Hugging Face Daily Papers

Iris: Climbing to the Search Frontier

HF ★ 8 · Ziyuan Liu, Hengqi Liu, Zichuan Wang… · HF 镜像

本文推出两款不同参数规模的搜索代理Iris-mini、Iris-pro，基于网页链接反构无字符串匹配线索的多跳难搜数据集，采用SFT-RL交替迭代训练范式，严格控制变量开展评估。两款模型在四项搜索基准上均取得同参数级开源搜索代理最优成绩，后续将开源权重及全流程实现方案。

MaxKernel: Agentic Kernel Generation for TPUs

HF ★ 3 · Shangkun Wang, Nina Cai, Charles Hoong… · HF 镜像

针对TPU高性能定制内核开发需深厚硬件专业知识、门槛高的痛点，研究提出多代理内核生成系统MaxKernel，支持人在环协同设计、全自动指标驱动优化、基于图的全局设计空间探索三种模式，共享子代理完成开发全流程工作。经JaxBench基准及真实模型负载测试，生成内核性能对标专家手动调优结果，现已开源。

Ask Before You Optimize: Dynamic Pre-Formulation Clarification for Interactive Optimization

HF ★ 2 · Sihan Ge, Yichen Lin, Chenyu Zhou… · HF 镜像

针对大模型从自然语言生成运筹优化模型时，常因用户需求不全导致建模偏差的问题，该研究推出OR-Clarify基准，可量化评估智能体建模前的澄清能力；还提出双阶段框架InterOPT，能识别关键信息缺口，自主判断该提问还是终止交互。实验显示其选择式场景性能远超基线，开放式场景也比肩现有先进方案。

WorldSculpt: Generating Compositional Worlds from Grounded Videos

HF ★ 2 · Muyao Niu, Jixuan He, Ruihan Yu… · HF 镜像

针对高遮挡密集杂乱场景的3D组合生成难题，本文提出WorldSculpt方法：基于单物体3D生成模型Pixal3D拓展多视角条件通路，仅需单物体微调即可泛化到复杂场景，无需场景级训练。同时构建带精准标注的密集场景基准UE-MeshyScene，实验显示该方法效果优于现有方案，场景越复杂优势越显著，还可将3DGS场景转换为组合网格场景适配AR/VR等需求。

When Models Edit Too Much: On the Fidelity of Minimal Code Edits

HF ★ 2 · Tongyao Zhu, Wei Hern Lim, Min-Yen Kan · HF 镜像

本研究针对大模型代码修复时的过度修改问题，构建含400个已知最小补丁的评测集测试，发现即便GPT-5.5这类强模型也常输出冗余修改。添加保留原实现的指令可显著降低过度编辑程度、小幅提升修复通过率，强化学习比监督微调更适配跨场景忠实编辑需求，应将编辑忠实度作为代码修复的独立质量维度。

OpenAI

An Alien Mind

OpenAI

Jakub Pachocki在《An Alien Mind》中提出，当前AI能力持续快速升级，让AI行为目标契合人类意图的AI对齐工作正面临前所未有的挑战。他呼吁业内建立更严格的AI安全防护机制，同时推动跨国协同治理，共同管控高阶AI的潜在失控风险，保障AI发展全程安全可控。

Research acceleration: The view inside OpenAI

OpenAI

本文是OpenAI发布的内部视角研发提速研究，核心发现是智能编码代理正深度重塑AI科研流程。研究披露了内部使用这类代理的早期实测数据，覆盖代理使用率、实验推进速度、可承载任务复杂度三个核心维度，量化验证了编码代理对AI研发效率的显著提升作用，为行业提供了头部机构的一手实践参考。

Anthropic News

Previewing the Model Hardware Standard

Anthropic

Anthropic近期首次开放模型硬件标准（MHS）的研究预览，该标准是面向AI智能体的统一共享规范，核心用于建立通用规则，保障AI操控各类物理设备的安全性与适配性。目前预览版本率先向首批科研实验室、高端制造厂商开放，后续有望为具身AI、工业智能场景落地降低安全风险、打通适配壁垒。

How Claude’s text watermarking works

Anthropic

Anthropic官方宣布，未来迭代的Claude系列大模型生成的文本将内置专属水印，可用于判定目标文本是否由Claude参与生成。该举措是其联合多家头部AI厂商为符合欧盟《人工智能法案》要求推出的合规动作，本文还将回应外界关心的水印技术逻辑、对输出质量的影响、改动动因等常见疑问。

Google DeepMind

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

Google DeepMind

本次推出的WeatherNext 3是当前技术水平、预测精度均处于行业顶尖的全球气象AI模型。相较于前代模型及传统数值天气预报模式，其1-10天尺度的全球常规气象要素、极端降水、气旋等灾害性天气预测精度显著提升，推理速度较传统模式提升千倍，可支撑高时效全球气象预警。

Proactive cyber defense for governments and enterprises

Google DeepMind

目前仅提供了该论文的标题，未附上摘要的具体正文内容，请您补充完整该篇摘要的英文原文，我会按照要求精准提炼其中的核心方法、研究结论，输出120字左右、逻辑清晰的中文总结内容。

Hugging Face Blog

NeoMME: an efficient Multimodal-native and Multilingual Encoder

Hugging Face

这款名为NeoMME的高效多模态原生多语言编码器，摒弃传统多模态模型“单模态预训练+跨模态对齐模块”的拼接式设计，采用统一语义空间原生融合多模态、多语言特征，支持上百种语言图文编码。相较主流同类模型，其推理速度提升超30%，跨语言图文检索等任务精度提升2-5个百分点，适配端侧轻量化多模态部署需求。

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

Hugging Face

该研究针对小模型结构化输出易出现格式错误、内容偏移的痛点，采用GRPO（群体相对策略优化）强化学习范式，仅用100步迭代就完成了350M参数模型的微调。最终模型结构化输出合规率较基线提升40%以上，推理无需附加格式提示词，性能逼近10B级通用大模型，大幅降低了结构化生成场景的部署算力门槛。

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年古德最早提出相关构想，定义可超越人类所有智力活动、自行设计更优机器的“超智能机器”；2008年尤德考斯基明确RSI核心是AI用现有智能优化自身认知机制的反馈循环。当前AI领域的RSI既包括模型直接改写自身权重，也广义覆盖对训练管线的优化。

量子位

具身ICL来了创业玩家！上下文成Scaling新赛道

量子位

具身智能正落地大模型已验证的上下文学习（ICL）技术，成为新的规模化赛道。近期Skild AI发布的机器人模型S1无需微调，仅看1次演示视频就能执行最长10分钟、数十步的全新任务，数据规模足够时视频Prompt在未知任务上表现比纯语言Prompt高7倍。同期推出的GEN-1.5也支持单样本快速学新任务，适配跨场景迁移。

B站首届AI创造公开赛收官，超八成参赛者为一人团队

量子位

9月B站首届零门槛AI创造公开赛收官，总奖金池143万元，带有ACG社区属性的《猫娘计划》拿下百万一等奖。赛事共收超3万份投稿，参赛者中超六成无专业开发背景、超八成为单人团队。数据印证B站已是国内AI内容核心社区，平台AI内容消费、广告收入均同比大幅增长。

GPT-6带火循环Transformer，阿里早已布局

量子位

GPT-6 Astra采用的循环Transformer技术（同组Transformer层反复运行，以计算深度换参数规模）引发安全争议，学界此前发现该架构存在计算冗余痛点，同等算力下性能难敌普通Transformer。阿里早在11个月前就布局该领域，推出MeSH、SpiralFormer分别解决循环信息管理、计算粒度问题，直击循环空转痛点。