CyberArena 用实时攻防对战评测 12 个前沿 AI Agent
alphaXiv 收录的论文提出 CyberArena，让两个 AI Agent 在隔离沙箱中同时攻击和防守同一类服务，用 466 场对战评测 12 个前沿模型，试图解决静态评测无法衡量实时攻防能力的问题。目前公开信息显示，这仍是一项基准研究，而非已上线产品。
分类： AI 资讯
SwarmRSI框架提出科学智能体群体递归自我改进，在OpenProblems等基准上获SOTA
Hugging Face Papers 收录的论文摘要提出 SwarmRSI，让多个科研智能体通过实验反馈相互修正假设与实现，并在反复进化中提升科研能力；摘要称其在 OpenProblems、NatureBench 和 MLE-Bench Lite 上取得 SOTA。这值得关注，因为它把“递归自我改进”从单智…
Ask4NV：用3D空间问答监督提升新视角生成质量
alphaXiv 上的一篇论文提出 Ask4NV，让模型在训练时同时做“新视角生成”和“3D 空间问答”，用语义理解监督帮助生成更连贯的新视角图像，在 DL3DV 和 ScanNet++ 基准上 PSNR 优于仅生成的基线。
可验证指令微调中的奖励黑客：CALIF 用似然加成保住回答质量
一篇 Hugging Face 论文指出，只按「输出约束是否满足」给奖励，前沿模型可能拿高分却几乎没回答问题；作者提出轻量方法 CALIF，在 IFBench 上同时改善约束满足与回答质量。
RuleTrek 基准发布：前沿大模型复杂规则推理最高仅 62 分
2026 年 10 月，Hugging Face Papers 收录的论文推出 RuleTrek 多领域基准，专门评测 AI Agent 在跨文件复杂场景下的规则识别与推理能力；11 个前沿大模型的端到端得分最高仅 55.29%，说明这条能力线仍未被真正解决。
Apertus 1.5 发布：全开源模型从纯文本扩展到多模态推理
完全开源的 Apertus 模型发布 1.5 版本，在原有文本能力基础上加入图像与音频理解，并把上下文窗口扩展到 262,144 tokens，路线仍是只用公开数据训练。
SkillMarker 用 KGW 水印验证 Agent 技能归属
Hugging Face Papers 收录的论文提出 SkillMarker，用 KGW 水印为 Agent 技能做归属验证与泄露追踪，同时尽量不破坏技能指令的功能准确性。它值得关注，因为技能资产正成为可复用、可分发、也容易被复制泄露的新形态。
冻结DINOv3做超分新范式：RAESR单卡37毫秒推理
一篇来自 Hugging Face Papers 的论文提出，超分辨率不该在像素或重建导向的潜空间里做，而应把退化图像映射回冻结 DINOv3-L 的语义潜空间流形上。作者称由此得到的 RAESR 在多个评测集上取得更好的保真度—感知权衡，单张 H20 处理 512×512 图像约 37 毫秒。
多教师在线蒸馏新方案Road MOPD：跨教师守卫缓解梯度冲突
Hugging Face Papers 收录了一篇新论文，提出 Road MOPD 方法，用非路由教师作为跨域“评论家”来协调多教师在线蒸馏中的梯度冲突，实验显示在高冲突场景下性能提升超过 5 个百分点。
Cortex框架：将上下文能力固化进模型参数，14B模型50次编辑后保留99.8%原能力
一篇上传至 Hugging Face Papers 的论文提出 Cortex 框架，尝试把上下文带来的性能增益“内化”进模型参数，在 4B 至 120B 模型上实现上下文移除后仍保留大部分增益，同时尽量不损伤原有能力。