Anthropic 开源 jacobian-lens：把内部激活线性映射为可读 token
Anthropic 开源论文配套代码 jacobian-lens，已获约 2k star。Jacobian lens 把任意层、任意位置的残差流向量线性传输到末层基，再用模型自身 unembedding 解码为排序的词表 token，读出内部激活「倾向于让模型说什么」。
#开源/仓库
#开源/仓库
今日 9 条AGI HuntAI 评分4040 AGI HuntAI 评分4545 PrismQuant 用零空间旋转优化 INT4 量化，70B 模型几乎无损
PrismQuant 提出量化器感知的旋转框架，将激活主特征空间与非对称分组 INT4 的常量组子空间对齐。在 W4A4KV4 下 Llama-3.2-3B 达到 SOTA，Llama-3.1-70B 困惑度 3.85、平均零样本准确率 72.46%，仅比全精度低 0.22 个百分点。
AGI HuntAI 评分4343 KAIST 用提示分歧替代像素标注，实现零样本分割免标注适配
KAIST 提出面向开放词汇语义分割（OVSS）的偏好引导适配框架，用不同提示模板间的「提示分歧」取代像素级标注，从跨模板不确定性高的区域挖掘局部偏好查询。方法采用 Region-Localized Preference Optimization（RLPO）配合区域外一致性正则，在 MESS 基准上让多种 OVSS 骨干获得一致提升，无需任何像素级标注，且在偏好噪声下依然有效。代码已开源。
arXiv cs.CVAI 评分3535 CrossTimeEdit：面向历史街景生成的十年跨度跨视角数据集与奖励引导编辑
CrossTimeEdit 将历史街景生成重构为编辑任务，以 FLUX.2 [Klein] 4B 为起点经 SFT 与在线 RL 训练，整体性能较预训练基线提升 17.12%。其配套 VIGOR-his 数据集覆盖三大洲 11 座城市，含 43,653 个位置级四元组。模型以 Flow-GRPO 与 GDPO 优化 IA、BP、QP 三项奖励，代码、数据集与模型权重已公开。
arXiv cs.CVAI 评分4848 OTT3R：以 1% 算力实现多视角 3D 重建与快速数据集生成
OTT3R 是一个知识蒸馏框架，把 959M 参数的 π³ 蒸馏成 102M 参数的学生模型，压缩 9.4×、推理最高快 7×，训练算力仅为 VGGT 的 1.6%。
arXiv cs.AIAI 评分3333 PowerZooJax：面向强化学习的 JAX 电力系统基准
PowerZooJax 是基于 JAX 的电力系统强化学习基准，覆盖发电、输电、配电、分布式能源与数据中心微电网 5 个约束马尔可夫决策过程任务。它把潮流计算、经济调度、市场出清和设备动态改写为 JAX 计算图，使训练与评估全程留在 GPU 上，相比 CPU 仿真显著加速。该开源基准还对策略回报、安全违规和分布外压力场景提供标准化评估。
AGI HuntAI 评分4040 新加坡国立大学 MaLiang-Harness：用可执行程序控制图像视频生成，并定义 P2V 差距
新加坡国立大学团队发布 MaLiang-Harness，用可执行程序驱动 MLLM 图像/视频生成，并首次定义 Program-to-Visual（P2V）差距。
AGI HuntAI 评分4343 VLANeXt Family：500+ 控制实验提炼 12 条 VLA 模型实用配方
研究团队发布 VLANeXt Family，基于 500+ 控制实验系统重访视觉-语言-动作（VLA）模型的设计空间，提炼出 12 条构建强 VLA 的实用配方。
AGI HuntAI 评分3737 AutoRef 开源：面向智能体多参考图生成的 Harness 优化
论文《Harness Optimization for Agentic Multi-Reference Image Generation》的官方实现 AutoRef 已在 GitHub 开源（KuOnoda/AutoRef），主题是以智能体方式优化多参考图像生成。该项目由 Reddit 用户从 arXiv 发现，适合关注图像生成与 agent 结合方向的人跟进。
arXiv cs.AIAI 评分4040 Self-Play Search Distillation：用自对弈搜索蒸馏提升 LLM 推理能力
Self-Play Search Distillation（SPSD）通过棋盘游戏自对弈中的 MuZero 类网络搜索生成超人类合成数据，并把搜索记录转成思维链，为大语言模型提供环境接地监督。在 Qwen3-4B-Base 上，六个数学基准的平均分从 24.1 升至 36.6，未见过的游戏胜率从 15% 升至 45%。该方法仅用自对弈搜索记录训练，即可迁移到数学推理。
AGI HuntAI 评分3939 arXiv 论文《Focusing Condition》提出 SCS：推理时零训练提升 LLM 条件文本嵌入
arXiv 论文《Focusing Condition》提出推理时即插即用的自对比引导方法 SCS，通过遮蔽条件得到无条件嵌入，再用它引导多头自注意力计算，提升 LLM 条件文本嵌入质量。该方法无需额外数据或微调，推理时仅多一次多头自注意力计算。在聚类、语义文本相似度（STS）和三元组对齐数据集上验证，可叠加现有 prompt 方法并全面提升性能，代码已开源。
arXiv cs.CLAI 评分4141 语言模型把自身重复 token 映射到哪里
研究用一次前向计算读取 argmax p(. | t, t)，把语言模型对自身重复 token 的映射画到整个词表。非固定点部分按源 token 配对消除基数混杂后，模型家族归属准确率达 0.8333（12 个模型对 19 个模型池，随机 0.1389），固定点部分为 0.5833。
arXiv cs.CLAI 评分3636 G²PTQ：用广义梯度补偿改进 LLM 训练后量化
G²PTQ 提出统一的大语言模型训练后量化框架，在全局监督的块级目标下融合一阶与二阶信息，并在量化每个 Transformer 块前刷新梯度与 Hessian 估计。它引入 trust-region 缩放机制约束梯度步长，防止权重更新爆炸。在多种模型族和位宽上，G²PTQ 与全精度模型的对齐优于 SOTA 基线。
arXiv cs.CLAI 评分3535 SEA-CLIP-Tiny：面向东南亚语言的高效多语言文本-视觉嵌入模型
SEA-CLIP-Tiny 是参数量不足 50M 的多语言文本-视觉嵌入模型，面向东南亚语言，用 CLIP-KD 式框架结合区域数据筛选与多语言教师引导。在 7 种东南亚语言上，其平均检索表现在受评学生模型中最佳，R@1、R@5、R@10 分别为 12.9%、31.5%、42.2%。
arXiv cs.CLAI 评分3838 喂 BabyLMs 吃 Macaroni：语码切换课程带来跨语言收敛
用 LLM 向英语、荷兰语、中文 BabyBabelLM 语料注入词级与句级语码切换后再预训练小型 decoder-only Transformer，可让平行文本表征（尤其跨书写系统）趋于对齐。按词级语码切换→句级语码切换→单语文档的课程训练，模型在 BabyLM 评测套件上优于未使用该数据的基线。代码、数据与模型已公开。
Google ResearchAI 评分5353 Google Research 发布 WAXAL 数据集，开放 27 种非洲语言语音资源
Google Research 发布 WAXAL 开放语音数据集，覆盖 27 种撒哈拉以南非洲语言，面向超 1 亿使用者，采用 CC-BY-4.0 许可。数据集包含约 1,846 小时转写自然语音的 ASR 数据和超 565 小时高保真录音的 TTS 数据。采集工作自 2021 年起由非洲高校与社区组织主导、Google 提供方法指导，Google 表示将继续扩充语种。