Agention 发布 Qwen3.8-Flash-Next 的 ROCmFP4 GGUF 量化版
Agention 在 Hugging Face 发布了 Qwen3.8-Flash-Next 的 ROCmFP4-FAST imatrix GGUF 量化版本，180B 模型以 4.23 bpw 压缩到 87.06 GiB，可完全运行在 128 GB 统一内存设备（如 Strix Halo）的 96 GiB 显存中，困惑度仅比未量化模型高 2.5%。该版本包
多模态
技术方向 · 文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品 · 共 1342 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11日周日 · 3 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
Bee-8B-RL：全开放8B多模态模型与1500万SFT数据集发布
Open-Bee 团队发布 Bee-8B-RL，一个基于 Qwen3-8B 的全开放 8B 多模态大语言模型，并配套发布约 1500 万样本的 SFT 数据集 Honey-Data-15M 及数据清洗流水线 HoneyPipe/DataStudio。该模型在复杂推理任务上达到全开放 MLLM 的领先水平，并可与 InternVL3.5-8B 等半开放模型竞争
正文结构化主题已通过公开置信门槛
llama.cpp b11551 新增 MiniCPM-V 4.7 支持
llama.cpp 发布 b11551 版本，新增对 MiniCPM-V 4.7 多模态模型的支持，由 tc-mb 提交并经 Hugging Face 的 Sigbjørn Skjæret 与 Xuan Son Nguyen 协作审查。改动包括在 mtmd 中接入 MiniCPM-V 4.7、允许 mrope 时间从额外位置槽获取、为 GGUF 增加 rop
10月10日周六 · 11 条
正文结构化主题已通过公开置信门槛
Nex-N2.5-mini OrcaRouter Sangreal ICE 量化模型发布
gbuzhf 发布了 Nex-N2.5-mini-OrcaRouter-Sangreal-ICE，这是对 orcarouter/Nex-N2.5-mini-Uncensored（基于 nex-agi/Nex-N2.5-mini 的 abliterated 版本）进行 ICE 1.6 量化后的 GGUF 模型。该模型采用 Sangreal 校准语料和重要性矩阵
正文结构化主题已通过公开置信门槛
Google 发布 Nano Banana 2.1：4K 直出，中文渲染提升且 API 降价
Google 发布新一代生图模型 Nano Banana 2.1，在视觉设计、蒙版编辑、主体一致性和画面真实感上全面升级，支持 4K 直出。据 Arena 评测，其在文本转图像、多图像编辑、单张图像编辑三项上平均提升约 61.7 分，同时 1K/2K 生成价格减半、4K 降价约 25%。该模型已上线 Gemini App、Google AI Studio（底
正文结构化主题已通过公开置信门槛
autotrust 发布 GEV-26B-Decide 决策模型
autotrust 在 Hugging Face 发布 GEV-26B-Decide，一个基于 google/gemma-4-26B-A4B-it 的 LoRA 适配决策模型，采用 System 1/System 2 自适应思考机制，对类型化问题输出校准概率。该模型在 Decision Index 0.2.1 上取得 62.48 分，超过 TypeSafe
正文结构化主题已通过公开置信门槛
AutoTrust 发布 JEV-9B：整合 System 1 与 System 2 的开源模型
AutoTrust 发布 JEV-9B，这是其首个整合 System 1 与 System 2 的开源模型，基于 Qwen3.5-9B 微调，采用 Blocks of Experts 方案。System 1 决策在 KL 散度上与闭源 TypeSafe Jev 1.13 难以区分，System 2 生成与推理则来自未改动的 Qwen3.5-9B，单次决策耗时
正文结构化主题已通过公开置信门槛
autotrust 发布 JEV-27B-VL 视觉决策模型，登顶决策指数视觉榜
autotrust 发布 JEV-27B-VL，一个基于 Qwen3.8-27B 的视觉决策模型，在社区 Jev Decision Index 0.3 视觉榜上 20 个模型中排名第一。其 System 1 决策头与适配器仅用文本训练，视觉编码器保持原样，因此在图像任务上为零样本表现，却在公开与私有测试中均居首，并超过参数量约 15 倍的 Qwen3.5-3
正文结构化主题已通过公开置信门槛
WorldArena 2.0 挑战赛开考：世界模型真机闭环评测
清华大学团队联合多所海内外高校推出的世界模型评测体系 WorldArena 升级至 2.0，在 IROS 2026 上举办挑战赛，将评测从纯视觉扩展到视触觉、从离线任务扩展到在线强化学习、从仿真环境延伸到真实机器人。三条赛道分别评测视频质量、世界模型作为强化学习环境的能力和真实机器人操作。视启未来 WorldIncept 获 Track 1 第一，北京中关村
正文结构化主题已通过公开置信门槛
IROS 2026 观察：具身智能四大技术趋势收敛
雷峰网 AI 科技评论梳理 IROS 2026 主会论文与 Workshop 名单，认为具身智能技术路线明显收敛为四大趋势：基础模型内化物理规律、大小脑分层架构成为行业标准、触觉成为精细操作核心变量、数据采集成本大幅下降。文中列举 ULTRA、LITHE、KineFuse、HALO、ViHaTeleop 等论文与 Workshop，并指出中国团队存在感增强。
正文结构化主题已通过公开置信门槛
GLM-5.3-Flash 精简版适配 DGX Spark
Hugging Face 用户 autotrust 发布了 GLM-5.3-Flash-E224-DGX-Spark，这是 zai-org/GLM-5.3-Flash 的非官方量化衍生版本，通过神经架构搜索将每层路由专家从 288 个裁剪到 224 个，并采用 NVFP4 格式，权重降至 141 GiB，使其可在两台 ConnectX-7 互联的 NVIDI
正文结构化主题已通过公开置信门槛
PydanticAI v2.55.0 发布：要求 Python 3.11+，新增图像输入后端与对话对象
PydanticAI 发布 v2.55.0，要求所有包使用 Python 3.11 或更新版本，Python 3.10 用户将回退到 2.54.0 及更早版本。该版本新增 OpenAIDecisionsModel 后端（支持图像输入）、Conversation 对象用于跨运行保存对话，并默认启用 Anthropic 提示缓存、记录提示缓存诊断信息。此外还改进
正文结构化主题已通过公开置信门槛
LightOnOCR-3 发布：高性能轻量级 OCR 与布局提取模型
LightOnOCR-3 是 LightOn 发布的新一代轻量级 OCR 模型系列，包含 0.8B、1B 和 4B 三个尺寸，采用 Apache 2.0 许可。相比前代，新模型在速度和转录质量上有显著提升，并新增了带标签的边界框输出、图像描述以及图表数值提取等视觉理解能力。在 olmOCR-Bench 上，4B 模型总体得分 86.3，仅落后于参数量 35.
正文结构化主题已通过公开置信门槛
Cloudflare 发布多模态决策模型 Clef-omni，并降价提速 Clef 系列
Cloudflare 发布 Clef-omni 开放权重决策模型，支持音频、视频、图像和文本多模态输入，基于 Qwen3-Omni-30B-A3B-Instruct MoE 架构，冻结主干并训练 LoRA 适配器。同时 Clef-flash 降价至低于 Jev，Clef 速度提升。该模型在单次 API 调用中完成多模态评分，文本决策中位延迟约 130ms，2
10月9日周五 · 6 条
正文结构化主题已通过公开置信门槛
字节投毒实习生田柯宇创业，估值2亿美元挑战李飞飞世界模型
曾被称作「字节投毒实习生」的北大博士生田柯宇，在2024年因篡改代码干扰同事训练被字节解除实习协议、法院判赔50万元，同时以第一作者身份凭VAR论文获NeurIPS 2024最佳论文奖。2026年10月，他创立的10人实验室在无产品无名称的情况下获五源资本、IDG约3000万美元投资，估值达2亿美元，切入世界模型赛道。其技术路线是让AI用20万个自研符号构建
正文结构化主题已通过公开置信门槛
SLVR：基于类人推理流的结构化潜在视觉推理
该论文提出 SLVR 训练框架，将多模态推理组织为规划、定位、证据选择与推理整合等类型化潜在阶段，并用特殊分隔符 token 对每个阶段施加对应监督信号。SLVR 还引入 Visual Dependency Induction 对比训练，通过遮蔽答案提示文本并加入视觉干扰项，减少模型对语言先验的依赖。基于 Qwen2.5-VL-7B 构建的 SLVR 在 M
正文结构化主题已通过公开置信门槛
多智能体系统的心智模型框架
该论文提出「心智模型赋能智能体」框架，为智能体配备关于对手的潜在心智模型，使其能从观察历史中推断隐藏的信念、意图和可能反应，并据此指导行动选择。方法学习一种摊销递归的心智理论表示，包含一阶和二阶心理状态结构，并与信念条件奖励模型联合训练，最终在信念感知信号下学习策略。在纯语言和多模态基准上，显式心智状态建模均持续提升交互质量和心智理论表现，表明结构化伙伴建模
正文结构化主题已通过公开置信门槛
个性化很重要：在线购物中基于用户中心信息的长程对话智能体
该论文提出一个多智能体、多模态RAG框架，用于在线购物中的长程对话个性化，将对话状态跟踪、推荐检索、偏好推理和回复生成解耦，并融合商品元数据、评论、图像描述和用户历史评论。在Amazon Reviews 2023基准上，启用检索的变体在轨迹级自动指标上平均得分4.82，高于无RAG基线的3.74；小规模真实用户研究中完整变体平均总体评分4.60，基线为2.2
正文结构化主题已通过公开置信门槛
冻结解码器，修复编码器：基于SVD的KV缓存压缩参数高效适配
该论文研究基于SVD的KV缓存压缩中的参数高效微调方法，发现共享学习率会导致不公平比较，使最小可训练参数臂看似占优。在Qwen2.5-VL-3B-Instruct上，当每个实验臂使用各自调优的学习率后，仅训练编码器（冻结解码器）与仅训练解码器或全量微调达到相同精度，同时减少3个可训练参数和3倍优化器状态内存（0.57 vs 1.72 GiB）。该结果在纯文本
正文结构化主题已通过公开置信门槛
EVIE：证据向量驱动的视觉文档检索嵌入
该论文提出 EVIE（Evidence-Vector-Informed Embeddings），一种原生视觉文档检索器系列，通过证据判定的数据治理、双向师生蒸馏与 Prefix-MRL、以及层次凝聚索引压缩（HAC）三项创新，解决视觉文档检索中细粒度匹配与索引存储的矛盾。EVIE-8B 在 ViDoRe V3 上取得 66.75 nDCG@10，超过最佳外部