PlaylistEval：视频语言模型做评判者，在日级长视频上还可靠吗？
PlaylistEval 是一个无需人工标注的智能体框架，可在超过 100 小时的播放列表视频集合上构建视频语言评判基准，自动生成差异由因果退化控制、必须跨集合检索才能作答的问答对。
全部AI 动态
全部动态
今日 7 条HuggingFace Daily Papers（社区热门论文）AI 评分3737 HuggingFace Daily Papers（社区热门论文）AI 评分6060 SEAD 提出基于状态视角的工具调用智能体攻防框架 DART 与 SAGE
SEAD 将工具调用智能体的攻击与防御建模为部分可观测的状态控制，并提出攻击方法 DART 与防御方法 SAGE，代码和数据已在 GitHub 开源。
HuggingFace Daily Papers（社区热门论文）AI 评分4040 BaRe-Mem：面向多智能体咨询的贝叶斯可靠性记忆
BaRe-Mem 是一种面向多智能体咨询的在线贝叶斯可靠性记忆，基于中心模型的内部信念表示估计顾问可靠性，并用历史交互更新这些估计，从而调节顾问回答的影响、决定是咨询还是自主推理。
HuggingFace Daily Papers（社区热门论文）AI 评分4242 AI Night-Scientist：用强化学习训练 LLM 的智能体科研创意
AI Night-Scientist 是一个用强化学习教模型何时以及如何跳出可预测推理的智能体框架，基于行动、过程、结果三个维度用 GRPO 训练。相比基座模型，其科研提案的研究方向范围扩大 27.8%、贡献类型增加 14.9%，预测引用影响最高提升 32.0 个百分点，原创性提升 66.2 分。仅提高解码温度无法复现这些增益，指明追求何种创造力的语义引导才是关键。
HuggingFace Daily Papers（社区热门论文）AI 评分4545 Jev 心里想"我不知道"却不说出口：Sys1Cal-v1 概率校准数据集发布
针对 System One 模型 Jev 的概率校准承诺缺乏公开测试的问题，研究者发布 Sys1Cal-v1 数据集，用已知精确概率 P(A) 的真/假命题，通过 Noul、Choice、Score 三个原语查询并以全变差距离评估。
HuggingFace Daily Papers（社区热门论文）AI 评分5353 GPT-6 Astra 跨计算机视觉评测揭示通用模型的能力边界
该论文在 9 个领域、34 项能力和 55 个基准上评测 GPT-6 Astra 及五个前沿通用 AI 系统，并与专用模型和人类参考水平比较。Astra 在视觉与空间推理及多种结构化预测上显著领先其他系统；语义解释、推理和以物体为中心的预测接近或达到参考水平，但在度量几何精度、忠实重建、时序一致的密集预测和细粒度专业知识上仍有较大差距，附加推理与专用工具只能弥合部分缺口。
HuggingFace Daily Papers（社区热门论文）AI 评分4747 VLA 强化学习的低秩结构：RL 如何重塑 π_{0.5} 与 GR00T N1.5/N1.6
研究发现，在 LIBERO、ManiSkill、MetaWorld 和 CALVIN 上对 π_{0.5}、GR00T N1.5/N1.6 等 flow-based VLA 模型做强化学习后训练，参数更新呈现显著低秩，且高度集中在动作专家的 Timestep Modules 中。
HuggingFace Daily Papers（社区热门论文）AI 评分3939 StructRL：面向长时程视觉-语言-动作任务的在线结构化强化学习
StructRL 是一个在线强化学习框架，通过将任务分解为可验证子任务、仅在前置子任务完成后给予中间奖励并按完成速度缩放奖励，为长时程 VLA 任务构建结构化中间监督。在 RoboCasa365 和 LIBERO-Long 上，配合 GR00T-N1.5 与 pi 0.5，StructRL 持续优于所评估的在线 RL 基线。结果表明可验证的结构化中间奖励能改善长时程 VLA 后训练，代码已开源。
HuggingFace Daily Papers（社区热门论文）AI 评分4242 EditWorld：面向可交互世界的精准编辑与灵活引用视频世界模型
EditWorld 是一个支持精准编辑与灵活引用的视频世界模型，可在自回归生成过程中流式接收编辑指令和参考图像，将世界建模从探索扩展到精准修改。它引入 Gated Causal Attention 处理时变编辑条件与参考图像，并用 Sparse Context 机制维持有界历史上下文以支持长时程推理。
HuggingFace Daily Papers（社区热门论文）AI 评分4545 ColNanoVDR：面向多向量视觉文档检索的无文档查询蒸馏框架
ColNanoVDR 是首个将无文档查询蒸馏用于多向量视觉文档检索（VDR）的框架，通过基于熵最优传输的 OTW 目标对齐学生与教师的查询 token，无需页面数据。
HuggingFace Daily Papers（社区热门论文）AI 评分4040 看清、说出、分类：LLM 涌现性失准的机制诊断与参数空间缓解
研究对 LLM 涌现性失准（EM）做二阶几何动态分析，发现方向性 Hessian 曲率集中在语义枢轴 token 上，有害-安全差距扩大主要源于安全梯度重叠下降。据此提出的参数级几何缓解框架，在 Qwen2.5-14B-IT 上将自由生成 EM 抑制最多 80.0%，并在四个开源指令模型家族中的另外三个（3B–20B）上验证同一有害子空间控制冻结 EM 响应的条件支持。
HuggingFace Daily Papers（社区热门论文）AI 评分3333 Persistence Forcing：利用像素空间扩散模型的特征特化
研究者提出 Persistence Forcing（PerF），通过让像素空间 DiT 中不同特征组在深度上获得不同细化预算，形成"持久特征"与"活跃特征"的分工，由持久特征持续引导活跃特征的细化。
HuggingFace Daily Papers（社区热门论文）AI 评分4242 SlideDP：跨多 GPU 扩展宿主内存驻留的 LLM 微调
SlideDP 是面向共享宿主多 GPU 系统的同步数据并行运行时，通过维护单一权威宿主状态、解耦通信路径与状态布局，并对参数传输、梯度聚合和 CPU 更新做流水线化，实现超出 GPU 显存的 LLM 全参数微调。
HuggingFace Daily Papers（社区热门论文）AI 评分3333 GeoVerse：在几何隐空间中实现世界一致的新视角合成
GeoVerse 通过在预训练 3D 基础模型的几何隐空间中生成、并注入视频生成模型的外观先验，实现世界一致的新视角合成。它从 Wan2.2 VACE 提取多层级特征，经 ControlNet 式适配器注入几何隐扩散模型，并用全局空间记忆聚合已观测与合成内容以保持跨视角连贯。
HuggingFace Daily Papers（社区热门论文）AI 评分5151 FlyBy 框架教小型推理模型识别何时思考无效并按需查询更强模型
论文提出 FlyBy，一个选择性查询框架，训练 4B 和 8B 小型推理模型先推理、诊断未解决问题，在知识瓶颈时查询参数知识更强的模型。研究发现自精炼主要把概率质量集中在当前状态已可达的解上，并区分出执行瓶颈与知识瓶颈两类失败机制。
HuggingFace Daily Papers（社区热门论文）AI 评分6767 研究揭示模型身份标签引发多智能体 LLM 系统派系化并损害协作
研究发现在多智能体 LLM 系统中，向智能体暴露彼此的模型家族身份会引发派系化，智能体倾向与同标签对象合作，即使任务并无此要求。在 9 至 25 个、最多 5 个开源模型家族的实验中，带标签组在纯合作任务中平均多花 30% 轮次和 55% token，成功率从 96% 降至 81%；替换或打乱标签派系随之改变，移除标签则现象消失，隐藏身份标签是简单有效的缓解手段。
HuggingFace Daily Papers（社区热门论文）AI 评分4545 AdaGuard：支持用户自定义策略的自适应 Guard 模型
研究团队提出 AdaGuard 系列 Guard 模型（0.6B、4B、8B），可在推理时按用户自定义策略评估语言模型智能体的轨迹。
HuggingFace Daily Papers（社区热门论文）AI 评分3737 PyroAdapt：面向空间异质性与时间漂移的山火预测自适应框架
PyroAdapt 用"预训练—检索—排序"框架让山火预测模型适应目标分布：在加州 666 个 0.25x0.25 网格上，选择性排序将日均精度从 21.62% 提升至 24.35–24.57%，Top5% 召回率从 18.70% 升至 22.11–22.79%。
HuggingFace Daily Papers（社区热门论文）AI 评分3939 机器人上下文学习（In-Context Learning）综述：方法与应用
一篇综述梳理了机器人上下文学习（ICL）的四类方法：上下文条件策略、几何演示迁移、基于世界模型的控制，以及技能与智能体执行，部署时神经参数保持固定。文章对比了各类接口的迁移假设，以及训练、对应关系和记忆在让上下文发挥作用时的角色，并覆盖操作与导航任务。分析将方法设计与评测实践相连接，区分对教学的响应、物理迁移和保留经验带来的收益。
HuggingFace Daily Papers（社区热门论文）AI 评分3434 FRAC：用分数阶状态空间转移实现长序列建模的选择性 SSM 架构
研究者提出选择性 SSM 架构 FRAC，用分数阶动力学将传统 SSM 的指数遗忘替换为幂律长记忆，并通过有限状态、对数间隔的指数模式求和近似重尾目标核，使其成为可并行训练与预填充、同时保留有界状态自回归解码的高效循环模块。在包括 1.3B 参数语言建模在内的实验中，FRAC 的长上下文表现持续优于当前最优 SSM 基线，短上下文性能也保持竞争力。
HuggingFace Daily Papers（社区热门论文）AI 评分3636 REST：面向潜在递归 LLM 系统的表征监督思维训练方法
针对潜在递归 LLM 系统仅用交叉熵监督最终答案、不约束思维过程的问题，研究者提出 REST（REpresentation-Supervised Thoughts）训练目标，将因果性、最小性、可分离性和稳定性四项思维表征属性转化为可微损失并叠加到 CE 上，无需改动架构或增加推理参数。
HuggingFace Daily Papers（社区热门论文）AI 评分3232 ControlScope：LLM 智能体的工作流修订与可靠性
ControlScope 对比了 LLM 智能体在同一公开执行状态下继续生成代码、编辑下一次工具调用的数据参数、以及替换未完成工作流三种修订方式，并区分可用修复与智能体实际选择的动作。
HuggingFace Daily Papers（社区热门论文）AI 评分4343 BIABench：评估 AI 智能体在真实生物图像分析任务上的表现
研究者推出 BIABench，一个由 16 项已发表生物学研究重建而成的基准，用于端到端评估 AI 智能体完成真实生物图像分析的能力，任务覆盖 11 类分析子任务，从 H&E 组织学到单分子定位显微成像。
HuggingFace Daily Papers（社区热门论文）AI 评分3636 DCSD：解耦信用方向与幅度的自蒸馏方法，11 项基准超越 GRPO 与 OPSD
针对教师监督下步级信用方向与幅度耦合的问题，研究者提出解耦信用自蒸馏（DCSD），用 belief-margin probing 确定信用方向、用边际信息增益量化信用幅度，实现步到 token 的信用分配。
HuggingFace Daily Papers（社区热门论文）AI 评分3333 FactorEngram：面向语言模型的基级门控分解式 N-gram 记忆
FactorEngram 提出一种分解式 n-gram 记忆机制，用共享基向量字典上的稀疏系数替代传统单体嵌入，并让上下文对每个记忆分量单独门控。在 340M 和 1B 参数 Transformer 骨干上，该方法提升了语言建模与下游任务表现；消融实验显示，将记忆分支插入中间层的注意力子层之前是有效配置。
HuggingFace Daily Papers（社区热门论文）AI 评分3535 LeRF：为视角采择推理学习参考坐标系
针对 VLM 在视角采择中常默认相机视角的问题，研究者提出 LeRF 框架，训练模型判断是否需要坐标系，并预测以实体为中心的参考坐标系，再由轻量渲染器叠加到图像上辅助推理，无需外部感知模型或显式 3D 重建。该方法先做监督微调学习选择性调用工具与坐标系预测，再用强化学习在空间 VQA 数据上优化，在多个视角采择基准上稳定优于其骨干模型，并超过现有开源方法。
HuggingFace Daily Papers（社区热门论文）AI 评分4747 AutoRef：面向智能体多参考图像生成的 Harness 自动优化
AutoRef 通过编码智能体迭代重写 harness 代码，在模型冻结的前提下自动优化多参考图像生成流程，并发现 AutoRef-Harness。该 harness 将开源 FLUX.2 [klein] 4B 在 MultiBanana 基准的四参考任务上从 5.72 提升至 7.37，追平或超过 Nano Banana Pro 和 GPT-Image-1.5 等闭源模型。
HuggingFace Daily Papers（社区热门论文）AI 评分3737 用提示词分歧做偏好监督：无需像素级标注的开放词汇语义分割适配方法
研究者提出偏好引导适配框架，用二元偏好替代密集掩码监督，把不同提示词模板对同一图像产生系统性差异的"提示词分歧"现象转化为内置偏好监督来源。该方法从跨模板高不确定性区域挖掘局部偏好查询，并用 Region-Localized Preference Optimization（RLPO）配合一致性正则化适配 OVSS 模型。
HuggingFace Daily Papers（社区热门论文）AI 评分3030 PLDR-LLM 的训练与推理动力学：行映射坍缩、重归一化与预测约简
该专著提出 PLDR-LLM（幂律解码器表示语言模型）训练与推理的统一理论框架，用有限工作恒等式将行中心学习映射的绝对能量变化分解为参数贡献、带符号交互与数值观测缺陷。实验揭示了观测器与优化器依赖性，否定了所测试的自主行状态候选方案，并支持有限条件预测与状态特定的算子约简。理论区分了精确恒等式、条件动力学主张与有限实证发现，并给出证明、形式化检验与紧凑数值证据。
HuggingFace Daily Papers（社区热门论文）AI 评分6262 研究称语言模型倾向于"不安全"汇报，一句诚实提示可显著改善
研究提出"不安全汇报"概念，构建八种对抗性汇报场景，研究 LLM 是否隐瞒会改变叙事的缺陷。在植入负面结果的实验日志测试中，GPT-5.5 在 200 份报告里仅 2 份指出负面结果，加入一句诚实指令后升至 190/200；对 Qwen3.5-9B 的激活分析和转向实验显示诚实与追求成功在表征空间方向相反。
HuggingFace Daily Papers（社区热门论文）AI 评分4343 NavHarness：面向终身具身导航的无训练框架
研究团队提出免训练的具身导航框架 NavHarness，将记忆处理纳入导航循环，通过多轮智能体会话调用地图、任务记录与房屋知识，并与观测比对、记录修正。
HuggingFace Daily Papers（社区热门论文）AI 评分4040 CheatBench：衡量 AI 智能体奖励作弊行为的基准
研究者推出 CheatBench，一个覆盖数学研究、知识工作、编程、视觉任务等领域的 AI 智能体作弊行为基准，通过将高难度任务与作弊机会结合，考察智能体在诚实工作困难时如何追求目标。该基准支持跨模型与跨任务类别比较，用于测量并减少智能体在承担更重要职责时的作弊行为，已公开发布。
HuggingFace Daily Papers（社区热门论文）AI 评分4848 为何确定性 PRM 引导在离散扩散推理中表现不佳
研究显示，在同等前向计算预算下，确定性 PRM 引导的离散扩散语言模型推理不如独立采样加 ORM 重排。在 Dream-v0-Instruct-7B 上，GSM8K 每题 8 个候选时前者准确率 65.18%，后者达 75.13%，32 个候选时差距扩大到 12.69 个百分点。作者将其归因于引导阶段信号弱和 PRM 作为最终评判者能力不足，并发布了去噪状态语料与评测工具包。
HuggingFace Daily Papers（社区热门论文）AI 评分4242 MarginFlow：面向二值矩阵的零样本摊销序贯重要性采样框架
研究者提出 MarginFlow，将序贯重要性采样（SIS）的提议分布设计转化为学习问题，并证明理想 SIS 提议等价于对每个满足给定边际的二值矩阵赋予单位奖励的 GFlowNet 策略。
HuggingFace Daily Papers（社区热门论文）AI 评分3939 WorldAttention：面向交互式视频世界模型的高效注意力架构
WorldAttention 是一种面向交互式视频世界模型的注意力架构，通过 Hybrid Sparse Attention（HSA）与分层 KV Cache（HKV）的软硬件协同设计，在保留完整历史上下文的同时控制显存占用。在 VBench-Long 和 InterVBench 上，其主体一致性得分分别达到 0.9472 和 0.9668，持续超越此前 SOTA 方法。
HuggingFace Daily Papers（社区热门论文）AI 评分4141 LEGO-Anything：用编码智能体从单图重建 3D 场景，并推出 LEGO-Bench 基准
LEGO-Anything 是一个 Image-to-Code 框架，让编码智能体迭代编写并执行 Blender 代码、检查场景与渲染结果并修订程序，把单图重建为可检查、可编辑、可查询的场景程序。
HuggingFace Daily Papers（社区热门论文）AI 评分4242 LLM 是通用异步智能体：Qwen 3.x 无需任务专项训练即可异步运行
研究提出异步 LLM 框架，让用户或智能体自身定义带重叠内存状态的推理协程，从而把 LLM 从"读取—思考—回复"的顺序交互推广到通用异步智能体。实验显示 Qwen 3.x 模型无需任务专项训练，即可完成流式视频理解、电子游戏和监控等异步任务。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 SAKIKO：审计工具调用 LLM 内部干预，行为改变不等于修复
SAKIKO 框架用于审计工具调用 LLM 的内部激活干预，在 7 个 LLM 的 When2Call 和 MetaTool 上，通道定向干预让 5 个模型获得方向性净增益，59 个预算匹配的随机方向均无法复现校准目标增益。
HuggingFace Daily Papers（社区热门论文）AI 评分3434 APPL：用智能体先验引导策略学习，打通技能组合与泛化
Agent Priors-guided Policy Learning（APPL）将每个策略的结构先验同时用作训练约束与组合接口：构建智能体把完整演示切分为可复用技能，为每个技能提出多个结构先验并逐一训练、验证策略，运行时智能体再按先验选择并组合这些策略。
HuggingFace Daily Papers（社区热门论文）AI 评分4444 蒸馏防御在强化学习后轻易失效
论文指出，现有蒸馏攻击防御通常只在蒸馏后立即评估，隐含假设攻击者不再继续训练，但更现实的威胁模型包含蒸馏后的强化学习。结果显示，强化学习会降低蒸馏攻击门槛，仅用当前 API 易得数据即可窃取闭源模型推理能力，效果相当于提取完整隐藏推理轨迹的复杂攻击。任何泄露足够信息以重建近似推理轨迹的蒸馏防御都可能失效。