Lumma-Fev-27B 决策模型发布，准确率超越 TypeSafe Jev
Hugging Face Blog 发布 Lumma-Fev-27B，这是 Lumma-Fev 决策模型家族中最大的新成员，基于 Qwen3.8-27B 全权重训练约 10 万条决策样本，支持英语及印地语、泰米尔语、卡纳达语。在 4,454 条留出决策上准确率达 90.7%，高于 TypeSafe Jev 的 83.9%，校准误差也更低（0.009 对 0.
数据与训练
技术方向 · 训练侧的门道：数据集构建、合成数据、预训练与后训练方法 · 共 926 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
10月15日周四 · 2 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
Agent-Reflex：教语言智能体进行反思性行动
中国人民大学 RUC-NLPIR 团队提出 Agent-Reflex 训练框架，旨在让语言智能体在噪声工具反馈和用户干预下具备主动反思能力。该框架包含三个阶段：环境反思技能发现（RSD）向 557 个 MCP 环境注入真实工具故障并挖掘 1,170 条反思元技能；反思监督微调（ReSFT）将技能转化为自反思、恢复和用户纠正的监督数据；在线策略反思策略优化（O
10月14日周三 · 7 条
正文结构化主题已通过公开置信门槛
Hugging Face 发布 UltraBERT 编码器系列，兼顾分类与检索
Hugging Face 发布 UltraBERT 系列英文编码器（150M 和 380M），原生支持 32K 上下文，并推出基于其构建的 UltraBERT-Embed-150M 嵌入模型，全部采用 Apache 2.0 许可。研究通过超过 70 万亿 token 的训练实验发现，编码器在 1-2T token 后性能饱和，且低掩码率利于分类、高掩码率利于
正文结构化主题已通过公开置信门槛
Vela：以用户行为作为监督激发大模型智能
该论文提出 Vela 框架，将真实用户行为数据转化为可训练任务与轨迹，用于监督大模型训练。作者从 10 万名用户的匿名行为记录中生成覆盖 91 个真实任务模板的 10 万个任务，经难度过滤与轨迹筛选后保留约 7.5 万个训练样本。在 Qwen3.6-35B-A3B 上微调后，用户相关任务最高提升 11.5 分，通用基准平均提升 4 分，且微调后强化学习比从基
正文结构化主题已通过公开置信门槛
Pristine Models：预训练阶段分离安全与不安全概念
该论文提出 Pristine Models，一种文本到图像生成架构，通过在预训练阶段将安全与不安全概念知识分离到独立参数化的注意力分支中，从而在推理时可直接移除不安全分支。在 ImageNet 和 CC12M 上的实验表明，该方法在减少不安全内容生成的同时，比仅用安全数据训练或事后概念移除方法保留了更高的图像质量和文本对齐度。
正文结构化主题已通过公开置信门槛
理解与缓解大规模推荐系统训练不稳定：级联视角
该论文针对大规模短视频推荐系统在动态工业环境中的训练不稳定问题，提出并验证了「G-W-L 级联」框架：训练发散通常从梯度爆炸开始，传播为权重爆炸，最终导致损失爆炸。作者将缓解手段按级联阶段映射为梯度控制、权重/激活稳定和损失塑形三类，并在某大型工业短视频推荐系统上进行了实证验证，表明该结构化方法能提升训练稳定性与最终性能。
正文结构化主题已通过公开置信门槛
OpenMobile-2：开放环境与工具打造通用移动智能体
研究团队发布 OpenMobile-2，一个开放训练环境与配方齐备的移动智能体。其构建了 MobileGym++ 模拟环境，包含 35 个高保真商业风格应用，并与 Android 模拟器应用合计覆盖超 110 个应用；同时开源近 1.2 万条交互轨迹和超 2000 个可验证强化学习任务。该智能体在 AndroidWorld 达 79.9、MobileWorl
正文结构化主题已通过公开置信门槛
Google DeepMind 与新加坡政府推出端侧 AI 反诈骗工具
Google DeepMind 与新加坡政府合作推出一款 AI 反诈骗工具，采用两阶段架构：先用轻量分类器筛查入站消息，再用微调后的 Gemma 模型结合对话上下文确认威胁或排除误报。该工具在 GovTech 管理的 GCP 主权沙盒中完成微调，训练数据不含公民个人数据，仅使用匿名化诈骗报告与情报数据。项目在新加坡国际网络周（SICW 2026）上展示，旨在
正文结构化主题已通过公开置信门槛
Dyna-2：具备小时级自主性的通用物理智能体
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍了 Dyna-2 世界动作模型及其后续物理机器人智能体 Dyna-2.1。Dyna-2 基于超过一百万小时人类视频预训练，结合未来视频预测与机器人动作生成，并声称在人类数据上呈现跨四个数量级的新缩放规律。Dyna-2.1 在餐厅折餐巾任务中实现 24
10月13日周二 · 6 条
正文结构化主题已通过公开置信门槛
NVIDIA 将 Run:ai 平台开源，纳入 DSX AI Factory
NVIDIA 将完整的 Run:ai 平台开源，作为 NVIDIA DSX AI Factory 平台的一部分，让客户、开发者和生态伙伴获得生产级 AI 工作负载与 GPU 编排能力。开源内容包括完整平台及四个可独立采用的组件：KAI Scheduler、GPU Fractioning Operator、KAI Resource Management 和 W
正文结构化主题已通过公开置信门槛
ms-swift v4.6.0 发布：新增 JEV 决策任务与多款模型支持
魔搭 ms-swift 发布 v4.6.0，新增 JEV 风格的 decision 任务类型，模型可在单次前向传播中对固定选项集输出校准概率，并为 JEV-27B-VL、Clef、OmniJev 三个决策模型提供训练、推理与 LoRA 合并导出的现成配方。同时新增 MiniCPM5、MiniCPM-V-4.7、GLM-5.3-Flash、DeepSeek-V
正文结构化主题已通过公开置信门槛
AI实验室从倒闭初创企业购买数据训练模型
随着AI训练实验室触及公开和合成数据集的极限，一个新兴市场正在形成：SimpleClosure、Sunset等公司帮助倒闭的初创企业出售其代码、Slack聊天记录、邮件等数据给AI实验室。SimpleClosure的Asset Hub平台已处理超150笔交易，预计到2026年底向初创企业返还超1000万美元。Google在Spirit Airlines破产案
正文结构化主题已通过公开置信门槛
多流注意力残差：面向大模型预训练的新残差架构
该论文提出 Multi-Stream Attention Residuals（MSAR），将 Attention Residuals（AttnRes）沿网络深度轴的单流 softmax 注意力扩展为多头深度注意力。MSAR 通过多尺度因果卷积从序列上下文中获取流多样性，并用轻量自适应混合生成单流层输入，无需持久的多流存储或通信。在 18B 和 28B MoE
正文结构化主题已通过公开置信门槛
面向长时程终端智能体的规模化智能体数据
该论文提出 TerminalHorizon，一个面向长时程终端智能体的全自动数据合成引擎，通过独立执行识别环境构建中被省略的关键工作，并据此重建环境，同时在同一目标下逐步扩展任务以延续智能体行为模式。研究构建了 1.5K 任务环境，并对 Qwen3.5-27B 进行监督微调得到 TerminalHorizon-27B，在涵盖编码智能体、真实生产环境智能体任务
正文结构化主题已通过公开置信门槛
Sakana AI 自改进模型 MASS：解题与评判变强，却难察自身盲点
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS）方法，让单一语言模型通过自我分配任务、评估结果并优化工作流实现递归自我改进，无需更强的教师模型。基于 Qwen3.6-27B 的实验显示，两轮后对基础模型的胜率从 53.9% 升至 69.9%，评估器与外部评委一致率从 73% 升至 93
10月12日周一 · 5 条
正文结构化主题已通过公开置信门槛
Falcon-Emirati-7B：让大模型学会阿联酋方言与文化细微差别
Hugging Face 发布 Falcon-Emirati-7B，一个基于 Falcon-H1-Arabic 的阿拉伯语方言专用模型，专注于理解和生成阿联酋阿拉伯语（海湾方言）。该模型通过爬取原生方言文本、MSA 文化资料和受规则约束的合成数据构建数据管线，并实验了方言数据注入比例与训练阶段。其目标是让模型掌握方言词汇、语气及背后的文化语境，而非仅做字面翻
正文结构化主题已通过公开置信门槛
Falcon OCR Arabic：270M 参数阿拉伯语 OCR 达 SOTA
Hugging Face 发布 Falcon-OCR-Arabic，将 270M 参数的 Falcon OCR 模型扩展到阿拉伯语文档，架构不变，通过真实与合成阿拉伯语文档的监督微调（SFT）加高质量样本强化学习（RL）两阶段适配。在自建的 11,974 个真实样本、15 类文档基准上，该模型以 81.9% 文本准确率在 17 个模型中排名第二，仅次于 Ge
正文结构化主题已通过公开置信门槛
DiffusionART：高效稳定可扩展的扩散模型强化学习
该论文提出 DiffusionART，一种针对扩散模型的在线强化学习微调方法，通过将每个提示的奖励聚合为共享的奖励改进方向，从构造上消除前向-反向一致性力，并加入信任域掩码的第二次更新以实现漂移自适应恢复，无需 EMA 调参。方法无需可微奖励模型，在更少样本下仍有效，并支持成对奖励模型（DiffusionART-Pairwise）。在图像与视频生成任务上，D
正文结构化主题已通过公开置信门槛
F5-TTS 掸语干净词表模型发布
Hugging Face 上出现了一个名为 innkl24/f5-shan-tts-model 的模型，基于 F5TTS v1 Base 构建，采用 cc-by-nc-4.0 许可，面向掸语（Shan/Tai-Yai）。该模型使用仅含掸语的干净词表（75 个字符），并已扩展 embedding，便于后续微调。
正文结构化主题已通过公开置信门槛
微软基于阿里Qwen打造决策模型Microsoft-Decision-1
微软基于阿里Qwen3.5-9B后训练推出全新决策模型Microsoft-Decision-1，在结构化决策任务的时延和准确性上超过LLM及Jev 1.13.0等热门决策模型。微软Xbox研究团队已用它处理超1万条玩家反馈，CEO纳德拉表示微软正在事件响应、质量控制、科学发现等所有领域测试应用该模型。报道还指出，HuggingFace上129个开源决策模型项