VOL. 2026-10-23 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-10-23 · PUBLISHED · 约 9 分钟
NVIDIA 当日动作最为集中：开源面向第一人称视频单目 3D 手部…
NVIDIA 当日动作最为集中：开源面向第一人称视频单目 3D 手部重建的 EgoHand 模型，发布 Nemotron 3.5 Super VL 120B 全精度视觉语言模型，并宣布支持八节点 DGX Spark 集群、将统一内存扩展至 1TB，可本地运行前沿级模型。模型开源与量化适配同步推进，腾讯开源统一目标级与像素级视觉感知的 WeVisOne-VL，KindlingAI 则发布 GLM-5.3 的三档量化权重。研究侧聚焦表征与推理可靠性，包括可微信念函数层、多模态表征用于因果中介分析的充分性研究，以及 Mundo 世界模型和 ALTK-Evolve 的记忆式智能体优化方法。产品与平台层面，Dify v1.18.0 增强 Agent 路由与嵌套工作流可视化，AWS 推出 SageMaker 训练会话 API，将抽象层下移到计算。
今日看点
5 个章节 · 12 条情报- 01模型发布NVIDIA 开源 EgoHand：第一人称视频单目 3D 手部重建模型4
- 02研究进展可微信念函数层：用Yager组合规则构建深度证据神经网络4
- 03产品发布Dify v1.18.0：Agent 路由、可移植应用与嵌套工作流可视化2
- 04开源项目KindlingAI 发布 GLM-5.3 exlr8 三档量化权重1
- 05API 与平台更新AWS 推出 SageMaker 训练会话 API：自写训练循环免管 GPU1
模型发布
MODEL RELEASE4 篇NVIDIA 开源 EgoHand：第一人称视频单目 3D 手部重建模型
NVIDIA 提出 EgoHand，一个面向第一人称视频的单目 3D 手部重建模型，使用 1400 万张图像（合成数据、野外视频、多相机动作捕捉）训练，采用 SOMA-Hand 参数化表示和 transformer 编码器，并引入相机线索与辅助 2D 分支。在 HOT3D、ARCTIC、H2O 上的零样本评测显示其关节位置、根平移和加速度误差低于对比基线，推理延迟约 9.01 ms，用户偏好研究也优于 Apple EgoDex 和 Ropedia Xperience-10M。模型与源码以 OpenMDW 许可开源，允许免费商用。
NVIDIA 发布 Nemotron 3.5 Super VL 120B 全精度视觉语言模型
NVIDIA 在 Hugging Face 发布 Nemotron 3.5 Super VL 的 BF16 全精度版本，这是一个面向推理、编码、工具调用、文档与视频理解的视觉语言模型。模型采用 Mamba-2、MoE 与注意力混合架构，总参数 120B、激活参数 12B，支持最长 1M token 上下文，并可通过 MTP 实现原生投机解码。该版本面向定制化、领域适配与全精度评测，采用 OpenMDW-1.1 许可，可商用。
腾讯开源 WeVisOne-VL：统一目标级与像素级视觉感知
腾讯（微信团队）发布 WeVisOne-VL（WeChat Vision All-in-One），一个通过结构化下一 token 预测统一目标级与像素级视觉感知的视觉语言模型。该模型借助特殊 <OBJ> token 将轻量像素解码器接入 VLM，支持检测、指代定位、计数、OCR、分割与抠图等任务，并采用三阶段课程式 SFT 加混合任务 RL 训练。在 30 多个基准上，该模型在目标级与像素级任务均取得领先表现，并保持对目标缺失查询的稳健拒绝能力，模型与代码已开源。
Futurix-AI 发布 26.1B 决策分类模型 FxAI Decision Model
Futurix-AI 在 Hugging Face 发布 FxAI Decision Model，这是一个基于 perplexity-ai/pplx-decider-v1.1-27b（其上游为 Qwen3.8-27B）微调而来的决策分类模型，参数量 26.1B，以 FP8 权重存储，并附带 Futurix Decision SDK。该模型可在给定状态、问题和最多 255 个候选选项时输出校准后的选项概率分布，面向路由、意图分类、工具选择等场景；其 bf16 版本在 Decision Index 0.3 公开测试集上得分为 62.26，FP8 权重在 4000 条抽样请求上与 bf16 精度一致。
研究进展
RESEARCH4 篇可微信念函数层：用Yager组合规则构建深度证据神经网络
该论文提出一种可微的信念函数层，将Yager 1987年的组合规则用于深度证据神经网络（MP-ENN），使网络中每一层质量函数均为合法的Dempster–Shafer质量函数。作者指出Dempster规则中的归一化项在证据冲突时会导致梯度发散，而Yager规则是双线性的、梯度有界，因此更适合反向传播。实验显示该网络仅用硬标签训练，却能在视觉（CIFAR-10H）和语言两种模态上对人类分歧进行排序，其输出中的无知集质量可作为“我不知道”信号，并在分布外检测上具有竞争力。
重建不足够：基于学习多模态表征的双稳健反事实与干预中介分析
该论文研究多模态健康记录的学习表征用于因果中介分析时的充分性问题。作者证明，仅依赖协变量的训练目标（重建、对比或物理约束）无法保证表征足以识别因果效应，且表征可损失极小重建精度却引入任意大偏差。他们提出结合模态特定VAE、交叉拟合双稳健估计器及表征不足诊断的工作流程，模拟中预测性诊断在100%重复中标记出丢弃罕见混杂因子的表征问题。
Mundo：从看见一个地方到模拟那里发生的事
Hugging Face 博客介绍 Mundo 世界模型：用户拍摄几张房间照片后，Mundo 将其重建为可探索、可编辑、可模拟的 3D 世界。它用 3D 包围盒构建场景代理，由 VLM 智能体通过分析-合成循环修正物体位置，并用 MuJoCo 模拟物理运动、视频模型渲染结果。该工作展示了智能体视觉推理在场景重建与机器人任务模拟中的应用。
ALTK-Evolve：用学习记忆让非前沿模型登顶τ²-bench客服榜
Hugging Face 博客介绍 ALTK-Evolve 方法：用 GPT-4.1 分析客服智能体在 τ²-bench 训练任务上的成功与失败轨迹，自动提炼行为规则并追加到系统提示中，无需更新模型权重或人工标注。在零售领域，该方法使 GPT-4.1 智能体的 Pass^4 从 57.5% 提升至 67.5%，超过榜单上所有零售条目；航空领域 Pass^4 从 35.0% 提升至 40.0%。这表明通过“学习记忆”式提示增强，非前沿模型也能在客服任务上取得领先表现。
产品发布
PRODUCT RELEASE2 篇Dify v1.18.0：Agent 路由、可移植应用与嵌套工作流可视化
Dify 发布 v1.18.0，新增 Agent 输出路由功能，让 Agent 根据条件选择工作流分支；支持以 .ifpkg 单包迁移应用及其关联资源；工作流运行历史可下钻查看嵌套 Workflow Tool 的子步骤；并推出 Beta 版 Agent 知识库。此外提供 OpenAPI 与 difyctl 命令行工具管理应用。升级需同步更新 Agent 组件、配置沙箱令牌并保留密码哈希配置。
NVIDIA 支持八节点 DGX Spark 集群，统一内存达 1TB
NVIDIA 在 GTC Berlin 宣布正式支持八节点 DGX Spark 集群，将统一内存扩展至 1TB，可本地运行前沿级模型，包括 Z.ai 的完整 GLM 5.3（753B）。NVIDIA Sync 的 Cluster Assistant 负责集群设置与设备管理，八节点支持将于年底推出。基准测试显示，八节点集群上 GLM 5.3 Flash 生成速度约 80 tokens/s，Qwen3.8-27B 解码吞吐从单节点约 12 TPS 提升至八节点 52 TPS。
开源项目
OPEN SOURCE1 篇KindlingAI 发布 GLM-5.3 exlr8 三档量化权重
KindlingAI 在 Hugging Face 发布了 GLM-5.3 的 exlr8 量化版本（K2/K3/K4 三档位宽），基于 744B MoE 的 GLM-5.3-BF16 构建，面向 NVIDIA GB10 统一内存设备、以 TP=3-7 张量并行方式部署。该格式复用 EXL3 的 trellis 编码，但引入 FP8 E4M3 舍入码本、按专家半区在加载时选择位宽、共享激活旋转以及 MoE/TP 原生分片布局，并配套 gr8、exlr8 等推理引擎。
API 与平台更新
API UPDATE1 篇AWS 推出 SageMaker 训练会话 API：自写训练循环免管 GPU
AWS 在 Amazon SageMaker AI 的无服务器模型定制中推出训练会话 API，将抽象层从算法下移到计算，开发者可用 forward_backward()、optim_step()、sample() 等 API 自行编写 SFT、偏好优化或强化学习训练循环，而 GPU 分配、分布式执行、梯度同步与故障恢复由 SageMaker 托管。该服务按处理的 token 计费，并配套发布包含 SFT 与 RL 示例的 cookbook。