跳到正文
  1. arXiv · 机器人与计算机视觉82

    NVIDIA 发布 OmniDreams:面向自动驾驶闭环仿真的实时生成式世界模型

    NVIDIA 发布 OmniDreams,这是一个基于 Cosmos 扩散模型中后训练的实时生成式世界模型,旨在解决长尾场景下自动驾驶策略安全评估的瓶颈。该模型通过自回归方式根据过去帧、当前仿真状态及即时驾驶动作生成逼真的传感器视频,能合成极端天气和不可预测的动态行为等难以捕捉的现象。

    推荐理由:NVIDIA 推出 OmniDreams,利用 Cosmos 扩散模型基座实现实时闭环生成,支持极端场景与动态交互,并展示在 NuRec 数据集上优于 Alpamayo 1.5 的预训练策略性能。

  1. arXiv · 机器人与计算机视觉78

    SHRED:无需专家演示的异质道路用户自博弈框架

    该论文提出了 SHRED 框架,通过大规模异质性自博弈联合训练车辆、行人和骑行者,无需依赖人类驾驶演示或轨迹回放。实验显示,该方法在 Waymo Open Sim Agents Challenge 中优于无演示基线及参考策略方法,且在 nuPlan 地图几何零样本评估下保持真实感;在交互密集的 InterPlan 基准上规划性能全面领先。消融研究表明自博弈中的异质性显著提升了交通真实性和规划效果。

    推荐理由:提出无需专家演示的异质交通参与者自博弈框架,在仿真挑战中优于基线并提升规划性能。

  1. Hugging Face Daily Papers82

    MiMo-V2.6:扩展强化学习迈向自我改进

    该报告由小米 LLM-Core 团队发布,介绍了 MiMo-V2.6 系列全模态模型,旨在通过扩展强化学习(RL)计算规模推动大模型智能边界。在预训练混合-SWA 架构基础上,报告详细阐述了三个维度的 RL 扩展策略:更大批次与吞吐量、涵盖代码/通用/视觉/网络域的复杂环境以及更强大的评估器计算。

    推荐理由:报告介绍了 MiMo-V2.6 系列,通过扩展 RL 计算规模、引入混合任务代理 RL 基础设施及开源训练动态,推动大模型向自我改进迈进。

  1. Hugging Face Daily Papers83

    基座模型可通过从训练数据获取线索进行推理

    该研究探讨了训练数据如何在基座模型的响应起始 token 与后续推理行为之间建立关联。实验表明,固定特定的起始 token 线索(如'. Okay'或'Alright,')可使基座模型在数学和代码任务上的表现接近强化学习(RL)微调版本。

    推荐理由:原文揭示了训练数据中的特定起始 token 可作为推理触发器,通过因果干预验证了其对数学、代码及模型安全行为的控制作用。

  2. arXiv · 机器人与计算机视觉78

    面向安全规格的场景组合统计模型检查方法

    针对自动驾驶等关键领域需评估大量复合环境条件的挑战,本文提出一种基于场景的组合统计模型检查(SMC)框架。该方法将复合场景分解为基元、规格分解为子规格,独立验证各基元后利用重要性采样和核密度估计组合统计结果。实证表明该框架能准确回答未见过的复合场景查询,并通过并行化和轨迹重用降低仿真成本。材料为 arXiv 预印本,已接受至 RV 2026 会议。

    推荐理由:提出基于场景的组合统计模型检查框架,通过分解与重用轨迹降低仿真成本。

  1. Hugging Face Daily Papers82

    结构化 MoE 专家选择以适配智能体强化学习

    该研究针对长程 LLM 智能体常用稀疏混合专家(MoE)模型但行为与结构协同设计不足的问题,发现专家路由在语义相似操作间存在重叠特性。作者提出分层路由控制框架,鼓励轮次级专家选择对齐智能体操作并正则化 token 级选择以维持局部一致性,同时引入熵门控机制解决后训练稳定性问题。

    推荐理由:原文提出分层路由控制框架,解决智能体强化学习中 MoE 专家选择与轨迹结构不匹配问题,在基准测试中成功率提升超 10 个百分点。

  1. Hugging Face Daily Papers78

    CUAWright:面向数字代理的最小统一接口

    CUAWright 是一种仅约 3K 行代码的极简终端接口工具,利用 bash 命令作为唯一操作界面,文件系统作为动态演化空间以构建工具和上下文管理。实验显示,相比 GPT-5.5 基线及 GUI 原生接口,该方案在 OSWorld 2.0、Online-Mind2Web、Odysseys 等基准任务中显著提升成功率并降低估算成本,同时在 CAD 应用中也展现出更强的视觉理解与交互能力。

    推荐理由:CUAWright 提出最小化终端接口方案,在数字任务与 CAD 应用中显著优于 GUI 及混合接口。

  1. Hugging Face Daily Papers78

    Inherit-MAS:基于工作流与执行继承的多智能体系统测试时演化方法

    论文介绍 Inherit-MAS 框架,利用生物进化中的继承与选择原理,在多智能体系统中显式实现工作流与执行的继承机制。该方法通过元模型合成带角色声明的工作流,并由独立评估器诊断缺陷;在常规优化轮次中继承最新候选人的工作流并剔除无用节点,同时仅在请求与执行上下文完全匹配时复用历史结果以避免冗余计算。

    推荐理由:该工作提出通过工作流与执行继承机制优化多智能体系统,在保持性能的同时显著降低计算开销。

  2. Hugging Face Daily Papers78

    基于选择的结构化推理:迈向高效的多模态搜索智能体

    针对小模型在多模态搜索任务中因自由生成推理导致的高延迟与低效问题,本文提出了一种基于选择的结构化推理(SSR)框架。该框架将高层推理重构为预定义的、可复用的自然语言候选集,模型在每个步骤仅根据当前上下文从这些候选集中进行选择,无需辅助任务头。

    推荐理由:该框架将推理重构为候选选择,利用共享 KV Cache 并行评分,在保持任务性能的同时显著降低多模态搜索代理的推理延迟。

  1. Hugging Face Daily Papers78

    Mara Chain:重思失败为 AI 系统自动进化的垫脚石

    该论文提出 Mara Chain,一种将优化过程中被丢弃的候选方案转化为后续迭代基石的新方法。现有 propose-evaluate-select 流程常因直接丢弃不合格候选而导致重复探索相同失效模式;Mara Chain 则保留并利用先前尝试积累的证据对拒绝项进行迭代精炼,同时限制链长并应用 Pareto-filtered Top-N 选择以控制候选池规模。

    推荐理由:该工作提出 Mara Chain,将优化中被丢弃的候选方案转化为后续迭代的基石,在 AppWorld、TerminalBench 2.1 和 MuSiQue 等基准上显著提升了任务性能并减少了采样次数。

  1. Google DeepMind65

    Google DeepMind 发布全球气象 AI 模型 WeatherNext 3

    Google DeepMind 发布旗舰级气象模型 WeatherNext 3,该模型直接学习实时卫星观测数据而非数值模式,实现每小时更新与最高 5 公里分辨率,降水预测精度较基线提升显著。系统已集成至 Search、Gemini、Maps 等产品,提供清洁能源变量预测及全球高分辨率气象图,支持研究人员通过 BigQuery 和 Earth Engine 查询数据。

    推荐理由:DeepMind 发布 WeatherNext 3,利用实时卫星数据实现每小时更新与 5 公里分辨率,显著提升降水预测精度并支持清洁能源变量。

  1. 文远知行 · Newsroom80

    文远知行发布物理 AI 认知基础模型 WeRide WITT

    文远知行正式发布物理 AI 认知基础模型 WeRide WITT(World Intelligence Toward Truth),该模型基于原子物理事实(APFs)框架,通过提取、推理、验证和整理可信事实来构建对物理世界的理解。

    推荐理由:文远知行发布基于原子物理事实的认知基础模型 WITT,通过提取、推理与验证可信事实来降低幻觉并提升长尾场景挖掘效率。

  1. 文远知行 · Newsroom65

    文远知行 WeRide GENESIS 荣获“年度生成式 AI 平台奖”

    文远知行宣布其专有世界模型 WeRide GENESIS 在 2026 AI Breakthrough Awards 上获颁“年度整体生成式 AI 解决方案”,此前该模型刚在 ATTI 奖项中赢得仿真创新奖。

    推荐理由:WeRide GENESIS 凭借生成式 AI 与物理仿真能力获两项大奖,验证了其在加速自动驾驶开发、训练及部署方面的价值。

  1. NVIDIA Blog · Physical AI80

    NVIDIA 发布物理 AI Agent Skills 赋能自动驾驶与机器人研究

    NVIDIA 在 CVPR 发布物理 AI Agent Skills,旨在解决物理 AI 研究中场景重建、合成数据生成及策略评估等碎片化问题。核心包括支持车队数据重建的 Neural Reconstruction 技能、加速 3D 高斯场景生成的 InstantNuRec、用于闭环强化学习的 AlpaGym 框架以及能实时响应策略动作的 Cosmos-Dreams 世界模型。

    推荐理由:NVIDIA 在 CVPR 发布物理 AI Agent Skills,提供场景重建、合成数据生成及闭环强化学习工作流工具。

  2. NVIDIA Blog · Physical AI75

    NVIDIA 与微软联合发布 Cosmos 3 等物理 AI 模型及 RTX Spark 新硬件

    NVIDIA 与微软在 Microsoft Build 2026 上宣布合作推出面向智能体的统一技术栈,包括专为 Windows 打造的 RTX Spark 笔记本和 DGX Station 工作站。

    推荐理由:NVIDIA 与微软联合发布 Cosmos 3 等物理 AI 开源模型及 RTX Spark 等新硬件,提供从端侧到云端的统一 Agent 部署栈。

  1. Google DeepMind72

    Gemini 3.5:前沿智能与行动能力的结合

    Google DeepMind 发布 Gemini 3.5 Flash 模型,该模型在终端基准、代码生成及多模态理解任务上表现优异,推理速度达到其他前沿模型的 4 倍。作为首个面向公众的 3.5 版本,它默认用于全球用户的 Gemini App 和搜索 AI 模式,并驱动了个人智能体 Spark 等功能的上线。DeepMind 同时表示正在内部使用 Gemini 3.5 Pro,计划于下月推出。

    推荐理由:DeepMind 发布 Gemini 3.5 Flash,在保持高推理速度的同时提升多模态理解与长程任务执行能力,并默认用于个人智能体 Spark。

  1. Google DeepMind70

    Decoupled DiLoCo:一种面向全球分布数据中心的弹性分布式 AI 训练新架构

    Google DeepMind 发布 Decoupled DiLoCo(Distributed Low-Communication)架构,旨在解决未来超大规模模型训练中维持数千芯片同步的物流挑战。

    推荐理由:DeepMind 推出 Decoupled DiLoCo 架构,支持在低带宽和异构硬件下训练大模型,显著提升分布式训练的容错性与效率。