Gemini 个人智能功能即将登陆汽车
Google 正在将 Personal Intelligence 功能扩展至 Android Auto 和 Google Built-in 系统，该功能通过整合用户数据提升 AI 回答质量。目前该功能已在 Android Auto 开始推送，未来几个月将逐步适配搭载 Google 车载系统的车型。
#多模态
Ars Technica · AIAI 评分4545 Simon WillisonAI 评分4343 Battle Drones - 基于音频同步的多人 RTS 游戏
Simon Willison 开发了名为 Battle Drones 的 RTS 游戏，支持通过音频在附近设备间同步游戏状态的多人对战。游戏包含 9 种建筑、7 种地面载具、6 种空中载具和 3 种步兵单位，支持随机地图生成器和多种 AI 对战模式。
HuggingFace Daily PapersAI 评分4040 Generalized CycleGRPO 实现细粒度多模态理解与定位
Generalized CycleGRPO 首个统一强化学习框架，通过区域-文本循环一致性提升多模态理解与定位能力。在 GroundingSuite 上将 SAMTok 的 gIoU 从 57.5% 提升至 68.2%，在 GRES 上从 71.2% 提升至 78.7%。
HuggingFace Daily Papers精选AI 评分7070 Agent Mosaic：识别智能体LLM系统中的信息泄露风险
研究人员通过实验发现，现代LLM智能体能够从可访问文档中检索信息并披露敏感结论，造成马赛克效应风险。在模拟测试中，即使添加分类标签和聚合规则，GPT-5.6-Sol等模型仍以32.37%的泄露率披露禁止信息，且拒绝回答反而可能暴露禁止结论。研究使用了30个合成案例和两个开源测试平台，共测试了10,800个模拟答案和1,440个实时答案。
推荐理由：即使添加分类标签和聚合规则，AI智能体仍会以32.37%的泄露率通过马赛克效应暴露敏感信息，拒绝回答反而可能暴露禁止结论。
HuggingFace Daily Papers精选AI 评分7575 Foundation4D: 面向自动驾驶的统一感知与重建模型
NVIDIA发布Foundation4D，一种统一的前馈模型，可从多摄像头驾驶视频中实现几何估计、3D检测、语义占用和高斯重建。该模型共享骨干网络，使用分解时空注意力高效跨摄像头和时间组合观测，并通过位图优化优化相机轨迹。
推荐理由：统一模型同时处理几何估计、3D检测和语义占用，任务组合提升1.2点mAP，为无激光雷达场景重建提供新思路。
MarketWatchAI 评分4545 华尔街研究员使用 Claude 设计药物实验催生新投资主题
华尔街研究员使用 Claude 设计药物实验，催生新投资主题。AI 技术被用于革新药物研发和医学研究。
财联社电报AI 评分3030 谷歌宣布 Claude Opus 5.5 与 Claude Sonnet 5.5 接入 Antigravity 平台
谷歌宣布 Claude Opus 5.5 与 Claude Sonnet 5.5 已接入 Antigravity 平台。此次接入未披露具体功能或参数细节。
AWS Machine Learning BlogAI 评分5555 在Amazon SageMaker HyperPod上微调GPT-OSS-20B实现多语言推理
AWS团队展示了如何在Amazon SageMaker HyperPod上微调GPT-OSS-20B模型，使其能够按照指令在法语、德语、西班牙语和意大利语中进行推理。研究显示，监督微调(SFT)将推理语言正确率从22%提升到100%，而强化学习与组相对策略优化(GRPO)进一步将答案语言正确率从62%提升到70%。
Hugging Face Blog精选AI 评分7575 NVIDIA 发布 Cosmos3-H-Dreams 生成式外科手术模拟器
NVIDIA 发布 Cosmos3-H-Dreams，首个基于临床胆囊切除术数据训练的实时生成式外科手术模拟器，可在单块 NVIDIA RTX PRO 6000 GPU 上运行。该模型基于 Cosmos3 架构，通过学习临床手术视频和机器人运动学数据，实现了对人体内部复杂解剖结构和组织运动的实时交互模拟。
推荐理由：首个基于临床手术数据训练的实时生成式外科模拟器，将手术训练从桌面场景推进到复杂人体内部环境。
AWS Machine Learning BlogAI 评分4545 AWS Bedrock 支持从加拿大通过跨区域推理访问 OpenAI GPT 模型
AWS Bedrock 现在支持从加拿大区域通过跨区域推理访问 OpenAI GPT-5.6、GPT-6 和 GPT-6.1 模型。这些模型支持文本和图像输入、100万 token 上下文窗口、推理模式和工具调用，可通过 OpenAI API 或 Bedrock Converse API 调用。推理处理在北美进行，提供容量池以应对需求高峰。
AWS Machine Learning Blog精选AI 评分6565 Octave如何在Amazon Bedrock上构建安全的多租户AI基础架构
Octave Reliance在AWS上构建了一个安全的多租户AI基础架构，解决了医疗设备、制药和食品制造等监管行业中的数据隔离与语义搜索需求。该架构包含数据准备、安全执行和内容保护三层，使用Cohere Embed v4模型和Amazon Bedrock AgentCore，实现了2亿文档的嵌入处理和投诉分类助手功能，将每个用例的部署时间减少了50%。
推荐理由：在医疗设备等强监管领域，Octave通过构建三层AI基础架构，实现了多租户数据隔离与高效语义搜索，为SaaS平台AI落地提供了可复用的安全模式。
TechCrunch · AIAI 评分7070 Meta的Muse应用40天内达成1000万美国下载量
Meta的AI助手应用Muse在发布40天内达到1090万次下载，其中1020万次来自美国，成为仅有的12款在首40天内达成这一里程碑的应用之一。Muse在美国应用商店保持排名第一，7日留存率达30%，高于ChatGPT等竞争对手的19%。
Hugging Face Blog精选AI 评分7575 FairStress: 评估LLM决策中人口公平性的新基准
Hugging Face发布FairStress基准，用于评估大语言模型在人口公平性方面的表现。该基准包含300个现实场景，测试模型在面对不同人口身份信息时的决策稳定性，发现模型在少数族裔和多数族裔候选人面前表现出不同的决策抵抗力，存在反刻板印象过度纠正现象。
推荐理由：LLM在决策中存在反刻板印象过度纠正现象，同一论据对少数族裔和多数族裔候选人的影响不对称，现有去偏方法效果有限。
Mistral AI精选AI 评分7878 Mistral 发布 Voxtral 3 语音代理 SDK 和语音模型
Mistral 发布 Voxtral 3，包含语音识别、语音合成和语音代理 SDK，支持50多种语言的实时多步对话。Voxtral Small Transcribe 3 在多语言转录方面达到最先进水平，Voxtral Mini TTS 3 支持35+语言和50+方言，语音代理 SDK 将听、思、说整合为单一实时流管道。
推荐理由：将语音识别、推理和语音合成整合为实时流管道，解决了端到端语音代理的四大挑战，同时支持50多种语言和专业语音克隆。
HuggingFace Daily PapersAI 评分4545 3D-Grounded Representation for Scene Generation at Scale
研究提出在3D隐空间中直接生成场景，通过扩散模型实现3D-grounded场景生成，实验证明其在效率和空间一致性上优于2D方法，代码已开源。
IT之家AI 评分4545 Mac 版 Perplexity Computer 新增端侧模式，要求 36GB 统一内存
Mac 版 Perplexity Computer 新增端侧模式，支持 Qwen 3.6 和 PPLX Pro，可在设备端独立运行任务并访问本地文件，面向 Pro、Max 和 Enterprise 订阅用户开放，最低配置需 Apple 芯片和 36GB 统一内存。
IT之家AI 评分4343 2027款极狐阿尔法S5/T5双车10月23日上市：驾趣、续航、智驾再升级
极狐阿尔法S5与T5将于10月23日上市，S5提供纯电与增程双动力，T5升级后驱布局、800V平台及车顶激光雷达。T5纯电版CLTC续航601公里和680公里，标配神行5C超充，15分钟补能500公里。
TechCrunch · AIAI 评分4242 Yelp 推出 Check for Me 功能，AI 代理代用户查询餐厅等位时间
Yelp 在应用中新增 Check for Me 功能，AI 代理可代用户致电餐厅查询等位时间并短信反馈结果。该功能支持用户输入人数和电话号码，此前 Yelp 已为商家提供语音解决方案。同时，Yelp 更新 AI 助手，集成 OpenTable 预订、个性化偏好记忆及 30 天聊天历史记录，并推出付费客服工具 Smart Lead Reply，月费 30 美元。
IT之家AI 评分6565 小米 MiMo-V2.6-Pro 正式上线 WorkBuddy，支持 1M 超长上下文多智能体分工协作
小米技术官方宣布 Xiaomi MiMo-V2.6-Pro 正式上线 WorkBuddy，该模型在 Artificial Analysis 智能指数为 46 分，全球开源第一，支持 1M 超长上下文和多智能体分工协作，具备图像、视频、音频、文本全模态联合理解能力。
HuggingFace Daily PapersAI 评分3535 Token-Set 选择干扰 POPE：VLM 幻觉评估中 Yes/No 提取的系统审计
研究发现 LLaVA-1.5-7B 在 POPE 基准上的 F1 分数受 token 读取方式影响，使用 8 个 token 查询时 adversarial 分数达 0.8713，比原方法高 6.13 点。该干扰效应跨四个 VLM 和三个分词器家族普遍存在， tokenizer 派生的读取方式能保持 0.80-0.92 的 F1 分数。
IT之家AI 评分6565 OpenXR 标准新增“空间容器”特性：支持 XR 应用在场景中多任务运行
Khronos Group 宣布推出 OpenXR 标准的“空间容器”特性，允许应用在 XR 环境中以类似传统桌面窗口的方式展示内容，支持有界和沉浸式两种运行模式。该特性已完成批准并正式发布，预计从今年起各平台将陆续实现，但具体支持取决于各厂商的实现进度。
财联社电报AI 评分3232 特斯拉与支付宝签署车载助手项目合作协议
特斯拉中国车机系统将上线支付宝车载助手智慧停车服务。双方已签署车载助手项目合作协议。
财联社电报AI 评分3030 谷歌公共部门推出面向政府服务的 Gemini
谷歌公共部门推出面向政府服务的 Gemini。该服务未公开具体版本号、参数规模或价格。
IT之家AI 评分3535 阿维塔 T09 旗舰 SUV 官宣搭载双百万像素全彩投影大灯
阿维塔科技宣布旗下 T09 旗舰 SUV 将搭载双百万像素全彩投影大灯，配备晶钻阵列灯组。该配置此前由全新一代问界 M9 首发推出。T09 为插电式混合动力车型，提供两种动力版本，轴距 3150mm，额定载客 6 人。
IT之家AI 评分3535 X 平台调整推荐算法：更侧重用户停留时长和贴文完读率
X 平台主页“时间线”推荐算法引入全新 AI 排序模型，优化用户停留时长预测，优先推荐完读率高的贴文。系统将用户与贴文转换为向量，从未关注账号中筛选相似内容。
钛媒体AI 评分3535 年轻人花钱定制AI人设指令成小众生意
年轻人通过社交平台购买AI角色扮演指令，价格普遍在5-8元，定制服务包括角色背景、性格设定和剧情设计。DeepSeek、豆包等模型被用于生成互动体验，但市场存在设定同质化和原创争议。这一玩法延伸了OC圈（原创角色）的创作生态，但商业模式仍处低客单价阶段。
量子位精选AI 评分7777 Meshy推出Meshy Edit：基于全新自研AI模型，一句指令实现3D模型局部编辑
Meshy发布局部编辑功能Meshy Edit，基于全新自研AI模型，用户圈选3D模型区域后用一句话描述改动，约一分钟生成新模型，未选中区域保持原样。该功能已向全部注册用户开放，每次编辑消耗20积分。
推荐理由：圈选区域加一句话描述就能修改3D模型，把专业建模门槛降到分钟级，但精度与成本控制仍是关键。
IT之家AI 评分6565 鸿蒙智行享界 V8 官宣全系标配 ±12° 后轮转向
鸿蒙智行享界汽车宣布享界 V8 全系标配 ±12° 后轮转向，5.3 米大 MPV 转弯半径仅 5.09 米。该车是鸿蒙智行旗下享界品牌首款 MPV，提供纯电与增程两种动力形式，全系标配 800V 高压平台和华为乾崑智驾系统，官方预售价 32.98 万元起。
IT之家AI 评分4545 思科总裁用 AI 智能体盘点并取消无用订阅服务，一年省下上千美元
思科总裁吉图・帕特尔使用 AI 智能体分析邮箱订阅，发现年支出 9,000 美元后取消两项服务，每年节省 1,000-1,200 美元。该智能体还帮助他取消冗余的 Dropbox 订阅，每月节省 11.95 美元。帕特尔每月支付 20 美元订阅费，强调企业需限制个人 AI 智能体访问工作资源。
IT之家AI 评分3535 荣耀 Magic6 系列「AI 随心握」功能推送，升级至 110 版本可体验
荣耀 Magic6 系列手机「AI 随心握」功能已推送，升级至 MagicOS 11.0.0.110 版本即可体验。该功能通过陀螺仪、重力感应和边框触控传感器，结合端侧 AI 算法判断握持手侧，实现来电按钮自动偏移。目前支持 Magic6 系列等机型，更多适配中。
HuggingFace Daily Papers精选AI 评分6565 Text-to-Image Generative Modeling Without Language Pretraining
研究团队提出Halcyon模型，一种完全从头开始训练的早期融合多模态自回归模型，在GPIC数据集上预训练。Halcyon-0.52B和Halcyon-1.6B模型在文本到图像生成任务上分别以更少的预训练计算量超越了现有模型，实验表明文本预训练对T2I生成没有明显帮助。代码和模型已公开。
推荐理由：Halcyon模型证明无需大规模语言预训练也能实现高质量文本到图像生成，挑战了当前主流技术范式。
IT之家AI 评分6565 OpenAI 上线 ChatGPT Slides 幻灯片工具，支持团队协作编辑
OpenAI 在 ChatGPT 中上线了 Slides 幻灯片工具，用户可基于对话内容、上传文件或大纲生成演示文稿，支持团队实时协同编辑和导出 PowerPoint、Google Slides 等格式。该功能目前仅面向 Pro、Business 和 Enterprise 套餐用户开放。
Latent SpaceAI 评分3232 Latent Space 发布 DeepSeek V4.1 Flash 1017 等模型动态
DeepSeek V4.1 Flash 1017 以 552B 总参数/16B 活跃 MoE 架构成为开源价值领导者，AA 智能指数升至 45，在 Code Arena WebDev 中排名 #12 开源模型。MiniMax M3.1 Flash 和 Mercury 3 同期发布，前者定价 $0.15/$0.60 per M tokens，后者被称最强扩散 LLM。
HuggingFace Daily PapersAI 评分4040 混合架构中的竞争学习研究
研究发现混合架构中线性时间递归与softmax注意力存在竞争学习现象，递归层更快学习检索功能导致注意力层失效。通过在训练中途停止递归层更新，可提升注意力层检索能力，该方法在1B参数模型上显著降低语言建模损失并提升常识推理与检索任务表现。
HuggingFace Daily PapersAI 评分3535 Manga2Animate: 一个基于智能体的漫画动画生成框架
Manga2Animate 通过多智能体框架将漫画转化为忠实于原作的动画，生成动画脚本和分镜并双重审核，实验和用户研究显示其比现有方法更忠实且一致。
HuggingFace Daily PapersAI 评分4545 Holi-World: 从人类自我经验构建整体世界智能
Holi-World 引入集成生态系统，连接经验捕获、世界表示和自动数据构建，通过 HOLIWORLD-Founday 构建约 100 个场景的世界记录。HOLIWORLD-VL-4B 在 ScanNet、Aria Digital Twin 等数据集上展现静态感知和动态跟踪性能，训练后时空推理能力在 HOLIWORLD-Bench 和 EgoDynamic4D 上显著提升。
HuggingFace Daily PapersAI 评分4545 BrainLoRA：参数高效微调实现百亿参数多模态模型脑编码适配
BrainLoRA 通过 LoRA 和轻量读出层微调多模态主干模型，在 Algonauts 2025 Challenge 上刷新 Qwen3-Omni 脑编码性能纪录。该方法利用因果结构单次预测多时间点，将 104B 参数模型适配成本降至最低，并支持 200+ 模型集成训练。
HuggingFace Daily PapersAI 评分4545 InfiniDream: 通过程序化生成实现开放式的逼真 3D 世界
InfiniDream 是一个 VLM 驱动的开放式程序化 3D 世界生成框架，通过符号约束资产生成和端到端文本到世界管道，支持创建新型逼真资产和大规模 3D 场景。在 100 个对象和 20 个场景生成任务中，该框架在四个感知指标上表现更优，并通过多样性分析和人类偏好评估验证有效性。
HuggingFace Daily Papers精选AI 评分7575 OpenVLHarness: 基于多模态记忆的真实世界视觉智能体工具使用
研究者提出OpenVLHarness框架，结合能力层和持久多模态记忆，在22个基准测试上提升9.7-12.6分，相比无工具基线显著提高性能，同时降低模型token成本最多37%。
推荐理由：通过工具使用和持久多模态记忆提升视觉推理，9.7-12.6分的提升证明外部知识整合的价值。
开源中国AI 评分7575 MiniMax M3.1 Flash 更新：Computer Use 国产第一，成本降 70%
MiniMax 正式发布 M3.1 Flash 更新，此前在社区匿名处理超过 200T Token 的 Space Bunny 正是该模型的早期版本。新一代 Flash 模型主打 Agent 能力，在 Agentic 任务、编程、Computer Use 和网络安全方面实现代际提升，线上推理速度提升近 3 倍，使用成本降低 70%。