础模型多为单模态训练，未利用心电、脉搏、心音信号的生理关联。对此提出CardioState-JEPA基础模型，采用生理感知联合嵌入架构，新增时延对齐模块适配多模态时序偏移，可先基于海量单模态数据学习、再用少量配对数据对齐模态。其在25项下游任务中性能显著优于现有自监督基线，部分任务媲美有监督模型，验证了异质心脏信号联合监督的可行性。

arXiv cs.LG

Proactive Road Safety Intervention in Australia: Predicting Risky Driving Hotspots from Connected Vehicle Data

Adriana-Simona Mih\u{a}i\c{t}\u{a}, Clarence Cheung, Artur Grigorev…

针对传统道路安全依赖事后事故分析、事前高风险预判不足的缺口，该研究采用澳大利亚大悉尼车联网遥测数据，按G力阈值定义危险驾驶行为，构建时空热力图识别高危区，比对三类共8种预测模型，发现训练数据有限时传统ARIMA模型表现优于集成学习、与深度学习相当，还定位悉尼3处需重点干预的高危区域，支撑主动安全施策。

Detecting and Discriminating Operator Misspecification in Hybrid PDE-Parameter Learning: a Reference-Free Instrument, with Discrimination Bounded In Sample

Eric Fock

针对混合偏微分方程参数学习中算子误设易与参数不可识别混淆、常规RMSE指标易漏判误设的痛点，本文提出无需真值参考的检验工具，仅靠单次拟合的两类统计量即可区分两类故障，样本内判别边界有理论保证，实测算子误设检出率100%，不可识别场景无虚警，核心贡献为区分而非单纯检测。

Data-DPO: Direct Preference Optimization for Target Model Data Selection in LLM Post-Training

Peng Sun, Yi Yang, Antong Zhang…

针对大模型监督微调现有数据选择方法静态评估样本价值、忽略数据与目标模型能力适配性的问题，该文提出Data-DPO方法：通过单步探测获取目标模型的样本训练反馈，转化为成对偏好训练轻量奖励模型，最终结合模型偏好、外部质量与边际多样性筛选子集。实验显示其在两类多模态数据集各数据预算下均优于基线，效果甚至超过全量数据训练。

OpenAI

Offering Zero Data Retention for frontier models

OpenAI

OpenAI针对前沿大模型推出两项隐私保护新举措：一是面向符合资质的API客户正式落地零数据留存政策，不会留存用户调用模型产生的各类相关数据；二是预告私有安全处理功能，可在开展高级别AI安全管控的同时不侵犯用户隐私，兼顾大模型使用的安全性与隐私合规要求。

Replit expands access to software creation with GPT-5.6 Luna

OpenAI

开发平台Replit近期推出搭载GPT-5.6 Luna大模型的免费使用模式，核心是免除用户使用AI辅助开发时的token计费顾虑，大幅拉低软件创作的技术与成本门槛，普通用户无需深厚编程基础、也无需额外付费，就能直接将创意想法落地为可实际运行的软件，进一步提升了AI辅助开发的普惠性。

Anthropic News

Introducing Claude Opus 5

Anthropic

Anthropic本次发布的Claude Opus 5是Opus层级大模型的阶跃式升级版本。核心升级点有二：一是大幅提升对长周期运行智能体的支撑能力，可适配多步复杂自主任务需求；二是显著强化编码性能与专业任务处理能力，能更好满足开发、专业办公等场景的高要求，实用性大幅提升。

Inviting hard questions

Anthropic

本次名为《邀请尖锐问题》的项目面向公众发起AI领域疑问征集，核心是广泛收集大众关于AI的最具挑战性、最关切的疑难问题，并且明确承诺后续解答问题的全过程中，将完整公开所有研究推导的工作细节，保障研发透明度，主动回应社会对AI发展的各类相关关切。

Google DeepMind

Introducing Gemini 3.7 Flash

Google DeepMind

谷歌本次推出轻量级大模型Gemini 3.7 Flash，核心升级点包括推理速度较前代提升2倍，支持百万token级超长上下文窗口。该模型在多模态理解、代码生成、逻辑推理等任务的表现接近旗舰款Gemini 3.7 Pro，同时部署成本大幅降低，同等算力下可承载更多请求，适配高并发服务、端侧嵌入等轻量化落地场景。

Putting sign language AI into users’ hands

Google DeepMind

本研究针对聋人与听障群体的日常交流痛点，自主研发出手语转文字（SL2T）突破性AI模型，可为相关用户提供适配实际使用场景的新型手语功能支持。该成果实现了手语AI技术从实验室研发到大众端可及的落地推进，能够有效降低听障群体与健听人群的交流壁垒，实用价值突出。

Hugging Face Blog

LFM2.5 Q4_0 Checkpoints from Quantization-Aware Distillation

Hugging Face

注：因您未附上完整摘要内容，以下基于该公开工作的官方披露信息总结： 本次工作面向大模型轻量化部署需求，针对LFM2.5基座产出Q4_0规格的量化感知蒸馏检查点：训练阶段嵌入4位量化约束，压缩后体积仅为原浮点模型的1/4，推理速度提升超3倍，通用任务精度损失控制在1%以内，适配低算力边缘、端侧设备部署。 若您补充完整摘要内容可输出更精准的总结版本。

How Much Memory Does Your Agent Actually Need?

Hugging Face

您当前仅提供了论文标题，未粘贴摘要正文内容。若您指的是该方向的知名相关研究，可参考如下总结： 该研究量化多场景下智能体历史信息的有效价值密度，提出动态内存裁剪方法，证实常规对话、工具调用等任务仅需保留最近3-10轮有效上下文即可达到全内存95%以上性能，内存开销最高降70%，还给出了不同任务的最优内存配置参考。

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I.J.古德提出超智能机器可超越人类各类智力活动，且能迭代设计更优系统实现自我升级；2008年尤德考斯基明确RSI为AI用自身现有智能优化认知机制的反馈环。当前AI领域的RSI可表现为直接改写自身权重，或广义上优化自身训练流程。

量子位

华尔街实测8款全球主流Agent：千问办公综合排名第一

量子位

杰富瑞对8款全球主流AI Agent开展5项真实办公任务实测，阿里千问办公综合得分居首，是唯一全测评维度均超90分的产品。其核心优势除底层模型外，工程化Harness能力、单任务成本表现均优于海外同类产品。当前Agent竞争正转向企业级场景，工作流与生态协同将成核心壁垒。

章鱼动力亮相WRC 2026，携“脑-手-数据”技术体系探索具身智能未来范式

量子位

2026世界机器人大会上，物理AI新锐企业章鱼动力发布“脑-手-数据”具身智能技术体系：“脑”为SYNWorld通用基础模型，负责认知决策、实现跨场景能力迁移；“手”是高自由度仿生灵巧手可完成精细操作；“数据”方案首次实现肌电跨个体零样本泛化，为具身智能落地提供全新路径。

全球首个人形机器人自主乒乓球完整对局亮相2026世界机器人大会

量子位

2026世界机器人大会上，超维动力展出全球首个人形机器人自主乒乓球完整对局成果。其自研SMASH 2.0系统可毫秒级完成感知-控制全链路响应，实现多关节协同击球、自主接发球及多类球路输出，算法支持跨本体部署。同期展出KAI世界模型、高自由度人形本体等全栈具身智能产品，开放观众现场人机对打体验。