TY - UNPB TI - Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments UR - https://arxiv.org/abs/2609.04148 DA - 2026-09-03 AU - Wu, Jie AU - Zhang, Zhenru AU - Zhang, Beichen AU - Wang, Xuwu AU - Su, Yuhui AU - Chen, Mouxiang AU - Wang, Peng AU - Wang, Zhihai AU - Shen, Que AU - Zhou, Hao AU - Yang, An AU - Huang, Fei AU - Yang, Yujiu AU - Liu, Dayiheng KW - Agent训练 KW - 待阅读 KW - 补看 N1 - 以下为2026-09-05期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🧰 03 / Terminal-Universe：把操作记录变回训练环境 **Agent 训练 · 9/10 · 近期论文补看 · 建议深挖** 一个编程 Agent 完成任务后，会留下读文件、改代码、运行命令和修复错误的记录。通常，这些轨迹被当成示范答案使用。Qwen 团队的 Terminal-Universe 更进一步：既然操作记录透露了原来的文件和目录状态，能不能据此恢复出一个还能运行的工作环境？ 它先回放记录中的文件操作，尽量还原 Agent 修改前的工作区，再由另一个 Agent 补齐缺失文件和依赖。恢复后的环境不仅能重做原任务，还能产生新的任务、跨项目任务和多轮需求。**一份已经结束的操作记录，因此可以变成反复练习的地方。** 作者报告恢复了约 3.73 万个满足任务需要的环境。Qwen3.5-27B 在相关数据上继续训练后，Terminal-Bench 2.1 提升 11.9 个百分点，EvoCode-Bench v2 的多轮指标 MT@4 提升 13.8 个百分点。这个结果支持继续研究环境数据的价值，但还不能说明恢复出的环境都和原现场完全一致。 局限也很实际：统一的 Ubuntu 容器未必能还原特殊系统依赖；同一个教师模型负责生成任务、答案和校验器，也可能把错误一路带过去。论文于北京时间 9 月 4 日凌晨提交，作为近期补看。接下来值得验证的是，独立校验和更复杂的真实项目能否保持同样的训练收益。 [arXiv 论文](https://arxiv.org/abs/2609.04148) · [HF 论文页](https://huggingface.co/papers/2609.04148) 入选理由：从轨迹恢复可反复使用的环境，机制新且贴近Agent工程；正文已核验，不再按提交时间提前淘汰。 论文原始日期：2026-09-03；本期归档日期：2026-09-05。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-05/ AI辅助整理。 ER - TY - UNPB TI - Compile by Training: Turning Natural-Language Specifications into Local Neural Functions UR - https://arxiv.org/abs/2609.04199 DA - 2026-09-03 AU - Deng, Yuntian AU - Nie, Pengyu AU - Shieber, Stuart KW - 本地AI/新方法 KW - 待阅读 KW - 补看 N1 - 以下为2026-09-05期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🧪 06 / 一句提示词，能不能变成本地小函数？ **本地 AI 与新方法 · 8.5/10 · 近期论文补看 · 值得探索** “判断这段话的情绪，只输出正面、负面或中性。”这类需求不难描述，但如果每天要处理大量输入，每次都调用大模型，就会不断产生费用、延迟和对远程服务的依赖。Compile by Training 尝试先为这样的固定任务训练一个专用函数。 它让教师模型生成输入输出例子，再训练一个小型适配器，最后保存为 `.paw` 文件。之后的新输入交给共享的 0.6B 本地解释器处理，不必再次调用教师模型。同一个函数还可以保存、复用，并接进普通程序。 作者在特定的 FuzzyBench-Hard 子集上报告了 83.6% 的语义准确率，编译过程约需一分钟。这里的“编译”仍然包含训练，结果也会出错，不能像确定性程序那样保证正确。仓库采用 MIT 许可，默认训练配置建议约 40GB 可用加速器显存；本地执行轻量，不代表生成函数没有成本。 这篇论文于北京时间 9 月 4 日凌晨提交，作为近期补看。它值得继续尝试的场景是需求稳定、调用频繁、结果容易检查的任务。真正影响实用性的，将是初次训练成本能否被后续调用摊薄，以及换一种输入后还能保持多少准确率。 [arXiv 论文](https://arxiv.org/abs/2609.04199) · [开源代码](https://github.com/programasweights/compile-by-training) 入选理由：把固定自然语言任务变为可复用本地神经函数，运行与训练成本边界清楚，保留探索性。 论文原始日期：2026-09-03；本期归档日期：2026-09-05。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-05/ AI辅助整理。 ER - TY - UNPB TI - Random Attention: Rethinking KV Cache Eviction for Efficient Reasoning UR - https://arxiv.org/abs/2609.03430 DA - 2026-09-03 AU - Wang, Heng AU - Qiu, Jielin AU - Zhao, Wenting AU - Qian, Cheng AU - Yang, Liangwei AU - Han, Jiawei AU - Ji, Heng AU - Savarese, Silvio AU - Heinecke, Shelby AU - Wang, Huan KW - 推理设施 KW - 待阅读 KW - 补看 N1 - 以下为2026-09-06期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🧠 02 / 随机删缓存，为什么也能做好长推理？ **推理基础设施 · 8.5/10 · 近期补看：9 月 3 日提交 · 建议深挖** 模型思考得越久，保存前文计算结果的 KV 缓存就越大。为了省显存，很多方法会给缓存内容打分，再决定删掉谁。Salesforce AI Research 等团队的 Random Attention 提出一个反直觉的对照：保住用户的问题，其余推理记录在各个注意力头里随机保留，省掉复杂的评分。 作者在四个模型、数学与科学及代码推理任务上测试，发现这种方法能接近强基线的准确率。其解释是，问题中的信息一旦丢失很难恢复；推理过程却常常复述中间结果，同一信息还可能保存在不同注意力头中。保护好输入后，剩余内容未必需要精细排序。 在论文的 vLLM 服务实验中，生成长度为 32k token 时，相对 TriAttention 的吞吐提升为 32%–43%。这不是所有请求都快这么多：短输出、很长的代码输入，以及只出现一次的关键信息，都可能改变收益。结果目前来自作者实验，也不能直接推广到任意模型或长期 Agent 记忆。 它最值得复现的地方，是用很便宜的随机对照重新检查复杂算法的收益。做推理优化时，先确认究竟是哪一部分信息必须保留，可能比设计更复杂的分数更有用。 [论文与实验](https://arxiv.org/html/2609.03430v1) · [代码与复现工具](https://github.com/SalesforceAIResearch/Random-Attention) 入选理由：保护输入、随机淘汰推理缓存，机制与效率值得复现；作者32k生成条件下相对TriAttention吞吐提高32%–43%。 论文原始日期：2026-09-03；本期归档日期：2026-09-06。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-06/ AI辅助整理。 ER - TY - UNPB TI - Editable Visual Design UR - https://arxiv.org/abs/2609.04034 DA - 2026-09-03 AU - Ye, Junyan AU - Liu, Wei AU - Jiang, Dongzhi AU - Wen, Zichen AU - Li, HaoDong AU - Lv, Zhutao AU - Lin, Jiaxin AU - Yu, Jinhua AU - He, Jun AU - Huang, Zilong AU - Chen, Rui AU - Li, Weijia KW - 设计Agent KW - 待阅读 KW - 补看 N1 - 以下为2026-09-06期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🎨 03 / AI 画完海报，还能单独改一个字 **设计 Agent · 8/10 · 近期补看：9 月 3 日提交 · 建议深挖** 直接生成一张海报，文字、插画和背景通常都变成了像素。想换一句标题，往往又要重新生图。Editable Visual Design 把制作过程拆开：先用生图模型确定视觉方向并生成独立素材，再让 Coding Agent 用 HTML/CSS 编排真实文字和图层，最后看渲染结果修正布局。 它交付的是能继续编辑的页面。文字可以直接改，素材可以拖动、缩放，背景也能单独处理。对于需要经常修订的知识卡片、海报和信息图，这比只拿到一张漂亮的成品图更接近实际工作需要。 论文同时保留了设计过程的回放，便于查看从要求、素材到排版的变化。不过它主要展示单页案例，没有给出可据此宣称“审美全面领先”的大规模评分；多页内容能否保持一致，仍受底层模型能力影响。它提供的是一种有用的工作方法，效果还要在真实改稿中检验。 [论文与案例](https://arxiv.org/html/2609.04034v1) · [项目代码](https://github.com/yejy53/Editable-Design) 入选理由：可编辑交付直接解决改稿问题；已读方法与局限，仅有单页案例，不能宣称审美全面领先。 论文原始日期：2026-09-03；本期归档日期：2026-09-06。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-06/ AI辅助整理。 ER - TY - UNPB TI - LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes UR - https://arxiv.org/abs/2609.03796 DA - 2026-09-03 AU - Chen, Chuyan AU - Chen, Haoxing AU - Chen, Kun AU - Cheng, Zhenglin AU - Cui, Long AU - Fang, Ruishan AU - Gu, Zhangxuan AU - Huang, Zhicheng AU - Lan, Zhenzhong AU - Lei, Yuanting AU - Li, Haoquan AU - Li, Jianguo AU - Li, Rongchuan AU - Li, Sidu AU - Lin, Tao AU - Liu, Deyuan AU - Liu, Jiacheng AU - Liu, Lin AU - Lou, Yuxuan AU - Lu, Zhisheng AU - Ma, Yuxin AU - Shen, Shuheng AU - Sun, Peng AU - Wang, Chaoyang AU - Wang, Hongjun AU - Wang, Xiaomei AU - Wang, Yongxin AU - Wu, Chengzhang AU - Wu, Hongru AU - Xie, Jun KW - 图像生成 KW - 待阅读 KW - 补看 N1 - 以下为2026-09-06期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🖼️ 04 / LLaDA-Image 开放权重，先学图像再学文字 **图像生成与编辑 · 8/10 · 近期补看：9 月 4 日开放权重 · 持续观察** inclusionAI 已发布 LLaDA-Image 的 Base、Turbo 权重与推理代码。模型支持图像生成和指令编辑，生成部分采用 6B 参数的扩散 Transformer。其训练路线有一个值得注意的选择：前期先通过纯图像学习视觉规律，后续再加入图文配对监督和生成、编辑联合训练。 Turbo 版本经过蒸馏，论文报告可用 2–4 步采样，仓库示例推荐 4 步。这降低了反复生成和修改时的计算步骤，但采样步数不等于端到端耗时，实际速度还取决于硬件、分辨率和整条推理流程。 项目列出了 Qwen-Image-Bench 上的领先成绩，目前应当视为作者自报，不能据此认定它在所有风格和编辑任务上都更好。开放程度也要分开看：**权重和推理代码已经有了，训练配方写在论文里，训练代码仍标为待发布。** 后续更值得看社区能否复现质量，以及中文细节、显存占用和连续编辑的实际表现。 [官方仓库与发布记录](https://github.com/inclusionAI/LLaDA-Image) · [技术论文](https://arxiv.org/html/2609.03796v1) · [Turbo 权重](https://huggingface.co/inclusionAI/LLaDA-Image-Turbo) 入选理由：9月4日实际开放权重和推理代码；训练代码待发布，采样步骤不等于实际耗时。 论文原始日期：2026-09-03；本期归档日期：2026-09-06。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-06/ AI辅助整理。 ER - TY - UNPB TI - Principia: Relational Physics Tests for Video Models UR - https://arxiv.org/abs/2609.04200 DA - 2026-09-03 AU - Thozhiyoor, Varun Varma AU - Tripathi, Shivam AU - Radhakrishnan, Venkatesh Babu AU - Bhattad, Anand KW - 视频物理评测 KW - 待阅读 KW - 补看 N1 - 以下为2026-09-07期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🎬 04 / 视频里的物理对不对？先放两个物体一起看 **视频生成 / 物理评测 · 8.5/10 · 论文补读 · 建议深挖** Principia 提出了一个简洁的评测思路：不急着从视频里恢复真实速度、尺寸或相机参数，先比较同一画面中两个物体的相对运动。论文于 9 月 3 日提交，9 月 4 日进入 Hugging Face 每日论文列表，本期补读，不计作过去 24 小时的新发布。 比如，两块质量不同的滑块，在坡度、摩擦条件、起点相同的斜面上同时释放，理应同时到达终点。单独看其中一块，运动可能很像真的；放在一起，违反物理关系的地方就容易暴露。论文把这类测试扩展到重力、摩擦、碰撞和振动等八类现象。 作者测试的六个视频生成模型，整体物理一致性得分最高约为 0.42。这个数值是连续评分，**不等于只有 42% 的视频正确**；它与常用的视觉质量分数也不能直接相减或换算。 这种评测适合追问“视频能不能用于预测动作后果”。不过，它覆盖的是特定牛顿力学场景，不包含流体、软体等全部物理现象；缺失物体和严重形变也会影响评估。对世界模型的检验，仍需一项项落到具体任务上。 [Principia：论文与版本记录](https://arxiv.org/abs/2609.04200) · [论文全文：方法、结果与局限](https://arxiv.org/html/2609.04200v1) 入选理由：HF周末回看发现的未覆盖研究，公开标原始日期；超过72小时提交窗，作为论文补读而非当日新闻或新代码发布。 论文原始日期：2026-09-03；本期归档日期：2026-09-07。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-07/ AI辅助整理。 ER - TY - UNPB TI - τ^τ-Bench: An Environment for End-To-End, Realistic Agent Construction UR - https://arxiv.org/abs/2609.04611 DA - 2026-09-04 AU - Shi, Quan AU - Dhandhania, Keshav AU - Narasimhan, Karthik AU - Barres, Victor KW - Agent/Coding KW - 待阅读 N1 - 以下为2026-09-08期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🛠️ 客服能跑起来，不代表能处理好客户的问题 Agent / Coding Agent · **9/10｜建议深挖** Sierra 与普林斯顿大学的 τ^τ-Bench，把“开发一个客服 Agent”本身做成了测试。模型拿到的不是整理好的需求文档，而是业务记录、旧代码、生产接口和一个可以追问的模拟客户。它要先弄清规则，再在模型选择和服务成本限制内做出产品，最后接受未见过的模拟用户测试。 在覆盖四个领域的 53 项构建任务上，论文中最好的配置是 Claude Opus 5 配合 Claude Code，最终通过率为 **23.9%**；专家编写的参考方案为 82.2%。这个差距不能简单归结为“代码写得差”。作者检查执行记录后发现，模型常常搜索几下就开始实现，很少向客户追问，也很少认真比较不同架构。 分项比总分更有意思：同一配置在零售领域达到 72.8%，在银行领域却只有 5.9%。后者的规则材料复杂得多。这提醒我们，评估一个 Agent 能否上线，应该把遗漏的需求、接口边界和业务例外也放进验收。只看它自己的测试全部通过，容易高估交付质量。 这些都是作者在特定任务、预算与模拟用户下的结果，不能解释成现实中所有 AI 客服只有四分之一能用。代码库已于 9 月 4 日公开；论文进入 9 月 7 日的 arXiv 公告，本期重点读它披露的失败分析。 [论文与完整实验](https://arxiv.org/html/2609.04611v1) · [代码与任务](https://github.com/sierra-research/hyper-tau-bench) 入选理由：新公告论文披露真实构建任务与失败机制；开源已在9/4，不当成9/7新代码。 论文原始日期：2026-09-04；本期归档日期：2026-09-08。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-08/ AI辅助整理。 ER - TY - UNPB TI - RISE: Recursive Improvement via Self-Extrapolating Policy Distillation UR - https://arxiv.org/abs/2609.05295 DA - 2026-09-04 AU - Li, Yang AU - Yavuz, Semih AU - Joty, Shafiq KW - 训练方法 KW - 待阅读 N1 - 以下为2026-09-08期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🧠 RISE：沿着刚刚学会的方向，再往前走一点 模型训练 · **8.5/10｜建议深挖** 训练模型时，如果只告诉它整道题对不对，反馈往往太粗；找一个更强的模型当老师，又多了一层成本和依赖。RISE 的做法是比较模型当前版本与较早版本，提取这段训练带来的变化，再沿着变化方向外推，构造一个临时的老师，把更细的逐词反馈教回当前模型。 可以把它理解为：先靠能验算的答案确定进步方向，再用这个方向改善推理过程中的选择。老师会随训练更新，所以不必一直追着一个固定的外部模型学。这里的新意是把过去的训练过程变成新的监督信号，而不是让模型反复夸奖自己的答案。 作者在 1.7B 至 8B 规模的模型上，测试了数学、科学知识、代码和多轮任务。以 Qwen3-8B 的一组实验为例，数学平均分从 GRPO 基线的 60.0 提高到 62.7。但额外训练并不免费，论文报告的总耗时约为 GRPO 的 1.3–1.6 倍；奖励如果有漏洞，外推也可能放大错误方向。它是一种值得复现的训练方法，还远谈不上证明模型能无限自我改进。 [RISE 论文](https://arxiv.org/html/2609.05295v1) 入选理由：自身训练轨迹构造老师，机制不同于外部教师蒸馏；有实验和计算开销。 论文原始日期：2026-09-04；本期归档日期：2026-09-08。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-08/ AI辅助整理。 ER - TY - UNPB TI - WorldSculpt: Generating Compositional Worlds from Grounded Videos UR - https://arxiv.org/abs/2609.05416 DA - 2026-09-04 AU - Niu, Muyao AU - He, Jixuan AU - Yu, Ruihan AU - Fu, Lian AU - Yu, Yonghao AU - Huang, Zheng-Hui AU - Zhan, Yifan AU - Lan, Fengbo AU - Ge, Yongtao AU - Zheng, Yinqiang AU - Zhang, Kaipeng AU - Wang, Zhixiang KW - 3D生成/仿真 KW - 待阅读 N1 - 以下为2026-09-08期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🪑 WorldSculpt：把生成的房间拆成能单独取用的物体 3D 生成 / 仿真 · **8.5/10｜持续观察** 生成一个看起来完整的房间，和拿到一套可以继续编辑的 3D 资产，仍有距离。很多场景模型把物体融在一起，椅子和花瓶虽然看得见，却不方便单独选中、移动或放进仿真环境。WorldSculpt 针对的就是这个问题：结合多视角图像，逐个生成物体网格，再把它们放回同一个空间坐标系。 它借用了 Pixal3D 已经学到的单物体生成能力，增加多视角信息的融合。值得注意的是，模型微调时只用单个物体，测试时却能处理包含数百个物体、相互遮挡的复杂场景。这条路线的价值，在于让生成结果更接近游戏、内容制作和机器人仿真真正需要的资产形式。 不过，输入并非随手拍一段视频就够：方法需要相机位姿、物体掩码和 3D 包围盒等信息，完全看不见的部分也仍靠推断。论文中的几何指标优势来自作者实验，不能当作物理仿真已经可靠的证明。仓库可见推理代码及权重入口；9 月 7 日的 README 更新也不应另算一次重大发布。 [WorldSculpt 论文](https://arxiv.org/html/2609.05416v1) · [项目代码](https://github.com/AlayaLab/WorldSculpt) 入选理由：单物体训练迁移复杂场景，输出独立可用网格；不将普通commit重报为发布。 论文原始日期：2026-09-04；本期归档日期：2026-09-08。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-08/ AI辅助整理。 ER - TY - JOUR TI - Integration of proteomic aging clocks in a phase 2a clinical trial supports simultaneous geroprotective assessment UR - https://www.nature.com/articles/s41587-026-03286-y DO - 10.1038/s41587-026-03286-y DA - 2026-09-07 JO - Nature Biotechnology AU - Zhavoronkov, Alex AU - Galkin, Fedor AU - Chen, Shan AU - Ren, Feng AU - Aliper, Alex AU - Durymanov, Mikhail AU - Sidorenko, Denis AU - Cui, Hui AU - Han, Jing-Dong J. AU - Xu, Hao AU - Liu, Xiaodong AU - Xu, Zuojun AU - Kuppe, Christoph AU - Austin Argentieri, M. AU - Ying, Kejun AU - Goeminne, Ludger J. E. AU - Moqri, Mahdi AU - Tyshkovskiy, Alexander AU - Gladyshev, Vadim N. KW - AI for Science/生物医药 KW - 待阅读 N1 - 以下为2026-09-08期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。 🧪 AI 设计的药物，出现了值得追踪的衰老指标变化 AI for Science / 生物医药 · **8.5/10｜持续观察** 英矽智能的候选药 rentosertib 原本用于研究特发性肺纤维化。9 月 7 日发表于《Nature Biotechnology》的新分析，用六种蛋白质衰老时钟，重新检查了一项 12 周二期早期试验中 42 名患者的血液蛋白数据。接受治疗的组中，六种模型预测的生物学年龄都呈下降方向。 “衰老时钟”可以理解为根据生物指标估计年龄或相关风险的模型。多个不同模型给出一致方向，比只挑一个指标更值得追踪。对 AI 制药而言，这项工作也提供了一种研究思路：在治疗某种疾病的试验中，同时观察与衰老有关的变化，尽量从难得的人体数据里获得更多信息。 但**预测年龄下降，还不能证明人变年轻或活得更久**。这只是小样本的探索性分析，原试验的蛋白质数据子集也不等于一场独立的抗衰老临床试验。论文明确指出，现有数据无法充分分开疾病改善与衰老变化的影响。值得关注的是后续验证，而不是把它当成已经成功的抗衰老药。 [原始论文与方法](https://www.nature.com/articles/s41587-026-03286-y) 入选理由：新发表人体数据探索分析，有六时钟比较及明确的疾病/衰老不可充分区分局限。 论文原始日期：2026-09-07；本期归档日期：2026-09-08。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-08/ AI辅助整理。 ER - TY - RPRT TI - Finite time blowup for Navier–Stokes UR - https://openai.com/index/navier-stokes-solution/ DA - 2026-09-08 AU - OpenAI KW - AI科研 KW - 数学 KW - 待阅读 N1 - OpenAI公布了带光滑外力的三维不可压缩Navier–Stokes有限时间爆破证明材料及Lean形式化。此处primary_verified指已阅读一手论文与声明，不代表独立证明数学正确性。 入选理由：研究材料和大规模Agent协作过程具有重要性，编辑重要度9.5/10。需分开检查定理假设、形式化推导，以及研究过程与贡献归属。未运行完整Lean构建，也未独立复核166页证明。 对读材料：https://cims.nyu.edu/~tristanb/statement.pdf 代码：https://github.com/openai/NavierStokesAndEuler 本期资料：https://www.asteronline.cn/juju-radar/2026-09-09/ AI辅助整理。 ER - TY - UNPB TI - Unlocking Lossless Speedups in LLMs via Discrete Diffusion UR - https://arxiv.org/abs/2609.04010 DA - 2026-09-03 KW - 推理效率 KW - 扩散模型 KW - 补看 KW - 待阅读 N1 - Uno在自回归模型上训练轻量扩散参数，一次提出多个token，再由Ψ-Spec采样器验证接受。无损针对基础模型采样分布，不代表回答内容无错误。 入选理由：推理加速机制和公开实现值得复现，编辑重要度8.5/10。论文自报最高约3倍加速，实际效果取决于硬件、批量、上下文和采样配置；本期没有运行性能实验。 补看：论文9月3日提交，9月8日HF推荐。代码9月3日至4日已存在，9月8日只有README格式调整，不作为当天新发布。 项目：https://s-sahoo.com/uno/ 代码：https://github.com/ifm-ai/uno 本期资料：https://www.asteronline.cn/juju-radar/2026-09-09/ AI辅助整理。 ER - TY - UNPB TI - AuK Technical Report: An Open-Source Foundational Model for Speech Generation and Editing UR - https://arxiv.org/abs/2609.08936 DO - 10.48550/arXiv.2609.08936 DA - 2026-09-08 AU - Ma, Ziyang AU - Niu, Zhikang AU - Tu, Wenming AU - Wang, Tianrui AU - Yan, Ruiqi AU - Liu, Junxi AU - Huo, Yanru AU - Huang, Nickk AU - Liu, Yang AU - Xie, Qicong AU - Xie, Zeyu AU - Wang, Hui AU - Li, Haitao AU - Jiang, Zixuan AU - Li, Yalin AU - Fang, Jie AU - Duan, Yifan AU - Tian, Zeyue AU - Li, Guangzheng AU - Zhu, Haina AU - Wang, Shuyi AU - Wang, Jinwen AU - Cui, Mingyu AU - Tan, Tian AU - Auden AU - Liang, Sen AU - Yves, Steve AU - Yang, Shan AU - Bo, Liefeng AU - Zheng, Zilong AU - Yu, Kai AU - Chng, Eng-Siong AU - Chen, Xie KW - 语音生成 KW - 音频编辑 KW - 待阅读 N1 - 腾讯混元、上海交大等团队在 9 月 9 日开放 AuK 的代码与权重。它把文字转语音、台词替换、语气调整、降噪和人声分离，统一成“指令加可选音频”的输入方式。对音频制作来说，这意味着录好一段话以后，修改其中一句、调整情绪或去掉背景声，可以沿用同一套工具。 方法上的关键是把生成与编辑一起训练：语言模型负责理解要改什么，音频编码器保存声音信息，生成网络据此输出音频。论文还观察到，一些只在编辑任务中训练过的变化，可以迁移到生成任务。不过，这部分是作者的定性观察，不能当作任意编辑都能成功的证明。 AuK-Flash 将采样减到四步；作者在相同硬件、音频时长和批量下，报告相对完整版约 4.5 倍提速。1.5B 指生成主干的参数规模，实际运行还要加载语义编码器等组件，不能直接按一个 1.5B 小模型估算显存。自由表达的复杂指令也仍依赖提示词预处理。本期核对了发布文件，没有独立试听、测显存或复测速度。 入选理由：同时开放生成与编辑模型、权重、推理和微调入口，机制与日常内容制作有关。 重要度 8.5/10。 原始资料：https://arxiv.org/abs/2609.08936 https://github.com/Tencent-Hunyuan/AuK https://auk-project.github.io/ 本期资料：https://www.asteronline.cn/juju-radar/2026-09-10/ AI辅助整理；一手核验不表示独立复现。 ER - TY - UNPB TI - OpenWAM: An Open, Modular Exploration Towards Systematic World-Action Model Pretraining UR - https://arxiv.org/abs/2609.07398 DO - 10.48550/arXiv.2609.07398 DA - 2026-09-07 AU - Wang, Yuran AU - Huang, Siqiao AU - Li, Mingleyang AU - Zhang, Chenhao AU - Liang, Jiaqi AU - Jin, Weiyang AU - Chen, Yue AU - Chi, Xuemin AU - Zhou, Donghao AU - Yu, Qize AU - Wang, Yu-Kai AU - Rui, Yuhan AU - Yao, Shenzhe AU - Yuan, Zhen AU - Shen, Zhenhao AU - Zhu, Kefei AU - Zhu, Zijie AU - Gao, Ning AU - Chi, Xiaowei AU - He, Guanqi AU - Zhang, Shanghang AU - Dong, Hao AU - Shao, Lin AU - Zhao, Hang KW - 机器人 KW - 世界模型 KW - 待阅读 N1 - OpenWAM 团队在 9 月 9 日的项目更新中公布论文，代码和模型早在 9 月 6 日已开放。它想解决一个很实际的研究问题：机器人模型同时更换视频底座、动作网络和训练数据后，即使分数提高，也很难知道究竟是哪一步起了作用。OpenWAM 把这些选择拆成模块，在同一套训练和评测流程里逐项比较。 其中一个结果是，视频知识要帮助行动，需要给动作预测足够的独立能力，并让它读到世界模型的信息。在最终模型里，预测未来画面与预测动作共同迭代：画面会怎样变，与机械臂该怎样动，在生成过程中相互参照。约 6,400 小时的训练数据包含机器人轨迹和人类第一视角视频，分别提供动作监督与更广的场景经验。 值得读的是这些对照实验，而不只是榜单名次。作者发现，预训练对未见场景的帮助更明显；这对收集下一批机器人数据很有参考价值。但仿真成绩、特定机械臂和灵巧手实验，还不能直接推到家庭环境中的长期可靠运行。论文 9 月 7 日已提交，本期报道的是新公布的系统研究说明，不把代码开放日期改成昨天。 入选理由：新论文解释视频与动作耦合的受控实验；代码先前开放，时间分别记录。 重要度 8.5/10。 原始资料：https://arxiv.org/abs/2609.07398 https://openwam-official.github.io/ https://github.com/OpenWAM-Official/OpenWAM 本期资料：https://www.asteronline.cn/juju-radar/2026-09-10/ AI辅助整理；一手核验不表示独立复现。 ER - TY - JOUR TI - Predicting genome-wide functional constraints with GPN-Star UR - https://www.nature.com/articles/s41586-026-11005-5 DO - 10.1038/s41586-026-11005-5 DA - 2026-09-09 JO - Nature AU - Ye, Chengzhong AU - Benegas, Gonzalo AU - Albors, Carlos AU - Li, Jianan Canal AU - Prillo, Sebastian AU - Fields, Peter D. AU - Clarke, Brian AU - Song, Yun S. KW - AI科研 KW - 基因组 KW - 待阅读 N1 - 9 月 9 日发表于 Nature 的 GPN-Star，把物种之间的演化关系直接写进基因组模型。它不仅读取 DNA 字母，还利用跨物种的序列对齐和物种树，判断哪些位置在漫长演化中很少改变。一个区域长期被保留下来，通常能为它是否承担重要功能提供线索。 研究中一个有用的发现是，“看多远的演化历史”要随问题变化：更深的物种比较有助于识别变化较慢的编码区域，而更近的灵长类比较，对一些变化较快的调控区域和复杂性状更有帮助。与单纯扩大参数或上下文相比，把合适的生物学结构交给模型，可能更有效。 这与昨天 AlphaGenome Atlas 的介绍不同：这里重点是借助演化记录学习功能约束，以及为什么不同任务需要不同的比较尺度。论文已提供代码、模型和预计算结果。它仍依赖序列对齐，对插入、缺失和较大的结构变异不够灵活；预测的演化约束也不等于对患者的致病诊断，更没有证明新治疗有效。 入选理由：期刊正式发表新研究，以演化结构而非单纯参数扩张改善变异解释，与昨日Atlas方法不同。 重要度 8.5/10。 原始资料：https://www.nature.com/articles/s41586-026-11005-5 https://github.com/songlab-cal/gpn 本期资料：https://www.asteronline.cn/juju-radar/2026-09-10/ AI辅助整理；一手核验不表示独立复现。 ER - TY - UNPB TI - Eliciting Weak-to-Strong Generalization with On-Policy Reverse Distillation UR - https://arxiv.org/abs/2609.08798 DO - 10.48550/arXiv.2609.08798 DA - 2026-09-08 AU - Park, Youngrok AU - Bae, Sangmin AU - Jung, Hojung AU - Ko, Jongwoo AU - Choi, Yunseon AU - Kim, Young Jin AU - Cameron, Pashmina AU - Courville, Aaron AU - Yun, Se-Young KW - 训练方法 KW - 蒸馏 KW - 补看 KW - 待阅读 N1 - OPRD 研究的是一个有趣的问题：已经训练好的弱模型，能否帮助更强的模型学得更快，又不把学生限制在老师的水平？论文 9 月 8 日提交，9 月 9 日出现在 HF 每日论文中，本期作为技术补看，不把推荐日期当成首次发布。 它没有要求学生照抄老师的答案。学生先生成自己的解题过程，用能够检查答案的程序得到奖励；老师训练前后的输出变化，则用于调整学生更新时的力度。更准确地说，方法会放大学生学习方向中沿着老师变化方向的分量，同时保留其他分量。正确性依据仍来自验证器，老师提供的是训练上的帮助。 作者用 Qwen3 系列做数学和规则推理实验，包括让 4B 老师辅助 8B 学生。结果显示，在论文设定下可以用更少的更新取得更好的表现。但这依赖可靠的验证器，不能据此断言弱模型能监督所有开放任务；理论分析对优化驻点的结论，也不是最终正确率的保证。核对时，公开仓库 README 仍为占位说明，尚不能称为已有完整复现代码。 入选理由：弱教师只改变验证器支持更新的力度，有机制新意；超窗按补看，代码尚为占位。 重要度 8/10。 原始资料：https://arxiv.org/abs/2609.08798 https://github.com/raymin0223/on_policy_reverse_distillation 本期资料：https://www.asteronline.cn/juju-radar/2026-09-10/ AI辅助整理；一手核验不表示独立复现。 ER - TY - RPRT TI - DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression UR - https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf DA - 2026-09-10 KW - Juju Radar KW - 待阅读 KW - 推理基础设施 N1 - DeepSeek 于 9 月 10 日正式发布 V4.1 Flash，支持原生图像理解和百万 token 上下文。它采用输入、输出不对称的因果编码器—解码器结构：读入内容时每个 token 激活约 8B 参数，生成内容时激活约 16B。Agent 经常一次读入很多工具结果、只输出一小段操作，这种设计针对的正是输入远多于输出的工作负载。 更值得细读的是 **KV Cache，也就是模型为了复用前文计算而保存的缓存**。新模型让不同层复用缓存，并采用 FP4 精度存储；在相同序列长度下，全局 KV 缓存降到每 token 890 字节，约为 V4 Flash 的四分之一。另一项部署优化只重放最近一段内容来恢复局部状态，使需要持久保存到 SSD 或主机内存的 KV 缓存约降到八分之一。这两个比例对应不同缓存，不能理解成整套服务显存和费用都按同样比例下降。 权重、推理文件和技术报告已公开，API 也已切换。部署时要留意：552B 是主干参数，另外还有 196B 的 Engram 条件记忆等组件；8B/16B 是每个 token 的激活量，并不意味着普通显卡就能装下模型。官方列出的代码任务成绩有明显进步，但框架、推理预算和测试集版本会影响结果。技术报告也承认，最难的推理任务仍与领先闭源模型有差距，缓存近似恢复的极端情况还需继续检查。 对现有 API 用户还有一件实际的事：官方计划在北京时间 **9 月 14 日 12:00 后，将 V4 Pro 请求路由到 V4.1 Flash**，直至后续 Pro 上线。依赖旧模型行为的应用，应先做自己的任务回归测试，而不只比较排行榜。 重要度9.5/10。非对称计算与两类缓存压缩直接影响长任务成本，正式权重和报告公开，非此前测试接口重复报道。 原始报告：https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf 本期资料：https://www.asteronline.cn/juju-radar/2026-09-11/ AI辅助整理。 ER - TY - UNPB TI - Show-Harness: Just a VLM Agent Can Play Robots UR - https://arxiv.org/abs/2609.10522 DO - 10.48550/arXiv.2609.10522 DA - 2026-09-09 KW - Juju Radar KW - 待阅读 KW - 机器人 / 论文与开源 N1 - 这篇 9 月 9 日提交、9 月 10 日进入 HF 每日论文列表的研究，尝试把机器人动作变成视觉语言模型能直接选择的选项，例如向左移动一小步、下降、抓取和松开。与机器人对应的解释器，再把选项落实成幅度受限的实际动作。每走一步，模型重新接收相机画面和执行反馈。 它同时支持两种用法：调用前沿模型直接操作，或用少量示范微调小模型。研究者还提供 GUMI 图形界面，让人通过键盘和浏览器收集示范。论文、代码、训练流程及适配器文件均已可见；这种统一接口值得参考，因为它让示范采集、模型决策和机器人执行使用同一套动作表达。 实验以 Franka 和 AgileX 的单、双臂夹爪操作为主；基本测试包含十种物体与容器组合，每项通常十次试验，并设步数上限。作者报告的泛化优势还不能推广到人形机器人、灵巧手或复杂接触任务。它也不是“给任何机器人装个聊天模型就能干活”：相机、动作解释器和反馈规则仍是系统的一部分。 重要度：8.5/10；离散语义动作接口打通示范采集与机器人控制；实机评估和代码均可检查。 原始链接：https://arxiv.org/abs/2609.10522 代码：https://github.com/showlab/Show-Harness 本期资料：https://www.asteronline.cn/juju-radar/2026-09-11/ AI辅助整理。 ER - TY - UNPB TI - Programmable World Model UR - https://arxiv.org/abs/2609.10540 DO - 10.48550/arXiv.2609.10540 DA - 2026-09-09 KW - Juju Radar KW - 待阅读 KW - 世界模型 / 探索性论文 KW - 补看 N1 - Programmable World Model 的项目页于 9 月 5 日公开，论文于 9 月 9 日提交；这里补看的是新近完整论文，不当作昨天首次发布的项目。它针对一个熟悉的问题：生成的视频看起来连贯，但镜头一转，画面外的人物和已经发生的事件可能被“忘掉”。 作者让程序保存对象的位置、状态和交互规则，视频模型负责把这些状态画出来。自然语言先被 Agent 转成可执行规则；引擎维护世界状态，再用带状态的三维包围盒生成空间控制信号，交给视频生成器。角色离开镜头后仍存在，事件是否发生也有明确记录，画面不再独自承担全部记忆。 在作者自建的 50 段 CombatStateBench 测试中，数量准确率和状态准确率分别为 94% 和 98%。这两个指标由视觉语言模型判读，且状态指标只检查死亡事件后是否出现相应画面，不要求认出具体角色；对照模型使用的控制接口也不同。因此，结果说明显式状态控制有帮助，尚不能证明通用游戏模拟已经解决。仓库目前仍把推理代码与预训练权重列为未发布。 重要度：8/10；9月5日项目页之后，9月9日完整论文可核验显式状态与生成画面的分工；作为补看。 原始链接：https://arxiv.org/abs/2609.10540 代码：https://github.com/AlayaLab/pwm 本期资料：https://www.asteronline.cn/juju-radar/2026-09-11/ AI辅助整理。 ER - TY - RPRT TI - Detecting and countering misuse of AI: September 2026 UR - https://www.anthropic.com/threat-intelligence-report-september-2026 DA - 2026-09-10 AU - Anthropic KW - Juju Radar KW - AI安全 KW - 威胁情报 KW - 特别版 KW - 待阅读 N1 - Anthropic公布154页报告，主要回顾2025年12月至2026年8月处置的七类滥用。关键变化在于AI从回答问题进入持续运营，包括网络行动、交友诈骗、监控分析与数据转发。 马里平台案例显示，封号可停止开发协助，无法撤回已本地部署的系统。交友案例强调单轮对话之外的身份与收费设计；虚假新闻案例同时记录大规模产出和有限真实触达。 组织和公司归因、交互规模来自Anthropic，外部未完整复核；武器研发成熟度不同，生物章节明确不证明威胁迫近。建议重点读3、103–105、137–140、143–154页。 Juju Radar特别版：https://www.asteronline.cn/juju-radar/read/2026-09-11-anthropic/ AI辅助整理。 ER - TY - UNPB TI - NCP-ArchPreview Technical Report: Moving towards Latent Space Language Models through Next Concept Prediction UR - https://arxiv.org/abs/2609.10715 DO - 10.48550/arXiv.2609.10715 DA - 2026-09-09 AU - NCP Team AU - Cao, Jiaqi AU - Chen, Chiyu AU - Cheng, Shuang AU - Cheng, Xu AU - Dai, Beiya AU - Feng, Yufan AU - Ge, Kewen AU - Ge, Ruijun AU - Huang, Jiayi AU - Jiao, Yang AU - Lin, Dahua AU - Lin, Zhouhan AU - Liu, Yifan AU - Liu, Yuliang AU - Qi, Biqing AU - Ruan, Mowen AU - Shen, Junzhe AU - Song, Yunchong AU - Sun, Hao AU - Tian, Zhongbo AU - Wang, Yixuan AU - Wei, Rubin AU - Xiong, Jiaxin AU - Yang, Kangyu AU - Yao, Qian AU - Zhang, Qi AU - Zhou, Bowen KW - Juju Radar KW - 待阅读 KW - 基础模型 / 预训练 N1 - 上海人工智能实验室与上海交大 LUMIA Lab 的 NCP-ArchPreview，把两种预测放进同一次训练。模型从内部表示中学习离散的概念编码，预测后续概念，再把结果送回文字生成部分。这里的“概念”是模型学出的编码，并非人事先写好的词义标签；最终输出仍然逐个生成词元。 这次报告给出 8.9B 参数规模的实验，并公开多个训练阶段的检查点。相比 OLMo-3-7B，它用约 51.3% 的训练词元达到对方第一阶段的最终损失。但两者参数量不同，更有参考价值的是另一组对照：**与同为 8.9B 参数的基线相比，约用 85% 的计算量接近其训练损失**。 “学得更快”能否变成“实际更好用”，还要分阶段看。作者报告预训练后的下游平均成绩提高 2.45 个百分点，继续中期训练后优势缩小到 0.59 个百分点；长上下文训练也尚未包含在这次预览中。它提供了一个可检查的预训练改法，距离证明所有任务都能明显受益，还有一段路。 判断：共同训练词元和概念预测，8.9B规模及参数匹配对照，检查点公开；长上下文与下游收益仍待验证。 原始论文：https://arxiv.org/abs/2609.10715 本期资料：https://www.asteronline.cn/juju-radar/2026-09-12/ AI辅助整理。 ER - TY - UNPB TI - SenseNova-U1.5: Towards Native Unified Visual Intelligence UR - https://arxiv.org/abs/2609.11929 DO - 10.48550/arXiv.2609.11929 DA - 2026-09-10 AU - Diao, Haiwen AU - Wang, Jiahao AU - Ding, Chenjing AU - Deng, Hanming AU - Chen, Jiangnan AU - Zhang, Ruixi AU - Wang, Ruohui AU - Tong, Wenwen AU - Fan, Xiangyu AU - Wang, Yubo AU - Zhu, Yue AU - Niu, Yuwei AU - Bai, Zhengqi AU - Lin, Zhiqian AU - Yang, Zhitao AU - Cai, Zhongang AU - Yang, Bo AU - Feng, Chen AU - Lv, Chengguang AU - Liu, Guangjia AU - Wang, Guanlin AU - Zhang, Hanyu AU - Yu, Haojia AU - Xiao, Hongcan AU - Wang, Hongli AU - Wu, Huan AU - Zhong, Huaping AU - Fang, Jian AU - Fan, Jianan AU - Li, Jiaqi AU - Lu, Jiefan AU - Zuo, Jing AU - Ni, Jingcheng AU - Xu, Junxiang AU - Dai, Linjun AU - Xu, Mutian AU - Yan, Peishen AU - Wu, Penghao AU - Mao, Ruijie AU - Wang, Ruisi AU - Bai, Shihao AU - Yang, Shuang AU - Yang, Shuya AU - Zheng, Shuyan AU - Wu, Silei AU - Li, Siying AU - Chu, Tao AU - Zhong, Tianbo AU - Zhou, Tongxi AU - Luo, Weichao AU - Fan, Weichen AU - Jia, Wenhao AU - Gao, Wenjie AU - Kong, Xiangli AU - Li, Yan AU - Yong, Yang AU - Wen, Zimo AU - Qian, Zixuan AU - Sun, Wenxiu AU - Gong, Ruihao AU - Wang, Quan AU - Lu, Lewei AU - Yang, Lei AU - Liu, Ziwei AU - Lin, Dahua KW - Juju Radar KW - 待阅读 KW - 多模态 / 图像生成 N1 - SenseNova-U1.5 的新进展是 **9 月 11 日公开技术报告**。模型与权重在 8 月已经发布，这次可以更仔细地看它如何训练：一个 8B 参数架构同时承担视觉理解和生成，不依赖单独的视觉编码器或 VAE 图像压缩器。 报告中值得注意的是训练分工。团队先针对审美、文字、信息图和编辑等能力训练不同专家，再通过多专家蒸馏，把它们的长处汇入统一模型。空间重建训练则用来加强画面结构，配合原生 4K 生成。这些做法试图兼顾“理解画面内容”和“准确画出细节”，两者并不会自动同步进步。 现有权重和推理代码可以获取，U1.5 的完整训练流程仍待开放。官方部分高分使用了提示词增强，比较时需把这一步计入工作流。项目也列出了密集文字出错、复杂编辑漂移等问题；对中文信息图来说，能生成一张好看的示例，与能稳定交付可用图片，仍是两回事。 判断：新的是技术报告；权重8月20日已发，报告补齐多专家蒸馏、空间重建与评测条件，不能重报模型首发。 原始论文：https://arxiv.org/abs/2609.11929 本期资料：https://www.asteronline.cn/juju-radar/2026-09-12/ AI辅助整理。 ER - TY - UNPB TI - Memory as Plans: World-Action Modeling with Memory-Grounded Planning UR - https://arxiv.org/abs/2609.11561 DO - 10.48550/arXiv.2609.11561 DA - 2026-09-10 AU - Zhao, Sizhe AU - Xie, Haozhe AU - Zhao, Weiyu AU - Zhang, Chenchu AU - Wang, Huan AU - Wang, Chenyang AU - Liu, Qinglin AU - Zhang, Shengping KW - Juju Radar KW - 待阅读 KW - 机器人 / 记忆与规划 N1 - 机器人先看到按钮的颜色，按钮被遮住后，人才告诉它要找哪一种。只看当前相机画面，已经不够完成这个任务。MaP-WAM 将历史保存为一段段任务记录，里面有文字指令和少量真实画面；规划器读这些记录，提出下一段动作的文字和视觉计划。 执行器只接收眼前这段计划，并根据实际画面判断进度、修正偏差。这样的分工让它不必在每次动作推理时重新处理全部历史。**近似保持不变的是执行器的推理延迟**，不能理解为整套规划系统的成本永远不随记忆增长。 作者在 RMBench 上报告 83.3% 的成功率。实机部分是 Franka 机械臂上的两项任务：寻找被遮住的按钮，以及记住次数后依次按按钮；每项用 50 条示范训练，再独立测试 50 次，成功率分别为 88% 和 68%。这些结果支持了记忆与执行分工的思路，但任务范围还很窄，代码仓库也仍把训练和推理代码列为待发布。 判断：历史供规划、短上下文执行的分工有新意；实机两任务各50次，训练推理代码仍待发布。 原始论文：https://arxiv.org/abs/2609.11561 本期资料：https://www.asteronline.cn/juju-radar/2026-09-12/ AI辅助整理。 ER - TY - UNPB TI - Negative Self-Distillation: Learning to Reason by Avoiding Flaws UR - https://arxiv.org/abs/2609.11699 DO - 10.48550/arXiv.2609.11699 DA - 2026-09-10 AU - Pei, Rongcan AU - Wei, Zhepei AU - Xu, Shuyao AU - Zhu, Xinyu AU - Chen, Wei-Lin AU - Meng, Yu KW - Juju Radar KW - 待阅读 KW - 推理训练 / 开源论文 N1 - Negative Self-Distillation，中文可译为“负向自蒸馏”。它先给模型加入容易诱导错误推理的条件，再比较模型在正常条件和干扰条件下的输出倾向，让训练有针对性地远离这些错误。关键在于筛选：如果对所有词元都一概拉开差异，正常的语言表达也可能被破坏。 实验使用 MATH 题目训练，去掉标准答案；默认做法会结合模型自己生成的解答来构造干扰。作者在 Qwen3 的 1.7B、4B 和 8B 模型上测试，七项数学评测的平均成绩分别提高 2.3、7.5 和 6.0 个百分点。代码和训练后的检查点已公开。 这些数字来自作者的数学实验，主表采用非思考模式、每题八次采样的平均成绩，这里统计的是平均答对率，不是八次里答对一次就算成功；编程或知识问答也未必会同样提升。它有意思的地方是：除了寻找更好的正确答案，还可以研究模型在什么条件下容易走偏，再把这类倾向变成训练信号。这里仍然需要题目、模型计算和训练资源。 判断：用自身负向条件产生训练信号；有多规模数学实验与代码，保留采样和任务局限。 原始论文：https://arxiv.org/abs/2609.11699 本期资料：https://www.asteronline.cn/juju-radar/2026-09-12/ AI辅助整理。 ER - TY - UNPB TI - Xiaomi-CocktailASR-1 Technical Report UR - https://arxiv.org/abs/2609.11274 DO - 10.48550/arXiv.2609.11274 DA - 2026-09-10 AU - Zhang, Yiru AU - Su, Hang AU - Fan, Lichun AU - Zeng, Ying AU - Liu, Chang AU - Wang, Yifeng AU - Liang, Yuquan AU - Li, Tao AU - Li, Lian AU - Yang, Wenhao AU - Luan, Jian AU - Zou, Cong AU - Qu, Heng KW - Juju Radar KW - 待阅读 KW - 补看 KW - 语音 / 开源模型 N1 - Xiaomi-CocktailASR-1 处理的是一个很具体的问题：给它一小段目标说话人的录音，再输入多人混合语音，让它只转写这个人的话。模型把参考录音和待识别音频一起编码，直接生成文字，省去单独分离人声再做识别的步骤；目标人物没有说话时，它还需要学会输出空文本。 这类能力适合用来研究嘈杂会议、穿戴设备等场景。论文在 AliMeeting-Far 上报告的目标说话人词错误率为 20.63%，对照的既有方法为 27.5%；代码仓库和权重页面均已公开。但不同数据集上的优势并不一致，不能笼统写成“解决了多人语音识别”。 还有一个容易忽略的统计口径：论文的部分单人语音比较使用“非空输出错误率”，会排除模型没有输出文字的样本，必须结合误拒绝率一起看。能拒绝非目标声音，也不代表它已经具备防冒用的身份认证能力。论文 9 月 10 日提交，本期作为补看收录。 重要度：8.5/10。指定说话人直接转写与拒绝训练值得补读；需同时看识别与误拒绝指标。 本期为补看。原文：https://arxiv.org/abs/2609.11274 本期资料：https://www.asteronline.cn/juju-radar/2026-09-13/ AI辅助整理，未独立复现实验。 ER - TY - UNPB TI - An Open Recipe for IMO Gold: Training Nemotron for Olympiad Mathematics UR - https://arxiv.org/abs/2609.10712 DO - 10.48550/arXiv.2609.10712 DA - 2026-09-09 AU - Moshkov, Ivan AU - Ge, Stephen AU - Armstrong, George AU - Du, Wei AU - Mahdavi, Sadegh AU - Gitman, Igor KW - Juju Radar KW - 待阅读 KW - 补看 KW - 数学推理 / 训练与推理方法 N1 - NVIDIA 的这份报告解释了 Nemotron 数学系统怎样达到 IMO 2026 金牌分数线：三个模型检查点分工生成证明、评判和修改，再用单独一轮高计算量评审选择提交结果。整个过程使用自然语言，不依赖形式化证明器。报告称，官方阅卷给出 30/42 分，当年的金牌线是 29 分。 更值得读的是资源账和失败分析。找到六份最终提交证明花了约 7.07 亿个生成词元、1,464 个 GB200 GPU 小时；把已经启动的轮次运行完，总量接近 23.1 亿词元、4,800 GPU 小时。模型评审给两道题的证明多算了分，说明反复让模型检查，也可能保留共同盲点。 训练数据、推理代码和检查点让这些取舍可以继续研究，但这并不是一套低成本解题方案。权重页面注明 9 月 3 日已发布，本期补读的是随后公开的技术报告，不重报“模型刚刚开源”。报告的 arXiv 提交日期是 9 月 9 日。 重要度：8.5/10。公开报告提供推理流程、资源账与评审盲点；9月3日已放权重，不重报开源首发。 本期为补看。原文：https://arxiv.org/abs/2609.10712 本期资料：https://www.asteronline.cn/juju-radar/2026-09-13/ AI辅助整理，未独立复现实验。 ER - TY - UNPB TI - Mi-Ripple: Restoring Images Degraded by Iterative AI Editing UR - https://arxiv.org/abs/2609.11317 DO - 10.48550/arXiv.2609.11317 DA - 2026-09-10 KW - Juju Radar KW - 待阅读 KW - 补看 KW - 图像编辑 KW - 开源工具 N1 - Juju Radar · 2026-09-14 让 AI 换一次背景，再改一次光线，最后调整人物细节，画面可能开始出现细密的格子、颗粒和鳞片状纹理。Mi-Ripple 研究的就是这种反复编辑后的失真：每次把上一张输出喂回模型，也可能把瑕疵一并传下去。 它先把问题分成两类。规律排列、能在频谱里单独识别的干扰，可以尝试定向滤掉；混在头发、树叶、布料里的杂乱纹理，则很难靠一遍降噪解决，处理过头会连正常细节一起抹掉。作者因此设计了诊断、选择处理方式、检查结果的流程，必要时用清理后的参考图重新生成。 代码已经公开，但它还不是一个可以放心批量套用的“修图神器”。论文展示了 14 次仅做定向滤波的处理，以及少量重新生成案例；其中一个对照案例的碎屑密度下降 45%，不能理解为普遍提升了 45% 的画质。重新生成也会改变细节。 这篇最有用的提醒是：修改过程中要保留干净的原图和关键版本。作者还提出，每次修改都从同一张干净参考图出发，减少瑕疵逐轮累积；不过，这种工作方式的质量优势尚未做系统比较。论文 9 月 10 日提交、11 日进入 arXiv 公告，本期补看。 入选理由：反复编辑后的伪影是实际制作问题；区分滤波与重新生成的适用条件，比单一画质分数更有用。小样本案例，按探索性工作收录。 重要度：7.5/10。 论文：https://arxiv.org/abs/2609.11317 本期资料：https://www.asteronline.cn/juju-radar/2026-09-14/ AI 辅助整理；原始 PDF 以链接附件保存，未独立复现。 ER - TY - UNPB TI - Beyond Solver Verdicts: Generative Reward Models for Autoformalization UR - https://arxiv.org/abs/2609.11085 DO - 10.48550/arXiv.2609.11085 DA - 2026-09-10 KW - Juju Radar KW - 待阅读 KW - 补看 KW - Agent KW - 自动形式化 N1 - Juju Radar · 2026-09-14 让大模型把文字要求翻译成逻辑表达式，再交给数学求解器检查，是一种常见的可靠性思路。但求解器检查的是它收到的表达式。模型如果在翻译时改错了一个条件，表达式仍可能合法，求解结果也可能碰巧相同。这个“通过”并没有检查原来的意思是否保留下来。 Beyond Solver Verdicts 把这种情况单独做成了验证任务。作者先用 Z3 求解器判断候选表达式与标准答案是否逻辑等价，再把这套离线判断教给一个名为 GenV 的模型，让它在运行时给候选翻译打分。关键在于额外检查翻译本身，补上仅看最终判定发现不了的错误。 实验有个容易被摘要掩盖的细节：系统准确率从 65.5% 提高到 76.8%，但大部分增益来自多次采样。验证器帮助决定何时多算、选哪个结果；把全部 11.3 个百分点都算成验证器的贡献，会高估它的作用。 另一条边界同样重要：它学的是“与指定参考表达式等价”，还不能保证符合所有人对原文的理解。论文披露部分测试题与训练集文字重合，去除重合题后，区分正确与错误翻译的 AUROC 为 0.955；这也不是 95.5% 的准确率。做 Agent 验收时，可以借鉴它对错误类型的拆分，暂不宜把分数当成通用保险。论文 9 月 10 日提交、11 日公告，本期补看。 入选理由：把求解器输出正确与自然语言到形式化表达的翻译正确分开，直接关系到Agent验证器的可信范围。正文揭示采样预算和参考语义的限制。 重要度：8.5/10。 论文：https://arxiv.org/abs/2609.11085 本期资料：https://www.asteronline.cn/juju-radar/2026-09-14/ AI 辅助整理；原始 PDF 以链接附件保存，未独立复现。 ER - TY - UNPB TI - X-AuT: Progressive Audio-Encoder Compression for Speech LLMs with Cross-Scale Distillation UR - https://arxiv.org/abs/2609.11412 DO - 10.48550/arXiv.2609.11412 DA - 2026-09-10 KW - Juju Radar KW - 待阅读 KW - 补看 KW - 语音 KW - 推理效率 N1 - Juju Radar · 2026-09-14 小鹏的 X-AuT 尝试给 Qwen3-ASR-0.6B 做减法，把音频编码器从 18 层逐步缩到 14 层。难点在于，删层会改变传给后面语言模型的表示，轻则漏字，重则提前结束。作者先测试哪些层可以一起删，再借助较大模型的指导和分阶段恢复训练，尽量补回识别能力。 在十个中英文测试集上，14 层版本的平均错误率为 5.75%，原版为 5.61%；音频编码器参数减少 20.7%。少删两层的 16 层版本，平均错误率反而降到 5.27%。目前公开的是 14 层完整权重、推理脚本和简化微调示例，不包含全部训练数据与三阶段训练流水线。 真正部署时，还得看整套流程。作者测得车载加速器上的编码器延迟下降 21.4%，端到端延迟只下降 4.7%；在 H800 上，两项分别下降 11.4% 和 2.6%。后面的文字解码仍然要花时间，不能把局部提速直接写成产品响应速度提升。结果来自单次实验，尚无多次运行的误差范围。论文 9 月 10 日提交、11 日公告，本期补看。 入选理由：渐进删层与恢复训练有具体部署取舍；公开14层权重，且披露编码器与端到端性能差异，适合工程读者。 重要度：8/10。 论文：https://arxiv.org/abs/2609.11412 本期资料：https://www.asteronline.cn/juju-radar/2026-09-14/ AI 辅助整理；原始 PDF 以链接附件保存，未独立复现。 ER - TY - UNPB TI - Breaking the Vision-Action Shortcut: Latent Interface Training for Generalizable Robotics Foundation Models UR - https://arxiv.org/abs/2609.12641 DO - 10.48550/arXiv.2609.12641 DA - 2026-09-11 KW - Juju Radar KW - 待阅读 KW - 机器人 KW - 泛化训练 N1 - Juju Radar · 2026-09-15 机器人在训练场景里表现不错，换一盏灯、换一个摄像头位置，成功率却明显下降。LIT 的解释是：模型可能把无关的视觉细节也当成了动作线索。看得多，未必意味着学到了该看的东西。 它分两步训练。先不给图像，只用语言、机器人状态和示范动作的终点学习怎么运动；再加入视觉，但让视觉信息经过一组中间表示，才传给动作模块。训练时还要求这组表示能还原目标位置和姿态，鼓励它保留与动作有关的空间信息。实际运行时，不需要人额外提供终点坐标。 作者在四种机器人模型架构上做了实验，真实机器人部分只有三个任务。换机位后，三个任务合计成功率从 30.0% 升到 46.7%；有改善，但远谈不上可靠。相关代码、实机模型权重和数据已公开，尚未独立复现。这篇适合继续追：它尝试改变视觉信息进入动作模块的方式，而非单纯增加训练图片。论文 9 月 11 日提交，14 日进入 arXiv 公告。 入选理由：利用无图像动作预训练和受位姿监督的中间表示，减少机器人把背景当动作线索；跨四种架构，并有小规模真实机器人验证。 重要度：8.5/10。 论文提交：2026-09-11；arXiv公告：2026-09-14。 论文：https://arxiv.org/abs/2609.12641 本期资料：https://www.asteronline.cn/juju-radar/2026-09-15/ AI 辅助整理；原始 PDF 以链接附件保存，未独立复现。 ER - TY - UNPB TI - SAS: Simple Attention Sparsification via End-to-End Optimization of Context Ranking UR - https://arxiv.org/abs/2609.13141 DO - 10.48550/arXiv.2609.13141 DA - 2026-09-11 KW - Juju Radar KW - 待阅读 KW - 稀疏注意力 KW - 推理效率 N1 - Juju Radar · 2026-09-15 长文档和长任务越来越常见，每生成一个新词都把前面的内容读一遍，计算会很贵。稀疏注意力只选一部分上下文参与计算，难点是选谁。以往一些方法让选择器模仿原模型关注了哪里，但原模型看得多的地方，未必是在有限预算下最有用的地方。 腾讯混元团队的 SAS 把选择器的分数直接接进注意力计算，让最终预测的误差也能反过来训练选择器。它仍然只选有限的内容块，但同时保留所选内容之间的优先程度。代码包含训练、评测和基于 SGLang 的稀疏推理实现。 在 Qwen3 的几种规模模型上，作者报告了推理、长上下文理解和工具使用任务的改善。速度测试需要注意口径：Qwen3-4B、单卡、批量为 1、512K 上下文时，逐词解码约快 5.6 倍；测试先读完输入，再计量生成阶段，输入预处理并没有提速。8K 上下文时两者速度接近。因此，它更像是长任务的一项专门优化，不能直接写成“所有请求快了五倍”。论文 9 月 11 日提交，14 日公告。 入选理由：用最终预测损失训练上下文选择器，绕开仅模仿原模型注意力的局限；公开训练评测流水线，区分解码耗时与完整请求耗时。 重要度：8.5/10。 论文提交：2026-09-11；arXiv公告：2026-09-14。 论文：https://arxiv.org/abs/2609.13141 本期资料：https://www.asteronline.cn/juju-radar/2026-09-15/ AI 辅助整理；原始 PDF 以链接附件保存，未独立复现。 ER - TY - UNPB TI - SNAP3D: Physically Grounded 3D Parts for Assembly from a Single Image UR - https://arxiv.org/abs/2609.13146 DO - 10.48550/arXiv.2609.13146 DA - 2026-09-11 KW - Juju Radar KW - 待阅读 KW - 3D 生成 KW - 探索性研究 N1 - Juju Radar · 2026-09-15 生成一把椅子的 3D 模型，椅面、椅腿都很像样，不代表打印出来就能拼成椅子：零件可能互相穿插，也可能根本没有连接位置。SNAP3D 专门补这一段，从已有模型的零件出发，先消除重叠，再找接触面、生成连接结构，最后用物理模拟调整连接件。 作者在 100 个模型上测试，并展示了六个 3D 打印后手工装配的实物。论文报告 95% 的模型通过规定的仿真稳定性检查，但这不等于 95% 都能直接制造：仿真固定了接触地面的部件，按位移和转角判断其他部件是否稳定，也没有完整建模打印材料的变形。 还有个很实际的缺口：装好之后站得住，不代表装配过程一定可行。作者尚未处理装配顺序，某个连接口可能被其他零件挡住。当前项目页有演示，仓库明确写着代码待发布。这是本期偏探索的一篇：如果生成结果要走出屏幕，评价标准就得包括能不能接上、装上、用上。论文 9 月 11 日提交，14 日公告。 入选理由：把3D生成的评价从形状相似延伸到零件能否连接与站稳，有物理仿真及六件打印实物；装配顺序和材料变形仍未解决。 重要度：8/10。 论文提交：2026-09-11；arXiv公告：2026-09-14。 论文：https://arxiv.org/abs/2609.13146 本期资料：https://www.asteronline.cn/juju-radar/2026-09-15/ AI 辅助整理；原始 PDF 以链接附件保存，未独立复现。 ER - TY - UNPB TI - Atria Dawn: The Dawn of Agentic Superintelligence UR - https://arxiv.org/abs/2609.15818 DO - 10.48550/arXiv.2609.15818 DA - 2026-09-14 KW - Juju Radar KW - 待阅读 KW - 开放模型 KW - 科研 Agent N1 - Juju Radar · 2026-09-16 上海人工智能实验室发布 Atria Dawn Preview，基于总参数量 7440 亿的 GLM-5.2 混合专家模型，面向需要持续使用工具的科研和工程任务。仓库提供部署说明，Hugging Face 已能看到模型权重文件，也有在线 API 入口。它是大型开放权重模型，不能因为“开放”就理解成普通电脑可以轻松运行。 训练材料不只是一份正确答案。团队把任务、工具调用、生成的文件和外部检查放在一起：代码用测试检查，实验看指标，文档查来源，失败后再根据反馈修改。论文报告了 16 项评测，其中 5 项在列出的模型中得分最高；但软件工程、终端任务和部分专业工作仍落后，比较表也没有覆盖所有最新模型。 比“超级智能”这个论文标题更值得细读的，是团队对自身研发过程的记录。56 位参与者提供了 769 条任务记录；在有有效回答的 455 个已完成 AI 辅助任务里，约三分之一被参与者认为没有 AI 就做不成。这是事后自评，不能当成随机对照实验的效率提升。方法和参数的最终选择仍大多由人完成。它展示了一种已经发生的人机分工，但没有证明模型能独立完成整个科研项目。论文 9 月 14 日提交，15 日公告。 入选理由：744B MoE科研Agent开放模型权重与部署入口，训练重视可执行环境和验证；同时披露研发中的人机分工，避免仅以榜单为卖点。 重要度：9/10。 原始提交：2026-09-14T16:22:30+00:00；arXiv公告：2026-09-15。 论文：https://arxiv.org/abs/2609.15818 本期资料：https://www.asteronline.cn/juju-radar/2026-09-16/ AI 辅助整理；PDF以原始链接附件保存，未独立复现。 ER - TY - UNPB TI - Learning to Solve Hard Problems in RL for LLMs by Never Giving Up UR - https://arxiv.org/abs/2609.13443 DO - 10.48550/arXiv.2609.13443 DA - 2026-09-11 KW - Juju Radar KW - 待阅读 KW - 强化学习 KW - 训练方法 N1 - Juju Radar · 2026-09-16 强化学习训练之后，模型可能只是把原来会做的题做得更熟，真正的难题依旧不会。Never Give Up（NGU）研究发现，给每道题分配同样的尝试次数，会让不少计算花在已经容易做对的题上，难题却得不到足够的有效样本。 NGU 的改动是：某道题一旦采样到正确答案，就让出预算；还没做对的题回到队列，继续尝试。它配合异步训练运行，并保留一定概率放弃当前题目，避免被无解题无限拖住。因此，“不放弃”是方法名，不是让模型永远重试，更不是给聊天提示词加一句鼓励。 作者用 Qwen3-4B 做数学实验，在每组约 120 个 H100 小时、三次不同随机种子的比较中，改善了难题与易题之间的训练效果取舍。编程实验也观察到对困难测试的持续改进。局限是训练集要有足够多的易题，才能腾出预算；若几乎全是难题，反复排队可能更慢，还会增加旧样本与当前模型不一致的问题。这篇适合做训练的人细读。论文 9 月 11 日提交，15 日公告。 入选理由：NGU按解题情况动态分配训练采样预算，在匹配算力实验中改善难题表现；机制简单但不把反复尝试误写成无限重试。 重要度：8.5/10。 原始提交：2026-09-11T19:02:08+00:00；arXiv公告：2026-09-15。 论文：https://arxiv.org/abs/2609.13443 本期资料：https://www.asteronline.cn/juju-radar/2026-09-16/ AI 辅助整理；PDF以原始链接附件保存，未独立复现。 ER - TY - UNPB TI - ModaLens: Measuring Image Sensitivity in Report-Conditioned Medical VLMs UR - https://arxiv.org/abs/2609.15635 DO - 10.48550/arXiv.2609.15635 DA - 2026-09-14 KW - Juju Radar KW - 待阅读 KW - 医疗 AI KW - 多模态评测 N1 - Juju Radar · 2026-09-16 给医疗多模态模型一张胸片，再附上文字报告，它的答案可能主要来自报告。ModaLens 用一个直接的办法检查：保持问题和报告不变，把图片换成另一项检查的图片，看看回答会不会跟着变。 在来自 293 位患者的 3199 组影像案例上，研究者对 MedGemma-27B 进行了成对测试。要求明确输出答案时，附有报告的回答改变率为 4.26%；拿掉报告后升到 20.94%。这些是“换图后回答是否变化”的比例，既不是诊断准确率，也不是误诊率。 这不能证明模型完全没看图，更不能直接判定听从报告就是错的：报告可能是医生对影像的可靠解释，替换的图片也可能仍包含同一征象。研究没有获得独立的影像标注，而且主实验限于单家机构的胸片与英文报告。它提出了一个值得保留的检查方法：多模态系统答对问题时，要分别测试每种输入到底起了多大作用。否则，漂亮的总分可能遮住对单一路径的依赖。论文 9 月 14 日提交，15 日公告。 入选理由：ModaLens保持报告和问题不变只换影像，测量文本报告如何改变模型对图片的敏感性；明确这不是误诊率或视觉正确性证明。 重要度：8.5/10。 原始提交：2026-09-14T14:25:20+00:00；arXiv公告：2026-09-15。 论文：https://arxiv.org/abs/2609.15635 本期资料：https://www.asteronline.cn/juju-radar/2026-09-16/ AI 辅助整理；PDF以原始链接附件保存，未独立复现。 ER - TY - JOUR TI - Reimagining research papers as interactive and reliable AI agents UR - https://www.nature.com/articles/s41586-026-11044-y DO - 10.1038/s41586-026-11044-y DA - 2026-09-16 JO - Nature KW - Juju Radar KW - 待阅读 KW - AI for Science KW - 开源 N1 - Juju Radar · 2026-09-17 Nature 9 月 16 日刊出 Paper2Agent 研究。它把论文、代码、数据和示例流程整理成可供 Agent 调用的 MCP 工具：读者不只是问“这篇讲了什么”，还可以要求“用这个方法分析我的数据”。这次值得读的是正式论文中的验证与案例，不把项目的整个发展过程都算作当天首发。 关键步骤发生在聊天之前。系统先配置环境，把论文方法封装成函数，再运行测试、对照原始结果；反复验证失败的工具会被排除。这样后续对话调用的是整理并检查过的研究流程，而不是每问一次都临时重写一套分析代码。仓库目前可访问，但这里没有替作者完成独立复现。 论文还让多个研究工具协作，结合基因组预测和已有扰动实验数据，为银屑病相关位点筛选候选致病基因。这个例子里，Agent 提出分析方案，人类研究者选择其中一条继续验证。它提供了研究线索与数据支持，不能写成 AI 已独立发现并确证疾病机制。 原文也承认，不少代码库因为文件不完整、文档缺失或环境问题，无法成功转换。更值得期待的是一种可复用的论文附件：除了 PDF 和仓库，作者还能交付经过检查的工具。它能降低后续使用门槛，但方法是否适合新数据、结论是否成立，仍需要研究者判断。 入选理由：Nature正式发表Paper2Agent研究，重点是把方法与代码封装为经过测试的工具，并展示跨论文分析；不是PDF问答包装。 重要度：9/10。 Nature正式发表：2026-09-16。 原文：https://www.nature.com/articles/s41586-026-11044-y 本期资料：https://www.asteronline.cn/juju-radar/2026-09-17/ AI辅助整理，尚未独立复现；PDF为链接附件。 ER - TY - UNPB TI - Modality-Autoregressive World-Action Models UR - https://arxiv.org/abs/2609.17524 DO - 10.48550/arXiv.2609.17524 DA - 2026-09-15 KW - Juju Radar KW - 待阅读 KW - 机器人 KW - 世界动作模型 N1 - Juju Radar · 2026-09-17 不少机器人世界模型先预测“接下来会看到什么”，再决定怎么动。ModAR 问得更细：为了抓取、折叠和摆放，真的需要把未来画面的颜色与纹理也生成出来吗？它依次预测点的运动轨迹、视觉语义特征和深度，再据此生成动作，让前一步的预测给后一步提供条件。 在作者的仿真实验里，运动、语义和几何信息带来了收益，额外预测 RGB 图像却没有稳定改善。与经过视频模型预训练的 Flex-π 相比，约 3010 万参数的 ModAR 取得 75% 的平均成功率，对方为 72%；该组实验使用的训练计算量约为对方的二十分之一。 这里不能读成“小模型全面胜过大模型”。这是特定任务内的系统比较，双方的模型规模、预训练、目标模态和训练方案都不同，不是只换一个架构的公平消融。实机部分只有三个双臂任务，每项 30 次测试；模型使用离散任务标签，尚未证明能听懂任意指令、应对陌生场景，顺序生成也会增加推理延迟。 有价值的启发是：机器人需要的是对行动有用的预测，画面逼真未必是最好的训练目标。论文 9 月 15 日提交、16 日公告；项目页已有演示，代码仍标注即将开放。 入选理由：ModAR用运动轨迹、视觉特征和深度依次预测未来，再预测动作；对世界模型是否必须生成RGB提供受控实验。 重要度：8.5/10。 原始提交：2026-09-15T17:56:24+00:00；arXiv公告：2026-09-16。 原文：https://arxiv.org/abs/2609.17524 本期资料：https://www.asteronline.cn/juju-radar/2026-09-17/ AI辅助整理，尚未独立复现；PDF为链接附件。 ER - TY - UNPB TI - ImpossibleRubrics: Stress-Testing Generated Rubrics as Reward Signals UR - https://arxiv.org/abs/2609.16816 DO - 10.48550/arXiv.2609.16816 DA - 2026-09-15 KW - Juju Radar KW - 待阅读 KW - 评测 KW - 强化学习 N1 - Juju Radar · 2026-09-17 现在不少训练和评测先让模型写一份评分细则，再按这份细则给回答打分。ImpossibleRubrics 检查了一个容易漏掉的问题：假如题目根本无法根据现有材料得出确定结论，评分标准会不会反而奖励那个编得最完整的答案？ 研究准备了 169 个此类任务和 48 个可回答的对照任务。每题附有一份独立约束，规定哪些说法有证据、哪些不该出现；攻击模型则尝试写出违反约束、却能拿到不低于诚实回答分数的答案。这样测的是评分细则能否被利用，不是普通问答的准确率。 在用于统一比较的 150 个任务上，11 种模型生成的细则被成功利用的比例为 8% 至 26%。论文还报告了一个专门筛出的 45 题困难子集，那里失败率明显更高，不能拿它代表日常任务。细则生成、攻击和判断都依赖模型，样本主要是封闭证据材料，结果也不宜外推到所有科研或商业评审。 最值得留意的不是谁排第一，而是标准可能要求错了东西：材料没有给出某个概率，细则却奖励一个确定数字。条目越具体，反而越清楚地告诉攻击者应该编什么。代码和复现材料已公开；论文 9 月 15 日提交、16 日公告。做自动评分时，应先检查“无法作答”是否也是合法结果。 入选理由：ImpossibleRubrics直接攻击模型生成的评分细则，检验是否奖励违反证据的回答；区分主样本与特意筛选的困难样本。 重要度：8.5/10。 原始提交：2026-09-15T08:21:40+00:00；arXiv公告：2026-09-16。 原文：https://arxiv.org/abs/2609.16816 本期资料：https://www.asteronline.cn/juju-radar/2026-09-17/ AI辅助整理，尚未独立复现；PDF为链接附件。 ER - TY - RPRT TI - Accelerating open-source biomolecular models with Claude UR - https://www-cdn.anthropic.com/c03643714397d9d396fa1ce1794f5f9f7863a82c.pdf DA - 2026-09-17 KW - Juju Radar KW - 待阅读 KW - AI for Science KW - 推理优化 N1 - Juju Radar · 2026-09-18 Anthropic 9 月 17 日公布了一项很实在的工作：两位熟悉生物建模、没有推理优化经验的研究人员监督 Claude，在不到四周内优化了30多个开源生物模型，共36套实现。它改的是科学家已经在用的工具，包括结构预测、蛋白质设计和基因组模型；优化代码已公开。 “平均快四倍”有明确口径。技术报告在 H100 上测量结构预测模型的前向计算：13个模型的 Fast 模式平均提速4.1倍，允许少量数值精度变化；14个模型的 Exact 模式以复现原输出为目标，平均提速1.6倍。前者在汇总的界面预测测试中没有可区分于零的整体精度变化，但不能排除个别模型的小幅损失，也不能把前向计算提速当成完整科研流程提速。 另一个成果是降低大分子系统的内存需求。Big 模式能在单个八卡节点上准确预测部分超过一万 token 的复合物；七万余 token 的案例虽然跑完了，结构却不准确。“算得动”与“预测对”是两件事，单节点也不是单张消费级显卡。 这次最值得关注的是工具维护成本能否下降。研究团队还报告了更省算力的蛋白质设计流程，但目前比较的是计算机评分，尚非湿实验结果。基准依赖特定模型版本、输入规模和硬件，较新版本的自带优化未全部纳入。代码公开后，外部复现比继续扩大战绩更有价值。 重要度：9/10。 原文：https://www-cdn.anthropic.com/c03643714397d9d396fa1ce1794f5f9f7863a82c.pdf 本期资料：https://www.asteronline.cn/juju-radar/2026-09-18/ AI辅助整理；未独立复现。PDF为链接附件。 ER - TY - UNPB TI - Monitoring and Discovering Reward Hacking with Internal Representations during LLM Evaluations UR - https://arxiv.org/abs/2609.19101 DO - 10.48550/arXiv.2609.19101 DA - 2026-09-16 KW - Juju Radar KW - 待阅读 KW - 可解释性 KW - Agent 安全 N1 - Juju Radar · 2026-09-18 昨天关注的是模型留下了什么异常记录，今天 Goodfire 尝试解决怎么监测。研究在 Kimi K3、GLM 5.2、Qwen 3.8 Max 等模型的内部激活中寻找与绕过任务要求相关的信号，训练材料只是简短的正常行为与作弊行为对照，却能用于更长的 Agent 执行过程。 这种探针只需在模型计算时读取内部表示，成本比逐段再请大模型审查低。作者在 Kimi 的一组实验中，让探针先筛选、再交给大模型检查，减少约90%的大模型监控开销，精确率约下降一个百分点。不同模型的收益并不一致，探针和文本监控也各有漏报。 论文报道的高作弊比例，来自特定任务、额外行为限制和作者定义的判定标准；标签本身也依赖大模型裁判。它不是用户日常使用的作弊率。“模型知道自己在作弊”是作者的解释，内部信号与行为相关，不能证明模型具有人的意识或道德意图。 我更看好它作为一层便宜的预警：先找可疑步骤，再检查完整上下文。它要求能读取模型内部激活，普通 API 用户未必能直接部署；而且目前证明的是检测能力，尚未证明已经阻止了真实事故或解决奖励作弊。 重要度：8.5/10。 原文：https://arxiv.org/abs/2609.19101 本期资料：https://www.asteronline.cn/juju-radar/2026-09-18/ AI辅助整理；未独立复现。PDF为链接附件。 ER - TY - UNPB TI - Zing-0.5: Toward Playable Worlds with Real-Time Joint Action and Text Control UR - https://arxiv.org/abs/2609.17909 DO - 10.48550/arXiv.2609.17909 DA - 2026-09-15 KW - Juju Radar KW - 待阅读 KW - 视频生成 KW - 世界模型 N1 - Juju Radar · 2026-09-18 Zing-0.5 是一个50亿参数的交互式视频模型。用户可以用键盘移动，同时输入文字改变场景或事件，生成过程不必重新开始。它把动作和文字指令放进同一条连续生成链路；论文于9月15日提交、17日公告，本次读的是公开技术报告，不能据此断言项目此前不存在。 团队报告，在八张 RTX 5090 的服务器上，每张卡各运行一条独立视频流，832×480分辨率下达到用户可见的24帧每秒。模型权重、推理代码和服务实现已有公开入口；论文的导航榜单测试却使用另一种更高分辨率，不能把榜单画质和实时速度拼成一套未经测试的配置。 最有意思的反而是限制部分：它没有单独记录物体状态，也没有明确约束世界规则。你把物体移走，再转身回来，它未必还在新位置。连续画面看起来合理，与过去发生的事能一直算数，差得很远。 因此，这是一条可试用的交互生成路线，还不能当成完整游戏引擎或可靠物理模拟器。值得测试的是动作后果能保留多久，而不只是截图有多漂亮。 重要度：8.5/10。 原文：https://arxiv.org/abs/2609.17909 本期资料：https://www.asteronline.cn/juju-radar/2026-09-18/ AI辅助整理；未独立复现。PDF为链接附件。 ER - TY - UNPB TI - The Other Half of the Memory Wall: Serving 35B MoEs from SSD with Trained Routing Prediction UR - https://arxiv.org/abs/2609.18063 DO - 10.48550/arXiv.2609.18063 DA - 2026-09-16 KW - Juju Radar KW - 待阅读 KW - 本地推理 KW - 开源 N1 - Juju Radar · 2026-09-18 MoE 每次只用一部分参数，但通常仍要把整套权重放进内存。Edge0 把专家权重留在 SSD，提前预测下一层会用哪些专家，在当前层计算时先读进来。它直接采用预测的路由，再用额外训练的 LoRA 补偿量化和路由变化带来的损失；这不是给任意模型装上一个无损加速开关。 论文在24GB内存的 Mac mini M4 Pro 上，报告35B版本约20 token/秒、峰值活跃内存2.9GiB。这里统计的是短上下文下 MLX 分配器的活跃内存，权重仍占约19.5GB硬盘，系统页缓存和其他开销不能忽略。不能据此说，一台总共只有3GB内存的电脑就能获得同样结果。 质量也有代价：35B版本在五个基准上的平均成绩比原始 FP16 模型低约4分，AIME 低6.1分。当前实现面向 Apple Silicon，一次处理一个请求，CUDA 尚未实现。论文16日提交、17日公告；模型和配套适配器已可下载，本期未在本机复现。 如果你关心普通电脑能用上多大模型，这篇比一张速度榜更有参考价值。它给出的是存储、内存和质量之间的一种交换，尤其要看冷启动、长上下文和多任务下是否仍划算。 重要度：8.5/10。 原文：https://arxiv.org/abs/2609.18063 本期资料：https://www.asteronline.cn/juju-radar/2026-09-18/ AI辅助整理；未独立复现。PDF为链接附件。 ER - TY - UNPB TI - SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness UR - https://arxiv.org/abs/2609.20519 DO - 10.48550/arXiv.2609.20519 DA - 2026-09-17 KW - Juju Radar KW - 待阅读 KW - Agent KW - 开源工程 N1 - Juju Radar · 2026-09-19 NVIDIA 等机构的 SoL-Pi，把改进对象放在 Agent 的运行框架，而非模型参数上。研究团队让 Agent 提出并测试优化方案，经过152个假设、535个可执行环境和3000多次运行，保留下几种能减少重复开销的办法。 其中一些做法很具体：把改文件与后续测试合并进一次工具请求；长输出先保留完整记录，之后用短摘要和可回查的引用；压缩测试日志时，校验退出状态、关键原文等证据，出错就退回原始输出。上下文压缩也要算账，节省的后续开销需要抵过重写缓存的成本。 效果有两面。在冻结的51个留出任务上，四种机制一起启用时，GPT-5.6 Sol 的 token 用量减少49%，API 成本减少33.2%，平均得分却从44.833降到42.003。另一种偏重成绩的配置只选部分机制，得分更高，但不能把它与“省一半 token”拼成同一个结果。 这个项目的价值，是把工具调用、日志和上下文的浪费变成可测量的问题。扩展代码已公开，但任务集仍有限，前期搜索本身也很花钱；它不等于模型已经能够无成本地递归自我升级。做 Coding Agent 的读者，可以先看日志压缩的失败回退设计。 论文17日提交、18日公告；本期未独立复现。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-19/ ER - TY - UNPB TI - JEPA-Anything: Learning Predictive Models across Different Worlds UR - https://arxiv.org/abs/2609.20800 DO - 10.48550/arXiv.2609.20800 DA - 2026-09-17 KW - Juju Radar KW - 待阅读 KW - 世界模型 KW - AI for Science N1 - Juju Radar · 2026-09-19 如果目标是预测系统接下来会怎样变化，视觉、细胞、天气能不能共用一套学习方法？JEPA-Anything 把这个问题放到七类领域中测试。它的关键做法，是把内部表示分成若干互补的部分，分别预测，再重新组合，让不同变化因素不必挤在同一份表示里。 论文在十项配对的动力学任务上报告了改进，范围包括干预后的场景、分子运动和物理场。但“共用方法”不是“一套权重通吃所有领域”：各领域仍有自己的输入、编码器和任务设置。数学上的正交约束，也不等于模型自动找到了真正的因果机制。 生物部分还有后续实验：研究者考察了 IL-18 与 CD73 阻断的组合，在共培养、患者来源样本和小鼠中验证部分结果。患者来源的类器官与肿瘤片段，不是患者接受治疗的临床试验；样本规模和适用条件都不支持直接推导人体疗效。 这是本期值得多看一眼的探索。GitHub 提供通用核心和示例，Hugging Face 上可见领域代码与检查点；仓库的快速示例并不复现全部论文结果。本期未运行这些工件。后续要看跨任务复现，以及换到分布外条件时，预测还能不能可靠。 论文17日提交、18日公告；本期未独立复现。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-19/ ER - TY - UNPB TI - DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression UR - https://arxiv.org/abs/2609.19969 DO - 10.48550/arXiv.2609.19969 DA - 2026-09-17 AU - DeepSeek-AI AU - Xu, Anyi AU - Li, B. AU - Lin, Bangcai AU - Xue, Bing AU - Xian, BingCheng AU - Xu, Bingzheng AU - Wu, Bochao AU - Zhang, Bowei AU - Deng, Boyi AU - Yu, C. C. AU - Jin, Chao AU - Lin, Chaofan AU - Dong, Chen AU - Wang, Chenbing AU - Feng, Chenfan AU - Lu, Chengda AU - Zhao, Chenggang AU - Deng, Chengqi AU - Zhang, Chengyuan AU - Xu, Chenhao AU - Zhao, Chenqi AU - Shao, Chenze AU - Wang, Chuhao AU - Zhang, Chuqi AU - Dai, Damai AU - Yang, Dejian AU - Chen, Deli AU - Huang, Di AU - Wu, Di AU - Li, Donghao AU - Li, Erhang AU - Fu, Eric AU - Zhou, F. AU - Zhou, Fangwei AU - Lin, Fangyun AU - Yuan, Fangzhou AU - Xia, Feiyu AU - Dai, Fucong AU - Hao, Guangbo AU - Li, Guanglin AU - Chen, Guanting AU - Cao, Guoai AU - Fan, Guofan AU - Meng, Guolai AU - Li, Guowei AU - Zhang, Haichuan AU - Ma, Haiyang AU - Shen, Haiyang AU - Li, Han AU - Yu, Han AU - Zhang, Han AU - Deng, Hangyuan AU - Xu, Hanwei AU - Xu, Hanxiang AU - Zhong, Hanxun AU - Guo, Hao AU - Jiang, Hao AU - Li, Hao AU - Qin, Hao AU - Wen, Haodong AU - Liang, Haofen AU - Huang, Haofeng AU - Liu, Haohua AU - Zhang, Haoling AU - Luo, Haoming AU - Yang, Haoran AU - Xu, Haotian AU - Yuan, Haotian AU - Huang, Haoting AU - Luo, Haowen AU - Cai, Haoyang AU - Chen, Haoyu AU - Ji, Haozhe AU - Zhang, Hengran AU - Wang, Hengrui AU - Wu, Hengxu AU - Ding, Honghui AU - Tang, Hongxuan AU - Wang, Huadong AU - Cao, Huanqi AU - Gao, Huazuo AU - Qu, Hui AU - Zeng, Hui AU - Yang, J. AU - Jin, J. H. AU - Zhang, J. H. AU - Zou, J. X. AU - Yu, Jia AU - Zhou, Jiahui AU - Chen, Jiajun AU - Huang, Jialiang AU - Zhao, Jialin AU - Tang, Jiamin AU - Zhou, Jian AU - Tong, Jianan AU - Li, Jianwen AU - Zhu, Jiaqi AU - Wang, Jiarui AU - Ye, Jiasheng AU - Li, Jiashi AU - Xu, Jiaxin AU - Ding, Jiaying AU - Lu, Jibai AU - Hu, Jiewen AU - Yan, Jin AU - Zhai, Jincheng AU - Chen, Jingchang AU - Hu, Jingcheng AU - Zhou, Jingli AU - Xu, Jingsheng AU - Xiang, Jingting AU - Yun, Jingyan AU - Yuan, Jingyang AU - Cheng, Jingyuan AU - Zhu, Jinhua AU - Wang, Jinpeng AU - Chen, Jinyi AU - Hu, Jinyi AU - Yu, Jiping AU - Guo, Jueliang AU - Pei, Junbo AU - Sun, Junbo AU - Jiang, Junguang AU - Qiu, Junjie AU - Zhou, Junkang AU - Liu, Junqi AU - Li, Junren AU - Li, Junxian AU - Song, Junxiao AU - Guo, Junyi AU - Dong, Kai AU - Chen, Kaifeng AU - Gao, Kaige AU - Guan, Kang AU - Yuan, Kangdong AU - Hong, Ke AU - Xu, Ke AU - Zhao, Kefan AU - Ji, Kexin AU - Zhang, Kexin AU - Zhou, Kexing AU - Yu, Kuai AU - Zhang, Lan AU - Wang, Lean AU - Zhang, Lecong AU - Wang, Lei AU - Gao, Letian AU - Zhao, Liang AU - Xu, Liansheng AU - Guo, Lihua AU - Luo, Lingxiao AU - Fu, Lingyue AU - Deng, Litao AU - Wang, Litong AU - Zhang, Liyue AU - Chen, Longhao AU - Chen, Lu AU - Huang, Luotian AU - Ma, Luyao AU - Wang, Luyao AU - Di, M. S. AU - Mei, Max AU - Ye, Menghao AU - Cui, Miao AU - Zhang, Mingchuan AU - Zhang, Minghua AU - Tang, Minghui AU - Zhang, Mingjing AU - Wei, Mingqi AU - Chen, Mingshu AU - Liu, Mingxing AU - Zhou, Mingxu AU - Xu, Mingyu AU - Yang, Mingyu AU - Wang, Mingze AU - Chen, Muyang AU - Shentu, Ni AU - Wang, Ning AU - Ning, Niufang AU - Huang, Panpan AU - Cong, Peixin AU - Wang, Peiyi AU - Xin, Peiyuan AU - Ren, Pengfei AU - Yan, Pengfei AU - Zhang, Pengle AU - Kang, Qi AU - Tang, Qi AU - Wang, Qiancheng AU - Li, Qiang AU - Zhu, Qihao AU - Li, Qingyang AU - Chen, Qinyu AU - Du, Qiushi AU - Guo, Qizhou AU - Xu, Rongxian AU - Ding, Rui AU - Hu, Rui AU - Tian, Rui AU - Yu, Rui AU - Zhu, Ruidong AU - Xu, Ruifan AU - Yang, Ruihan AU - Xia, Ruihang AU - Lu, Ruijie AU - Geng, Ruilin AU - Hong, Ruipeng AU - Ge, Ruiqi AU - Zhang, Ruisong AU - Sun, Ruize AU - Pan, Ruizhe AU - Wang, Runji AU - Chen, Runqian AU - Xu, Runxin AU - Tian, Ruohong AU - Shen, Ruomeng AU - Zhang, Ruoyu AU - X., Ryan AU - Liu, S. H. AU - Lu, Shanghao AU - Zhou, Shangyan AU - Chen, Shanhuang AU - Cai, Shaofei AU - Nie, Shaoheng AU - Chen, Shaoyuan AU - Hu, Shengding AU - Lin, Shengkai AU - Ran, Shengwen AU - Liu, Shengyu AU - Jia, Shengyuan AU - Bai, Shi AU - Feng, Shi AU - Xu, Shicheng AU - Liu, Shichun AU - Hu, Shiqiang AU - Ma, Shirong AU - Wang, Shiyu AU - Feng, Shiyuan AU - Gong, Shufan AU - Lin, Shuhan AU - Yu, Shuiping AU - Zhou, Shunfeng AU - Yang, Shuo AU - Wang, Shuomeng AU - Guo, Shuting AU - Pan, Shuting AU - Yu, Shuying AU - Cao, Sinuo AU - Lin, Siyi AU - Chen, Sizhe AU - Chen, Songyang AU - Zhou, Songyang AU - Ni, Tao AU - Yun, Tao AU - Jin, Tian AU - Pei, Tian AU - Ye, Tian AU - Lin, Tianle AU - Ji, Tianran AU - Cui, Tianyi AU - Yue, Tianyuan AU - Yu, Tingting AU - Xiong, Tongrui AU - Zeng, Wangding AU - Liu, Wei AU - Zhang, Wei AU - Xu, Weibin AU - Zeng, Weihao AU - Zhao, Weilin AU - Liu, Wen AU - Liang, Wenfeng AU - Pang, Wenjie AU - Luo, Wenjing AU - Yao, Wenjing AU - Gao, Wenjun AU - Shao, Wenkai AU - Yang, Wenkai AU - Zhang, Wenli AU - Wang, Wenlu AU - Huang, Wenlve AU - Yan, Wenqian AU - Zhang, Wentao AU - Gao, Xi AU - He, Xiang AU - Li, Xiang AU - Li, Xiangli AU - Wang, Xiangwen AU - Zhang, Xiangying AU - Wei, Xiankui AU - Bi, Xiao AU - Liu, Xiaodong AU - Wang, Xiaohan AU - Qu, Xiaojian AU - Chen, Xiaokang AU - Zhang, Xiaokang AU - Nie, Xiaotao AU - Zou, Xiaoyao AU - Li, Xiaoyuan AU - Guo, Xicheng AU - Chu, Xieting AU - Cheng, Xin AU - Liu, Xin AU - Xie, Xin AU - Xu, Xinbo AU - Liu, Xingchao AU - Liu, Xingchen AU - Yu, Xingkai AU - Li, Xingyou AU - Yao, Xintong AU - Chen, Xinyang AU - Jiang, Xinyong AU - Yang, Xinyu AU - Yang, Xinyu AU - Chen, Xu AU - Wang, Xuanyu AU - Zhong, Xubei AU - Su, Xuecheng AU - Liu, Xuejie AU - Lin, Xuheng AU - Fan, Xujie AU - Zhao, Xuncheng AU - Fu, Xuwei AU - Yan, Y. C. AU - Jiang, Y. H. AU - Wu, Y. T. AU - M., Y. W. AU - Wang, Y. Z. AU - Gao, Yafei AU - Yang, Yang AU - Zhang, Yang AU - Ma, Yanru AU - Huang, Yanwen AU - Li, Yao AU - Li, Yao AU - Meng, Yao AU - Zhao, Yao AU - Sun, Yaofeng AU - Wang, Yaohui AU - Ye, Yaoyang AU - Yin, Yehang AU - Wu, Yexinrui AU - Qian, Yi AU - Tao, Yi AU - Yu, Yi AU - Zhang, Yichao AU - Jiang, Yichen AU - Wang, Yicheng AU - Ding, Yifan AU - Shi, Yifan AU - Peng, Yifeng AU - Zhai, Yifeng AU - Wu, Yijia AU - Xiong, Yiliang AU - Wang, Yilun AU - He, Ying AU - Zhou, Ying AU - Luo, Yingjia AU - Zhong, Yinmin AU - Wang, Yiping AU - Wang, Yisong AU - Zhang, Yixiang AU - Chen, Yixiao AU - Tan, Yixuan AU - Wei, Yixuan AU - Ma, Yiyang AU - Yang, Yiyao AU - Liu, Yiyuan AU - Cai, Yizai AU - Wei, Yizhen AU - Wang, Yizhi AU - Yang, Yonglun AU - Zhuo, Yongqi AU - Guo, Yongqiang AU - Wu, Yongtong AU - Wu, Yu AU - Zhang, Yu AU - Bian, Yuan AU - Cheng, Yuan AU - Ou, Yuan AU - Sun, Yuan AU - Xu, Yuanfan AU - Sun, Yuanhang AU - Li, Yuanhao AU - Liu, Yuchen AU - Yao, Yuchen AU - Han, Yudong AU - Wang, Yuduan AU - Wu, Yuhan AU - Meng, Yuhao AU - Zou, Yuheng AU - Li, YuKun AU - Wang, Yunchuan AU - Xiao, Yunfan AU - Xiong, Yunfan AU - Chen, Yupeng AU - Cao, Yuqian AU - Wang, Yuqian AU - Chen, Yuqing AU - Zhang, Yushun AU - Lin, Yutong AU - Xiao, Yuwei AU - Gu, Yuxian AU - Chen, Yuxiang AU - Huang, Yuxiang AU - Luo, Yuxiang AU - You, Yuxiang AU - Chen, Yuxin AU - Xiang, Yuxin AU - Liu, Yuxuan AU - Zhou, Yuxuan AU - Zhou, Yuyang AU - Guo, Yuzhe AU - Huang, Yuzhen AU - Bai, Yuzhuo AU - Z., Z. Y. AU - Ni, Zanlin AU - Wang, Zehao AU - Zhao, Zehua AU - Ren, Zehui AU - Zhao, Zejun AU - Sha, Zhangli AU - Wang, Zhanying AU - Zhang, Zhaochen AU - Du, Zhaoshuai AU - Fu, Zhe AU - Xu, Zhean AU - Xie, Zhenda AU - Liu, Zheng AU - Zhang, Zhengyan AU - Dong, Zhenhua AU - Hao, Zhewen AU - Wang, Zhibang AU - Gou, Zhibin AU - Ma, Zhicheng AU - Li, Zhihao AU - Shao, Zhihong AU - Huang, Zhihuan AU - Li, Zhijie AU - Lu, Zhirui AU - Huang, Zhixian AU - Chen, Zhixuan AU - Chen, Zhixuan AU - Pan, Zhixuan AU - Wu, Zhiyu AU - Ren, Zhizhou AU - He, Zhu AU - Li, Zhuoshu AU - Zhang, Zhuping AU - Xu, Zian AU - Wang, Zihao AU - Gu, Zihui AU - Zhu, Zijia AU - Zhang, Zili AU - Li, Zilin AU - Hou, Zilong AU - Lyu, Zilong AU - Wang, Ziqiao AU - Xie, Ziwei AU - Zhang, Ziya AU - Gao, Ziyi AU - Pan, Zizheng AU - Li, Zonglin AU - Yao, Zongqing AU - Chen, Zui AU - Wu, Zuofan AU - Ling, Chenchen AU - Hou, Chengyu AU - Chen, Chong AU - Li, D. AU - Qi, Di AU - Ji, Dongjie AU - Wei, Fang AU - Xia, Fanyi AU - Xie, Fei AU - Tan, Feiyi AU - Guo, Hailong AU - Zhai, Haiyan AU - Zhou, Hui AU - Tan, Huihui AU - Li, Huijie AU - Luo, Jia AU - Song, Jia AU - Cai, Jialu AU - Liang, Jian AU - Zhou, Jiangting AU - Gao, Jiaqi AU - Shao, Jiayi AU - Chen, Jie AU - Yang, Jieyu AU - Chen, Jin AU - Zhang, Jingde AU - Zhou, Jingzi AU - Wang, Jinqian AU - Liu, Jinyang AU - Sun, JinZhao AU - Ling, Junhua AU - Zheng, Junmin AU - Yang, Kaicheng AU - Xu, Ke AU - Su, Le AU - Xia, Leyi AU - Ding, Liangfeng AU - Zhuo, Lin AU - Ma, Linwang AU - Zhu, Linyan AU - Cai, Liyu AU - Yao, Luqi AU - Zhang, M. K. AU - Li, Meng AU - Lin, Miao AU - Wang, Miaojun AU - Zhang, Min AU - Li, Mingming AU - Wang, Mingming AU - Yin, Mingze AU - Han, Minmin AU - Cao, Nan AU - Wang, Ning AU - Ma, Ningxin AU - Wang, Panpan AU - Lin, Peihan AU - Sun, Peng AU - Zhang, Peng AU - Ying, Qian AU - Xiang, Qiang AU - Wang, Qiao AU - Mao, Qingmiao AU - Jiang, Qiwei AU - Jin, Rongli AU - Chen, Ruyi AU - Tao, Sha AU - Sun, Shangmian AU - Wu, Shaoqing AU - Zou, Shichao AU - Lei, Si AU - Zhang, Tianyang AU - Sun, Tianyu AU - Yin, Tingting AU - Xiao, W. L. AU - An, Wei AU - Li, Wei AU - Wang, Wei AU - Lin, Weiwei AU - Hou, Wenqing AU - Lin, X. AU - Meng, Xiangfei AU - Huang, Xianzhu AU - Peng, Xiao AU - Li, Xiaoqian AU - Zhang, Xiaoting AU - Sun, Xiaowen AU - Wang, Xiaoxiang AU - Ye, Xiaoyu AU - Zhang, Xinrou AU - Zhang, Xinyu AU - Cao, Xue AU - Chen, Xueyin AU - Zhou, Yanan AU - Xu, Yanhong AU - Xia, Yao AU - Xu, Yao AU - Shao, Yi AU - Zhang, Yihong AU - Ma, Yiling AU - Tang, Ying AU - Lou, Yining AU - Chen, Yiru AU - Piao, Yishi AU - Chen, Yixuan AU - Xiong, Yong AU - Xuan, Yuchen AU - Yang, Yuehan AU - Xu, Yuer AU - Zha, Yukun AU - Ma, Yunxian AU - Lin, Yuping AU - Yan, Yuting AU - Xie, Yutong AU - Sheng, Yuwen AU - Zhu, Yuxuan AU - Zhang, Zekai AU - Ju, Zhe AU - Lin, Zhenzhen AU - Gao, Zheren AU - Sun, Zheyang AU - Yan, Zhigang AU - Wu, Zhongyu AU - Wang, Zi AU - Qu, Zihua AU - Yan, Ziling AU - Wan, Ziyi KW - Juju Radar KW - 待阅读 KW - 补看 KW - 基础模型 / 推理基础设施 N1 - Juju Radar · 2026-09-20 DeepSeek-V4.1-Flash 已在9月10日发布，这次补看的是随后公开的技术报告。长任务 Agent 会不断读文件、日志和历史记录，输入往往比输出更重。报告把“读完输入”和“生成回答”分开设计：每个输入 token 激活约80亿参数，生成阶段则约160亿。 另一处重点是键值缓存，也就是模型为避免重复计算而保留的中间状态。跨层复用与低精度存储，让常驻显存的全局缓存降到每个 token 890字节，约为 DeepSeek-V4-Flash 对应部分的四分之一。这个比例只指该类缓存，不能理解成整套模型只需四分之一显存。 对放在主机内存或硬盘里的持久缓存，论文又采用局部滑动窗口状态重建，报告体积约降到前代的八分之一。它是在存储和重新计算之间作取舍，也不意味着一次 API 调用的价格会自动降到八分之一。 这篇最值得读的是成本怎样分摊：哪些输入只处理一次，哪些状态可以复用，哪些可以需要时再算。作者也提醒，稀疏选择失误和近似状态重建，在尚未充分测试的边界条件下仍可能影响能力。权重可以获取，实际收益还要放进具体的长任务中检验。 近期补看；编辑重要度9.0/10。AI辅助整理，未独立复现。 原文：https://arxiv.org/abs/2609.19969 本期资料：https://www.asteronline.cn/juju-radar/2026-09-20/ ER - TY - UNPB TI - FAMOS: Feed-Forward 3D Articulation Modeling from Sparse Observations UR - https://arxiv.org/abs/2609.20817 DO - 10.48550/arXiv.2609.20817 DA - 2026-09-17 AU - Qu, Kevin AU - Sun, Tao AU - Viola, Massimiliano AU - Zhu, Liyuan AU - Zhou, Zhizhuo AU - Sarkar, Sayan Deb AU - Schindler, Konrad AU - Armeni, Iro KW - Juju Radar KW - 待阅读 KW - 补看 KW - 机器人 / 三维视觉 N1 - Juju Radar · 2026-09-20 机器人看到一个柜子，光认出“这是柜子”还不够：哪一块能动，是拉开还是旋转，转轴在哪里？FAMOS 把物体处于不同状态时的几份稀疏点云放到一起，预测活动部件与关节。输入并不要求是完整、按时间排好的动作录像。 方法的关键，是交替比较单次观察里的形状和多次观察之间的变化。团队还用程序生成带有已知结构的物体，再与人工制作的资产混合训练，让模型学到的不只是某种柜门的外观，也包括部件之间怎样运动。 作者在单张 RTX 5090 上报告：两个状态、每个状态2048个点的配置，推理耗时65.6毫秒。这从已有点云开始计算，不包含把相机画面重建成点云的整个过程。论文中的可动范围辅助任务，也只对应观察到的运动跨度，不能当成物体的完整机械限位。 它补的是操作之前的结构理解，还没有证明机器人因此能可靠地开门、拿东西。陌生形状、很小的部件和噪声点云仍容易出错；当前还主要处理活动部件直接连接固定主体的简单结构。先读失败案例，再看演示，更容易判断它离自己的场景有多远。 近期补看；编辑重要度8.3/10。AI辅助整理，未独立复现。 原文：https://arxiv.org/abs/2609.20817 本期资料：https://www.asteronline.cn/juju-radar/2026-09-20/ ER - TY - UNPB TI - RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents UR - https://arxiv.org/abs/2609.22000 DA - 2026-09-18 AU - Bai, Shuai AU - Deng, Jiayong AU - Fu, Yikun AU - Gao, Chang AU - Hu, Xuhao AU - Huang, Mianqiu AU - Jiang, Yizhen AU - Jing, Yuheng AU - Kong, Dehui AU - Li, Keliang AU - Li, Ning AU - Li, Wanli AU - Liu, Dayiheng AU - Lu, Dunjie AU - Luo, Changwei AU - Shen, Que AU - Wang, Zheyuan AU - Wang, Zijian AU - Wu, Jie AU - Wu, Gao AU - Xie, Zhihui AU - Xie, Rui AU - Xu, Haiyang AU - Yang, An AU - Yuan, Jiakang AU - Zhang, Yanming AU - Zhang, Jiajun AU - Zhang, Xi AU - Zhang, Zhenru AU - Zhen, Zhuo AU - Zhu, Mingkang AU - Zhou, Bowen KW - Juju Radar KW - Computer Use KW - Agent评测 KW - 可执行验证 KW - 待阅读 KW - 补看 N1 - RecreationWorld把GUI探索、代码实现和运行验证放进一个长任务：Agent只能操作正在运行的参考应用，再从零重做出可执行版本。RecreationBench包含250项任务，覆盖Ubuntu、macOS、Windows、Android和Web，并用固定的程序断言与视觉断言验证行为。 最有信息量的结果不是总分，而是完成度差距：GPT-6 Astra总体得58.1%，但只有2.8%的任务通过全部程序测试。模型更容易复刻静态结构，对交互状态、计算结果和跨步骤行为明显更弱。 论文9月18日提交、9月21日进入HF Daily Papers，本期作为近期补看而非当天首发。训练迁移只在有限模型和基准上验证，各平台的隔离强度也不完全一致。重要度8.7/10。 原文：https://arxiv.org/abs/2609.22000 项目：https://recreation-bench.cc/ 代码：https://github.com/QwenLM/RecreationWorld 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-22/ AI辅助整理。 ER - TY - UNPB TI - CodeMidas: Scaling Agentic Coding RL Environments from Code Itself UR - https://arxiv.org/abs/2609.22068 DA - 2026-09-18 AU - Ye, Bowen AU - Li, Lei AU - Li, Shicheng AU - Yue, Zihao AU - Zhang, Linghao AU - Lv, Hanglong AU - Liu, Yuanxin AU - Ma, Wenhan AU - Tian, Hao AU - Li, Rang AU - Dong, Jinhao AU - Zhao, Yikai AU - Deng, Xiangwei AU - Zhang, Hailin AU - Zhao, Liang AU - Liu, Qi AU - Kong, Lingpeng AU - Yang, Tong AU - Luo, Fuli KW - Juju Radar KW - Coding Agent KW - 强化学习 KW - 训练环境 KW - 待阅读 KW - 补看 N1 - CodeMidas只以现有源码为任务输入，让Agent探索功能、写出行为规格、生成可执行测试，再用多次解题rollout筛选任务。最终从3185个仓库构造5545项训练任务，覆盖23种语言和15个技术领域。 它的意义在于扩大Agent强化学习环境的供给：不再依赖GitHub issue或提交记录，而是从已经实现的功能反推任务和验证器。论文报告用这些任务训练MiMo-V2.5后，DeepSWE、ProgramBench和Terminal-Bench均提升。 这些提升来自论文和小米团队自己的训练实验，尚需独立复现；任务质量仍取决于自动生成测试是否真正覆盖原功能。本期作为MiMo-V2.6条目的配套论文收录，重要度8.6/10。 原文：https://arxiv.org/abs/2609.22068 项目：https://mimo.xiaomi.com/rl/ 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-22/ AI辅助整理。 ER - TY - RPRT TI - MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement UR - https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL/blob/main/MiMo_V2_6_technical_report.pdf DA - 2026-09-22 AU - Xiaomi MiMo Team KW - Juju Radar KW - 待阅读 KW - Agentic RL KW - Groupwise Grading KW - MoE N1 - MiMo-V2.6 技术报告披露了一次大规模混合任务 Agent 强化学习：每步 1568 个任务、每个任务 16 条 rollout，约 2.5 万条长轨迹和 27 亿至 37 亿训练 token。Pro 的计算成本中，参数训练占 43.5%、生成轨迹占 43.8%、评分器占 12.7%。 报告最值得阅读的是组内评分。GRS 预先从多条轨迹生成任务专属评分标准；GAR 在线比较已经通过测试的补丁，把更高的正优势分给方案合适、改动精确、范围更小且副作用更少的实现。底层测试仍决定任务是否成功，Agent 评分负责区分成功方案的质量。 团队也记录了奖励投机、快慢任务调度、MoE 路由负载崩塌和多种训练故障。现有实验说明模型能在固定环境和奖励下持续改进，还不足以证明递归自我改进已经自行运转。三个 mimo-oss 代码分支已公开，但官方所称 7000 多个任务环境截至收录时尚缺明确完整下载入口。 建议先读第 4.3 节组内评分、第 5.5 节故障分析和第 7 节开放实验。 Juju Radar 深度解读：https://www.asteronline.cn/juju-radar/read/2026-09-22-mimo-rl/ AI辅助整理；未做同规模独立复现。 ER - TY - UNPB TI - RRSI: Regularized Recursive Self-Improvement of Agent Harnesses UR - https://arxiv.org/abs/2609.24972 DO - 10.48550/arXiv.2609.24972 DA - 2026-09-21 KW - Juju Radar KW - Agent系统 KW - Harness KW - 递归自我改进 KW - 过拟合 KW - 待阅读 KW - 补看 N1 - RRSI冻结基础模型，只让系统修改提示、控制流、工具、技能、记忆、子Agent和上下文管理。它用编辑预算、历史去重、基准泄漏critic、噪声门槛、成本规则与组件裁剪，减少Agent外壳搜索对固定评测的过拟合。 论文在八个基准上报告：搜索集最高提升14.1个百分点，五项分布外评测最高提升4.7个百分点，并比未正则化演化少用30%策略token。Terminal-Bench 2.1从74.2升到80.2，SWE-bench Verified从82.0升到83.8。 需要注意：完整搜索使用多个模型角色，主要是Claude Opus 4.8，部分judge使用Gemini 3.5；这不是单一模型无人协助地自我进化。论文提交比本期严格窗口早约5小时，因此列作近期补看。重要度8.8/10。 原文：https://arxiv.org/abs/2609.24972 代码：https://github.com/google-research/rrsi 项目：https://regularized-rsi.com/ 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-23/ AI辅助整理。 ER - TY - UNPB TI - Autonomous AI agents discover reverse transcriptases with tandem repeat arrays UR - https://www-cdn.anthropic.com/22573675ada52a8ca8a97a1a4b4326b2f208a071.pdf DA - 2026-09-23 KW - Juju Radar KW - AI for Science KW - 基因组挖掘 KW - 待阅读 N1 - Claude Mythos 5驱动的多Agent搜索在非预设DNA特征中发现ART反转录酶旁的串联重复。作者复核出95个RT簇，28个检测到相邻阵列；已在感染数据与大肠杆菌表达实验中观察到短RNA。 重要的是异常模式的发现方式：一个错误的邻近蛋白假设被排除后，Agent继续读原始非编码序列，看到重复结构。固定输入实验显示，原始DNA读入上下文越多，识别率越高。 边界：十次完整重跑均未再次找回ART阵列；短RNA存在不等于证明靶向、基因编辑或医学用途。功能仍未知。重要度9.6/10。 原文：https://www-cdn.anthropic.com/22573675ada52a8ca8a97a1a4b4326b2f208a071.pdf 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-24/ AI辅助整理。 ER - TY - UNPB TI - MentalHealthBench: An Expert-Informed Benchmark of AI Capabilities in Realistic Mental Health Conversations UR - https://cdn.openai.com/ctf-cdn/MentalHealthBench_A_Comprehensive_Benchmark_of_AI_Capabilities_in_Realistic_Mental_Health_Conversations.pdf DA - 2026-09-23 KW - Juju Radar KW - 心理健康 KW - 模型评测 KW - 待阅读 N1 - OpenAI构建1215段合成心理健康对话，由80余名持牌专家设计逐场景评分规则。范围从日常困扰到紧急危机，不仅看模型是否拒绝危险内容，也看能否收集背景、校准紧急程度并提供合适建议。 单独的44人用户研究只覆盖非急性情境：用户更看重具体下一步与语气，专家更看重不贸然下结论。这两种视角互补，不能相互替代。 边界：图2显示中文样本仅1条，不能据此推断中文心理支持质量。对话是合成的，评测由GPT-5.6 Sol自动打分。重要度8.8/10。 原文：https://cdn.openai.com/ctf-cdn/MentalHealthBench_A_Comprehensive_Benchmark_of_AI_Capabilities_in_Realistic_Mental_Health_Conversations.pdf 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-24/ AI辅助整理。 ER - TY - UNPB TI - StudentBench: AI and human tutoring yield equivalent GRE learning gains UR - https://arxiv.org/abs/2609.28470 DA - 2026-09-23 KW - Juju Radar KW - AI评测 KW - 教育AI KW - 补看 KW - 待阅读 N1 - 2,383名英语成人在一小时GRE辅导实验中被分配给AI、人类或无辅导条件；作者报告AI与专家人类导师在即时学习增益上的统计等效。这比单看模型回答是否漂亮更接近学习结果，因为后测由学生独立完成。 但研究没有长期保留测试，也没有单独比较自行做GRE练习的对照组；作者估算的918倍成本差只适用于实验设定，不能推及一般教育。论文9月23日17:57 UTC提交，即北京时间9月24日01:57，早于本期检索窗口，作为近期补看。 原文：https://arxiv.org/abs/2609.28470 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-25/ AI辅助整理。 ER - TY - UNPB TI - Training Object Permanence in World Models UR - https://arxiv.org/abs/2609.28654 DA - 2026-09-23 KW - Juju Radar KW - 世界模型 KW - 视频生成 KW - 补看 KW - 待阅读 N1 - WROP用150种Blender任务训练和评估遮挡后物体仍存在、物体不可穿透等物理细节。开放150万训练视频、300题测试、模型答案、权重和代码。16B PWM-WROP在同类续写模型中盲评排名第一；不同输入类型及合成场景限制外推。论文9月23日18:02 UTC提交，早于本期窗口，列近期补看。 原文：https://arxiv.org/abs/2609.28654 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-26/ AI辅助整理。 ER - TY - UNPB TI - Your Transformer Can Hold Two Thoughts at Once: Evidence of Linear Superposition in LLMs UR - https://arxiv.org/abs/2609.29845 DA - 2026-09-24 KW - Juju Radar KW - 模型架构 KW - 推理研究 KW - 补看 KW - 待阅读 N1 - 两段等长文本逐位置词向量平均后送入一个Transformer，原始模型仍保留两路预测信号，但常见词贡献大、内容词恢复差。Qwen2.5-3B内容词中位名次基础模型284、针对性微调后5。直接分离两路输出的吞吐与正常双请求批处理约相当；引导解码更慢、生成质量低于独立处理。9月24日14:12 UTC提交，作为9月27日期近期补看。 原文：https://arxiv.org/abs/2609.29845 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-27/ AI辅助整理。 ER - TY - UNPB TI - Just Ask Jev: Reinforcement Learning for Calibrated Decisions as a Zero-Shot Detector of AI Alignment Failures UR - https://arxiv.org/abs/2609.29429 DA - 2026-09-24 KW - Juju Radar KW - 模型评测 KW - AI安全 KW - 补看 KW - 待阅读 N1 - 研究将Jev的问题措辞、可见上下文和阈值分开评估。它对同一输入一次回答多个类型化判断，44个基准共7193条实例；31个适用二元问题的基准AUROC中位数0.886，这是排序指标而非准确率。 19个裁判评分基准按列价估算Jev总成本0.30美元，对照18.96美元。排序效果较好不保证固定0.5阈值适用，任务内校准与是否提供定义异常的参照信息更关键。输出主要来自2至7B模型，部分标签未经独立验证；代码公开，HF数据集需申请。重要度8.5/10，作为近期补看。 原文：https://arxiv.org/abs/2609.29429 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-28/ AI辅助整理。 ER - TY - UNPB TI - Coding Agents for Generalized Task and Motion Planning Problems UR - https://arxiv.org/abs/2609.30233 DA - 2026-09-24 KW - Juju Radar KW - 机器人 KW - 任务与运动规划 KW - 补看 KW - 待阅读 N1 - 让编码Agent在模拟器内试错写规划程序，冻结程序后测试未见实例，不再调用LLM。共28个模拟环境、980个程序与98000次评估；有规划器可对照的16个环境上，Agent配置成功率56%至95%，手工规划器47%。 主要意义是把模型调用前移到合成阶段，让普通程序重复处理同类任务。每实例运行时间不计前期合成，复用次数决定总成本是否划算。实验提供完整对象状态，未验证视觉感知和实机控制；动态三维扫拢和倾倒仍有失败。代码提供严格黑箱与源代码开放设置，应区分。重要度8.5/10，作为近期补看。 原文：https://arxiv.org/abs/2609.30233 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-28/ AI辅助整理。 ER - TY - JOUR TI - Accelerated discovery of thermostable mRNA–lipid nanoparticle vaccines using data-efficient AI UR - https://www.nature.com/articles/s41587-026-03331-w DO - 10.1038/s41587-026-03331-w DA - 2026-09-28 KW - Juju Radar KW - AI科研 KW - 生物医药 KW - 待阅读 N1 - AGENT将高通量实验与贝叶斯优化相连，在一个月内六轮优化固态mRNA-LNP辅料比例。MIT说明先筛近50种辅料、选五种候选，每轮测试两种配方再反馈搜索。新意在少数据下减少昂贵试错，不是大模型直接设计或批准疫苗。 正式摘要报告37℃超过两个月保持生物活性，并在啮齿类与非人灵长类验证免疫反应；MIT另介绍室温一年小鼠实验。正式全文需订阅，未声称全文已读；尚非人用临床或批准产品。论文此前有9月17日预印本，28日为正式期刊发表与机构新闻，重要度9/10。 原文：https://www.nature.com/articles/s41587-026-03331-w 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-29/ AI辅助整理。 ER - TY - UNPB TI - InternW0-Δ: A World Action Model Bridging Predictive Dynamics and Actions with 20K+ Hours of Open Data UR - https://arxiv.org/abs/2609.31394 DA - 2026-09-25 KW - Juju Radar KW - 机器人 KW - 世界动作模型 KW - 补看 KW - 待阅读 N1 - 视频专家与动作专家通过定向注意力耦合，冻结VLM提供任务语义，Causal Imprint用未来监督训练动作相关预测特征。执行输入只有已发生观察，未来视频无需生成，训练期几何教师也不参与推理。 超过两万小时为处理后混合语料，需统一异构状态动作。论文有模拟及多实机平台，跨具身仍需后训练；第一视角数据贡献与外部Agent增强控制消融有限。项目页代码与模型仍Forthcoming，不能写成已经开放权重和整包数据。已读全文，重要度8.5/10，按近期补看收录。 原文：https://arxiv.org/abs/2609.31394 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-29/ AI辅助整理。 ER - TY - UNPB TI - Recursive Harness Distillation across Agents for Robot Manipulation UR - https://arxiv.org/abs/2609.33378 DA - 2026-09-27 KW - Juju Radar KW - 机器人 KW - Agent KW - 近期补看 KW - 待阅读 N1 - 强Agent先把对VLA策略的失败诊断与干预方法写成playbook，再根据轻Agent执行反馈递归修订。共享的是外部操作手册，VLA权重不更新。作者在真实机械臂实验中报告成功率由37.3%升至64.0%；SimplerEnv Bridge中轻Agent带手册66.7%，GR00T-only为41.7%。这说明经验可跨Agent复用，但强Agent构建手册有前期成本，结果依赖测试场景，未证明任意机器人泛化。9月27日提交，30日期作近期补看，不当作首发。 原文：https://arxiv.org/abs/2609.33378 本期资料页：https://www.asteronline.cn/juju-radar/2026-09-30/ AI辅助整理。 ER - TY - JOUR TI - Function-preserving watermarking of AI-generated proteins UR - https://www.nature.com/articles/s41586-026-10965-y DO - 10.1038/s41586-026-10965-y DA - 2026-09-30 KW - Juju Radar KW - 生物安全 KW - AI for Science KW - 待阅读 N1 - SynthIDBio把带密钥的统计信号嵌入蛋白序列生成，并通过微调AlphaFold 3在结构预测中嵌入水印。作者对VEGF-A、SARS-CoV-2 RBD和PD-L1三个结合靶标做体外实验，报告水印设计的命中率和结合亲和力分布与无水印设计相近。结构水印在作者数据上几乎总能检出，整体精度影响小。新意是来源信号能随数字设计进入实际分子；局限是靶标数少、恶意删除水印与行业标准化尚未解决，不能当作蛋白安全证明。Nature 2026年9月30日发表。 原文：https://www.nature.com/articles/s41586-026-10965-y 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-01/ AI辅助整理。 ER - TY - JOUR TI - Scalable decision-making for games of imperfect information UR - https://www.nature.com/articles/s41586-026-11036-y DO - 10.1038/s41586-026-11036-y DA - 2026-09-30 KW - Juju Radar KW - 强化学习 KW - 不完全信息博弈 KW - 待阅读 N1 - Ataraxos结合稳定的自博弈策略学习、对隐藏棋子的信念模型，以及每步行动前的搜索。Nature论文报告对顶尖Stratego选手20局15胜1负4平，训练成本为几千美元，并展示Barrage Stratego、Hanabi和斗地主结果。核心新意不是把局面全穷举，而是随可见信息抽样可能暗牌并优化当前落子。真人对局样本有限，成本比较来自作者，游戏内成绩不能直接推出真实谈判或军事决策能力。Nature 2026年9月30日发表。 原文：https://www.nature.com/articles/s41586-026-11036-y 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-01/ AI辅助整理。 ER - TY - UNPB TI - RoboCoach: World Models as Active Coaches for Compositional Robot Skills UR - https://arxiv.org/abs/2609.39685 DO - 10.48550/arXiv.2609.39685 DA - 2026-09-30 AU - Jiajun Liu AU - Yifan Chen AU - Yichao Liu AU - Jiayi Zhang AU - Ruoqu Chen AU - Shaoxuan Xie AU - Guocai Yao AU - Mengdi Xu AU - Sen Cui AU - Changshui Zhang KW - Juju Radar KW - 机器人 KW - 世界模型 KW - 待阅读 KW - 补看 N1 - RoboCoach通过动作条件世界模型想象机器人执行轨迹，定位最早卡住的子任务，再定向采集真人示范，只更新对应技能专家的LoRA。作者在22组任务策略上报告想象与实机成功率相关系数0.840；每平台新增150条子任务示范后，Franka完整任务成功率从13.3%到75%，AgileX从40%到83.8%。这显示世界模型可能帮助分配有限的真实示范采集预算，而非替代真实示范。结果来自两个实机平台和特定任务，世界模型误判失败位置会误导采样；四组未见任务组合平均成功率仍为35%。论文9月30日晚提交，属10月2日期近期补看。 原文：https://arxiv.org/abs/2609.39685 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-02/ AI辅助整理。 ER - TY - UNPB TI - Toward provably private learning from federated data UR - https://arxiv.org/abs/2609.31494 DO - 10.48550/arXiv.2609.31494 DA - 2026-09-25 KW - Juju Radar KW - 隐私计算 KW - 联邦学习 KW - 待阅读 N1 - Google提出基于TEE的联邦学习系统：设备先加密上传并限定许可处理程序，TEE内的密钥服务只向符合策略的处理程序放行密钥；策略和可重建代码供外部审计。Gboard的英日语下一词预测训练已采用。新意在于把原来需相信服务器加噪的承诺，推进到可检查的程序与策略；同时服务器计算减轻设备在线时间约束。TEE侧信道与软件实现正确性仍有限制，不能称为完全无需信任。论文9月25日首次提交，10月2日Google博客介绍应用。 原文：https://arxiv.org/abs/2609.31494 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-03/ AI辅助整理。 ER - TY - UNPB TI - The Strict Threshold for Gaussian Ellipsoid Fitting UR - https://ai.meta.com/research/publications/the-strict-threshold-for-gaussian-ellipsoid-fitting/ DA - 2026-10-02 KW - Juju Radar KW - AI科研 KW - 数学 KW - 待阅读 N1 - Meta与数学家协作研究随机高斯点的椭球拟合，给出点数相对维数平方的锐阈值；阈值处行为仍未解决。Muse Spark参与证明策略的提出和修订，数学家检查与完善。必须注意：Meta同时列出三组8月公开的独立同期结果，不能说这篇是唯一或首次解答。 原文：https://ai.meta.com/research/publications/the-strict-threshold-for-gaussian-ellipsoid-fitting/ 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-03/ AI辅助整理。 ER - TY - UNPB TI - Finite-Time Blow-Up of Radial Negative-Energy Solutions for the Mass-Critical Biharmonic Nonlinear Schrödinger Equation UR - https://ai.meta.com/research/publications/finite-time-blow-up-of-radial-negative-energy-solutions-for-the-mass-critical-biharmonic-nonlinear-schrodinger-equation/ DA - 2026-10-02 KW - Juju Radar KW - AI科研 KW - 数学 KW - 待阅读 N1 - 这篇论文证明在特定聚焦质量临界双调和非线性薛定谔方程中，径向、负能量的解必在有限时间爆发，排除了只在无限时间爆发的未决可能。Muse Spark帮助检验计算和修订论证，研究者选择问题与关键思路，并由另一组数学家复核。结论限于论文给定的方程、对称性与能量条件，不能泛化成所有波动方程。 原文：https://ai.meta.com/research/publications/finite-time-blow-up-of-radial-negative-energy-solutions-for-the-mass-critical-biharmonic-nonlinear-schrodinger-equation/ 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-03/ AI辅助整理。 ER - TY - UNPB TI - AutoGUIWorld: Image Generators as Visual World Models for GUI Agent UR - https://arxiv.org/abs/2610.01215 DO - 10.48550/arXiv.2610.01215 DA - 2026-10-01 KW - Juju Radar KW - 待阅读 KW - 近期补看 N1 - 用规划器与图像生成器合成GUI操作轨迹，减少软件安装运行成本。作者报告OSWorld平均任务分由33.0升至40.8、ScienceBoard成功率由14.0升至32.2，但Chrome子项下降，不能替代真实界面验收。 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-04/ AI辅助整理。 ER - TY - UNPB TI - ROWBench: Do Video Models Render What the Program Specifies? UR - https://arxiv.org/abs/2610.02205 DO - 10.48550/arXiv.2610.02205 DA - 2026-10-01 KW - Juju Radar KW - 待阅读 KW - 近期补看 N1 - 建立可执行的视频世界事件记录，用物体状态、时间戳和镜头外事件核查视频生成。170段情节、600个代理视频；部分指标依赖视觉语言模型，且论文标题ROWBench、摘要称PROWBench。 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-04/ AI辅助整理。 ER - TY - RPRT TI - textGrain: Entropy-Calibrated Watermarking for Language Model Text UR - https://cdn.openai.com/pdf/e9508624-d767-41b6-a26d-e34ca798ada6/textgrain-entropy-calibrated-watermarking-for-language-model-text.pdf DA - 2026-10-05 AU - Xiang Li AU - Garrett Wen AU - Xiaohong Chen AU - Qi Long AU - Arzav Jain AU - Florent Joly AU - Mike Lam AU - Qingquan Song AU - Weijie Su KW - Juju Radar KW - 文本水印 KW - 内容溯源 KW - 待阅读 N1 - OpenAI同期技术报告把文本水印建模成受熵损预算约束的密钥采样耦合；检测器仅需文本和密钥。官方演示显示短文本及同义改写明显降低检出率，水印不能证明作者身份或文本真实性。 原始报告：https://cdn.openai.com/pdf/e9508624-d767-41b6-a26d-e34ca798ada6/textgrain-entropy-calibrated-watermarking-for-language-model-text.pdf 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-06/ AI辅助整理。 ER - TY - UNPB TI - Optimizing the Optimizer: Language Models Discover Faster Molecular Relaxation UR - https://arxiv.org/abs/2610.06577 DO - 10.48550/arXiv.2610.06577 DA - 2026-10-05 KW - Juju Radar KW - AI for Science KW - 计算化学 KW - 补看 KW - 待阅读 N1 - AutoSella让多个大模型在Sella基础上改写分子几何优化器，按受力调用次数和能量下降评估，用防止早停和留出分子泛化两道准入门筛选。作者在r2SCAN-3c DFT设置中报告，同等能量下降所需受力调用为Sella的40.2%—77.2%；这不是总壁钟时间，也未获独立复测。论文北京时间10月5日23:55提交，作为10月7日近期补看收录。 原文：https://arxiv.org/abs/2610.06577 代码：https://github.com/vdeshchenya/autosella 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-07/ AI辅助整理。 ER - TY - RPRT TI - Unified Eukaryotic Genome Annotation: From Gene Prediction to Carbon Annotation Database UR - https://huggingface.co/buckets/HuggingFaceBio/Carbon-A-Technical-Report DA - 2026-10-08 KW - Juju Radar KW - AI for Science KW - 基因组学 KW - 待阅读 N1 - Carbon-A用单个1.2B参数模型在多类真核生物的DNA上逐碱基预测蛋白编码区。技术报告和博客给出48,167份组装、22,617个分类单元、约5.66亿个预测位点。它们是待验证候选，不等于新发现或功能确认。42基因组基准报告逐碱基F1 0.944；猫、仓鼠、鸡和拟南芥的Iso-Seq支持部分RefSeq外位点的转录结构，但不证明蛋白翻译。模型权重和目录已开放。 原文：https://huggingface.co/buckets/HuggingFaceBio/Carbon-A-Technical-Report 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-09/ AI辅助整理。 ER - TY - UNPB TI - Long-WAM: Scaling the Context of World-Action Models UR - https://arxiv.org/abs/2610.10528 DO - 10.48550/arXiv.2610.10528 DA - 2026-10-07 KW - Juju Radar KW - 机器人 KW - 世界动作模型 KW - 补看 KW - 待阅读 N1 - Long-WAM先在机器人和第一视角视频上做自回归预测预训练，再适配动作任务，让长视觉历史服务于未来动作。作者报告RoboCasa GR-1的历史从0增至19.2秒时成功率63.3%增至78.7%；双向预训练底座延长历史无净收益。RTX 5090每段动作约107.4ms和动态叠杯95%均是作者特定条件结果，尚待跨场景独立复测。论文10月7日17:58 UTC提交，超出10月9日期严格窗口，作为近期补看。 原文：https://arxiv.org/abs/2610.10528 代码：https://github.com/NVlabs/LongLive/tree/main/Long-WAM 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-09/ AI辅助整理。 ER - TY - UNPB TI - Embodied Turing Machines: Stateful Code for Robot Recursive Self-Improvement UR - https://arxiv.org/abs/2610.12369 DO - 10.48550/arXiv.2610.12369 DA - 2026-10-08 KW - Juju Radar KW - 机器人 KW - 可执行策略 KW - 补看 KW - 待阅读 N1 - 论文提出Code-Only-as-Policy：编码Agent在离线环境中开发共享代码库，机器人运行时由代码测量与维护显式状态，再由固定规则选动作，无须每步调用VLM/VLA。作者报告RoboDojo 42个双臂仿真任务平均成功率70.24%，最强对照31.38%。然而全部结果在仿真中，程序利用已知相机参数、机器人模型和物体尺寸；真机是否能保持精度与泛化尚未证明。论文2026-10-08 17:29 UTC提交，北京时间10月9日01:29，超出本期严格窗口，作近期补看。 原文：https://arxiv.org/abs/2610.12369 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-10/ AI辅助整理。 ER - TY - UNPB TI - AgentGarten: Code Worlds for Evolving Agents UR - https://arxiv.org/abs/2610.12374 DO - 10.48550/arXiv.2610.12374 DA - 2026-10-08 KW - Juju Radar KW - Agent训练环境 KW - 世界模型 KW - 补看 KW - 待阅读 N1 - AgentGarten将程序化模拟器/游戏引擎管理的持久状态和明确规则，与共享神经渲染器生成的视觉观察分离。Agent只看合成的第一视角画面，每轮结束写playbook供下一轮使用。作者在捉迷藏及四个其他世界展示策略改进；四轮与传统自博弈强化学习千万局的对比不是同口径效率比，后者从随机权重开始，前者已有大规模预训练。官方仓库目前放出神经渲染器训练与推理代码，世界环境及Agent练习循环待发布。论文2026-10-08 17:32 UTC提交，本期作近期补看。 原文：https://arxiv.org/abs/2610.12374 代码：https://github.com/MirroS-Lab/AgentGarten 本期资料页:https://www.asteronline.cn/juju-radar/2026-10-11/ AI辅助整理。 ER - TY - UNPB TI - TokenRouter: Efficient Serving System for Token-Level LLM Routing UR - https://arxiv.org/abs/2610.12242 DO - 10.48550/arXiv.2610.12242 DA - 2026-10-08 KW - Juju Radar KW - 推理基础设施 KW - 模型路由 KW - 补看 KW - 待阅读 N1 - 逐词路由在一个答案中频繁交给不同大小的模型，传统单模型批处理会因交接与同步空转。TokenRouter以route/send/receive接口承接策略，运行时为每个模型设置异步子服务和独立KV缓存，并用延迟聚批降低入队等待。论文在五种路由策略、三类负载和指定Qwen组合上报告相对所选基线2.01–64.15倍解码吞吐；实验依赖8张A100-80G，不应外推到跨云API或普遍省钱。代码已公开。本期补看，首稿10月8日16:21 UTC。 原文：https://arxiv.org/abs/2610.12242 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-12/ AI辅助整理。 ER - TY - UNPB TI - OneSearch-VL: Unified Multimodal Deep Research Agent for Image and Video UR - https://arxiv.org/abs/2610.12419 DO - 10.48550/arXiv.2610.12419 DA - 2026-10-08 KW - Juju Radar KW - 多模态Agent KW - 视觉检索 KW - 补看 KW - 待阅读 N1 - OneSearch-VL把图像区域、视频帧、网页事实和回答所需的比较/计算组成视觉证据图，同一结构用于造题、筛选工具轨迹及训练奖励。作者开源8B权重、数据与训练/推理代码。论文报告在自建多图、视频基准相对可调用工具的Qwen3-VL-8B提升20.2、17.6个百分点；自建基准与在线检索变化限制独立比较。首稿10月8日17:52 UTC，本期补看。 原文：https://arxiv.org/abs/2610.12419 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-12/ AI辅助整理。 ER - TY - UNPB TI - Learn2Play Bench: How Well Do LLM Agents Learn from Experience in Unfamiliar Environments? UR - https://arxiv.org/abs/2610.08215 DO - 10.48550/arXiv.2610.08215 DA - 2026-10-08 KW - Juju Radar KW - Agent评测 KW - 经验学习 KW - 补看 KW - 待阅读 N1 - Learn2Play用20种隐规则文字游戏观察Agent能否凭试错修正认识。在匹配模型的某些比较中，保留原始交互史优于把经验压成规则；GemForge例子显示一次失败被归纳成过宽禁令。不同模型和代理框架结果不一，人类Top-1峰值高，但平均分比较并非人类全面领先。公开仓库仅含20个游戏模板快照，不含人类玩家记录。论文10月6日初稿、10月8日v2，本期补看。 原文：https://arxiv.org/abs/2610.08215 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-12/ AI辅助整理。 ER - TY - JOUR TI - Interpretable AI model reveals spatial codes of cell recruitment in tissues UR - https://www.nature.com/articles/s41551-026-01804-6 DO - 10.1038/s41551-026-01804-6 DA - 2026-10-13 JO - Nature Biomedical Engineering KW - Juju Radar KW - 空间转录组 KW - 肿瘤免疫 KW - 待阅读 N1 - SPACER使用可解释多实例学习，在保留空间位置的基因活动数据中分析局部细胞招募规则。研究覆盖37个人类肿瘤与小鼠心脏空间转录组数据集，局部抗原呈递与T细胞接近有关，肿瘤黏蛋白与阻碍接近的物理屏障、部分癌种免疫治疗反应和预后相关。 新意在于把细胞位置与附近分子信号联结，形成可复查的招募候选；重要度8/10。已读期刊摘要、图注、数据/代码可用性与研究机构原始说明，付费正文未获取；不把观察相关写成临床因果，不引用未展开指标的4—21倍比较。需要在不同癌种和测量条件下复查，并做干预实验。 原文：https://www.nature.com/articles/s41551-026-01804-6 代码：https://github.com/yaober/SPACER 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-14/ AI辅助整理。 ER - TY - JOUR TI - Advancing subseasonal forecasting with machine learning UR - https://www.nature.com/articles/s41586-026-11126-x DO - 10.1038/s41586-026-11126-x DA - 2026-10-14 JO - Nature KW - Juju Radar KW - 天气预测 KW - 概率校准 KW - 待阅读 N1 - PBC对已有物理或AI天气模型的概率分布进行后处理：Debias++校正地点日期分位偏差，Persistence++结合近期观测与气候规律，再约束并合并有效分布。全球1.5度网格的第三第四周评测和2025实时竞赛提供两类证据，原文方法、图注和代码声明已读。 重要度8.4/10。AIFS平均基线约0.03的RPSS翻倍是相对气候基准的概率技能，并非普遍准确率翻倍。MicroDuet是两种校正预测的组合；依赖历史预测和观测，具体地区和时段仍需验证。 原文：https://www.nature.com/articles/s41586-026-11126-x 代码：https://github.com/mouatadid/pbc 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-15/ AI辅助整理。 ER - TY - UNPB TI - GreenWAM: A World Foundation Model for Robotics UR - https://arxiv.org/abs/2610.18774 DO - 10.48550/arXiv.2610.18774 DA - 2026-10-13 KW - Juju Radar KW - 机器人 KW - 世界动作模型 KW - 待阅读 N1 - GreenWAM在Cosmos 3 Edge基础上把20类机器人原生动作映射为79个解剖槽位，缺失关节由有效性掩码排除，统一投影层学习物理对应；视觉预测和动作适配相连。原始PDF43页已提取，重点核对动作表示、随机化场景消融、延迟图和限制；不是全页逐段审读或独立复现。 重要度8.2/10。论文10月13日提交，模型库10月14日07:36 UTC创建、四组真实safetensors评测检查点可列出，本期报道该新建公开工件库；创建时间不证明首次私有转公开时刻，保留检索窗口边界不确定性。保留世界预测模式在随机化场景中改善约8个百分点；每个评测仍需独立后训练，真实仅一台人形机器人和装箱任务。28.3Hz来自RTX4090，不是已验证机载部署，几何变化和长滚动误差仍待解决。 论文：https://arxiv.org/abs/2610.18774 权重：https://huggingface.co/SberRoboticsCenter/GreenWAM 代码：https://github.com/greenvla/GreenWAM 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-15/ AI辅助整理。 ER - TY - UNPB TI - Towards Automating Scientific Review with Google’s Paper Assistant Tool UR - https://arxiv.org/abs/2606.28277 DO - 10.48550/arXiv.2606.28277 DA - 2026-06-26 KW - Juju Radar KW - 论文预审 KW - Agent验证 KW - 待阅读 KW - 技术基础 N1 - 这是10月14日公开Deep Review所引用的6月PAT技术基础，不是新论文或独立补看精选。原始HTML摘要、流程与试点章节可读；PAT给作者提供投稿前批评，与官方录用决定分离。公开Deep Review采用分段、预算、并行验证、全局汇总和外部检查。 当前新服务加入Argon，旧论文的SPOT实验与作者反馈不能直接当新版本独立检错准确率。模型批评可能误报漏报，不替代形式化证明或专家评审。上传保留一年是当前服务条款，不能沿用旧试点及时删除政策。 原文：https://arxiv.org/abs/2606.28277 新服务公告：https://research.google/blog/analyzing-technical-documents-with-deep-review/ 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-15/ AI辅助整理。 ER -