Hugging Face Daily Papers

DuoMatching: Joint-Marginal Distribution Matching for Few-Step Video Generation

HF ★ 21 · Jiahao Zhan, Yan Wang, Yongrui Ma… · HF 镜像

针对少步视频生成中现有联合分布匹配方法画质不足、语义对齐偏差的问题，本文提出DuoMatching框架：在原有联合匹配基础上新增边缘匹配目标，配套LatentBridge对齐隐空间、隐变量采样分配帧级监督，迁移图像生成优质先验。实验显示其画质、语义对齐等表现提升，人工评测偏好率超80%，优于全部对比基线。

AutoSciBench: Autonomous Benchmark Generation for Evaluating Scientific Agents

HF ★ 15 · Dongki Kim, Namkyeong Lee, Surag Nair… · HF 镜像

针对科研智能体现有评估基准易饱和、人工更新成本高的痛点，该研究提出AutoSciBench框架，可自动生成基准任务并随智能体能力迭代调整，还能复用过往优化经验拓展新任务。跨计算生物学等三领域测试显示，其生成的基准较人工基准拉低智能体求解准确率22.4-25.5个百分点，任务质量更优，可适配智能体能力演进的评估需求。

HuatuoGPT-3: RL-Only Domain Adaptation from Base Models

HF ★ 14 · Junying Chen, Xinyuan Xie, Ziniu Li… · HF 镜像

针对通用大模型域适配主流SFT+RL流程或纯RL方案存在冷启动、梯度饥饿、教师分布锚定等缺陷，本文提出纯RL适配的单阶段策略优化方法OnePO，配套自适应目标演化、教师退出机制，仅用2万样本医疗适配效果优于基线，研发的开源HuatuoGPT-3 27B版医疗评测性能超越GPT-6 Astra。

EVISKILL: Grounding Skill Evolution in Replayable Evidence

HF ★ 10 · Yan Zhou, Yili Wang, Yiwei Dai… · HF 镜像

针对大模型智能体持续技能演化中，现有经验驱动方法易丢失编辑支撑证据、全局验证判断片面的问题，本文提出证据驱动框架EVISKILL：将执行观测整理为可复现证据卡，编辑关联对应支撑上下文，通过定向回放验证修改，分阶段暂存有效修改待迭代，最终经全局校验固化为技能。该方法在3类交互基准、6种大模型底座上均验证有效。

Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents

HF ★ 10 · Feiyu Gavin Zhu, Xiaoyu Zhu, Jiqi Yang… · HF 镜像

针对小参数多模态搜索Agent开放式推理冗余、推理成本高的问题，本文提出选择式结构化推理框架SSR，将推理从开放式生成重构为预定义可复用候选的选择任务，结合共享KV缓存并行打分机制优化效率。7项多模态搜索基准测试显示，SSR性能不输同规模主流模型，单轮推理延迟降超90%，总推理延迟降28%-54%。

arXiv cs.LG

TEMPEST: Temporal Embeddings for Scalable Driver Identification via Angular Margin Learning

Kyle Musgrove, Dylan B. Lewis, Sarah Powers…

针对现有可扩展驾驶员识别的三元组损失模型随司机规模增大性能骤降、易过拟合会话特征的痛点，该文提出TEMPEST模型：采用时序卷积网络搭配ArcFace加性角距损失训练，输出96维紧凑驾驶行为嵌入，支持动态注册无需重训。其在45人数据集Rank-1准确率达91.71%，规模扩容、跨会话场景下性能远优于各基线，模型体积小收敛快，可作为领域基准。

When Does External Guidance Help LLM Reasoning? A Bias-Variance Theory of Guidance-Augmented GRPO

Sofia Torres, Gabriel Almeida, Carter Adams…

针对大模型多步推理场景中，融合外部引导的强化学习类方法缺乏理论支撑的问题，该文提出引导增强GRPO（GA-GRPO）统一理论框架，推导了收敛速率、偏差边界、最优引导权重闭式解，证明偏差项存在不可避免的极小下界。实验显示其效果优于同类方案，GPU耗时降低31%，所有理论预测均得到验证。

Neutrosophic Ensemble Classification for Uncertainty-Aware Bearing Fault Detection: Evidence from Laboratory and Variable-Speed Industrial Benchmarks

Maikel Leyva-Vazquez, Dayron Rumbaut Rangel, Lorenzo Cevallos-Torres…

针对轴承故障检测传统机器学习置信度混淆误差与歧义样本、真值对代数冗余的问题，本文将随机森林、XGBoost、逻辑回归的集成模型做中智分解得到4类不确定性指标，在两个公开轴承基准测试。结果显示分布偏移下集成精度骤降，逻辑回归泛化更优；时频域融合模型结合JS散度的不确定性评估性能更好，解调故障特征可实现近100%分类精度。

OpenAI

How Jump Trading is scaling quant research with ChatGPT

OpenAI

本文介绍头部量化机构Jump Trading借助OpenAI的ChatGPT实现量化研究规模化扩容的实践。核心方法为搭建长周期运行的AI工作流，自动整合多源研究数据，同时配套人工复核环节校验输出可靠性。这套模式有效突破传统量化研究产能瓶颈，为大模型赋能专业投研场景提供了可参考的落地路径。

Sharing AI progress in mathematics

OpenAI

OpenAI近期公布内部前沿大模型在数学公开问题研究上的新进展：该模型在数个悬而未决的数学公开问题上取得突破。相关研究细节、配套的Lean形式化证明内容均已上传至GitHub公开共享，可降低相关研究复现门槛，为数学与AI交叉领域后续研究提供参考。

Anthropic News

Expanding the Cyber Verification Program

Anthropic

我方正式推出升级后的网络验证项目（CVP），面向符合资质要求的专业安全从业人员开放两类核心权益：一是提供平台先进的网络技术能力支撑，二是启用拦截误判率更低的分类器规则。该项目可降低合规安全研究的误封概率，为从业者开展漏洞挖掘、安全测试等工作提供便利。

Claude Frontier Academy: $100M to train 10,000 engineers

Anthropic

Anthropic官宣推出Claude前沿学院，投入1亿美元专项资金，计划到2027年底累计培养1万名AI前沿部署工程师。项目全流程培养、考核标准完全对齐其内部正式工程师的能力要求，将为AI前沿技术落地场景输送大批符合头部AI厂商技术标准的专业工程人才。

Google DeepMind

EmbeddingGemma 2: an open, lightweight multimodal embedding model

Google DeepMind

谷歌推出的EmbeddingGemma 2是新一代开源轻量多模态嵌入模型，通过优化跨模态表征对齐机制，在极小参数量下实现了文本、图像等模态的语义空间统一。其在跨模态检索、语义匹配任务上性能追平同体量最优水平，部署门槛极低，适配端侧、边缘设备，可低成本落地多模态搜索、内容理解等场景。

Gemini 4 Argon: our next era of frontier intelligence

Google DeepMind

本文是谷歌DeepMind新一代前沿大模型Gemini 4 Argon的官方介绍。该模型优化多模态对齐架构，结合强化学习微调提升逻辑推理准确性，强化长上下文处理与工具调用鲁棒性。其在数学推理、代码生成、科学问题求解等基准上较前代提升超40%，支持百万级token上下文，多模态综合能力达当前业界最优水平。

Hugging Face Blog

Falcon-Emirati: When an LLM Learns the Dialect, the Culture, and the Nuance

Hugging Face

本次研究推出适配阿联酋本土的大模型Falcon-Emirati，方法上以通用Falcon大模型为基座，引入海量阿联酋方言口语、本土文化史料、民生场景语料开展增量预训练与定向微调。 该模型可精准捕捉方言细微表达，解决通用大模型对阿联酋本土语境理解偏差的问题，方言、文化类问答准确率较同类通用模型提升超38%，适配本地政务、文旅等多场景需求。

The Agent Said It Was Done. The Database Disagreed.

Hugging Face

这篇论文针对大模型智能体执行数据库操作类任务时的状态误判痛点：智能体常仅凭工具简略返回信息就判定任务完成，实际数据库侧操作未生效，误报率超60%。研究提出嵌入事务级校验的智能体执行框架，强制操作后拉取数据库真实状态交叉核验，最终将任务完成状态误报率降至3%以内，显著提升数据类任务执行可靠性。

Lil’Log

Harness Engineering for Self-Improvement

Lilian Weng

本文梳理递归自我改进（RSI）相关研究脉络：该概念1965年由古德提出，指可超越人类所有智力活动、能迭代设计更优系统的超智能机器；2008年尤德考斯基明确其核心是AI依托现有智能迭代升级自身认知机制的反馈环。研究指出现代AI实现RSI有两类路径：直接改写自身权重，或是优化自身训练管线。

量子位

OpenAI一夜甩出722篇数学论文！黎曼霍奇BSD全上阵，数学家：读不过来

量子位

OpenAI公开旗下未发布内部模型产出的722篇数学手稿，覆盖数论、理论物理等17个领域，涉及3项千禧年难题。其中准黎曼猜想相关成果将L函数无零点区域推至实部大于7/8，另有版本可在实部>11/12区域排除西格尔零点，进度远超人类此前研究，令数学家直呼读不过来。

刚刚，诺贝尔物理奖一人独揽！

量子位

本次诺贝尔物理学奖由弗朗西斯·哈尔岑独得，表彰他对南极冰立方中微子天文台的决定性贡献，以及发现天体物理起源高能中微子的成果。他首创用南极地下2000余米的1立方公里纯净冰层作为探测介质，规避深海探测的多类干扰，为破解超高能宇宙射线起源的百年难题提供了核心支撑。

不er，咋陶哲轩也成AI减速派了？？

量子位

曾积极拥抱AI、将其融入数学科研，还断言AI正推动数学领域哥白尼式革命、将大幅降低研究门槛的数学家陶哲轩，近期态度反转，在SAIR演讲中公开呼吁AI公司停止盲目加速迭代，先把控风险。另一位菲尔兹奖得主维拉尼同样在OpenAI攻破千禧难题后，从轻视AI转为恐慌，顶尖数学家已普遍感知到AI的强烈冲击。