tech-news

AI 每日资讯 — 2026-09-15 🔥 HuggingFace 每日论文 1. Breaking the Vision-Action Shortcut: Latent Interface Training for Generalizable Robotics Foundation Models Jianman Lin, Shailesh Shailesh, Zhongyi Luo 本文针对机器人基础模型在视觉分布偏移下泛化能力下降的问题，指出其根源在于模型依赖训练数据中任务无关的视觉-动作相关性（即“vision-action shortcut”），而非真正理解任务目标。为此，作者提出一种框架无关的两阶段“潜在接口训练”（LIT）方法：第一阶段在无图像条件下，仅基于语言指令、机器人状态及末端执行器终端SE(3)位姿学习目标导向的动作先验；第二阶段引入一个姿态监督的潜在接口，将视觉与语义表征融合，并作为唯一视觉输入通道驱动动作生成，同时强制该接口重建第一阶段所用终端位姿，从而保留任务关键的空间信息。在Pi0.5、Molmo等四种架构上的实验表明，LIT显著提升跨域泛化能力，在多个真实世界机器人任务中实现平均18.7%的动作成功率提升。 PDF · arXiv · 代码 · 项目 | ❤️ 61 2. SAS: Simple Attention Sparsification via End-to-End Optimization of Context Ranking Zhiwei Li, Lei Zhu, Hao Gu 本文提出Simple Attention Sparsification（SAS），一种面向端到端优化的轻量级注意力稀疏化方法，旨在解决现有后训练稀疏化方法中上下文单元排序与预测影响不一致的问题。SAS将选择器输出的连续分数直接注入注意力logits，在softmax内部以归一化门控形式建模，使选择器可通过语言建模损失进行梯度更新；同时引入当前块强制保留机制与历史上下文校准策略，确保稀疏注意力在固定预算下更聚焦于对预测贡献最大的单元。实验表明，SAS在多个基准上显著优于主流稀疏基线，推理速度提升达2.1倍，且几乎无精度损失。 PDF · arXiv · 代码 | ❤️ 49 3. StepAudio 3 Gen Technical Report Bin Lin, Bo Zhao, Boyang Wang...

AI 每日资讯 — 2026-09-14 🔥 HuggingFace 每日论文 1. SenseNova-U1.5: Towards Native Unified Visual Intelligence Haiwen Diao, Jiahao Wang, Chenjing Ding 本文提出SenseNova-U1.5——一个8B参数的原生统一多模态模型（MoT），摒弃传统编码器与VAE结构，实现端到端的视觉理解、推理与生成。通过空间一致的图像块重建、4K原生分辨率训练、精细化生成/编辑数据构建、任务建模优化及结构化提示增强，显著提升模型能力；后训练阶段采用多专家协同优化与在线策略蒸馏，集成美学、双语文本渲染、信息图生成与图像编辑等专项能力。实验表明，该模型在图像保真度、文本渲染精度、复杂构图、多参考编辑及图文交错生成等方面大幅超越现有方法，同时强化指令遵循能力与主体身份、几何结构及未修改区域的一致性。即使训练数据中结构化指令有限，模型仍能泛化至长程、复杂、结构化视觉任务，验证了原生统一建模通向感知—推理—创作一体化系统的可行性。 PDF · arXiv | ❤️ 229 2. The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement Yi Duan, Ying Liu, Zirui Tang 本文探讨通向真正递归自我改进（RSI）的路径，旨在构建人类设计的最后一款AI系统。作者提出Headroom-Closed Index（HCI）指标，揭示当前大语言模型在能力提升空间与闭环优化能力上的根本局限；进而系统构建RSI五阶段发展框架：从改进执行自主性、改进策略自主性、经验获取自主性、环境适应自主性，最终迈向递归元改进。研究横跨科学发现、具身智能与软件工程等典型场景，分析其差异化需求与演进节奏，并结合工业实践与初步实证，识别出实现真正RSI所面临的关键技术挑战，包括目标稳定性、评估可信赖性与改进过程的可解释性等。 PDF · arXiv | ❤️ 75 3. Biology-in-the-loop: Amortized Adaptive Hit Discovery in CRISPR Screens Carl Edwards, Edward De Brouwer, Xiner Li 本文针对CRISPR筛选中受限预算下的序贯实验设计问题，提出“生物学闭环”（Biology-in-the-loop）范式。作者构建了大规模自适应命中发现基准AssayBench-Loop，涵盖1389个跨五类表型的CRISPR屏幕；在此基础上提出AssayLoop框架，融合基于Transformer的可泛化采集策略AssayFormer与大语言模型（LLM）提供的生物学先验知识，实现反馈驱动的动态实验规划。进一步提出轻量级微调方案AssayLLM，将该范式直接迁移至LLM。实验表明，在时间隔离测试集上，AssayLoop相较随机选择实现5.67倍命中富集，并在仅检测约5%候选扰动时即识别出27.7%的真实功能基因。 PDF · arXiv | ❤️ 2...

AI 每日资讯 — 2026-09-13 🔥 HuggingFace 每日论文 1. SenseNova-U1.5: Towards Native Unified Visual Intelligence Haiwen Diao, Jiahao Wang, Chenjing Ding 本文提出SenseNova-U1.5——一个8B参数的原生统一多模态模型（MoT），摒弃传统编码器与VAE结构，实现端到端的视觉理解、推理与生成。通过空间一致的图像块重建、4K原生分辨率训练、精细化任务建模及结构化提示增强等关键技术，显著提升图像保真度、文本渲染质量、复杂构图能力、多参考编辑与图文交错生成性能。后训练阶段采用多专家协同优化与在线策略蒸馏，强化美学、双语文本、信息图与图像编辑等专项能力。实验表明，该模型在指令遵循、主体一致性、几何结构保持及未修改区域保护等方面全面领先，并展现出对长程、复杂、结构化视觉指令的强泛化能力，验证了原生统一建模通向感知—推理—创作一体化系统的可行性。 PDF · arXiv | ❤️ 168 2. The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement Yi Duan, Ying Liu, Zirui Tang 本文探讨通向真正递归自我改进（RSI）的路径，旨在构建人类设计的最后一款AI系统。作者首先提出“余量-封闭指数”（HCI）量化现有大语言模型在自我改进能力上的根本局限；继而系统构建RSI五阶段发展框架：从改进执行自主性、改进策略自主性、经验获取自主性、环境适应自主性，最终迈向递归元改进。研究进一步分析RSI在科学发现、具身智能与软件工程等场景中的差异化需求与发展节奏，并基于工业实践与初步实证数据，厘清RSI落地的关键技术瓶颈，包括目标稳定性、评估可信性与改进可追溯性等核心挑战。 PDF · arXiv | ❤️ 73 3. Generative Late-Interaction Embeddings For Visual Document Retrieval Mohamed Eltahir, Talal Aloushan, Rose Khairoalsendi 本文针对视觉文档检索中late-interaction模型因高维嵌入导致的存储开销问题，提出生成式晚期交互嵌入（GLIE）。作者发现文档页嵌入向量严格位于单位球面上，且集中于内在维度为5–6的低维流形，据此提出两项关键改进：一是将k-means质心归一化至球面以消除MaxSim分数系统性低估；二是利用该低维几何结构，仅用k ≪ N个生成向量即可重建整页N≈1000个嵌入。GLIE以k个轻量向量作为索引，并在检索后对候选页动态解码恢复全量嵌入以精确重排序。在ViDoRe v1数据集上，仅用每页4个向量时，GLIE达近80%原始nDCG@5性能，显著优于最优已有后处理方法（70%），且仅需415K参数、训练耗时不足3GPU小时。 PDF · arXiv · 代码 · 项目 | ❤️ 14...