潜世界模型“耳朵聋了”？ActSWM一招修复，Minecraft规划成功率飙升90%
潜世界模型能预测未来帧，却可能对动作指令“假装没听见”——这不是开玩笑，论文首次定义了这个叫“上下文坍塌”的致命缺陷。ActSWM只用两个干净约束（动作对比铰链损失+冻结读取器）就让Minecraft石料挖掘成功率从50%飙到95%，还能从GTA视频里反向恢复按键。问题实在、方案漂亮、实验扎实，值得所有做模型预测控制的朋友认真读一读。
标签：Agent
共 147 篇最新基准测试：最强AI模型看手册干活，通过率仅36.2%！
如果你负责AI在企业中的部署，这个基准是你必须知道的——它直接捅穿了当前智能体在面对几十页公司手册时的无力现状。结果虽然难看，但清晰暴露了需要改进的方向：长上下文指令遵循远未到可用水平。
告别写代码调参数，量子计算实验自动化时代来了？
量子计算硬件越来越容易获取，但从理论论文到实际硬件运行，中间依然隔着巨大的工程鸿沟。PASQAL团队用AI智能体搭建了一座自动化桥梁，让一篇论文或专利在一夜之间变成QPU实验。更震撼的是，他们用AI扫描了633篇Rydberg阵列论文，发现近一半可以直接在现有量子处理器上执行。虽然是智能体，但专家把关依然不可替代——选错观测量的案例让人警醒。值得所有关注量子
VPW代码世界模型：比代码基线高23.5%，接触操作从0到96%
如何让机器人学会像人一样理解物理世界？港浸大团队提出了VisualPatchWorld，它不依赖人工搭建的物理引擎，而是从几个专家轨迹中自动学习可执行的代码级世界模型。这种方法既保留了神经模型的自动化能力，又让模型变得清晰可见、可编辑。
别再轻信世界模型了！700个脚本揭示AI模拟的致命缺陷
当智能体依赖世界模型来预判行动后果时，这个"预言家"可能会被恶意操纵。柏林工业大学的最新研究揭示了世界模型的七类安全漏洞，攻击成功率高达95%！本文系统剖析漏洞根源，并给出实用防御建议——AI安全领域必读。
NVIDIA新作Agentic RL框架Molt：代码量锐减至9K，吞吐量持平Megatron
NVIDIA开源了Molt，一个专为智能体强化学习（Agentic RL）设计的PyTorch原生训练框架。代码量仅约8600行，却能在吞吐量上与业界顶级的Megatron堆栈掰手腕。对于天天改算法的研究者来说，这简直是福音，终于不用在层层抽象和复杂配置里找东西南北了。
NVIDIA开源Molt：8.6K行代码驯服700B MoE强化学习
给大模型训练强化学习，框架代码动辄数万行，改个奖励函数得绕三天。NVIDIA最新开源Molt，核心RL代码仅8.6K行，但能流畅训练700B规模的MoE模型，性能还跟Megatron-based框架平起平坐。这框架到底有啥魔力？值不值得你的团队迁移？咱们今天就来扒一扒。
多伦多大学新基准：AI在复杂任务中准确率暴跌33%，上下文管理是致命短板
最近大家都在追怎么让AI“长记忆”，但你有没想过：就算记忆再长，记错关键计算的中间结果、或者被无关干扰冲昏头脑，照样白搭？多伦多大学联合Vector Institute的新工作ArbiGraph，就用一套可验证的任务图，精准拷打了语言代理在复杂流程中的“上下文管理”能力。结果有点扎心：Qwen3.5-27B单做一题数学题94.5%正确，但放进带分支的依赖链里
女王大学新突破：Agent带路，让AI学会看懂肿瘤切缘，零人工标注
手术台上，医生切开肿瘤时最怕什么？切不干净或切太多。加拿大女王大学的团队最新研究，让AI助手学会了“看懂”组织切下来的烟雾——质谱数据，就能在手术中实时判断切缘是否干净。而且，AI不再是个黑盒子，它能用“概念”解释自己的判断依据，就像老医生带徒弟一样。最酷的是，这些概念是AI自己发现的，完全不需要专家花时间打标签。
72B参数大模型当导师，无需人工标注，概念学习零门槛
手术台上，医生盯着质谱仪实时反馈的代谢数据，问AI“为什么判断这里是肿瘤？”——以前只能得到一个黑盒概率。现在皇后大学团队让AI学会自己发现代谢概念，甚至能用知识图谱解释“看到了异常的氨基酸信号”。关键是不需要人工标注概念，这招解决了质谱分析的一大痛点。方法新、实验实、还给出术中案例，值得关注。
告别离散判分：连续概率评分让LLM验证准确率提升至86.5%，零微调超越专用模型
验证是AI的隐藏瓶颈！斯坦福伯克利这篇最新论文，提出LLM-as-a-Verifier，用连续评分取代离散判分，并沿三个维度缩放验证能力。无需训练就在代码、机器人、医学四基准拿下SOTA，GitHub已获近600星。想了解如何让Agent更可靠？这篇值得细读。
这篇论文把智能体拉回工程：契约、护栏、审计全补上
智能体这波最热闹的地方，不是“会不会做题”，而是“能不能放心交活”。这篇论文直接把话挑明：没有契约、护栏、审计和责任边界，智能体再聪明也只是实验室里的热闹。
