每日AI

这份研究提出了代理原生研究伪像（ARA）协议，旨在彻底改变科学论文的发布模式，使其从面向人类阅读的线性叙事转变为面向AI代理执行的结构化知识包。目前的科研论文存在“叙事税”和“工程税”，导致大量失败实验的教训被遗弃且技术细节描述模糊，严重阻碍了AI对研究的理解、复现与扩展。ARA协议通过四个核心层——科学逻辑、可执行代码、记录失败路径的探索图谱以及实证证据，完整保存了科研全生命周期的知识。为构建这一生态，作者开发了实时研究管理器以自动捕捉开发过程中的决策，设计了ARA编译器来转化传统PDF文献，... more

GRAIL 是一种由 NVIDIA 等机构开发的全数字化类人机器人动作生成管线，旨在通过 3D 资产和视频生成大模型合成高质量的“移动-操作”数据。该研究的核心在于预先设定 3D 场景配置（如物体几何、相机参数和度量比例），从而消除了从模糊视频中重建 4D 动作时的不确定性。通过将生成的动作重定向至 Unitree G1 类人机器人，研究团队训练出了能够处理物体抓取、复杂地形穿越和久坐等任务的通用跟踪策略。这种方法避免了昂贵的物理示教或动捕采集，仅利用虚拟合成数据便实现了极高的实机部署成功率。G... more

谷歌 DeepMind 开发的新型生成式模型——实况音乐模型（Live Music Models），主要包含开源的 Magenta RealTime 和基于 API 的 Lyria RealTime。与传统离线生成方式不同，该技术实现了实时、连续且同步的音频流输出，让用户能通过文字或音频指令实时引导音乐走向。研究者采用了分块自回归和 SpectroStream 编解码器等技术，确保在极低延迟下维持高音效质量。此外，模型引入了音频注入（Audio Injection）功能，允许艺术家将现场乐器输入... more

NVIDIA 推出的 Cosmos 3 是一系列专为物理 AI 打造的全模态世界模型，能够在一个统一的混合变换器架构下同时处理和生成语言、图像、视频、音频及动作序列。 该模型通过消除感知、模拟与执行之间的界限，成功整合了视觉语言分析、视频生成、环境模拟及动作预测等多种核心功能。其核心优势在于能够利用共享表示进行大规模的跨任务学习，并提供包括 Cosmos3-Super 和 Cosmos3-Nano 在内的多个版本以满足不同性能需求。 此外，该项目通过开源代码、模型权重、评估基准和高质量合成数据集... more

SkillOpt 是一种专为大型语言模型（LLM）智能体设计的文本空间优化器，旨在通过结构化的自进化提升智能体的任务执行能力。该技术将智能体技能视为一种可训练的外部状态，通过分析任务执行轨迹并利用另一模型作为优化器，对技能文档进行精细的增加、删除或替换编辑。为了确保优化的稳定性，它引入了文本学习率控制编辑步长，并通过验证门控机制仅接受能切实提高得分的改进。此外，拒绝编辑缓冲区和周期性慢速更新的设计，使其在不改变模型权重的前提下，能够捕捉长期的领域经验。实验证明，该方法在多个基准测试中显著超越了手... more

PaddleOCR-VL-1.6，这是一个由百度团队研发的、参数量仅为 0.9B 的高效多模态文档解析模型。该版本针对前代模型在长尾分布和标注噪声上的局限，创新性地提出了由欠优化区域驱动的数据引擎，精准挖掘边界脆弱、覆盖稀疏及监督不可靠的数据。通过结合专家共识机制与可渲染的自动修复策略，模型实现了标注质量的大幅提升。此外，项目组设计了一套渐进式后期训练流程，涵盖持续预训练、监督微调以及针对小参数模型优化的强化学习（RL）策略。实验证明，该模型在 OmniDocBench 等多个权威榜单上刷新了世... more

这篇文章探讨了如何通过分析特定类别的数据量来预测机器学习模型的性能，而不仅仅是关注总训练量。作者提出了一种基于实验设计（DoE）的创新算法，用于生成具有多样化类别分布的训练子集，从而评估不同类别对模型准确率的贡献。研究对比了幂律模型与反正切模型等多种数学方法，并结合 CIFAR10 和 EMNIST 数据集验证了预测的有效性。实验结果表明，考虑类别权重和训练轮数的反正切模型能更精准地估算性能，帮助研究者优化标注预算。该方法特别适用于数据标注成本高昂的场景，能够识别出哪些类别的样本对提升模型表现最... more

Qwen-VLA 是一款统一的具身智能视觉-语言-动作模型，旨在整合机器人操控、导航与人体动作建模等多元化任务。该模型以 Qwen3.5-4B 为多模态骨干，并结合了基于 Diffusion Transformer (DiT) 的流匹配动作专家模块，能够跨越不同的机器人平台生成连续动作轨迹。研究团队构建了一个包含真实机器人演示、人体自我中心数据以及大规模合成仿真轨迹的海量预训练数据集。为了平衡语言认知与电机控制，模型采用了从文本到动作预训练、多模态持续训练到强化学习优化的四阶段训练策略。通过具身... more