Hugging Face Daily Papers

FlowEvo: Self-Evolving Agents through the Co-Evolution of Workflows and Executable Skills

HF ★ 2 · Zeyu Ren, Ling Yue, Ran Li… · HF 镜像

针对大模型智能体任务流程用完即弃、现有技能库无法随任务自主迭代的痛点，提出免训练框架FlowEvo：推理阶段实现工作流与可执行技能协同演化，将成功任务流编译为可调用技能存库，自动筛选剔除负迁移低效用技能。该框架在多类基准数据集上性能远超基线，ALFWorld精度较最强基线高26.4个百分点，token消耗仅约1/3，适配全参数规模基座。

TinyCast: Probabilistic Zero-Shot Forecasting with Computed Periodicity

HF ★ 8 · Armin Steinhauser · HF 镜像

本文提出无注意力的零样本概率预测模型TinyCast，仅14.65万参数。它通过零参频谱检测器计算时序主导周期，折叠上下文相位后，经空洞卷积编码、块自回归分位数解码得到预测分布。该模型同参数级精度最优，性能相近的竞品参数量达其28倍以上，可转INT8直接在嵌入式设备端运行。

The Embedder’s Dilemma: LLMs Are Better, but at What Cost?

HF ★ 7 · Adnan El Assadi, Niklas Muennighoff, Jinhyuk Lee · HF 镜像

本文对比6类共10款大模型、26款文本嵌入模型在37项任务的表现与成本，发现两者整体性能基本持平：大模型仅在重推理检索任务占优，嵌入模型分类表现更好，其余任务表现相当。同性能下大模型推理成本最高达嵌入模型的1431倍、速度慢2.5到736倍，建议常规任务用嵌入模型，仅重推理检索场景用大模型。

τ_0-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation

HF ★ 9 · Xiaowei Cai, Yunuo Cai, Bingao Chen… · HF 镜像

针对长周期机器人操作中现有层级VLA模型单次前向决策、无法为高难度选择分配额外算力的问题，本文提出τ₀-VLA层级机器人基础模型，通过世界模型引导测试时计算，将高层子任务生成为算力可扩展推理问题，支持多形态机器人执行，基于4万余小时真实异质数据训练，额外分配测试时算力可显著提升长周期操作闭环成功率。

QuoteBench: How Matched Scores Can Hide Command-Path Failures

HF ★ 7 · Shangao Li, Yao Zhang, Volker Tresp… · HF 镜像

针对大语言模型代码代理的执行匹配得分易掩盖生成后命令解析传输故障的问题，该研究构建QuoteBench基准，采用终态精确校验测试56项风险场景衍生单步任务。结果显示相同生成结果经新增未转义解析器后成功率降55.473.2个百分点，仅部分配置下披露链路边界可恢复30.460.7个百分点。研究指出匹配得分不等价模型固有能力，评价需披露全链路配置。

OpenAI

Introducing AI Futures

OpenAI

OpenAI全新推出官方博客专栏《AI Futures》，核心聚焦高变革性人工智能技术的长期社会影响，将围绕AI发展如何重构权力结构、调整社会治理模式、重塑经济运行规则，以及改变个体自由的实现形态等核心议题展开探讨，为AI技术迭代配套的公共决策、社会调适提供讨论研判的公共载体。

Stampli cuts launch hours by 68% using ChatGPT Work

OpenAI

企业服务商Stampli面临项目上线死线固定、设计资源被其他业务占用的困境，原定需数周完成的上线筹备工作无法按常规节奏推进。该企业采用Codex与ChatGPT Work两款大模型工具提效，最终将上线总耗时压缩68%，数周的工作量仅用数天就完成，在资源紧缺前提下顺利保障项目按期交付。

Anthropic News

Introducing Claude Opus 5

Anthropic

本次推出的Claude Opus 5是Anthropic旗下Opus高端级大模型的阶跃式迭代产品。本次升级核心围绕两大场景优化：一是大幅强化长时运行适配能力，可更好为长周期运行的智能体提供底层支撑；二是显著提升代码生成、专业领域任务处理性能，能更高效支撑开发者、专业从业者的复杂工作需求。

Inviting hard questions

Anthropic

本文推出一项公众参与类AI研究举措：面向全社会公开征集大众最关心、最难解答的AI相关问题，同时项目方明确承诺，后续在回应、解答这些问题的过程中，将完整公开全部研究工作的推进细节与相关流程。该举措可提升AI研发透明度，缩小公众与前沿AI研究的信息差。

Google DeepMind

From Atari to EVE Online: Building on 15 Years of AI Research in Games

Google DeepMind

本文是Google DeepMind对15年游戏AI研究历程的总结：研究从早期Atari单机小游戏的强化学习突破起步，逐步拓展到EVE Online这类高复杂度、强交互的多人开放世界网游。核心模式为联动游戏厂商，依托游戏高仿真复杂场景快速迭代AI玩法原型，高效验证通用智能算法能力，为通用AI落地真实场景沉淀技术积累。

Introducing Gemini 3.7 Flash

Google DeepMind

目前你仅提供了论文标题未附具体摘要内容，若基于谷歌公开的Gemini 3.7 Flash官方信息可总结为：该模型是谷歌推出的轻量级多模态大模型，推理速度较前代提升2倍，支持100万token超长上下文，多模态处理、逻辑推理、代码生成能力对标同级旗舰模型，推理成本仅为同性能产品的1/3，适配高并发场景与端侧部署需求。

Hugging Face Blog

Measuring benchmark optimization in speech recognition

Hugging Face

当前您仅提供了该语音识别领域论文的标题，未附上对应的英文摘要正文内容，请您补充完整摘要的全部文本，我会按照要求将其翻译提炼为120字左右的中文总结，重点突出核心研究方法与结论，表述简洁清晰、不冗余复读原文。

Up to 3.2x Faster Inference with LFM2.5-DSpark

Hugging Face

该研究面向大模型推理效率优化需求，提出LFM 2.5维流式调度策略，配套开发DSpark推理框架，破解传统方案调度开销高、显存利用率不足的痛点，兼顾批量推理与高并发流式请求处理效率。实测显示，其性能较vLLM、TensorRT-LLM等主流框架最高提升3.2倍，长序列、高负载场景下吞吐量与时延表现均显著更优。

Lil’Log

Harness Engineering for Self-Improvement

Lilian Weng

递归自我改进（RSI）概念最早可追溯至1965年学者古德提出的“超智能机器”设想，指在所有智力活动上超越人类的系统，可自主设计更优智能体实现自我迭代。2008年尤德考斯基将其明确为AI依托现有智能优化自身认知架构的反馈环，当前该路径可落地为直接改写模型权重，或是广义上优化训练流程。

量子位

不是Demo！优必选把客户产线1:1搬进WRC，解锁具身智能真落地路径

量子位

优必选在2024世界机器人大会1:1复刻客户真实产线，打破行业Demo作秀惯例。其展出的两款Cruzr系列工业人形机器人可自主完成拆垛、精密上下料、分拣等任务，最高抓取节拍近1100件/小时，还能自主纠错。相关落地方案已度过实训期，进入小规模交付阶段，验证了软硬件与场景的适配能力。

伽利略机器人首发“陆行具身系统”，打通轮车足底层技术壁垒

量子位

2026世界机器人大会上，国家级专精特新“小巨人”伽利略首发陆行具身系统Galileo X。该产品从零自研整机架构、本体与控制系统，打通轮、车、足底层技术壁垒，融合三类移动设备核心能力，打破单形态单场景局限，可适配多领域高价值场景，推动行业迈向一体化全域智能作业。

魔法原子亮相WRC 2026，三大场景解决方案实景展示物理AI真·上岗

量子位

2026年世界机器人大会期间，魔法原子携工业制造、物流分拣、公共安全三大场景具身智能解决方案亮相，展示自研通用具身大模型Magic-VLA K02，以及已落地工厂替代人工重复劳作的量产轮式人形机器人MagicBot D1。其还承办主题论坛联动产学研资源，推动具身智能规模化落地与生态共建。