不同分词生育率语言间的概念方向可靠性研究
研究测量了英语、豪萨语和约鲁巴语在四个语言模型中的情感方向可复现性，使用最终 token 时 split-half 一致度分别为 0.737-0.870、0.589-0.762 和 0.101-0.399，该语言排序在全部 77 组完整模型对比中保持一致。基于相同层训练的分类器预测情感始终高于随机水平，表明预测准确率并不代表方向一致性。研究未证实分词生育率是跨语言差异的成因。
#多模态
#多模态
今日 32 条arXiv：cs.CL（计算语言学，全量分类）AI 评分2929 arXiv：cs.CL（计算语言学，全量分类）AI 评分3636 VisKG：面向高效视觉推理的问题特定知识图谱框架
研究者提出 VisKG，一个用强化学习让模型把视觉内容转译为问题特定知识图谱（KG）表示的框架，过滤感知噪声并保留链式推理所需的实体-关系结构，所需 token 少于基于 caption 的表示。VisKG 采用 GDPO 稳定 RL 后训练，并用负向推理样本加强监督阶段；在科学、数学和通用视觉理解基准上表现与基线相当或更优，GDPO 训练版本平均准确率比 GRPO 版本高 2%。
arXiv：cs.CL（计算语言学，全量分类）AI 评分4444 MLLM 能否生成并检测多模态社交媒体假新闻？
研究提出由 story agent、image agent 和 critic agent 协作的多智能体框架，在科学、健康、娱乐领域生成超 9,000 条配对多模态假新闻帖，并基准测试 16 个开源与闭源 MLLM 的自动检测能力。结果显示多数模型准确率远低于人类水平，在识别图像真实性上尤其失败。代码与数据已发布于 GitHub，论文被 EMNLP 2026 Findings 接收。
World Labs：官网精选AI 评分7676 World Labs 宣布加入 AMD，李飞飞将出任 AMD 执行副总裁兼首席科学家
World Labs 宣布已签署最终协议加入 AMD，交易预计在 2026 年底前完成，尚需监管批准。双方自去年起在 AMD GPU 上的模型训练与推理优化方面开展技术合作。
推荐理由：收购方与被收购方核心人事和交易时间都由当事方直接说明，读者可以据此了解 World Labs 并入 AMD 后的研究安排。
World Labs：官网AI 评分6969 World Labs 发布下一代世界模型 Atlas
World Labs 发布下一代世界模型 Atlas，一个从零预训练的全能模型，可原生处理文本、图像、视频和 3D。
World Labs：官网AI 评分2929 World Labs 发布 Marble Labs：Marble 3D 世界生成案例与教程平台
World Labs 上线 Marble Labs，汇集 Marble 在影视 VFX、虚拟制片、游戏、AR/VR 等场景的项目案例与构建教程。
Suno：Blog（网页）AI 评分5858 Suno Studio 2.0 发布：新增 MIDI、Chat 与自动化功能
Suno 发布 Studio 2.0，为浏览器端 DAW 带来 MIDI 导入录制与编辑、wavetable 合成器、Chat（beta）、高级 stem 分离、音频效果与自定义插件以及自动化功能。MIDI 片段还可作为音频生成的提示词，Premier 订阅者可无限导出 32-bit/48kHz 多轨与 stems。
Suno：Blog（网页）精选AI 评分7070 Suno 发布 v6 音乐模型，推出 v6、v6-wild、v6-mini 三款模型
Suno 发布新一代音乐模型 v6，与 Warner Music Group、BMG 和 Believe 等行业伙伴合作开发，官方称其更快、更具表现力且质量更高。
推荐理由：原文给出 v6 三个模型分工、具体编辑控制能力和与 Warner Music Group 等的合作背景，读者可据此评估其创作工作流的变化。
Sarvam AI（网页）AI 评分5555 Sarvam AI 发布印度语言 ASR 分层评估指南，开源 llm_wer 与 llm_intent_entity 框架
Sarvam AI 发布印度语言 ASR 评估实践指南，指出 WER/CER 等为英语设计的指标在口语变体、code-mixing、数字多写法等六类场景下会把正确转写误判为错误。
Sarvam AI（网页）AI 评分5151 Sarvam AI 汇总 Sarvam Epoch 发布内容，推出 Sarvam 105B 更新版与多项新产品
Sarvam AI 汇总首届 Sarvam Epoch 活动上发布的全部内容，覆盖模型、推理、Agent 平台与硬件。
Sarvam AI（网页）AI 评分5454 Sarvam AI 发布语音识别模型 Saaras V4
Sarvam AI 发布语音识别模型 Saaras V4，采用音频编码器加 3B 混合状态空间 LLM 解码器的架构，解码器完全从零自研训练。
Sarvam AI（网页）AI 评分5252 Sarvam AI 发布 Sarvam Vision 2.1，文档智能基准达到 SOTA
Sarvam AI 发布 Sarvam Vision 2.1，在 olmOCR-Bench（87.3）与自研 Indic OCR Bench（总体准确率 87.39）上取得领先成绩。
Microsoft AI：官方博客（网页）AI 评分3030 Microsoft Signal 博客汇总：MAI-Code-1.1-Flash、CARE-X 与开源智能体框架 Orchard
微软推出 MAI-Code-1.1-Flash 模型，已用于 GitHub Copilot，在命令行编码和 .NET 开发任务上表现提升，用更少 token 完成任务且成本低于 6 月版本。微软还发布开源智能体框架 Orchard，为训练和评估能写代码、浏览网页的 AI 智能体提供可复用环境。此外，微软研究模型 CARE-X 可将多项放射学任务整合，在胸部 X 光任务和真实患者数据上表现良好。
MiniMax：Blog（网页）AI 评分2424 MiniMax 与 Agora 在 Anime Japan 周合办东京峰会，推动 AI 角色迈向企业级产品
MiniMax 与 Agora 在 Anime Japan 周期间于东京合办了一场面向企业的闭门峰会，聚焦将 AI 角色从概念演示推进为可部署的企业级产品。Agora 展示了实时交互的超低延迟基础设施，MiniMax 则展示了其模型层能力，包括情感丰富的 TTS、多模态生成与细腻的角色表达。
MiniMax：Blog（网页）AI 评分2121 MiniMax 在哈佛 HXR 2026 展示多模态 AI 产品套件
MiniMax 在哈佛大学 HXR 2026 大会上展示了覆盖文本、语音、视频和音乐的多模态 AI 模型套件，可将 XR 开发中分散的工具整合为单一 API 平台。其模型可应用于医疗手术训练、旅游虚拟导览、神经科学数据三维可视化及语音驱动交互培训等场景。Gibran Mourani 代表 MiniMax 演讲，并担任该会议首届路演竞赛的 14 位评委之一。
MiniMax：Blog（网页）AI 评分3030 MiniMax 在 WaytoAGI 全球 AI 大会分享多模态智能体与模型栈
MiniMax 在 WaytoAGI 东京全球 AI 大会上介绍了其多模态智能体与人类-AI 协作思路：Talkie、MiniMax Agent、Hailuo AI 及音频音乐平台共用同一自研模型栈，并通过开放 API 向外部伙伴开放同等能力。
MiniMax：Blog（网页）精选AI 评分7171 MiniMax 开源 H3 通用视频生成模型，支持 2K 分辨率与原生立体声音频
MiniMax 正式开源下一代通用视频模型 MiniMax H3，支持文本、图像、视频、音频的多模态统一理解，可生成最长 15 秒、768p（经 H3-Regenerate-2K 可达 2K）、24 FPS 并带 32 kHz 立体声音频的视频。
推荐理由：官方开源公告给出了完整的三模块系统结构、模型规格和本地部署方式，读者可以据此评估在自己的视频生成流程中如何接入。
Meta AI：Blog（网页）精选AI 评分8080 Meta Superintelligence Labs 发布 Muse Spark 多模态推理模型
Meta Superintelligence Labs 发布 Muse 系列首个模型 Muse Spark，为原生多模态推理模型，支持工具使用、视觉思维链和多智能体编排，已在 meta.ai 和 Meta AI 应用上线，并向部分用户开放私有 API 预览。
推荐理由：官方披露了预训练效率、RL 与测试时推理三条扩展路径的具体结果，以及 Apollo Research 关于评估意识的独立发现，可据此了解其技术栈现状。
Meta AI：Blog（网页）AI 评分6161 Meta AI 发布 Brain2Qwerty v2：非侵入式脑信号实时解码句子，词准确率达 61%
Meta AI 推出 Brain2Qwerty v2，可从非侵入式脑记录（MEG）实时解码完整句子，词准确率 61%，远高于其他非侵入式方法的 8%，最佳参与者达 78%。
Meta AI：Blog（网页）AI 评分5050 Meta 的 SAM 3 与 DINOv3 支撑 Genesis Mission 首批 SYNAPS-I 科学成像项目
Meta 介绍其开源模型 Segment Anything Model 3（SAM 3）和 DINOv3 成为由能源部 Genesis Mission 旗下 SYNAPS-I 项目分割管线的核心。
Meta AI：Blog（网页）AI 评分7171 Meta Superintelligence Labs 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 公测
Meta Superintelligence Labs 发布 Muse Spark 1.1，一个面向智能体任务的多模态推理模型，在工具与计算机使用、编码和多模态理解上较 Muse Spark 有明显提升，支持 100 万 token 上下文管理和多智能体编排。
LlamaIndex：产品、工程与评测AI 评分5151 LlamaIndex 发布文档抽取基准 ExtractBench，并推出 LlamaExtract Agentic Plus
LlamaIndex 发布开源文档抽取基准 ExtractBench，覆盖 370 份企业文档（4,869 页）、8 个业务领域和 67 种文档类型，评测 14 个系统并联合评估长记录完整性、扫描与手写识别、字词级 grounding 和成本。
Liquid AI 模型与工程博客（网页）AI 评分6363 Liquid AI 发布 LFM2.5-VL-3B 视觉语言模型
Liquid AI 发布 LFM2.5-VL-3B 视觉语言模型，已上架 Hugging Face。相比 LFM2-VL-3B，屏幕理解、函数调用、grounding 和多图输入显著提升，ScreenSpot-v2 达 80.7，ToolSandbox 从 26.4 升至 59.5，RefCOCO 从 57.1 升至 87.9。
Liquid AI 模型与工程博客（网页）AI 评分5858 Liquid AI 发布 LFM2.5-VL-3B 的 DSpark 视觉草稿模型，解码吞吐最高提升 3.13 倍
Liquid AI 发布面向视觉语言模型 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，以约 280M 参数（增加 8.9% 内存占用）换取更快解码，GPU 解码吞吐最高提升 2.66 倍、边缘设备最高 3.13 倍，端到端分别最高 2.27 倍和 2.62 倍。
Baseten Base Labs：模型研究AI 评分7474 DeepSeek-V4.1-Flash 发布：552B 多模态 MoE 模型，支持 1M token 上下文
DeepSeek 发布 DeepSeek-V4.1-Flash，一个 552B 参数的多模态 MoE 模型，prefill 激活 8B、解码激活 16B，支持 1M token 上下文，采用 Causal Encoder-Decoder 架构与 Compressed Sparse Attention 2。
Goodfire Research（网页）AI 评分3636 Goodfire 推出 Silico：面向机器人与视觉模型的物理 AI 研究工具
Goodfire Research 发布 Silico，一款用于机器人与视觉基础模型的物理 AI 研究工具，可在生成任何一帧前直接从潜空间验证模型是否学到真实物理结构。
Goodfire Research（网页）AI 评分3737 Goodfire 推出 Silico for Life Sciences：面向生命科学的模型可解释性工具
Goodfire 发布 Silico for Life Sciences，可追踪模型内部可解释特征，验证预测依赖真实生物结构还是数据集伪相关，并从模型内部直接挖掘生物标志物与机制假设。该工具已用于 Mayo Clinic 合作项目，对 ClinVar 全部 420 万个变异给出可解释预测，其中 83.9 万个变异实现 SOTA 致病性预测，并开源可解释预测数据库。
CMU：Machine Learning BlogAI 评分4444 CMU 研究：如何让 AI 智能体预判人类何时想介入
CMU 团队提出 CowCorpus 数据集，包含 400 段真实人机协作网页会话和 4200+ 交错动作，用于训练智能体预测人类介入时机。基于该数据将介入预测建模为逐步二分类任务，用大型多模态模型监督微调，并聚类出 Takeover、Hands-on、Hands-off、Collaborative 四类用户交互模式。
CMU：Machine Learning BlogAI 评分2828 CMU 在 ICLR 2026：194 篇论文概览
CMU 研究团队将在 ICLR 2026 展示 194 篇论文，会议于 4 月 23 日至 27 日在巴西里约热内卢 Riocentro 会议中心举行。论文涵盖应用、计算机视觉、深度学习、优化、强化学习、社会影响与理论等方向，其中 EditBench、UALM、Agent Data Protocol、MotionStream、OpenThoughts 等被列为 Oral 论文。
CMU：Machine Learning BlogAI 评分5454 CMU 团队发布 CHAI 视频描述管线，用 100+ 专业创作者的批判式人机协作提升视频语言监督
CMU 研究者发布 CHAI，一个基于批判式人机监督的视频描述管线，与 100+ 专业视频创作者合作一年构建，对应 CVPR 2026 论文（Highlight，Top 3%）。
Black Forest Labs：Blog（网页）精选AI 评分6363 Black Forest Labs 发布 FLUX 3 多模态基础模型，并与 mimic 合作推出机器人视频动作模型 FLUX-mimic
Black Forest Labs 发布早期版本 FLUX 3 多模态基础模型，联合训练图像、视频与音频，视频预测占训练算力超 95%。FLUX 3 骨干可解码动作预测，加入动作模态后视频质量先降最多 10%，3500 步后恢复原有水平。
推荐理由：官方给出训练细节与工厂实测数据，说明同一多模态骨干如何同时支持内容生成与机器人动作控制。
Black Forest Labs：Blog（网页）精选AI 评分7171 Black Forest Labs 发布多模态基础模型 FLUX 3 并开放 Early Access
Black Forest Labs 发布多模态基础模型 FLUX 3，基于 Self-Flow 方法在统一架构内联合学习图像、视频和音频，现已开放 Early Access。
推荐理由：原文给出 FLUX 3 的多模态架构、早期对比评测数字和分阶段开放计划，读者可据此评估其对创作与具身场景的适用性。
Black Forest Labs：Blog（网页）精选AI 评分6666 Black Forest Labs 发布 FLUX 3 Video，文生视频与图生视频正式开放
Black Forest Labs 宣布 FLUX 3 Video 初版正式开放，可通过 BFL API 和部分合作伙伴使用。模型支持最长 20 秒、HD（720p）与 Full HD（1080p，经上采样）的视频生成，并伴随生成原生音频；能力包括文生视频、图生视频与关键帧、视频续接（最多 4 秒）、单次生成多镜头、多语言对白与唇形同步、Draft Mode 低成本预览等。
推荐理由：原文给出具体生成时长、分辨率、多语言与评测结果，读者可据此判断 FLUX 3 Video 在视频生成工作流中的可用性。
Black Forest Labs：Blog（网页）AI 评分1515 Black Forest Labs 研究：自监督流匹配与 FLUX.2 潜空间分析
Black Forest Labs 发布多项生成式 AI 与视觉智能研究，包括面向图像、视频和音频生成的模态无关自监督流匹配框架，以及对比 SD-VAE、RAE、FLUX.1 和 FLUX.2 等扩散模型自编码器表示的研究。此外还介绍了 FLUX.1 Kontext，一个在潜空间中进行上下文图像生成与编辑的统一模型，实现了快速且业界领先的效果。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 MaLiang-Harness：面向图像与视频生成的可编程路径
MaLiang-Harness 是一个将 MLLM 驱动的视觉生成组织为持续构建、检查与修订过程的统一框架，用于弥合程序可执行但违反构图、外观或运动要求的 Program-to-Visual（P2V）差距。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分7676 Anthropic 将 Claude Design 整合进 Claude 对话与 Claude Code
Anthropic 宣布 Claude Design 现可在任意 Claude 对话中使用，包括 Claude Code 和 Artifacts 标签页，Claude Tag 支持即将推出。
推荐理由：原文给出可用范围、连接器和设计系统管理等具体变化，读者可据此判断它对设计到交付流程的影响。
TechCrunch：AI（RSS）AI 评分5454 白宫推出 AI 聊天机器人 America.gov，Gemini 参与提供支持
白宫于 9 月 29 日宣布推出 AI 聊天机器人 America.gov，用于帮助民众查找政府服务和信息。Google 确认其 Gemini 模型参与该产品，美国政府首席设计官 Joe Gebbia 补充表示政府也使用了 Grok。文章同时提出疑问：大语言模型仍易产生幻觉，若民众依赖该聊天机器人获取食品券申请、签证续签或报税等信息，错误可能导致错过截止日期、福利被拒或罚款。
TechCrunch：AI（RSS）AI 评分5757 Airbnb 推出 AI 搜索并扩展社交与服务功能
Airbnb 在秋季产品更新中上线 AI 搜索，用户可通过开关启用文本或语音提示搜索房源，系统会根据偏好显示动态筛选条件，例如输入 baby 会推荐婴儿床、游乐场等筛选，并用 AI 摘要对比心愿单房源。
AWS Machine Learning BlogAI 评分4141 Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，将单次内容检索耗时从 250 分钟降至 2 分钟以内。
IT之家（RSS）AI 评分6262 新加坡男子用 Gemini 生成鳄鱼侵袭水库照片被起诉，最高或面临 10 年监禁加 1 万新币罚款
新加坡男子 Ye Lin 因用谷歌 Gemini 生成并传播鳄鱼出现在 Pandan 水库的虚假图片被起诉，最高面临 10 年监禁和 1 万新币（约合 52,585 元人民币）罚款。图片引发 PUB 与国家公园局搜寻鳄鱼并暂停水上活动，发现不实后 PUB 报案；Ye Lin 被控传播虚假信息及删除照片妨碍司法公正，将于 11 月 10 日再次出庭。