Hugging Face Daily Papers

FrontierChallenge: Evaluating Scientific Workflow Completion

HF ★ 94 · Liangcai Su, Zhaopeng Feng, Zhuo Chen… · HF 镜像

针对现有科研智能体基准多侧重单领域、孤立任务的局限，研究团队推出跨领域端到端科研工作流评测基准FrontierChallenge，当前已发布覆盖6个科研领域的97项评测任务。对12个前沿模型搭配3种智能体架构的测试显示，最优通过率仅20.6%，高过程分、模型自报完成都不能代表任务真达标，凸显全流程交付完整性评测的必要性。

VoiceMem: Streaming Dual-Brain Memory for Real-Time Interaction

HF ★ 68 · Zhifei Xie, Jiaqi Lang, Ze An… · HF 镜像

针对对话系统缺乏适配实时交互的高性能流式记忆系统的问题，本文提出双脑结构记忆架构VoiceMem，分信息处理左脑、情感人设处理右脑，配套流式IO机制及完整训练、评测、可插拔部署管线。实验显示其检索准确率较Mem0高近30点，情感人设表现SOTA提升4.29分，检索仅134ms无额外延迟，可支撑实时个性化情感语音交互。

WarpSAC: Towards the Pinnacle of Scalable Off-policy RL by Rethinking Exploration and Exploitation

HF ★ 68 · Zihao Wu, Hongyao Tang, Yi Ma… · HF 镜像

本研究发现离策略强化学习现有稳定器的效果随数据规模变化，据此提出场景感知的WarpSAC算法族：CPU数据有限场景启用参数归一化、双Q裁剪，GPU数据充足场景关闭归一化、改用单Q，搭配样本权重衰减提效。相比基准FlashSAC，其多场景得分、操作成功率、真机迁移速度均大幅提升，验证了稳定器适配数据场景的必要性。

VGI-BENCH: Probing Visual Intelligence in Video Generation Models

HF ★ 46 · Xuan He, Cong Wei, Yuhao Cheng… · HF 镜像

针对现有视频生成模型的零样本视觉推理能力缺乏适配性强、难度合理的可靠评测的问题，该研究推出VGI-Bench基准，包含27项任务共810个实例，采用任务域、技能标签双层分类实现细粒度评测。实测显示当前模型表现欠佳，最强模型Seedance 2.0准确率仅51%，推理纠错能力薄弱，基准将开源以推动领域研发。

JIT-Agent: Scaling Harness Intelligence via Just-in-Time Harness Evolution

HF ★ 36 · Guibin Zhang, Leo Lu, Fangzhou Xie… · HF 镜像

针对代理编排框架此前依赖人工设计、任务适配性差、难规模化的痛点，本文提出JIT-Agent：首个专门训练的即时编排智能模型，可按需生成适配任务的可组合框架，支持运行修复、经验蒸馏自进化。测试显示，接入该框架的DeepSeek、GLM等多款大模型性能最高提20.2分，比肩成熟商用编排方案，证实编排智能是独立于模型缩放的代理能力新维度。

arXiv cs.LG

Dynamic Influence-Weighted Distillation for Single-IMU Activity Recognition

Bingxuan Xie

针对单右臂IMU人体活动识别精度不足的问题，本文提出动态影响加权知识蒸馏方法：训练时用多IMU教师模型的logit、特征作为监督信号，通过训练内部分集验证单步更新效果，为每个样本的两类损失动态分配权重。在WEAR数据集上，该方法相较监督基线、固定权重蒸馏分别提升7.66、6.68个百分点的宏F1，部署无需改动原有传感方案和学生模型结构。

GreenLeaf Law Embed Tiny: A Compact Embedding Model for Legal Domain Retrieval

Surya Saka

本文推出0.6B参数量的轻量法律领域检索嵌入模型GreenLeaf Law Embed Tiny。采用两阶段训练：先从大模型蒸馏知识，再结合340万含15万人工标注的多司法辖区法律数据开展带硬负挖掘的领域微调，支持多精度量化推理。在两项法律检索基准上分别达75.11%、64.38%，为1B参以下模型中的领先水平，适配资源受限部署场景。

Multi-Modal Anomaly Detection: A Survey

Xudong Mou, Zexin Wu, Chuan Luo…

这份多模态异常检测综述针对现有研究分散、过往综述多按架构分类的不足，从假设驱动视角梳理领域工作：将方法分为两类，一类基于正态假设，借表征学习、跨模态对齐等建模正常模式；一类基于异常假设，通过注入各类异常锐化决策边界。此外梳理了大模型对该领域的革新，给出基准与未来研究方向。

OpenAI

Bringing ChatGPT for Teachers to more U.S. school districts

OpenAI

面向教育场景定制的教师专用ChatGPT正在美国扩大落地范围，目前已新增覆盖55个公立学区，将为超10万名一线教师、行政后勤人员提供符合校园数据安全标准的AI功能，同时配套专属使用培训与后续技术支持，助力教育从业者借助AI提升教学及校务处理效率。

Learning never stops: How AI makes learning continuous

OpenAI

本次研究主题为AI对持续学习的赋能机制，核心参考OpenAI最新发布的专项报告，围绕师生群体的ChatGPT使用场景与实际效用展开梳理分析。结论显示，ChatGPT可突破传统课堂的时空限制，提供课堂外的配套学习支持，有效助力学习过程的连续性，为全场景常态化学习落地提供了可行方向。

Anthropic News

Introducing Claude Opus 5

Anthropic

Claude Opus 5是Anthropic旗下Opus层级旗舰大模型的重大迭代版本，核心实现两大性能升级：一是对长时运行智能体的支撑能力取得阶跃式提升，可适配长流程智能体部署需求；二是优化了代码生成、专业领域任务的处理表现，可进一步满足复杂编程、各类专业场景的高效作业需求。

How Claude’s text watermarking works

Anthropic

Anthropic宣布未来所有Claude系列大模型将内置文本水印功能，可量化判定待检测文本由Claude生成的概率。该举措是其联合多家主流AI厂商共同落实欧盟《人工智能法案》合规要求的行动，本次披露还回应了公众关切的水印技术原理、对模型输出质量的影响、上线动因等相关问题。

Google DeepMind

Intelligent transcription with Gemini 3.5 Transcribe

Google DeepMind

本次推出的Gemini 3.5 Transcribe是新一代智能语音转文本工具，核心升级点为更高阶的智能化转写能力，相较传统同类型产品，其转写准确率、复杂场景适配度均有明显提升，可高效完成多语境下的语音内容转写，有效降低人工校对成本，适配办公、学术、内容创作等多场景的转写需求。

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

Google DeepMind

本文梳理谷歌DeepMind十五年游戏AI研究进展：早期以雅达利等轻量游戏为试验场，验证了强化学习技术的落地可行性；当下通过与游戏工作室深度合作，面向《EVE Online》这类高复杂度开放世界游戏开发突破性AI玩法原型，充分印证了游戏场景对通用人工智能迭代的核心支撑作用。

Hugging Face Blog

Training and Finetuning Multi-Vector Embedding Models with Sentence Transformers

Hugging Face

当前仅提供了论文标题，缺少摘要的具体正文内容，请您补充完整该论文的英文摘要原文，我会为您翻译提炼核心信息，按要求完成120字左右、突出方法与结论的简洁中文总结。

Granite 4.2 LLMs: How They’re Built

Hugging Face

当前仅提供了该论文的标题，缺少摘要正文内容，请你补充完整《Granite 4.2 LLMs: How They’re Built》的摘要具体文本，我会按要求提炼为120字左右的中文内容，清晰突出该模型的构建方法、核心特性及相关结论。

Lil’Log

Harness Engineering for Self-Improvement

Lilian Weng

递归自我改进（RSI）概念最早源自1965年I.J.古德提出的“超智能机器”设定：这类系统智力远超人类，可自行设计更优机器完成自我迭代。2008年尤德考斯基明确将其定义为AI调用自身智能优化底层认知机制的反馈环。当前AI语境下，该反馈环既可体现为模型直接改写自身权重，也可广义覆盖模型优化自身训练管线的行为。

量子位

基元律动累计融资数千万美元，推出“中国版OpenRouter”

量子位

AI基础设施企业基元律动近期完成数千万美元融资，同步公测对标OpenRouter的国内一站式多模型API服务，单密钥即可调用多款模型，目前已积累5.4万用户，日Token调用量超5000亿。公司不止布局API聚合，还押注模型与Agent间的智能路由基建，已形成多品类产品协同的发展路径。

工业Agent不是“套壳”大模型！西门子百年经验灌进工业AI

量子位

这篇内容明确驳斥工业Agent是大模型套壳的认知误区，提出西门子将百年工业领域沉淀的经验深度融入工业AI的核心思路。其推出的Xcelerator平台和普通软件货架本质差异显著：后者仅以完成产品售卖为目标，前者则聚焦真实工业场景需求，支撑产品在实际生产落地过程中持续迭代生长。

千问办公首发上线Qwen3.8-Flash，生成速度提升100%，Token消耗减少75%

量子位

8月26日千问办公首发上线Qwen3.8-Flash模型及配套标准模式。这款千亿参数模型经办公场景专项调优，搭配Agent协同优化策略，性能超Claude Opus 4.6，标准模式生成速度翻番、Token消耗降75%，可覆盖95%日常办公需求，打破了AI性能、成本、速度的“不可能三角”。