Hugging Face Daily Papers

MT Forcing: Towards Stable and Consistent Multi-Turn Image Editing with Autoregressive Diffusion

HF ★ 27 · Houyuan Chen, Fanzhou Wang, Xiangyu Fan… · HF 镜像

针对现有多轮图像编辑方法仅数轮就出现画质漂移、保留区域或历史编辑内容意外改动的痛点，该文提出适配自回归扩散类统一多模态模型的MT Forcing训练范式：通过单轮分布匹配蒸馏规避递归误差累积，搭配教师强制引导正则保障跨轮一致性。实验验证其可显著提升多轮编辑的画质稳定性与内容连贯性。

Self-Evolving Coding Agents via Harness-Policy Optimization

HF ★ 24 · Zhepei Wei, Wenlin Yao, Baolin Peng… · HF 镜像

针对大模型编码智能体单独优化交互管控模块或模型策略效果次优的问题，该文提出Self-HPO自进化框架：交替执行H步（当前策略自主分析缺陷、生成候选管控模块）、P步（基于选定模块用强化学习更新策略）。实验显示其在三类编码基准上优于单模块优化基线，千问3.5-35B平均解决率提升7个点，泛化、可靠性均有提升，接入更强外部模型可进一步提效。

ScaleNav: Scalable Internet Video Pretraining for Language-Conditioned Local Navigation

HF ★ 17 · Yihui Yang, Yuanhong Yu, Jiawei Wang… · HF 镜像

针对语言条件局部机器人导航任务实采数据成本高、仿真数据存在虚实鸿沟的问题，团队提出ScaleNav三阶段框架：先利用互联网第一人称视频做指令条件预训练，学习目标导向视觉动态，再用带动作标签的仿真数据对齐可执行动作，最后联合微调。该方法在两个导航基准上表现远超基线，实机四足机器人测试验证了其真实场景泛化能力。

RoAR-VAE: Improving Latent Diffusability through Robust Prediction

HF ★ 17 · Yang Yue, Fangyun Wei, Yitong Wang… · HF 镜像

本文针对视觉分词器需兼顾图像保真、下游扩散模型易学习的需求，基于“受损隐变量可恢复生成相关信息”的鲁棒预测原则，提出融合鲁棒语义对齐、鲁棒图像重建双目标的RoAR-VAE分词器。同训练预算下生成性能超最强基线2.19分，小文本重建精度较FLUX.1-VAE提升16.93个百分点，实现两类性能的均衡。

OR-License: Evaluating LLM Agents as Real-World Operations Research Practitioners

HF ★ 15 · Peisong Wang, Feixue Liu, Yize Meng… · HF 镜像

针对现有运筹学（OR）基准未覆盖从原始业务材料到落地方案的全流程痛点，该研究推出含10类工业场景、31个总金额368万美元真实付费OR项目的端到端基准OR-License，搭配客户模拟器ORSim，用DAQ指标衡量方案可行性与质量。测试11款前沿大模型，最强的Claude Code仅达0.87DAQ（专家基准为1），仍存在问题转化、落地类缺陷，距替代专家尚有差距。

arXiv cs.LG

When is a large language model a good calibration agent? Physics-labeled prompting for budgeted engineering simulator calibration

Ruo-Qian Wang

针对高成本工程仿真器校准的算力约束问题，该研究提出带物理标注的大模型提示校准方案，测试发现大模型早期校准精度提升快但优势不持久、输出波动大。据此设计混合流程：先用大模型热启动，再转接传统优化器，有限算力下校准效率远超单独大模型、贝叶斯优化等基准方案。

Trust but Verify: Designing Region-Inhomogeneous Forward Dynamics for Discrete Diffusion

Gunmay Jhingran

针对离散文本扩散默认全信上下文易传播错误的问题，本文设计区域非均匀前向动力学：缺失位用吸收核，上下文位低率随机替换，推理时向可疑上下文退火注噪。170M模型仅用6G笔记本GPU微调5小时，随机脏数据检测召回0.96、精度0.91，补全F1最高提6.4，干净输入无退化，近分布脏数据提升不显著。

Binding-Specific Relearning Savings for Test-Time Continual Learning

Zhe Zhou

针对测试时持续学习仅以当前输出准确率评估、无法反映旧经验对后续更新影响的问题，该研究以Qwen2.5-1.5B为对象设置三组对照实验，发现曾正确习得事实绑定的模型即便处于部分遗忘节点，重学效率仍比无相关学习的对照组高约18%，证明当前行为准确率会低估已习得经验的留存效应。

OpenAI

Advancing coding in low‑resource programming languages

OpenAI

本文针对低资源编程语言AI编码能力不足的痛点，OpenAI围绕软件工程通用任务、SQLite场景适配、COBOL系统迁移三类核心需求，搭建了全新的专项评测体系，以此为指引优化ChatGPT，显著提升了模型在小众编程语言下的代码生成、适配与迁移能力，为老旧系统改造等场景提供了技术支撑。

How Itaú is building generative AI for its entire customer base

OpenAI

巴西头部金融机构伊塔乌推进全体系生成式AI布局，身处当地监管最严苛的金融赛道，落地AI优先战略，打造两大核心支撑：一是面向全客群的对话式交互接口ia.i，二是配套的IARA AI治理平台，同时覆盖C端用户和内部员工需求，在合规框架下实现生成式AI全场景落地。

Anthropic News

Expanding the Cyber Verification Program

Anthropic

本次正式推出升级版网络验证计划（CVP），仅向满足资质要求的安全专业人员开放两大核心权益：一是提供更先进的网络技术能力支撑，二是上线优化后的低误封分类器，可大幅降低合规安全研究行为被误拦截的概率，赋能安全从业者高效开展合法的安全测试、漏洞挖掘等研究工作。

Investing in the public benefit

Anthropic

AI公司Anthropic发布公共利益投入计划：将划拨部分企业股份设立专属的Anthropic公益基金，该基金采用特殊动态持股结构，所持股份占比会随公司规模扩张、估值增长同步自动提升，确保企业发展红利中有稳定份额持续投入公共事业，兑现AI技术发展造福公众的核心目标。

Google DeepMind

Accelerating the search for antimicrobial peptides with Google Antigravity

Google DeepMind

本文针对新型抗菌肽传统筛选流程效率低、周期长，难以匹配耐药菌感染防控临床需求的痛点，提出依托Google面向科研场景推出的Antigravity for Science工具开展高通量筛选的技术方案，可大幅压缩抗菌肽候选分子的发掘周期、降低筛选成本，为新型抗菌肽研发提供高效新路径。

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联合研发反诈专用微调AI模型。该方案采用轻量化端侧部署的Gemma模型，无需将用户私人聊天数据上传云端处理，即可直接在本地设备识别拦截对话式诈骗，在严格保障用户隐私的前提下，实现私域聊天场景的诈骗风险防控，为隐私优先的反诈技术落地提供了可行路径。

Hugging Face Blog

TorchNeuron: running HF models on AWS Trainium is easier than ever

Hugging Face

本次推出的TorchNeuron是适配AWS自研Trainium训练芯片的PyTorch工具链，核心价值是大幅简化Hugging Face生态模型的部署流程。开发者无需对现有HF模型做大量底层适配改动，即可直接在Trainium芯片上运行，充分发挥其高性价比算力优势，降低大模型训练落地门槛，减少模型迁移的时间与技术成本。

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

Hugging Face

本文针对印度语族多为低资源语言、预训练数据匮乏的痛点，开源可复现的多模态数据生成清洗管道，构建覆盖20余种印度语言、总规模达2.8万亿token的大规模预训练语料，基于该语料训练的多语言预训练模型，在印度语系各类理解、生成任务上性能显著优于现有基准，全链路资源均开源开放。

Lil’Log

Harness Engineering for Self-Improvement

Lilian Weng

本文梳理AI递归自我改进（RSI）的发展脉络：该概念1965年由古德首次提出，指向能超越人类所有智力活动、可迭代设计更优系统的超智能；2008年尤德考斯基明确其核心是AI依托现有能力升级自身认知机制的反馈闭环，当前落地路径包括直接改写自身权重、优化训练流水线两类。

量子位

Claude新模型曝光！能跳出思维定势，修Bug治标又治本

量子位

近期AI头部三家将密集推出新模型：Anthropic新版Claude推理、意图识别能力升级，修bug可溯源根因一并解决同类问题，还能跳出惯性思维给出创新方案；谷歌Gemini 4 Carbon编程、视觉能力提升，内部测试反馈对标Claude Opus 5.5；OpenAI也将发布GPT-6.1 Terra。

从百比特芯片到整机交付，这家量子计算公司正将量子算力推向可调用服务

量子位

当前经典算力供给紧张、价格暴涨，且受限于底层计算范式，对分子模拟、大规模组合优化等NP难题，堆再多GPU也无法高效处理。量子计算依托比特叠加、纠缠特性，算力随比特数指数增长，QPU作为第三类算力可突破经典天花板，相关企业正推进量子算力向可调用服务落地。

通研院孵化的团队，也盯上了RSI

量子位

当前AI竞争正从通用能力向个性化长期专属能力沉淀，OpenAI、Meta均已布局长期记忆、个性化执行类技术，AI向专属长期智能服务演化的趋势明确。通研院孵化的通衍灵智盯上RSI赛道，聚焦持续自进化专属模型研发，可将企业、个人的业务经验沉淀为可迭代的专属智能资产。