BirdDreams:联合视角与 BEV 视频生成可信、可响应的驾驶世界模型
BirdDreams提出一种自回归驾驶世界模型,联合生成视角视频与示意性鸟瞰视图(BEV)视频,将场景布局纳入未来预测并支持自车轨迹控制。该模型仅需单张相机图像、无需 HD map 或 vehicle-state 输入,在 PhysicalAI-AV 和 nuScenes 上比既有模型更准确跟随输入自车轨迹;人工评测显示,其生成的周围车辆行为也比仅使用视角视频的基线更真实。
BirdDreams提出一种自回归驾驶世界模型,联合生成视角视频与示意性鸟瞰视图(BEV)视频,将场景布局纳入未来预测并支持自车轨迹控制。该模型仅需单张相机图像、无需 HD map 或 vehicle-state 输入,在 PhysicalAI-AV 和 nuScenes 上比既有模型更准确跟随输入自车轨迹;人工评测显示,其生成的周围车辆行为也比仅使用视角视频的基线更真实。
SteerDistill 提出一种量化感知蒸馏方法,让全精度教师根据量化智能体的执行反馈修正失败响应,并将修正后的行为内化到学生模型中。在五项智能体基准和三个模型上,W4A16 平均得分比最强量化基线高 1.67--2.18 points,并与 BF16 相差不超过 one point。
Anthropic 与 Diode Computers 合作,测试 Claude Fable 5.2 从电路设计、PCB 布局、CAD 建模到固件编写的电子设备设计能力。
推荐理由:文章展示 Claude Fable 5.2 从电路布局、CAD 建模到固件编写的完整硬件设计流程,并用 PCB Gym 与 BenchCAD 结果呈现其相较旧模型的提升。
论文提出 GSTAR 空间—分组协同缩放框架,在固定名义信息预算下让分组大小随每轴空间压缩因子按平方增长,支持 32×及有效 64×压缩,并引入半自回归解码器。在 1024×1024 分辨率下,模型在单张 NVIDIA H200 上每张图生成耗时 2.5 秒,相比此前离散自回归模型提速 20×,并在五个文本到图像基准上保持有竞争力的表现。
Google Research联合Beth Israel Deaconess Medical Center和Harvard Medical School在Nature发表研究,推出无需校准的智能手表AI系统AI-PPG-ACC-HTN,通过PPG和加速度传感器被动检测高血压迹象,相关发现已为Google Health应用中的血压趋势Health Guardian功能提供参考。
Google 分析数千名工程师、数亿个智能体步骤后发现,代码中的 TODO/FIXME bug 引用会让智能体偏离开发者原定任务。13% 的文件读取会话接触到这类引用,其中 6% 触发后续行动,83% 的行动未获开发者请求。
推荐理由:文章量化了代码中过时 TODO 如何诱发智能体偏航,并给出结合工单状态与代码历史清理引用的方法。
Microsoft Research 发布 PDD Kit,一套结合 Verus 形式化证明和测试来验证智能体编写代码是否符合开发者意图的工具包。团队在 GitHub Next 的 Chopin 环境中用它验证了 Rust 全栈应用 Pet Store 的登录逻辑,证明代码在所有输入下满足规范,同时对 bcrypt、SQLite 查询等无法证明的部分保留测试覆盖。
Anthropic 介绍了 Claude 的 AI 智能体记忆系统,涵盖记忆笔记、dreaming、wiki 等组件,以及它们如何在会话间组织、修正和加载记忆。
推荐理由:文章拆解了记忆笔记、wiki 表征与 dreaming 的分工,并用 CL-Bench、Pokémon 和文档检索实验说明它们如何修正错误、组织跨会话知识。
Anthropic 研究团队分析了 207,049 个 Claude 和 Claude Code 科研会话,并比较 Claude Science 在生物与生物医学研究中的使用情况。
推荐理由:报告分析 207,049 个 Claude 和 Claude Code 科研会话,并补充比较 Claude Science,呈现 AI 能力如何对应不同科研任务与产出加速。
Mistral AI 在近期 Django CVE 场景中测试 Mistral Large 4,由 133 个智能体完成代码映射、漏洞搜索、攻击场景测试和漏洞确认,再由 Le Chonk 修复漏洞。整个流程以 90x 速度展示。
MIT Technology Review 报道了一种名为“反向博弈论”(机制设计)的AI对齐思路,核心是设计激励规则让智能体守规则,而不依赖解读模型内部运作。
该论文提出 TOME-Math,将覆盖大学数学核心领域的2,118本教材转换为约380K条结构化证明监督记录。语料保留章节顺序、命题与证明链接、依赖引用和来源溯源,并用于探索跨学科课程学习与监督规模效应。在完整规模微调中,模型在保留评测和公开基准上的无加权平均分比基础模型高16.7个百分点,并在汇总评估中超过三个公开指令数据基线;作者将发布该语料。
Dan Roberts 宣布数学、计算机科学与物理学领域的三项新发现,涉及调和分析、复杂性理论和量子场论。
Google Research发表论文,评估一个AI模型通过“盲扫”超声估算孕周在芝加哥和内罗毕两地诊所的泛化能力,论文发表于JAMA Network Open。
Google Cloud 展示了代号 Project Chrysalis 的自演化 AI 智能体参考架构,可运行在 Gemini platform 和 Agent Development Kit(ADK)上。
Microsoft Research研究员Xinzhi Zhang与合作者Zhao Song证明了1995年提出的KLS猜想,确立高维对数凹分布中最佳平面切割与最佳任意形状切割之间的差距存在与维度无关的固定上界。
推荐理由:原文详述了研究者引导多个AI智能体并行探索上百条推理路径、逐步筛选收敛到最终证明的协作过程。
Qwen 发布 QwenGyre,用于极长时程(XLong)智能体训练,并提出 Elastic Scheduler 与 Trajectory Processor 两项设计。
Jack Clark 在 Import AI 473 中汇总 RAND 的美国超级智能战略,以及人类脑组织移植小鼠、AI 进展节奏和递归自我改进等研究,并以机器诠释学故事收束。
Qwen 联合淘天集团发布 E-Commerce Bench,用于评估 Agent 在有限资金和时间约束下持续经营网店的能力。模型以10万元本金经营365天,面对6,886个商品、576个供应商和动态市场,并接受盈利、现金流、谈判、反欺诈、运营效率、执行力与长程学习等维度评估。
推荐理由:E-Commerce Bench 将真实平台脱敏数据、确定性谈判内核与长期资金约束结合,提供了评估 Agent 持续经营和风险管理能力的可复现实验框架。
千问提出 Qwen-Drive-1.0,以 Qwen3.5-4B 为基座,在不改动预训练 VLM 架构的前提下统一 3D 感知、驾驶视觉问答与运动规划。模型增加 BEV 感知头和基于流匹配的规划专家,Qwen-Drive-1.0-SFT 在 LingoQA、Ego3D RMSE 和 WaymoQA All 上分别为 77.80、7.78 和 74.47。
IBM Research 将 K-Search 扩展为支持 MLX 的后端,并用结构化 CUDA-to-MLX 翻译层把 CUDA 内核经验迁移到 Apple Silicon 上进行演化优化。
推荐理由:文章说明结构化翻译层如何将 CUDA 内核经验迁移到 Apple Silicon,并用 Attention 与 Mamba SSM 的实测结果呈现具体优化路径。
Meta 发布 Brain2Qwerty v2 研究,端到端管线可从非侵入式脑信号实时解码句子,词准确率达到 61%。系统基于 9 名志愿者约 22,000 个句子和 MEG 记录训练,最佳参与者的词准确率达到 78%,超过一半句子的解码结果仅含一个或更少词错误。
推荐理由:研究将非侵入式脑信号实时句子解码做到 61% 词准确率,并公开训练代码与 v1 数据集,为复现和后续研究提供具体基础。