- 论文公开站arXiv
LiMA：通过异步扩散桥接长期想象与实时灵巧操作
LiMA: Bridging Long-term Imagination to Real-time Dexterous Manipulation via Asynchronous Diffusion
摘要显示，LiMA 是一种异步双系统生成框架，将意图规划与反应式执行解耦：慢系统负责稀疏的长时程时空意图生成，快系统负责稠密高频动作精修，并通过 Latent Schrödinger Bridge Coupling 机制对齐稀疏意图与稠密轨迹。论文称其相较 Cosmos-Policy 降低 45.8% 推理延迟，在六项双臂灵巧操作任务上总体成功率 70.8%、子任务平均成功率 78.9%，并在未见场景中保持性能。
意义：为 VLA 与 World-Action Model 的推理延迟与反应速度矛盾提供异步分层思路，对实时机器人操作与具身智能系统架构有参考价值。
- 论文公开站arXiv
交换多重态框架中的交错磁性与广义张量性质
Altermagnetism and generalised tensorial properties in the exchange multiplet framework
摘要显示，该工作基于 Bertaut–Izyumov 交换多重态形式，提出一个用于计算磁性材料时间反演奇张量性质的表示论框架。与依赖不同磁点群或自旋群的方法不同，该框架将序参量视为连续变量。对于恒定磁矩共线结构，协变性对 Landau–Lifshitz 展开中的张量交织子施加简单对称约束，得到可分解磁性与晶体学部分的规范形式，并自动恢复磁点群选择定则，同时分离共旋与非共旋贡献。
意义：为交错磁体与反铁磁体的张量性质计算提供连续序参量框架，便于第一性原理与实验对接。
- 资讯公开站Entrepreneur
成功企业家不冒盲目风险：重大决策前的三问框架
Successful Entrepreneurs Don’t Take Blind Risks. Here’s the 3-Question Framework I Use Before Every Big Decision.
摘要显示，该文提出一套用于评估商业风险的决策框架，建议创业者在做出重大决策前通过三个问题审视风险，以降低下行损失并在不确定环境中做出更有信心的领导决策。文章强调成功创业者并非盲目冒险，而是系统化地权衡风险与回报。
意义：为创业者和团队提供可复用的风险决策检查清单，有助于在不确定环境下降低决策失误。
- 资讯公开站Nature News
跨脑部疾病的转录组脆弱性单细胞图谱
Single-cell atlas of transcriptomic vulnerability across brain disorders
该研究构建了跨多种脑部疾病的单细胞转录组图谱，用于识别不同疾病中共同与特异的脆弱细胞类型与基因表达特征。摘要显示，研究以单细胞分辨率比较疾病状态下的转录组变化，揭示易受损细胞群体的分布规律，为理解脑疾病的细胞层面机制提供统一参考框架。
意义：为脑疾病研究提供统一的单细胞层面参考图谱，有助于定位易损细胞类型并推动跨疾病的机制与靶点比较研究。
- 论文公开站arXiv
扩展执行框架而非上下文：从无策略脚手架到可复用专家智能体
Grow the Harness, Not the Context: From Strategy-Free Scaffolds to Reusable Specialist Agents
摘要显示，该研究提出 Growing Harness 训练范式，从仅暴露固定模型与工具接口、不含任务求解控制器的无策略脚手架出发，利用函数级执行轨迹将失败定位到有限代码范围，由优化器联合修复一组失败，并以成功优先的留出集门控回滚有害修改，使控制结构从任务反馈中逐步涌现。在 BrowseComp-Plus 与 WebArena-Verified 及 4B 至 120B 三种模型上，六种设置中五种平均成功率最高，第六种落后最优 0.7 个百…
意义：该工作把智能体控制逻辑沉淀为可复用代码而非反复填充上下文，显著降低调用次数与推理成本，并为小模型补齐长程任务能力提供新思路。
- 论文公开站arXiv
A2M：MCP生态中基于轨迹优化的智能体劫持
A2M: Trace-Optimized Agent Hijacking in the MCP Ecosystem
摘要显示，使用MCP协议的智能体依赖语义匹配从第三方服务器选择工具，攻击者可通过控制元数据与输出实施语义供应链攻击。作者提出A2M两阶段黑盒框架：Attraction阶段优化工具元数据以提高调用概率，Manipulation阶段利用执行轨迹精炼对抗性工具返回，引导智能体产生攻击者期望结果。在LiveMCPBench上，针对GLM-4.6优化的直接攻击在四个场景中恶意工具调用率达93.6%，认知拒绝服务下加权token成本升至基线32.4…
意义：揭示MCP工具选择机制的供应链风险，提醒开发者在工具审核与运行时隔离上加强防护。
- 论文公开站arXiv
一种带延迟信息共享的分散式部分可观测团队决策方法
A Decentralized Partially Observable Team Decision Methodology with Delayed Information Sharing
摘要显示，该研究针对具有低秩隐动态且系统模型未知的去中心化部分可观测团队决策问题，提出结合团队理论等价性与低秩模型表示的框架。团队成员仅依据本地私有信息与延迟共享的公共信息，各自学习近似低秩马尔可夫决策过程，并用最小二乘值迭代求解策略，无需集中式协调者或集中训练。文中证明成员侧解可逼近集中式团队最优策略，并给出有限样本性能保证与样本复杂度界。
意义：为多智能体在通信受限、模型未知场景下提供去中心化学习与规划的理论保证，对分布式强化学习与协作决策系统有参考价值。
- 资讯公开站Entrepreneur
你的线上活动为何失败——以及让下一次大获成功的七步框架
Why Your Virtual Event Flopped — and the 7-Step Framework to Make the Next One Your Best Yet
摘要显示，商业活动领域已发生永久性变化，问题不在于是否使用虚拟活动，而在于如何有效使用。文章提出一个七步框架，旨在帮助组织者诊断虚拟活动失败原因，并优化下一次线上活动的策划与执行，从而提升参与效果。
意义：对开发者/AI行业而言，虚拟活动已成常态，该框架可指导线上会议、发布会和社区活动的策划与执行，提升参与度。
- 论文公开站arXiv
RRSI：智能体框架的正则化递归自我改进
RRSI: Regularized Recursive Self-Improvement of Agent Harnesses
摘要显示，LLM 智能体的能力很大程度上由其运行框架（提示、控制流、工具、记忆与上下文管理）放大，近期方法通过迭代提出并筛选框架组件的编辑来实现智能体系统层面的递归自我改进，但容易记忆训练任务、在分布外基准上增益消失。作者提出 RRSI，在候选提出与选择环节引入正则化：提出器采用时间退火预算并鼓励探索未走过的演化路径，选择器配备评论器与剪枝器过滤基准特定、过小、过贵或失效的改动。在编码、智能体工作区与工程设计等八个基准上，摘要称其在演化…
意义：为智能体框架自动演化提供抗过拟合思路，提示开发者关注可复用机制而非基准特定调优。
- 论文公开站arXiv
Harness-Zero：以智能体为框架的框架蒸馏
Harness-Zero: Harness Distillation via Agent-as-Harness
论文提出「智能体外壳蒸馏」问题：将针对特定领域或实例优化过的外部外壳（harness）所诱导的行为迁移进模型权重，使收益在部署时固定单一外壳下仍能保留。作者提出 Harness-Zero，借助「智能体即外壳」机制，由受优化外壳引导的智能体在目标外壳动作空间中修正学生回答，形成训练示范，再经微调内化。实验覆盖知识工作、工具使用与科学领域，摘要显示在相同演化外壳下 agent-as-harness 优于 code-as-harness。
意义：为智能体训练提供新范式：把外部外壳的优化收益固化进模型权重，减少对部署期专用外壳与路由的依赖。
- 论文公开站arXiv
MIGU：面向操作规划的不确定性下多模态指令接地
MIGU: Multimodal Instruction Grounding under Uncertainty for Manipulation Planning
摘要显示，MIGU 是一个模块化框架，用于在语言与手势线索互补但不确定的情况下进行多模态指令接地。它通过眼-指几何传播视线方向与深度不确定性构建三维几何似然，并结合视觉语言模型提供的语义先验，以类贝叶斯方式融合为统一接地信念，进而支持直接规划或请求澄清。真实基准上 MIGU 优于所评估基线，消融实验支持显式多模态不确定性建模的收益。
意义：为机器人在不确定语言与手势输入下提供可量化的接地与澄清机制，对具身智能与多模态规划有参考价值。
- 论文公开站arXiv
学习超越人类可演示的能力
Learning Beyond What Humans Can Demonstrate
摘要显示，针对动态稳定性、精确接触时序或灵巧协调等人类操作者难以甚至无法采集示范数据的任务，作者提出 GLIDE 框架，通过推断任务特定失效模式并将其转化为可执行的「护栏」，用于过滤遥操作与策略指令、约束易失败动作，并依据轨迹反馈迭代改进。在三个任务上，数据采集成功率从 0-10% 提升至 70-90%，策略执行成功率分别达到 70%、60%、60%。
意义：为缺乏人类示范数据的机器人操作任务提供数据采集与策略部署的新思路，护栏机制可降低对专家示范的依赖。
- 资讯公开站Semiconductor Engineering
HBM与主机内存并发访问提升LLM推理吞吐（佐治亚理工、NVIDIA、斯坦福）
Concurrent HBM And Host Memory Access Improves LLM Inference Throughput (Georgia Tech, Nvidia, Stanford)
摘要显示，佐治亚理工、英伟达研究院与斯坦福大学研究人员发表技术论文《BOOST: Concurrent Access to Host Memory and HBM to Accelerate LLM Inference》。该论文提出BOOST，称其为首个可并发且按比例访问GPU两级内存的运行时系统，能聚合主机内存与HBM带宽以加速LLM推理。
意义：若成立，该运行时系统可突破HBM容量与带宽瓶颈，为LLM推理提供更高吞吐，对GPU内存管理与推理框架开发者有参考价值。
- 资讯公开站Nature News
生物安全必须保护人类功能能力
Biosecurity must protect human functional capacity
《自然》新闻刊发评论指出，生物安全议题不应仅聚焦于防范病原体泄漏或生物武器，还应将保护人类功能能力纳入核心目标。摘要显示，作者主张在生物安全治理框架中纳入对人体认知、生理与行动能力的维护，以应对新兴生物技术可能带来的更广泛风险。
意义：提示AI与生物技术交叉领域的开发者，生物安全评估需纳入对人类能力的保护，影响相关模型与生物工具的风险治理。
- 论文公开站arXiv
可用护栏：跨ML系统认证选择性预测
Available Guardrails: Certifying Selective Prediction across ML Systems
摘要显示，该论文将选择性预测器视为安全门，要求在每个报告单元上以目标精度认证可靠性。作者用经典精确二项式反演使“可用性”可计算，并将固定组序下的报告分区选择建模为动态规划，揭示安全、粒度与覆盖流量之间的权衡。结果显示，真实信息规划者比支持平衡平均覆盖率提升0.157，而朴素估计器仅恢复0.005；跨规划/选择分割可部分弥补差距，提升0.060，方向在60个模型效应中59个复现。
意义：为需要按工具、策略标签或患者亚组认证精度的ML部署提供可计算框架，提示有限校准数据下认证可用性是核心瓶颈。
- 论文公开站arXiv
粒子竞争与合作：标签噪声下鲁棒图卷积网络学习
Particle Competition and Cooperation for Robust Graph Convolutional Network Learning Under Label Noise
摘要显示，该工作提出PCC+GCN混合框架，在GCN训练前用粒子竞争与合作（PCC）作为基于图的标签精炼阶段，通过粒子支配动态识别可疑标注节点，并决定保留、删除或重新分配其标签；PCC所用图可加入特征k近邻边，而GCN仍在原始图结构上训练。在NoisyGL基准的十个图数据集上，常规均匀、Pair、随机噪声及实例相关噪声下，该方法取得最高平均准确率与最佳平均排名，较基线GCN平均提升1.67个百分点，并在十个数据集中八个上为最快鲁棒方法。
意义：为标签噪声下的图神经网络训练提供即插即用的标签精炼前置模块，兼顾精度与速度，对噪声标注场景的GCN落地有参考价值。
- 论文公开站arXiv
LIMBO：学习并内化无模型障碍目标以实现敏捷安全全身控制
LIMBO: Learning and Internalizing Model-Free Barrier Objectives for Agile and Safe Whole-Body Control
摘要显示，LIMBO 提出一种在冻结基础控制器周围、基于黑盒状态转移与失败规范学习状态-动作控制屏障函数（Q-CBF），并将其安全结构蒸馏进任务策略的框架。学习到的安全值在合成阶段引导风险导向采样，在任务学习阶段提供动作级安全反馈，从而减少部署时在线安全过滤的需求。作者在 29 自由度人形机器人上演示了躲避球与低障碍下行走任务。
意义：为高维全身控制提供可学习、可复用的安全证书，并减少部署时在线安全过滤，对安全强化学习与机器人控制有参考价值。
- 论文公开站arXiv
Designer-RSI：从用户流量中演化程序化记忆的智能图形设计
Designer-RSI: Evolving Procedural Memory from User Traffic for Agentic Graphic Design
摘要显示，该研究提出一种持续适应框架：冻结的前沿模型通过230多个工具操作专业设计软件，外部程序性记忆以自然语言技能形式从经验中积累并精炼可复用设计流程。记忆通过获取新子任务流程而扩展、依据自身成功与失败执行修订而深化，匹配重放门控仅接纳不损害已有成功的修复。在1406个真实用户简报、1869条自动评分轨迹上经五轮迭代，技能库从76增至139，GenEval2执行成功率由72.7%升至99.3%。
意义：为长程智能体任务提供无需微调、无人工标注的持续学习路径，程序性记忆机制对设计自动化及通用Agent技能积累有直接借鉴价值。
- 资讯公开站Nature News
支持大学学术自由的六项原则
Six principles for supporting academic freedom in universities
意义：学术自由是科研与AI基础研究环境的关键前提，该原则框架对高校政策制定与研究者权益讨论具有参考价值。
- 资讯公开站Semiconductor Engineering
预测先进BEOL互连叠层的热导率（北京大学）
Predicting Thermal Conductivity in Advanced BEOL Interconnect Stacks (Peking University)
摘要显示，北京大学研究人员发表技术论文，提出一种结构感知的热导率建模框架，用于先进技术节点中BEOL互连堆叠的热导率预测。该框架基于大量逐层热测量数据构建，旨在应对BEOL结构日益复杂带来的建模挑战。
意义：BEOL热管理是先进制程性能与可靠性的关键瓶颈，该框架为芯片热仿真与设计提供可参考的建模方法。
- 资讯公开站Semiconductor Engineering
智能体AI自动修复设计规则并保持版图等价（普渡大学）
Agentic AI Automates Design-Rule Repair While Preserving Layout Equivalence (Purdue University)
摘要显示，普渡大学研究人员发表技术论文《DRC-Aid: Design-Rule Correction via Agentic Framework utilizing Inference-Time Large Language Models》，提出一种闭环智能体框架，将局部设计规则检查（DRC）修复建模为「验证在环搜索」。为约束组合爆炸的几何修复空间，该方法用确定性规则引擎转换物理验证工具报告的信息。论文称可在保持版图等价的前提下自动完…
意义：若方法成立，可将芯片物理验证中耗时的人工DRC修复环节自动化，为LLM智能体进入EDA流程提供可验证的工程范式。
- 资讯公开站Semiconductor Engineering
Chiplet协同设计框架降低AI加速器能耗与设计成本（密歇根大学）
Chiplet Co-Design Framework Reduces Energy and Design Costs for AI Accelerators (University of Michigan)
摘要显示，密歇根大学研究人员发表技术论文《Fengshui: Demystifying Chiplet Ecosystem and Bespoke Neural Network Accelerator Codesign》，提出名为Fengshui的芯粒生态与加速器协同设计框架，可联合优化芯粒池组成与定制专用集成电路（BASIC）设计，旨在降低AI加速器的能耗与设计成本。论文发布时间标注为2026年9月。
意义：芯粒与定制加速器协同优化，有望降低AI芯片设计门槛与能耗，为chiplet生态提供可复用方法论。
- 资讯公开站Semiconductor Engineering
芯片设计中的AI：从代码生成到EDA编排（爱丁堡大学）
AI in Chip Design: From Code Generation to EDA Orchestration (University of Edinburgh)
摘要显示，爱丁堡大学研究人员发表技术展望文章《LLMs in Digital EDA: A perspective on shifting roles from Generation to Orchestration》，提出三个层级角色：单次生成设计产物的Generator、优化输出的Agent等，揭示能力如何累积，并指出角色正从生成向编排转变。
意义：为LLM在芯片设计自动化中的角色演进提供框架，帮助开发者理解从代码生成到流程编排的技术路径。
- 论文公开站arXiv
RetireOPD：面向智能体强化学习的自退役在线策略蒸馏
RetireOPD: Self-Retiring On-Policy Distillation for Agentic Reinforcement Learning
摘要显示，多轮智能体强化学习仅提供轨迹级标量奖励，因此有研究采用自我在线策略蒸馏（OPD）从具备特权任务技能的自我教师处提供词元级稠密监督。但作者发现，特权信息并不总能让教师可靠，教师监督的收益也依赖训练阶段。为此提出 RetireOPD：先用环境奖励优化解耦的技能条件教师，再以 RL 与 OPD 联合训练无技能学生，并采用自适应退役机制——当学生与教师差距不再缩小且达到教师成功率目标比例时自行弃用教师，之后仅用 RL 训练。在 1.5…
意义：为智能体强化学习提供了一种自适应蒸馏框架，避免教师监督在后期成为瓶颈，对训练多轮工具调用与任务型智能体有直接参考价值。
- 论文公开站arXiv
StageGuard：通过智能体蒸馏学习长时程机器人任务的阶段转换
StageGuard: Learning Stage Transitions for Long-Horizon Robot Tasks via Agentic Distillation
摘要显示，针对长时程机器人任务中判断何时终止当前技能并切换到下一子任务的问题，作者提出 StageGuard，一种智能体蒸馏框架。该方法结合教师模型推理与演示轨迹，生成子任务完成与策略切换的结构化解释，再让轻量学生 VLM 生成紧凑自解释并做监督微调。在两个基准轨迹上评估阶段转换预测，并通过集成到 BEHAVIOR-1K 分层机器人控制中评估闭环任务成功率，还在真实机器人上做了进一步验证。结果称阶段转换预测显著提升，并支持高效在线监控。
意义：为长时程机器人任务提供轻量级阶段切换判断方案，降低对云端大模型推理的依赖，利于实时在线监控与端侧部署。
