Hugging Face Daily Papers

LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes

HF ★ 56 · Chuyan Chen, Haoxing Chen, Kun Chen… · HF 镜像

本次推出LLaDA-Image图像生成框架，搭载从头训练的6B参数扩散Transformer与冻结的LLaDA2.0-Mini视觉语言模块，先经纯图像预训练构建生成先验，采用无参RMSNorm与Muon优化器提效。模型生成写实度高、可响应细粒度编辑指令，蒸馏出2-4步快推的Turbo版，在Qwen-Image-Bench中英赛道均达开源SOTA，相关权重、代码、训练方案全开源。

LatentPress: Context Compression Beyond Text and Vision

HF ★ 48 · Zhengze Zhou, Hejian Sang · HF 镜像

针对大模型现有上下文压缩依赖人可读的文本、图像，需解码效率低的问题，研究提出LatentPress方案：仅训练参数量为解码器0.1%级的适配层，将长文本、对话历史转为连续记忆token，冻住的解码器可直接读取无需重构文本。该方案压缩比达4-16倍，7.7倍压缩时精度优于未压缩上下文，处理速度比文本摘要等方案快一个数量级，具备跨域迁移性，可作为机器专用的上下文表示接口。

Why Gated DeltaNet Survives 4-Bit Quantization: NVFP4 W4A4 for the Recurrent Half of a Hybrid 27B LLM

HF ★ 47 · Sergii Kozyrev, Davyd Maiboroda · HF 镜像

针对混合27B大模型的Gated DeltaNet（GDN）此前被认为不宜4比特量化的认知误区，本研究采用NVFP4格式对Qwen3.8-27B所有线性层（含GDN）做W4A4全量化，修复核融合的尺度匹配问题。所得模型性能接近BF16精度，体积仅17.5GiB，预填充提速14-19%，还揭示了GDN耐量化的内在机制，给出混合大模型全量化落地方案。

Random Attention: Rethinking KV Cache Eviction for Efficient Reasoning

HF ★ 37 · Heng Wang, Jielin Qiu, Wenting Zhao… · HF 镜像

针对大模型长推理场景下的KV缓存内存瓶颈，现有压缩方案均采用打分筛选高价值token的范式，本文提出无需打分的随机注意力策略：保留提示词，各注意力头内随机淘汰其余token。该方法性能匹配现有最优淘汰策略，vLLM部署下吞吐量高32%~43%，其有效性源于提示词是缓存核心，推理轨迹存在文本、跨头两层冗余，随机选取已能留存足够必要信息。

RealSWE: A Compositional Evaluation of Coding Agents under Realistic User Requests

HF ★ 6 · Gyuhyeong Kim, Hyojung Gwon, Jeonghyeon Kim… · HF 镜像

针对编码智能体常用的SWE类评测基准与真实用户短、非结构化编码请求的差距，该研究构建了覆盖不同信息构成、语言风格的RealSWE评测集。测试发现真实风格输入使大模型编码解决率平均降6.4个百分点，甚至改变模型排名；仅明确说明期望行为和动机即可显著提效，其余补充信息、语言风格影响极小。

arXiv cs.LG

WMLLM: Self-Evolving Optimization Agents via Predict-Then-Act World Modeling

Zhongzheng Li, Qingsong Ran, Shikun Feng…

针对黑箱优化搜索空间高维弱结构、现有方法样本效率低的痛点，本文提出WMLLM自进化优化智能体框架：依托大语言模型隐式知识搭建“预测-行动”世界模型，先预判可行优化方向再生成候选解，结合多轮迭代、种群搜索与强化学习同步迭代自身模型与策略。在多目标分子优化等任务上性能更优，有限评估预算下达到当前最优水平。

DiDrive: A Risk-Aware Hierarchical Diffusion Framework for Safe Offline Reinforcement Learning in Autonomous Driving

Qisong Guo, Jingtang Chen, Zhilin Chen…

针对自动驾驶领域扩散模型结合离线强化学习时存在分布偏移、离群动作生成、高维状态冗余等安全痛点，本文提出DiDrive风险感知分层扩散框架：通过风险感知分层扩散模块过滤环境冗余、聚焦安全威胁，搭配3DICE优化范式缓解离群高估与梯度震荡。CARLA基准测试显示其性能优于IQL等主流基线，60车高密度车流场景下成功率达85%，为安全自动驾驶决策提供鲁棒路径。

Prompt-Space Meta-Learning Does Not Transfer Across Users: A Frozen-LLM Negative Result

Liam Byrne, David Dylan, Orla Fitzgerald…

本研究验证冻结大模型个性化场景下提示空间元学习的跨用户迁移性，设计Muse框架演化跨用户共享适配提示，搭配多组对照在LaMP两个个性化基准测试。结果显示该类元学习无显著增益，甚至弱于普通少样本检索，核心是元目标坍缩，仅能学到指令润色与验证过拟合，无法生成可迁移适配策略，还提出了排除混淆项的对照协议。

OpenAI

Daybreak for Frontline Defenders: $1B to protect essential services

OpenAI

OpenAI正式推出“前线守护者曙光”项目，配套公布总额10亿美元的专项投入计划。该项目面向公共服务等关键基础领域的一线运维主体，开放前沿网络安全AI工具使用权，配套提供攻防培训、技术支撑服务，旨在强化关键民生服务领域的网络防御能力，降低网络攻击对公共服务正常运转的威胁。

Legora reviewed 41 documents in minutes with GPT-6 Astra

OpenAI

本次测试验证了大模型在专业金融审核场景的落地价值：金融审核服务商Legora采用GPT-6 Astra大模型开展批量文档审核，仅耗时数分钟就完成41份文档的审核工作，精准检出全部4处预先植入的错误，相较于传统审核工作流整体效能提升近40%，为智能审核降本提效提供了可行实践参考。

Anthropic News

Previewing the Model Hardware Standard

Anthropic

Anthropic近期启动模型硬件标准（MHS）的研究预览工作。该标准是面向AI智能体打造的统一规范，核心作用是保障AI智能体操控各类物理设备的安全性。目前该标准仅向首批合作的科研实验室、先进制造企业开放，后续将根据测试反馈迭代，为AI与实体硬件的安全交互提供通用基准。

How Claude’s text watermarking works

Anthropic

为符合欧盟《人工智能法案》的监管要求，Anthropic将联合多家头部AI生成服务厂商，为后续版本的Claude模型生成的内容嵌入专属文本水印，可用于判定目标文本由Claude生成的概率。本次披露还回应了公众关切的水印技术逻辑、对模型输出质量的影响、落地动因三类核心问题。

Google DeepMind

Introducing WeatherNext 3, our most advanced and accurate global weather AI model

Google DeepMind

当前仅提供了该论文的标题，未附上摘要的具体正文内容，缺少模型技术路径、精度验证指标、性能优势、实测效果等核心信息，无法准确完成符合要求的总结提炼。请你补充完整的英文摘要正文，我会按要求输出120字左右、突出方法与核心结论的简洁中文总结。

Proactive cyber defense for governments and enterprises

Google DeepMind

该研究聚焦政企网络安全场景，针对传统被动防御难抵御高阶持续攻击、响应滞后的痛点，构建多模块协同的主动防御体系，整合前置威胁狩猎、攻击路径预判、动态隔离处置等技术。实测验证，该体系可提升70%以上威胁识别效率，缩短六成攻击处置时长，大幅降低政企核心资产受侵入的安全风险。

Hugging Face Blog

NeoMME: an efficient Multimodal-native and Multilingual Encoder

Hugging Face

本文提出名为NeoMME的高效原生多模态多语言编码器，摒弃传统“单模态预训练+跨模态对齐”的两步范式，架构原生适配图文多模态输入与百余种语言的编码需求。经测试，其在跨模态检索、多模态理解等任务上性能优于同量级主流模型，推理效率提升超30%，适配低资源多语言多模态场景落地需求。

Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps

Hugging Face

该研究针对大模型结构化输出准确率低的痛点，选用350M参数小体量基础模型，仅通过100步群体相对偏好优化（GRPO）微调，无需大规模训练数据与高额算力投入，即可大幅提升JSON等约束格式内容的输出合规率，为低资源场景下的结构化输出需求提供了高效低成本的落地方案。

Lil’Log

Harness Engineering for Self-Improvement

Lilian Weng

递归自我改进（RSI）最早可追溯至1965年I.J.古德提出的超智能机器设想：这类系统智力远超人类，可自主设计更优机器实现自我迭代。2008年尤德考斯基明确其核心是AI用现有智能优化自身认知机制的反馈循环，当前这类AI反馈循环可表现为模型直接改写自身权重，或是优化自身训练流程。

量子位

新版GPT Image 2.5已经能伪造GPT-6发布会了

量子位

近期尚未正式发布的GPT Image 2.5生图模型引发关注，疑为LMArena中代号luna-lisa-alpha的匿名模型。此前ChatGPT曾短暂将生图功能升至主菜单次位，该版本升级幅度大，可逼真伪造GPT-6发布会、名人笔迹、社交平台截图，生成速度快，同角色人脸与嵌入文字不易变形，解决了前代噪点问题，生图或成GPT-6时代主打功能。

刚刚，GPT-6正式发布！OpenAI：欢迎来到AGI时代

量子位

OpenAI正式发布GPT-6 Astra与Pro版，同时官宣AGI时代开启。该模型是OpenAI迄今规模最大的训练任务，动用超10万块GPU完成预训练，也是其首款由前代模型深度参与监督训练的旗舰产品，核心能力从答题转向可操作软硬件完成多步任务、直接交付成品，基准测试接近饱和，API定价为前代GPT-5.6 Sol的2.5倍。

“没有Token的CS学生，应立即退学”

量子位

南大计算机学院副教授蒋炎岩在其新开的《生成式软件工程》课上，因拉取大模型Token赞助未果，提出“无付费Token的CS学生应立即退学”的争议言论，随即冲上知乎热榜，多数网友持赞成态度，认为所有专业学生都应重视AI工具使用能力，适配AI时代的学习要求。