ALoDLM Adaptively Looped Diffusion Language Models paper: huggingface.co/papers/2610.0…

ID-Forcing：让长视频生成保持在分布内 自回归视频模型会漂移到训练时长之外。ID-Forcing 将 KV caching 和条件对齐到训练状态，无需微调即可生成分钟级视频。

微软开源逆合成模型 RetroChimera，成果登上 Nature

微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型用学习式重排序整合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，在盲测中化学家更偏好其单步反应预测；十个挑战性目标的多步路线中 RetroChimera 成功九个，优于 de novo 模型的五个、编辑模型的四个和 NeuralSym 的两个。

Hugging Face Blog精选AI 评分6262

IBM 研究提出一致性指南，将 ReAct 智能体的 Pass^5 一致性差距从 24.4 点缩小到 12.0 点

IBM 研究团队在 ALTK-Evolve 中新增一致性指南（consistency guidelines），基于 Consistency Analyzer 诊断智能体轨迹中易翻转的决策点。

Import AIAI 评分2222

Import AI 470：机器不应享有权利；SPADE 自动生成训练环境；Hawkeye 优化 GPU kernel

METR 分析发现 AI 对科研的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域贡献有限，AI 研究本身的算法进展则未见可测加速。多校团队提出 SPADE 框架，让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上使游戏环境套件均分达 58.3，较基线提升 8.1。

Hugging Face BlogAI 评分3838

Hugging Face 论文：用离线 Top-K Logits 与融合分块 KL 损失降低 LLM 知识蒸馏成本

Hugging Face 最新论文提出两项系统改动，让 LLM 知识蒸馏成本大幅下降：先离线缓存教师模型的 top-100 logits，使教师模型无需与学生模型同时驻留显存；再用融合分块 KL 损失，避免生成完整的词表×序列长度矩阵。

Hugging Face BlogAI 评分4444

ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试

Hugging Face 发布开源基准 ScarfBench，用于评估 AI 智能体在企业级 Java 框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现、204 个迁移任务和 1331 个专家测试。

Import AIAI 评分2222

Import AI 457：AI 版 Stuxnet、Muon 优化器缺陷与正向对齐

Import AI 457 关注三件事：SentinelOne 拆解出约 20 年前的病毒 fast16.sys，它通过篡改 LS-DYNA 970、PKPM、MOHID 等高精度计算软件的内存结果来破坏工程与物理仿真。

Google ResearchAI 评分3636

Google Research 用 AI 合成神经元加速脑图谱绘制，重建误差降低 4.4%

Google Research 提出 MoGen（Neuronal Morphology Generation），基于 PointInfinity 点云流匹配模型生成合成神经元形状，为 PATHFINDER 重建模型补充训练数据，使小鼠轴突重建误差降低 4.4%，主要来自 merge error 的减少。

Hugging Face BlogAI 评分4949

IBM 与 UC Berkeley 用 ITBench 和 MAST 诊断企业级智能体为何失败

IBM Research 与 UC Berkeley 用 MAST 失败分类法分析 ITBench 中 310 条 SRE 执行轨迹，覆盖 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 三类模型。

Google ResearchAI 评分3131

Google 开源 DialogLab：编写、模拟与测试动态人-AI 群组对话

Google Research 在 ACM UIST 2025 发布开源原型框架 DialogLab，用于编写、模拟和测试动态的人-AI 群组对话，将对话的社交设定与时间推进解耦，支持拖拽式场景搭建、实时预览与验证仪表盘。14 名游戏设计、教育和社会科学领域参与者的评测显示，human control 模式在参与度、有效性和真实感上显著优于 autonomous 与 reactive 模式。

Hugging Face BlogAI 评分3636

Intel 发布 DeepMath：基于 smolagents 的轻量级数学推理 Agent

Intel AI Software Group 推出 DeepMath，一个基于 Qwen3-4B Thinking 并用 GRPO 微调的数学推理 Agent，通过 smolagents 实现，让模型生成 Python 片段在沙箱中执行并回填结果。

Hugging Face Blog精选AI 评分6060

ServiceNow 发布 Apriel-H1：将 15B 推理模型蒸馏为 Mamba 混合架构，吞吐提升 2.1 倍

ServiceNow 的 SLAM Lab 发布 Apriel-H1，把 15B 推理模型改造成 Mamba 混合架构，旗舰版 Apriel-H1-15b-Thinker-SFT 实现 2.1 倍吞吐且质量损失很小，MATH500 从 0.90 升到 0.92、MTBench 从 8.30 升到 8.58，GSM8k、GPQA、AIME24 略有下降。

Hugging Face BlogAI 评分3737

Hugging Face 开源多面手 Transformer 智能体 JAT，单网络玩转 157 项任务

Hugging Face 发布 JAT（Jack of All Trades），一个基于 GPT-Neo 架构的多模态 Transformer 智能体，用单一网络在 157 项训练任务上达到专家平均性能的 65.8%。

Hugging Face BlogAI 评分4141

Hugging Face 发布 WebSight 数据集，用截图生成 HTML 代码

Hugging Face 推出 WebSight 数据集，用于训练 AI 将网页截图转换为 HTML 代码。该数据集从 v0.1 的 82.3 万对 HTML 与截图样本扩展至 v0.2 的 200 万例，改用真实图像截图并切换至 Tailwind CSS。基于该数据集微调的视觉语言模型 Sightseer 可将网页截图转为可用的 HTML 代码，并能在生成结果中嵌入与原截图相近的图像。

OpenAI 发布 Neural MMO：大规模多智能体游戏环境

OpenAI 发布 Neural MMO，一个面向强化学习智能体的大规模多智能体游戏环境。该平台支持在持久、开放式的任务中容纳数量可变的大量智能体，多智能体与多物种的引入带来更好的探索、差异化的生态位形成以及整体能力的提升。

OpenAI 发布 CoinRun：量化强化学习泛化能力

OpenAI 发布训练环境 CoinRun，用于衡量智能体将经验迁移到新情境的泛化能力，并已帮助厘清强化学习领域一个长期存在的难题。CoinRun 在复杂度上取得平衡：比《刺猬索尼克》等传统平台游戏更简单，但对当前最先进算法仍构成值得挑战的泛化测试。

OpenAI 发布八个模拟机器人环境与 HER Baselines 实现

OpenAI 发布八个模拟机器人环境，以及 Hindsight Experience Replay 的 Baselines 实现，均出自其过去一年的研究。这些环境已用于训练可迁移到实体机器人的模型，OpenAI 同时发布了一组机器人研究议题。