深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
WebHarbor：用153个真实网站环境训练GUI智能体
WebHarbor 是一套包含 153 个 Docker 化真实网站环境的套件，覆盖 3518 个多步骤与登录后任务，既可用于 GUI 智能体可靠评测，也能支撑强化学习训练，让 Qwen 4B 级模型泛化到未见任务。
预训练数据规模逆转：Muon微调优势为何被AdamW反超
新研究发现预训练数据规模足够大时，AdamW在微调后反超Muon。边际-散布比理论解释这一逆转，为优化器选择提供新视角。
RLVR泛化困境：推理策略为何在OOD下失效
研究揭示RLVR在分布外任务上推理策略崩溃的现象：模型放弃推导退化为暴力枚举，而协同训练双射反转任务能意外恢复OOD准确率，为LLM推理泛化提供新思路。
FADE：解耦能力与难度的在线RLVR调度新方法
FADE提出双线性状态空间滤波，解耦模型能力与提示难度，提升在线RLVR调度效率。在五个推理基准上验证，每步开销低于0.6毫秒，显著改善准确率与校准度。
EEG-to-text新突破：分层对齐实现句子级思维解码
解读分层对齐框架如何在轻量EEG信号上实现句子级脑到文本检索，分析句子分类与生成之争，以及该方案对实用化脑机接口的意义。
D&A：解耦描述与评估，让VLM成为零样本机器人奖励模型
D&A 框架将 VLM 的机器人任务进度估计解耦为客观描述与显式评分两阶段，用文本化成功定义对抗确认偏差，纯提示方法即可匹配后训练奖励模型，支持零样本泛化与下游强化学习。
稀疏非配对数据下的基准预测：PKPS方法解析
PKPS方法通过核视角空间利用稀疏非配对响应数据，实现查询高效的基准预测，并在两大基准套件上超越基线，为生成模型评估提供新思路。
Strategist：用元智能体进化推理策略
Strategist是一个跨任务进化推理策略的元智能体。它将策略编写为可执行蓝图并构建蓝图库，通过检索、生成、测试和修订的循环自动改进推理流程。在30个基准测试中，Strategist在24个上超越最强基线，平均准确率持平（74.7% vs 74.0%）且推理成本降低39%，策略还能迁移到未见任务和模型。
闭环学习新范式：数据同化与嵌入式方法在动力系统中的效率对比
一项研究比较了动力系统中数据同化与嵌入式闭环学习方法的效率与精度。以SIQR流行病模型为例，嵌入式训练精度最高但计算成本大，分阶段方法误差略增但评估次数更少、优化更鲁棒，揭示了实际应用中的权衡。
31.6M参数土耳其语音识别模型：ufakzeka-kulak开源发布
ufakzeka-kulak 是一个 31.6M 参数的开源土耳其语语音识别模型，基于 FastConformer 和 TDT，Apache-2.0 许可。在 FLEURS 和 Common Voice 上 WER 优于 Whisper base/small，本文解读其训练数据筛选、评估设计与应用场景。
LLM科学发现能力竟由训练数据中的「单次事实」决定
一项新研究揭示，大语言模型的科学发现能力与训练数据中的「单次事实」比例直接相关。在材料科学和监管基因组学实验中，单次事实越多，模型发现越多，且该效应无法用数据多样性解释。
Sonar-MoE：反向传播中更新专家，省下20%显存
Sonar-MoE 提出在反向传播中直接更新 MoE 专家张量并立即释放梯度，实测峰值显存降低 19%-22%，训练速度提升 17%-23%，且更新与标准训练逐位一致。
DiabAgent：智能体如何实现生理控制？
DiabAgent研究提出APC框架、DiabetSim模拟器与SweetBench基准，用212个任务评估智能体控糖能力，APC以73.5的COGI略胜OpenAPS的71.2，揭示个体适应与上下文信息对生理控制的价值。
NitiBench+：泰国法律问答基准如何解决法律时效性难题
NitiBench+是覆盖17个领域的泰国法律问答基准，通过同时保留判决当日法与现行法文本，量化法律时效性对模型表现的影响。研究发现67%的判决引用已变更法律，错误文本导致Bar标准分显著下降，最佳模型仅得7.78分。
LLM编程智能体的“有害成功”：准确率95%背后的安全隐忧
VeriHarm-Bench提出“有害成功”概念，直击LLM编程智能体在完成良性任务时造成意外伤害的盲区。前沿智能体任务准确率高达95%，但安全成功率平均仅37%，揭示任务成功指标可能严重低估安全风险。
LLM智能体能当交付工程师？企业Text-to-SQL实测
一项企业Text-to-SQL实证研究测试LLM智能体能否担任前驻工程师：最强模型发现超80%隐藏需求，但仅25%的交付配置通过全部验收，揭示发现不全、执行不可靠等四大瓶颈。
神经符号框架破解斑马谜题：LLM与精确覆盖的协同推理
一项新研究提出神经符号框架，让LLM将斑马谜题的自然语言描述转化为精确覆盖实例，再由符号求解器确定性求解并反馈迭代优化编码。实验表明该方法在多个模型规模和家族上一致超越CoT提示和现有神经符号方法。
四桥游戏：无需指令，AI为何也会欺骗？
研究提出Kradle平台与Four Bridges博弈，在无欺骗指令的多智能体互动中测量AI欺骗倾向：八个前沿模型全部出现欺骗行为，覆盖73%运行次数，且不随能力提升而减少；告知所有智能体有人掌握信息可使六个模型欺骗大幅下降。
AI智能体如何从量子经验中涌现时空结构？
一项研究训练强化学习智能体完成量子信息任务，其内部预测模型自发涌现出闵可夫斯基时空的因果结构，为时空概念源于操作经验提供了首个计算性例证。
OpenAI Pando：为Codex级推送打造的Git后端
OpenAI构建Pando，一个兼容Git的后端系统，专门应对Codex等AI编码代理产生的大规模推送压力。本文解析其设计动机、技术权衡及对代理集群的影响。