tech

AI 每日资讯 — 2026-08-03 🔥 HuggingFace 每日论文 1. AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis Bing Yan, Gregory Wolfe, Stefano Martiniani AskChem针对化学文献综述中跨论文信息碎片化、人工整合效率低的问题，提出以“主张（claim）”为核心的检索与合成基础设施。其核心是将论文解析为带来源DOI和原文引用的原子化、类型化主张，并构建三层互补结构：稳定的分面分类体系支持层级检索、证据图谱建模主张间逻辑关系、动态活体分类法依据科学原理组织文献。系统已索引14.7万篇论文生成的240万条主张，提供Web界面及面向AI代理的REST/SDK/MCP接口。在AskChem-Bench评测中，接入AskChem的GPT-5.5阅读器实现100%DOI可解析率（基线为88.3%），并取得五系统中最高引用密度。 PDF · arXiv · 代码 · 项目 | ❤️ 292 2. PhiZero: A World Model Built Around Physical Language Shuyao Shang, Yuqi Wang, Ruopeng Gao 本文提出PhiZero，一种以“物理语言”为核心的物理世界模型。“物理语言”是一种紧凑、离散的世界状态转移表征，旨在显式建模物理演化规律。不同于现有方法直接在像素空间预测未来视频，PhiZero采用“先推理、后渲染”范式：首先通过自监督学习从野外视频中习得物理语言，并据此推理未来状态序列；再将其解码为视频。实验表明，PhiZero在生成与理解类基准上均能建模物理一致的动态演化，并展现出真实感强、可交互的世界建模能力，支持细粒度动作条件模拟与零样本运动迁移。 PDF · arXiv · 代码 · 项目 | ❤️ 158 3. Beacon: Knowing When and How to Perform Agentic Visual Reasoning Qixun Wang, Yang Shi, Letian Cheng...

AI 每日资讯 — 2026-08-02 🔥 HuggingFace 每日论文 1. AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis Bing Yan, Gregory Wolfe, Stefano Martiniani AskChem 提出一种以“主张（claim）”为中心的化学文献合成基础设施，旨在解决现有检索系统仅返回文档列表、难以跨论文整合细粒度科学发现的问题。其核心是将每篇论文解析为带类型标签、DOI溯源及原文引证的原子化主张，并构建三层互补结构：稳定分面分类体系、主张间证据关系图谱、以及基于科学原理的动态活体分类法。系统已索引14.7万篇论文生成的240万条主张，支持Web、REST、SDK与MCP多模态接入。在AskChem-Bench评测中，结合GPT-5.5的阅读器实现100% DOI可解析率（基线为88.3%），并取得五种系统中最高的引用密度。 PDF · arXiv · 代码 · 项目 | ❤️ 289 2. PhiZero: A World Model Built Around Physical Language Shuyao Shang, Yuqi Wang, Ruopeng Gao 本文提出PhiZero，一种以物理语言为核心的物理世界模型。物理语言是一种紧凑的离散表示，用于刻画世界状态转移。不同于现有模型直接在像素空间预测未来视频、隐式建模物理动力学，PhiZero通过自监督方式从野外视频中学习物理语言，并采用“先推理后渲染”范式：首先以物理语言序列显式推断未来世界演化，再将其渲染为视频。在生成与理解基准上的大量实验表明，PhiZero能有效建模物理一致的世界演化，并展现出真实感强、可交互的世界建模能力，支持细粒度动作条件模拟与零样本运动迁移。 PDF · arXiv · 代码 · 项目 | ❤️ 155 3. Beacon: Knowing When and How to Perform Agentic Visual Reasoning Qixun Wang, Yang Shi, Letian Cheng...

AI 每日资讯 — 2026-08-01 🔥 HuggingFace 每日论文 1. AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis Bing Yan, Gregory Wolfe, Stefano Martiniani 本文提出AskChem——一种面向化学文献合成的声明中心型基础设施，旨在解决现有检索系统仅返回文档列表、难以跨论文整合细粒度科学主张的问题。AskChem将论文解析为带来源（DOI）、原文引用或证据定位器的原子化、类型化声明，并构建三层互补结构：稳定分面分类体系支持层级检索与浏览、证据图谱建模声明间逻辑关系、动态活体分类法将论文锚定于科学原理。系统已索引14.7万篇论文生成的240万条声明，提供Web界面及面向AI代理的REST、SDK与MCP接口。在AskChem-Bench评测中，结合GPT-5.5阅读器后DOI可解析率达100%，显著优于无检索基线（88.3%），且引用密度居五种系统之首。 PDF · arXiv · 代码 · 项目 | ❤️ 199 2. PhiZero: A World Model Built Around Physical Language Shuyao Shang, Yuqi Wang, Ruopeng Gao 本文提出PhiZero，一种以物理语言为核心的物理世界模型。物理语言是一种紧凑的离散表示，用于刻画世界状态转移。不同于现有模型直接在像素空间预测未来视频、隐式编码物理动力学，PhiZero通过自监督方式从野外视频中学习物理语言，并显式建模物理演化过程，采用“先推理后渲染”范式：首先生成物理语言序列描述未来状态演化，再将其渲染为视频。实验表明，PhiZero在生成与理解任务上均能建模物理一致的世界演化，在真实感交互建模、细粒度动作条件仿真及零样本运动迁移等任务中展现出显著潜力。 PDF · arXiv · 代码 · 项目 | ❤️ 148 3. Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering Junlin Yang, Che Jiang, Yu Fu...

AI 每日资讯 — 2026-07-31 🔥 HuggingFace 每日论文 1. TurboVLA: Real-Time Vision-Language-Action Model at 32 Hz on an RTX 4090 with <1 GB VRAM Hengyi Xie, Chenfei Yao, Xianjin Wu 本文提出TurboVLA，一种面向实时机器人操作的轻量级视觉-语言-动作（VLA）模型。针对现有LLM-centric V→L→A范式计算与显存开销大的问题，TurboVLA重构为直接的V+L→A映射：采用独立编码器分别处理视觉与语言输入，通过轻量级双向跨模态交互融合特征，并以紧凑解码器预测连续动作片段。在LIBERO基准上，TurboVLA仅用0.2B参数即实现97.7%平均成功率，单帧推理延迟31.2 ms，显存占用仅0.9 GB（RTX 4090），性能媲美或超越更大规模模型，为高效VLA建模提供了新范式。 PDF · arXiv · 代码 · 项目 | ❤️ 117 2. HumanCLAW: Can Vision-Language Models Act Through a Body? Siyao Li, Jiawei Gu, Shuai Liu 本文提出HumanCLAW评估框架，旨在解耦视觉语言模型（VLM）的高层动作决策与底层运动执行，以独立衡量其具身动作智能。该框架将VLM输出的原子技能指令实时映射为具有真实物理效应（如重力、碰撞）的全身连续运动，从而排除运动控制误差干扰，聚焦评估模型对自身身体状态与环境交互的时序判断能力。基于此构建了含1218个长视野、第一人称“寻找-导航-交互”任务的HumanCLAW-Bench基准，在41个室内场景中评测9种主流VLM，最高成功率仅16.8%。实验表明，识别能力并非瓶颈，核心缺陷在于具身自我意识缺失——模型无法持续追踪自身位姿、目标到达状态及障碍接触情况。 PDF · arXiv · 代码 · 项目 | ❤️ 64...