全部动态

面向多向量嵌入模型的 Token Pooling 感知训练

用 Sentence Transformers 对多向量嵌入模型做 token pooling 感知训练，可在相同存储预算下提升压缩检索质量：常规训练模型在 pool_factor=4 时保留未池化 NanoBEIR nDCG@10 的 94.6%，感知训练提升至 97.8%，文档向量减少 4 倍。

WikiTrace 用证据链接记忆减少 LLM 智能体的记忆诱发退化

研究者提出证据链接记忆系统 WikiTrace，让 LLM 智能体在采用某条经验前可沿链接回溯其来源轨迹，核对或修正错误经验。每条经验以简洁洞见形式存储，并链接到该轨迹成功或失败原因的摘要及原始轨迹；新任务中遇到细节不足、相互冲突或来自失败任务的经验时，智能体用终端工具沿链接下探补全或纠正后再行动。

蚂蚁 inclusionAI 发布 ZoomGain-9B 视觉语言模型及配套基准与 RL 数据

蚂蚁 inclusionAI 发布 ZoomGain-4B 与 ZoomGain-9B 模型检查点，并同步开放 arXiv 论文、ZoomGainBench 评测基准和 RL 训练数据。

蚂蚁 inclusionAI 发布 ZoomGain-4B/9B 模型、ZoomGainBench 基准与 RL 训练数据

蚂蚁 inclusionAI 发布 ZoomGain-4B 与 ZoomGain-9B 视觉语言模型，并同步开放 arXiv 论文、ZoomGainBench 评测基准和 RL 训练数据。

MiniCPM-OCR 接入 Hermes Agent

太棒了，Luis！🚀 很高兴看到 MiniCPM-OCR 集成到 Hermes Agent 中。感谢你构建并分享给社区！💙

Google 用 Gemini 4 Carbon 与 AlphaProof Code 形式化验证 Signal 协议代码

Google 团队用 Gemini 4 Carbon 配合 AlphaProof Code，对 Signal 协议底层代码做形式化验证，一直核验到编译后的设备代码。Gemini 4 Carbon 生成超过 600 万行经机器校验的 Lean 证明，把原本需要数年的专家人工验证压缩到数周，约 1% 的代码库需要人工复核，其余由 Lean 自动检查。Google 表示将向安全社区开源这一结果。

alphaXiv OpenResearch（ORX）v0.2.26 发布

alphaXiv OpenResearch（ORX）发布 v0.2.26，修复聊天图片轮播、消息框随文本增长、已完成回答保持可见等界面问题，并记录本地运行提交的 Hugging Face 超时。

Berkeley RDI 提出 Aqueduct：用 Lean 证明智能体改写程序与原程序等价

UC Berkeley 与 AWS 的研究者提出让编码智能体加速现有函数，并在 Lean 4 证明助手中证明加速版本 f′ 与原函数 f 对所有输入返回相同结果，以现有代码本身作为规格。

OpenResearch 排名数据一览

所有数据均来自 OpenResearch 排名：https://openresearch.sh/rankings 你也可以亲自试用 OpenResearch：https://github.com/alphaXiv/OpenResearch

NaiveAI 的 Naive-N0.5-Flash 号称每秒 2,100 Token，编程能力究竟如何？

NaiveAI 推出开源权重模型 Naive-N0.5-Flash，主打 AI 编程任务与超高吞吐，基于小米 MiMo-V2.5 继续训练并搭配自研 NaiveRT 推理引擎。

亚马逊发布表格基础模型 Mitra-v2，扩大合成预训练规模并开放权重

亚马逊发布表格基础模型 Mitra-v2，同时支持分类与回归，在 Hugging Face 以 Apache-2.0 许可开放微调版本及推理与微调代码。模型架构未变，预训练表格的行数是 Mitra-v1 的 10 倍、列数约 3 倍，并新增混合 SCM 先验。

入选理由表格基础模型在公开基准上的表现与开放权重，让需要处理结构化数据的科研人员多了一个免训练的选择。

NVIDIA 将 Agent Substrate 捐赠给 CNCF Sandbox，为大规模智能体扩展 Kubernetes

NVIDIA 把面向沙箱智能体的开源零信任运行时 Agent Substrate 捐赠给 CNCF Sandbox，它通过在小规模 worker Pod 池上复用大量会话，实现比标准容器高 10 倍的密度。

Google DeepMind 用 AlphaProof Code 形式化验证 Signal 协议生产代码

Google DeepMind 团队宣布用新智能体验证框架 AlphaProof Code 对 Signal 消息协议的实际生产代码完成形式化验证，作者称这是首次有广泛部署协议的真实生产代码被验证到这一深度。

用 LLM 构建并审核化学数据集：面向均相催化 PET 解聚的 LLM-as-a-Judge 框架

德国亚琛工业大学等机构的研究者提出一套带引用溯源的化学文献数据抽取与审核流程，由抽取模型生成带 chunk UUID 引用的结构化记录，再由独立的 LLM 审核模型逐字段核对原文并提出带引用的修正。

研究：生成式 AI 聊天助手出现后，183万篇工程论文的措辞发生了什么变化

一项发表于 Journal of Informetrics 的研究收集2015至2025年256种工程期刊的1,839,962篇文章，将12项措辞、风格与结构指标与各自2023年前趋势的投影比较。

PARIS：面向PRISMA系统综述的开源多智能体LLM框架

PARIS（PRISMA Agentic Research Intelligence System）是一个开源框架，由运行在Claude Code中的调度智能体编排15个专用LLM智能体，覆盖从研究问题界定到导出稿件草稿的系统综述流程，并在研究纳入、语料充分性和综述提纲三处设置人工检查点。

MiniCPM-OCR 集成进 Docling

很高兴看到 MiniCPM-OCR 集成进 Docling！🚀💙 感谢让开源文档处理更加易用！🙌

中国科学院软件研究所RISC-V基础软件团队十年攻关：从软件迁移工具到“源图”供应链平台

中国科学院软件研究所RISC-V基础软件团队用十年时间布局国内RISC-V基础软件生态，自主研发的软件迁移工具已落地openEuler等国产开源操作系统社区，将原本数月的迁移工作量缩短到新手几周即可完成。团队牵头搭建的“源图”开源软件供应链基础设施汇聚3亿多款软件、87亿条关系数据，累计挖出258个隐蔽漏洞，最长提前575天发出风险预警。

百度发布自动研究系统 ERNIE Evolve，并在 ERNIE-5.5-Flash 推理优化中落地

百度发布自动研究系统 ERNIE Evolve，它围绕给定代码仓库、优化目标和评测标准自主修改代码、在隔离环境跑实验，由独立评测与复核决定保留哪些改动。该系统在 NanoChat AutoResearch、NanoGPT Speedrun 和 SOL-ExecBench 三项公开任务上均高于基线，其中前两项超过公开验证的最好结果，优化结果已在 GitHub 开源。

入选理由百度公开了自动研究系统在公开基准与自家推理优化任务上的结果，研究者可据此判断自动研究闭环能承担哪类研发工作。

DeePMD-kit 机器学习势揭示超微孔 MOF MIL-120(Al) 的局部骨架动力学

重庆交通大学 Dong Fan、法国蒙彼利埃大学 Guillaume Maurin 等人在 Nature Communications 发表研究，用 DFT 结合 DeePMD-kit 训练的机器学习势解码超微孔 MOF MIL-120(Al) 中 μ₂-OH 取向的局部动力学。

蚂蚁 inclusionAI 开源 ZoomGain：用全局到局部感知差构建视觉监督

蚂蚁 inclusionAI 发布 ZoomGain，利用放大后才显现的视觉细节生成关于整图的问题，为视觉语言模型构建监督信号。同步开源 ZoomGainBench 评测基准（1,000 题、941 张图，含中英文题干与证据框）、9,000 条 RL 训练数据及 ZoomGain-4B/9B 模型检查点。

WorldFoundry 开源世界模型推理与评测基础设施

WorldFoundry 是一套开源基础设施，面向视频、3D 与 4D、具身动作和交互式世界系统，提供可复现的推理与评测。它把模型与基准发现、运行时与资产准备、执行编排、产物管理和交互式可视化统一起来，并通过显式清单、产物契约和证据感知评分卡把执行就绪与评测结论分开。其目录收录 270 个模型条目、74 个基准和 62 个已登记指标条目，就绪与执行证据分别记录。

苹果披露人形机器人 HALO 系统：调用千问模型在宇树 G1 上验证，单项任务平均成功率 91%

苹果研究团队在 arXiv 预印本论文《Perceptive Humanoid Motion from Simulation》中披露人形机器人自主控制系统 HALO，并公开数据生成、模型训练与部署代码。

alphaXiv OpenResearch v0.2.25 发布

alphaXiv OpenResearch 发布 v0.2.25，重写了实验引擎并支持在对话中途切换 harness。该版本新增跨工作区聊天记录搜索、可调整大小的聊天输入框和土耳其语界面，并修复了远程会话中 alphaXiv 登录不打开浏览器、Linux 桌面端无法粘贴剪贴板图片等问题。项目还支持以 .orx 文件分享项目、发布为 openresearch.sh 链接。

OpenClaw 如何发布版本

史上最大的开源项目之一是如何做发布的？🦞 @dallinfinite 讲解了 OpenClaw 的发布流程：dev、beta 和 stable 三个渠道，每周一班的 beta 列车，以及由一个智能体会话全程护航每次发布。

ARC Prize 榜单新增 Thinky Machines 结果

@thinkymachines - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Inkling 2 Small 完整结果：https://arcprize.org/results/thinky-inkling-2-small

MIT 团队发布分子性质预测基础模型 CheMeleon，少样本下优于现有方法

MIT 团队开发的基础模型 CheMeleon 用 PubChem 中 100 万个分子的约 1600 种分子描述符做预训练，可在少量数据下微调预测溶解度、黏度、生物活性等性质，在 58 个测试案例中表现优于其他基础模型和依赖专家规则的经典模型。

Longtail-SWE：面向低覆盖编程语言的高质量软件工程任务基准

Longtail-SWE 发布 202 个 issue 解决任务，覆盖 Clojure、Dart、Elixir、Erlang、F#、Haskell、Julia、Kotlin、Lua、OCaml、R、Scala、Swift 共 13 种在现有仓库级基准中覆盖不足的语言。

alphaXiv 开放研究代码仓库

查看代码仓库：https://github.com/alphaXiv/OpenResearch

NVIDIA 开源工具如何帮助研究人员构建下一代 6G 网络

NVIDIA 开源 Aerial 无线软件一年后，其 AI Aerial 与 Sionna 软件的全球开发者采用量增长 10 倍，开源 5G/6G 工具下载量突破 100 万次，逾 8000 家研究和学术机构正在使用。