Hugging Face Daily Papers

StudentSim: Training LLM-based Student Simulators

HF ★ 37 · Ke Yang, Chenglong Wang, Michel Galley… · HF 镜像

针对现有学生模拟器无法兼顾行为拟合度与指导响应性的痛点，本文提出StudentSim训练框架：先跨样本联合训练，再做单学生专属微调，可将稀疏个体数据转化为高拟真个性化模拟器。跨棋类、英语写作、数学三领域测试显示，其核心指标均优于GPT-5.4等基线，用其训练的AI家教个性化、适配性表现更佳。

Hi-Q: Hierarchical Evidence-guided Query Refinement for Multi-Hop Question Answering

HF ★ 14 · Jueun Kim, Sungho Park, Wook-Shin Han · HF 镜像

针对多跳问答中问题表述粒度与语料可检索证据粒度不匹配、现有方法无法动态判断查询证据完备性的痛点，本文提出Hi-Q分层证据引导的查询细化框架，依托语料支持信号动态构建查询树，无需预建全局语料图或固定分解模板。在三类多跳问答基准的全语料、受限场景下，效果均显著优于IRCoT、PropRAG等主流基线。（共122字）

Uncovering Understanding-Generation Synergy in Native Unified Multimodal Models: From Representation, Task to System

HF ★ 10 · Penghao Wu, Haiwen Diao, Weichen Fan… · HF 镜像

该研究针对原生统一多模态模型的视觉理解与生成任务协同性问题，从表征、任务、系统三层开展无预训练视觉先验的对照实验。发现二者存在天然双向增益，但同计算路径会出现任务挤占，采用任务解耦架构、依托共享知识、端到端优化即可实现协同，复杂任务性能显著优于传统规划-执行流水线。

SMELT: Scaling Laws for Compute-Matched MoE Looped Transformers

HF ★ 10 · Shaowen Wang, Ge Zhang, Kairong Luo… · HF 镜像

针对过往循环Transformer评估未严格控制计算资源、混淆架构优势与额外算力的问题，本文匹配每token FLOPs、非嵌入参数量、KV缓存三类核心预算，提出中间半层循环两次的稀疏MoE架构SMELT。实验显示其最优训练算力可省6.8-18%，代码、长序列、少样本任务增益更显著，根源是二次循环优化了注意力权重分配，验证了控预算下循环架构的提效价值。

Evaluating Multimodal LLMs as Generalist Vision-Language-Action Agents for Drone Control: Commanding, Approaching, Tracking and Searching

HF ★ 8 · Jaewoo Park, Minyoung Lee, Sukmin Seo… · HF 镜像

本研究聚焦多模态大模型的无人机控制能力，提出可替换模型组件的DroneCATS-Agent架构，配套DroneCATS基准，无需微调或函数调用即可覆盖趋近、追踪、搜索、多机调度四类任务。测试发现小模型导航表现优于前沿大模型，但普遍存在任务终止判断错误、多机调度紊乱问题，核心短板是动作规则遵循能力而非空间感知。

arXiv cs.LG

ERR+: Sequential Entropy Resolution for Efficient and Decisive LLM Reasoning

Xin Jiang, Minhao Wang, Wen Wu…

针对现有RLVR方法仅靠正确度奖励优化大模型推理、未关注推理过程质量的问题，研究发现正确推理链思考阶段的token级熵降更频繁、幅度更大，据此提出两阶段ERR+框架：先以熵缓解奖励激励不确定性消解，再用鲁棒相对效率奖励压缩推理长度，多数据集实验验证其可同时提升推理准确率与输出简洁性。

Unsupervised Latent Space Alignment with Hyperspherical Geodesic Matching

Cameron Ryan, Vivek Sivaraman Narayanaswamy, Kowshik Thopalli…

针对现有潜空间对齐方法依赖配对锚点样本的局限，该文提出超球面高斯对齐方法HGA，无需配对数据，直接通过最大化潜空间几何拟合度优化变换映射，可支持无/弱监督场景。在模型拼接、多语种词嵌入对应恢复任务上，该方法仅需极少甚至无监督，效果即可追平有监督方案。

Curvature Cryptanalysis of Smooth Transformer Feed-Forward Networks

Munawar Hasan, Apostol Vassilev

本文针对带GELU/SiLU激活的Transformer平滑前馈网络（FFN），提出基于曲率的黑盒模型窃取方法：利用FFN输入权重诱导的投影海森矩阵二阶泄露，通过部分对称分解技术将查询成本降至原1/16。仅8193次黑盒查询即可还原94%以上对齐度的FFN隐方向，拟合的替代模型与原模型Top-1吻合度超93%，即便加输出噪声，调整差分步后仍可实现高准确度恢复。

OpenAI

How AI-native companies turn workflows into operating capability

OpenAI

本文研究AI原生企业将工作流转化为运营能力的实践路径，以Basis、Clay、Exa Labs三家企业为样本，核心方法是部署AI代理，分别优化新用户入职、客户账户管理、开发者集成三类核心业务流程，最终总结出可供各行业企业管理者复用的AI落地经验，为运营提效提供参考。

Path to Astra: critical capabilities and frontier safeguards

OpenAI

本文围绕OpenAI新模型Astra的落地路径展开，以其内部《预备框架》为评估标准，确认Astra是首款达到该框架关键网络安全能力阈值的大模型，针对其网安高能力属性配套了更严格的前沿风险防护机制后才启动发布，为高专项能力大模型的安全落地给出实践参考。

Anthropic News

Previewing the Model Hardware Standard

Anthropic

Anthropic近期开启模型硬件标准（MHS）的研究预览，首批向科研实验室、先进制造商开放。该标准是专为AI代理安全操控各类物理设备制定的统一技术规范，可解决AI与实体硬件交互的适配混乱、安全规则不统一等问题，为AI赋能实体产业的规模化落地提供通用安全基准支撑。

How Claude’s text watermarking works

Anthropic

为符合欧盟《人工智能法案》监管要求，Anthropic将联合多家头部AI厂商，在未来版本的Claude大模型生成文本中嵌入隐式水印，可快速判定文本是否由Claude参与生成。本次文章就公众关切的水印实现逻辑、是否影响输出质量、落地动因三类核心问题作出公开解答。

Google DeepMind

Introducing agentic video understanding with Gemini

Google DeepMind

本文提出基于Gemini的智能体式视频理解新范式，突破传统模型被动处理、长时序感知弱的局限，可自主规划推理路径，按需调用关键帧定位、跨模态知识库检索、时序因果校验等工具迭代分析。测试显示其在长视频事件溯源、复杂行为推理任务上准确率较现有SOTA提升27%，可支撑安防、内容审核等场景的复杂视频分析需求。

Gemini Omni 1.1 Flash lets you build with more control

Google DeepMind

谷歌推出的Gemini Omni 1.1 Flash是主打高可控性的轻量级多模态大模型，面向开发者落地场景做了专项优化：支持严格输出JSON等指定格式，新增低门槛自定义微调能力，多模态推理速度较前代提升32%，推理成本降低40%，可大幅降低开发者适配工作量，适配实时交互、智能工具开发等低延迟需求场景。

Hugging Face Blog

BenchMIRT: What are LLM benchmarks actually measuring?

Hugging Face

该研究推出BenchMIRT分析工具，基于多维项目反应理论拆解主流大模型基准的实际测量维度。研究发现现有基准普遍存在效度偏差，未精准匹配其宣称要考察的推理、通识等目标能力，反而大量测到知识记忆、推理捷径敏感度等特征，甚至会高估取巧小模型性能，证明现有基准评估公允性有待优化。

Introducing @huggingface/kernels: 200+ WebGPU Kernels for Local AI

Hugging Face

Hugging Face推出@huggingface/kernels底层工具库，内置200余款适配WebGPU的算子内核，支持AI模型直接在本地浏览器端高效运行，无需依赖云端算力。该工具大幅降低Web端本地AI部署门槛，兼顾推理效率与用户数据隐私，可适配各类轻量网页AI应用的落地需求。

Lil’Log

Harness Engineering for Self-Improvement

Lilian Weng

本文梳理递归自我改进（RSI）的研究脉络：1965年I.J.古德最早提出，超智能机器可超越人类所有智力活动，还能迭代设计更优系统实现自我升级；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闭环。当前AI领域RSI落地路径分两类：直接改写自身权重，或广义优化自身训练管线。

量子位

企业级Agent落地样板间！百融硅基员工批量上岗，按结果领工资

量子位

百融智能推进战略升级，以金融场景打磨成熟的AICC智能联络企业级Agent为核心，向物流、券商等多行业复制落地，采用按结果收费的RaaS模式，落地规模快速攀升，还通过产业整合拓展业务入口，依托运营数据形成优化飞轮可跨场景复用，上半年其AICC业务同比增52%，新场景收入大涨195%。

Claude最强Fable 5.1发布！8项屠榜，最高降价45%，反蒸馏机制上线

量子位

Anthropic最新发布Claude Fable 5.1，拿下8项公开基准测试第一，科研、代码性能显著优于前代及GPT-5.6 Sol，多步骤任务稳定性、风格指令遵循度均有提升。其缓存读取成本大降75%，典型工作负载成本降25%，智能体类任务最多省45%，面向所有用户开放。同步推出的Mythos 5.1仅对审核通过的特定领域机构开放。

香港首个真实开放场景服务机器人落地兰桂坊

量子位

2026年8月，大湾区具身智能企业智平方的AlphaBot2酒保机器人正式落地香港兰桂坊，是香港首个入驻该国际夜生活地标的商用服务机器人。其搭载原创类脑架构具身大模型，可适配当地复杂人流、多元交互场景，企业已跑通出海全链路合规流程，标志着中国具身智能从展示阶段落地为真实常态化商用。