搜索
一句话概括：多答案问答要求智能体找全整个答案集合，而不是只搜到一个就停止。现有 RL 方法在此场景下存在两处错位：优势计算停留在轨迹级，信用分配粗糙；F1 奖励对头部与长尾实体一视同仁，智能体缺乏探索长尾的动力。
VAST发布并开源实时世界模型EdenLive，支持任意参考输入、不同画风生成和分钟级连续运行，其5B模型在单张Nvidia RTX 5090上以720P生成速度超过24FPS，端到端延迟为百毫秒级。
Murea Labs的Murea-InWorld通过Murea-Mind协同Murea-Pro和Murea-Fast生成实时互动音视频，Murea-Pro以81.13分位列WBench Full-289第一，Murea-Fast以64.98分居OpenS2V-Eval参评开源模型第一。
Anthropic公开内部报告称，1334名员工预计到2030年底AI将完成前沿模型开发95%的工作，其Agent工时已远超员工，对AI进度的预期也显著高于美国公众。
英伟达RTX Spark全球开售，128GB版本开售数分钟即售罄；作者使用售价37999元的华硕ProArt创16本地运行Qwen3.8-27B等模型，实现免API费用的多种AI任务并获得“Token自由”体验。
Manifold AI推出WorldScape R²SI，通过上下文学习与双层Agent持续改进能力登顶RoboDojo Agent Track总榜，超过GPT-6-Astra等模型。
香港大学MMLab团队提出EgoWild2Dex，利用538.9小时真实人类第一视角数据训练机器人，每个下游任务使用不到1小时真机数据微调，拆快递、用热熔胶枪固定摆件和制作冰饮等任务的平均成功率达96.7%。
智谱推出法律专用开源模型GLM-Legal，可处理合同审查、证据分析和跨境合规，并在Vals AI法律测评中以19.2%的任务全通过率和86.23%的准确率位居Harvey LAB与LegalBench双榜开放权重模型榜首。
Scale AI与Elorian发布Humanity’s Sixth Sense（HSS）基准，以522道图像和视频题测试多模态模型的直觉式视觉推理，25个模型均显著落后于人类，榜首GPT-6-astra得分53.6%，人类达93.1%。
团队提出免训练评测方法RAVEL，通过带稳定项的PCA白化和局部图像块匹配提升视觉编码器评测准确性，在三个LLM上的平均Spearman相关系数达0.85，并开源210个MLLM权重。