AI 编程实时动态与要闻

针对多模态大模型普遍依赖纯文本监督而欠缺像素级细粒度空间定位能力的瓶颈，小米 AI 实验室（Xiaomi AI Lab）发表技术报告 Xiaomi-Lens-0（arXiv:2610.23279）。该模型基于 Qwen3.5 4B 打造，通过轻量级掩码解码器将视觉编码器 Patch 特征、隐层表征与掩码 Token 状态深度融合，在 RefCOCO/RefCOCO+/RefCOCOg 目标表达理解（REC 达 94.6%/92.1%/92.5%）与表达语义分割（RES cIoU 达 83.4%/79.9%/81.1%）上全面超越 Florence-2 与 LISA，同时保持 69.7% 的通用多模态感知高分。

查看大图

当前 Deep Research 智能体评测大多局限于学术科研与合成问答，难以反映真实日常决策与复杂工作流。腾讯混元团队推出 LifeSearch 基准，涵盖 7 大生活生产力领域的 203 个中英文真实任务，投入逾 4500 小时专家标注提炼 4000+ 条细粒度评分规则。实测 12 款主流深度研究智能体显示，顶尖模型最高仅获 63.4% 分数，暴露长程网页搜索、多源冲突时间线融合等关键短板。

查看大图

近期推动大模型工具调用能力后训练（Post-Training）的研究大多局限于可执行环境的孤立合成（如 Agent-World）。然而，环境只是由“环境、任务、智能体外壳（Harness）与评估器”构成的完整智能体交互系统中的单一组件，孤立扩展环境无法产生可靠且协调的强化学习训练信号。复旦大学邱锡鹏团队联合多家机构提出了全系统自进化后训练体系 WEFT（Whole-system Evolution For Tool-use Post-training，arXiv:2609.36887）：框架在环境广度、任务复杂性与交互多样性三层维度联合构建交互生态；通过执行驱动的自进化（Execution-driven self-evolution）解析交互轨迹与环境状态证据，对失效根因组件进行定点定向修订并生成全新 Rollout 迭代进化；针对后训练阶段的大规模并发不稳定性，WEFT 创新设计了保留前缀的动态采样、原子交互轮次信用分配，并打造了基于模型上下文协议的 MegaMCP 运行时，在共享工具服务上保障完全隔离且可恢复的会话状态。评测显示，WEFT-14B 在 BFCL V4、tau^2-Bench 和 Claw-Eval 上全面超越同等规模基线，相较 Agent-World-14B 提升高达 6.41、2.23 和 12.27 个百分点，并在 Toolathlon-Verified 等长程复杂工作流上展现出极强的工业级工具调用泛化力。

查看大图

随着强化学习（RL）将基础大语言模型淬炼为各自在数学解题、代码生成或复杂指令遵循上登峰造极的“单项专家”，产业界迫切需要将多个垂直专家的能力融合为同一个全能学生模型。多教师同策略自蒸馏（MOPD）通过为各领域的 Prompt 动态分派专属专家教师提供逐 Token 监督，然而实证揭示了严重的“多师融合退化”：在 Qwen3.5 三大尺寸模型上，学生模型往往被指令遵循教师所主导，数学专家的高阶推理红利被严重稀释淹没。南洋理工大学与清华大学团队在论文《Beyond Teacher Assignment》（arXiv:2609.35347，社区近 180 赞）中揭露了深层机理：指令遵循的梯度反馈离散度（Spread）数倍于数学反馈，在更新中形成不公平垄断。团队提出领域归一化多教师蒸馏（DN-MOPD），依据各领域的实测散度自适应缩放反馈权重，在 6 大基准测试中全面压制传统 MOPD，成功夺回失落的超强数学逻辑能力。

查看大图

大语言模型智能体在多步决策场景中展现出强大潜力，但一旦迁移至未知新环境，表现往往出现灾难性滑坡。传统世界模型方法尝试让智能体学习预测未来观测，但额外训练成本沉重且预测误差在长程规划中极易级联放大。研究表明，大模型在海量预训练中早已内化了数字环境的基本因果逻辑，核心瓶颈在于现有的后训练（Post-Training）范式在每个访问状态下仅提供单一目标监督，诱导策略模型盲目依赖表面上下文捷径而非底层因果。来自中科大、华东师大等机构的研究团队提出了 EVOKE 后训练方法：在保持环境状态与交互历史完全固定的前提下，对替代目标下的候选动作重新排序。这一机制倒逼模型必须激活内置世界模型以判断动作因果，从而在无需额外世界模型架构的情况下，实现了跨未知环境的高效泛化与数据利用效率跃升。

查看大图

Unsloth 于 2026-09-28 发布 v0.1.900-beta（PyPI unsloth 2026.9.12）：Desktop 可本地运行 Laya 等 Decision 模型（Jev 兼容 /v1/systemone），新增 Skills 创建/编辑/删除与 Library 文档查看器（PDF/Word/Excel/PPT）；Apple Silicon 侧补齐批服务、结构化输出与 TurboQuant KV；图像/视频管线宣称 LTX-2.3 片段约 4.5×、VAE 解码 1.7–6.3×，MiniMax-H3 首渲最高快约 1 分钟且峰值显存降 25–29 GiB。

查看大图

纽约大学（NYU）联合 Google DeepMind 杰出科学家 Rémi Munos 等在 Hugging Face 与 ArXiv 正式公开了《Learning to Discover Interesting Mathematics》（arXiv: 2609.28603）。随着大语言模型在形式化数学证明（Lean 4、Mathlib）中展现出强悍的求解能力，AI 已经能够轻易生成成千上万个冷僻枯燥的平凡定理，但大模型究竟能否自主识别出“真正有学术价值且有趣的数学新知”始终未解。团队首创以“证明长度与命题表述长度之比”作为定理内在趣味性的量化指标，并训练了 27B 参数的证明难度预测模型，使系统能够在无人预设目标的情况下，自主猜想、筛选高价值定理并自我扩建形式化数学知识库。

查看大图