Hugging Face Daily Papers

Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents

HF ★ 61 · Yuchen Lu, Julian McAuley, Lei Zhang · HF 镜像

（LLM 摘要失败，请稍后手动补充）

Has GPT-6-Astra Achieved Embodied Intelligence?

HF ★ 37 · SenseNova, Joint Research Team, Zhongang Cai… · HF 镜像

本研究评估GPT-6-Astra的具身智能水平：跨12类操控导航基准测试显示，支持上下文示例学习的该模型性能达历史最优，高低阶智能体闭环控制方案效果优异，但实机部署存在演示采集成本高、物理约束下效率与成功率难兼顾等短板，目前仅跨过具身能力门槛，尚未达到实用具身智能要求。

BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business

HF ★ 28 · Enhan Zhao, Yongqi Tong, Xuejun Yu… · HF 镜像

针对现有长周期智能体基准仅考核最终结果、无法适配高风险业务全流程合规要求的问题，本文提出基于支付企业真实流程的BizBench基准，整合数百份业务知识、工具与50项复杂任务，同时评估目标完成度与执行合规性。测试显示前沿模型最高严格通过率仅64%，结果导向评估会掩盖执行违规，且普遍存在工具调用冗余。

Into the Unknown: Benchmarking AI agents on open scientific research problems

HF ★ 21 · Seungone Kim, Jiayi Geng, Young-Jun Lee… · HF 镜像

为验证AI智能体能否开展开放科研，研究者联合美国能源部国家实验室推出「未知之境」基准，要求智能体基于给定论文产出符合预设规范的后续研究论文，覆盖量子计算、材料学等5个前沿领域。对9款前沿智能体的135份产出测试显示，无一篇满足全部要求，超8成存在虚构研究、数据矛盾等问题，现有AI远达不到独立科研门槛。

HexaShell: A Thin Harness for Exploring the Limits of VLM Agents as Robot Coding Agents

HF ★ 20 · Hongcheng Gao, Alex Zhou, Jay Zhu… · HF 镜像

为探索VLM编码智能体的机器人控制性能边界，本文提出轻量框架HexaShell，仅负责转译智能体指令为机器人动作，支持智能体依据失败日志迭代优化工具代码、通过视觉三角测量定位目标。在RoboDojo基准42项任务上达39.7%成功率，刷新SOTA，短板为精细接触类任务（如紧插入仅8.3%），相关工具已开源。

OpenAI

How Itaú is building generative AI for its entire customer base

OpenAI

本案例聚焦巴西伊塔乌银行在监管严苛的本土金融行业落地生成式AI的实践：该行推行AI优先战略，搭建两大核心支撑体系，分别是面向全客户群的生成式对话交互界面ia.i，以及IARA AI治理平台，相关AI能力同时覆盖C端客户服务与内部员工办公场景，为高监管行业的生成式AI落地提供了实践参考。

Benefit Street Partners answers questions faster with Codex

OpenAI

Benefit Street Partners的研究员Anant Kumar，正在开发可实现贷款估值比对、信贷协议分析的专业工具。他将Codex引入代码审核环节，大幅压缩了代码迭代的跟进耗时，有效提升了业务问题的响应效率，能够更快支撑信贷类分析需求，适配金融业务对反馈时效的高要求。

Anthropic News

Expanding the Cyber Verification Program

Anthropic

本次正式推出升级版网络验证计划（CVP），面向符合资质要求的安全从业者开放两项核心升级权益：一是提供更先进的网络技术能力支持，二是上线拦截误判率更低的分类器工具。该计划可降低误拦带来的额外运营成本，帮助安全人员提升攻防验证、威胁处置效率，优化网络安全验证流程实用性。

Investing in the public benefit

Anthropic

头部通用人工智能企业Anthropic公布了公共利益导向的股权安排：将公司部分股份划入新设立的Anthropic公共利益基金，该基金采用特殊架构，持股占比会随公司规模扩张、估值提升同步上涨，可保障公共群体持续分享AI产业成长收益，是AI领域平衡商业发展与公共福祉的创新尝试。

Google DeepMind

Accelerating the search for antimicrobial peptides with Google Antigravity

Google DeepMind

当前耐药菌蔓延，新型抗菌药物研发需求迫切，传统抗菌肽筛选效率低、周期长，限制研发进程。该研究依托谷歌Antigravity科学计算工具开展抗菌肽筛选，借助其高性能算力与适配生物计算模型，可大幅提升新型抗菌肽发掘效率，为抗菌新药研发降本提效，给耐药菌防治提供新的技术路径。

Google DeepMind and Singapore Government collaborate to build fine-tuned AI model for scam detection

Google DeepMind

谷歌DeepMind与新加坡政府科技局达成合作，共同开发经针对性微调的诈骗检测专用AI模型。该方案采用轻量化端侧Gemma模型，可直接在用户设备本地识别拦截私人聊天中的对话类诈骗内容，全程无需将隐私聊天数据上传至云端，兼顾诈骗防控效能与用户通信隐私安全。

Hugging Face Blog

Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline

Hugging Face

该研究针对印度诸语言（Indic）预训练数据稀缺、质量参差的痛点，开源了标准化高质量数据生成管线，依托其构建了2.8万亿token的超大规模多语言预训练语料。基于该语料预训练的模型，在印度各语言理解、生成类下游任务上性能显著优于现有基线，全部资源开放可复现。

Welcome Beam: a 501B open model you can own, customize, and scale

Hugging Face

本文推出501B参数的开源大模型Welcome Beam，采用混合专家（MoE）架构，单步推理仅激活128B参数，支持用户全权限私有化部署、定制微调，可灵活适配从单GPU到超算集群的不同算力规模，实测在通用推理、代码生成等任务上性能比肩同量级闭源模型，推理效率较同类开源MoE提升约15%。

Lil’Log

Harness Engineering for Self-Improvement

Lilian Weng

本文梳理AI递归自我改进（RSI）的研究脉络：1965年I.J.古德最早提出相关设想，认为超智能机器可在所有智力活动上超越人类，还能设计更优机器完成自我迭代；2008年尤德考斯基明确其核心是AI用现有能力优化自身认知机制。当前AI领域RSI落地主要有直接改写自身权重、优化自身训练管线两类路径。

量子位

谷歌开源RSI新成果！华人浓度爆表

量子位

谷歌最新开源递归自我改进（RSI）框架Harness²，可让大模型自主迭代提示词、工具链等组件，针对过往RSI真实场景无评估标准、易过拟合单任务陷入噪声螺旋的痛点，采用任务级对照实验、改进级沉淀通用优化的双层递归架构。装配该框架的GLM-5在办公基准上提分11.5，反超Gemini 3.5 Flash，目前已开源适配多编码模型。

VAST开源实时世界模型EdenLive！单消费级显卡、720P超24FPS

量子位

VAST开源实时世界模型EdenLive，采用状态维护与视觉渲染解耦的核心架构，相关布局早于行业共识3-4个月。其支持任意参考输入、多画风长时连续实时生成，单张RTX5090下720P分辨率的5B参数模型生成帧率超24，端到端延迟百毫秒级，可对接交互系统输出对应视觉内容，目前已开放权重、代码及Demo。

突发！DeepSeek新模型发布，超级性价比斩杀一切

量子位

DeepSeek近日上线新模型V4.1-Flash-1017，已实现全端同步更新。该模型针对DeepSeek Harness 0.2.1版本专项优化，代码、Agent类任务性能显著提升，同时压缩运行时长、减少无效输出、降低token消耗，实现性能与成本的帕累托改进。平台同步推出福利，符合条件的新用户首次登录可领6元限时限量赠金。