Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan 合成数据集
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan,这是首个百万级规模的日本金融领域开源合成数据集。该数据集包含 900 万个人物画像和约 15 亿 token,基于官方统计数据构建,支持商业使用。此前该系列仅包含基础人口统计信息,此次扩展旨在解决金融 AI 开发中的隐私合规难题。
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan,这是首个百万级规模的日本金融领域开源合成数据集。该数据集包含 900 万个人物画像和约 15 亿 token,基于官方统计数据构建,支持商业使用。此前该系列仅包含基础人口统计信息,此次扩展旨在解决金融 AI 开发中的隐私合规难题。
ALTK-Evolve 利用从 GPT-4.1 智能体运行轨迹提炼的行为准则注入系统提示词,使该非推理模型在 τ²-bench 零售客服基准达到 67.5% Pass^4,登顶 October 12, 2026 榜单快照且超越微调模型 RAFT-30B-A3B 达 +6.1 点。该方法无需权重更新或人工标注,在航空域换用 GPT-5.5 后同样登顶,Pass^4 达 82.0%。
推荐理由:原文给出从智能体运行轨迹提炼行为准则并注入提示词的做法,读者可迁移至同类客服智能体提升可靠性。
瑞典国防研究局(FOI)开源了名为 WiFireNet 的 AI 系统,通过分析 Wi-Fi 信道状态信息(CSI)识别隐藏手枪。在受控实验中,该系统检测手枪的平均精确率为 72.5%,但精准定位武器位置时精确率降至 53.8%。该研究论文于 10 月 13 日发布于 arXiv,团队计划后续采用 Wi-Fi 7/8 标准以提升性能。
阿里 Qwen 团队开源了 BlenderWorld,这是一个用于评测视觉智能体在 Blender 中完成真实 3D 创作任务的基准。该基准包含 223 个任务和 2,651 条标准,要求 AI 交付可编辑的 .blend 工程文件,而非仅生成图像。项目采用 MIT 许可证,代码与数据集已同步发布至 GitHub、Hugging Face 和 ModelScope。
Leash Bio 发布 Minos 预印本、博客及开放数据集,利用 DNA 编码库数据为智能体提供数万级可验证科学推理模拟。该数据集旨在支持科学强化学习,此前团队仅将其作为内部实验工具。
AI 辅助完成的 11 个正方形最优填充证明已通过 Lean 4.34.1 验证,最终审计显示零接纳(zero admissions)。该证明包含 7,920 个本地 Lean 模块,采用原生数值证书检查,最优边长约为 3.8770835900228141773。
MirroS 团队发布 AgentGarten,通过代码定义物理规则与神经渲染器生成视觉反馈,以超过 30 fps 的吞吐让智能体在实时环境中交互。在捉迷藏实验中,智能体仅用 4 轮学会搭建掩体、10 轮掌握借坡道翻墙,远快于 OpenAI 2019 年需数千万局的强化学习。该系统通过“实验手册”沉淀经验,实现了物理世界的递归自我改进。
Kimi 团队发布 WorldVQA 基准,包含 3,500 个图像问答对以评估多模态大语言模型的原子视觉世界知识。实验显示前沿模型在长尾知识上准确率常低于 50%,且普遍存在过度自信现象,其中 Kimi-K2.5 在 ECE 和 Slope 指标上表现最佳。该数据集及评测脚本已开源,旨在推动多模态 AI 的事实可靠性。
Kimi 团队发布开源基准 PerceptionBench,包含 3,000 道验证题目以隔离评估多模态大模型的 10 项原子视觉感知能力。在 16 个前沿 MLLM 测试中,无模型准确率超过 60%,且感知相关幻觉平均表现最弱。该基准旨在通过暴露感知断点,推动多模态 AI 实现更忠实一致的视觉理解。
微软研究院在 Nature 发表逆合成模型 RetroChimera,并开源其实现与权重。该模型由 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 组成,通过学习式集成与重排序融合两者互补优势。
Google Research 提出 MAPL-EMIT,一个基于 Swin-S transformer 的深度学习框架,可从 NASA EMIT 高光谱卫星数据中自动检测、预测增强并定位甲烷羽流,在专家标注羽流上召回率达 84%。
Hugging Face 最新论文提出两项系统改动,让大语言模型知识蒸馏的训练成本大幅下降:一是离线缓存教师模型的 top-100 logits,训练时无需再加载教师模型;二是融合分块 KL 损失,避免生成完整的词表×序列长度矩阵。
Hugging Face 发布 ScarfBench(Self-Contained Application Refactoring Benchmark),用于评估 AI 智能体在 Spring、Jakarta EE、Quarkus 之间跨框架迁移企业级 Java 应用的能力。
Google Research 提出 MoGen(Neuronal Morphology Generation)模型,用 PointInfinity 点云流匹配生成合成神经元形状,为 PATHFINDER 重建模型补充训练数据,在保留的小鼠轴突上降低 4.4% 重建误差,主要来自 merge error 减少。