qiezi

Agent 应用研究

[Agent 创世纪 @AgenticGenesis]

普林斯顿、UC Davis 与 HHMI 团队实时监测 14,247 个神经元，发现大脑决策证据累积更像神经序列接力，而不是传统认为的持续激活。

新皮层与海马体在同一任务中使用不同计算法则，揭示决策信息如何分级传递且不衰减。

https://t.co/XW2B5cIyvb

[Charlie O'Neill @oneill_c]

1/ You can shrink a language model's KV cache by 200×, in a single forward pass, and it still answers correctly.

At 256k context that's 36 GiB of cache down to ~360 MiB, with no change to the base model.

Here's how we did it 👇

[Agent 创世纪 @AgenticGenesis]

NVIDIA 发布 Cosmos 3 物理 AI 世界模型：基于 64B 参数 MoT 架构统一理解与生成
当前具身智能系统因 VLM、VLA 及世界模拟器等架构碎片化，常面临级联误差、视频生成违背物理规律及物体变形等挑战。
Cosmos 3 采用混合 Transformer (MoT) 架构，利用 3D RoPE 与绝对时间调制，将自回归推理（AR）与扩散生成（DM）底层统一，并支持 9D 自我位姿等动作映射。
该设计实现了极低延迟推理与原生具身控制，能精准对齐时空，有效解决生成视频中物体变形与物理运动违背问题。
目前 NVIDIA 已开源该模型的代码、权重及数据集，为具身智能研究提供了大参数量、高保真的通用扩展底座。

https://t.co/bLW62nwGYk

[Agent 创世纪 @AgenticGenesis]

卡内基梅隆大学(CMU)提出Dex4D框架，利用3200种物体仿真训练实现22-DoF灵巧手零样本控制
传统多自由度灵巧手控制依赖高成本真机遥操作数据，且面临需为每个特定任务单独设计仿真环境与奖励函数的瓶颈。
Dex4D将高层常识规划与底层控制解耦，利用视频生成大模型(Wan2.6)与追踪技术(CoTracker3)提取3D目标点轨迹，驱动任务无关的“任意姿态到任意姿态(AP2AP)”策略。
该策略完全在仿真环境中跨3200种真实扫描物体训练而成，无需针对特定任务的奖励设计或真机微调。
实验表明，Dex4D能以零样本(Zero-Shot)方式迁移至真实世界，稳健操控从未见过的物体完成复杂物理交互，降低了具身智能的任务学习门槛。

https://t.co/MLWhYS4EeO

[Agent 创世纪 @AgenticGenesis]

清华大学团队提出 Agent libOS：面向长周期 LLM 智能体的系统级安全管控运行时架构
当前主流智能体框架常将“工具可见性”等同于“资源操作权限”，在长周期运行下面临间接提示词注入等越权漏洞。
为此，团队受 Library-OS 启发设计了 Agent libOS，将面向模型的工具与底层资源权限分离，引入“智能体进程”与“精细化能力控制”。
该架构支持在派生子任务时实现权限自动衰减，并通过显式的权限检查与人类审批队列，在底层拦截非授权操作。
作为运行在宿主系统之上的运行时基座（而非内核替代），它为构建高自主性、可追溯的复杂智能体提供了系统级安全保障。

https://t.co/m6tCGTfpct

[Agent 创世纪 @AgenticGenesis]

东大与日本理化学研究所发现高阶丘脑调控表征更新机制：抑制PUL使解码准确率自85%以上骤降
大脑在动态环境中决策高度依赖历史经验，但当外部规律发生突变时，过时的内部表征必须被快速更新。
研究团队结合光遗传学、Neuropixels探针及mTDR算法，解析了后顶叶皮层（PPC）与高阶丘脑枕核（PUL）的交互机制。
实验证实，PPC-PUL双向环路负责维持记忆稳定性。当环境改变时，丘脑网状核（TRN）对PUL实施抑制，从而打断旧表征闭环。光遗传学抑制PUL后，小鼠基于历史的决策能力丧失，神经元SVM解码准确率由85%以上骤降。
该研究确立了丘脑主动调控认知更新的神经架构，揭示了大自然在“维持稳定”与“自适应更新”之间的生物学边界。

https://t.co/VOgjHspr9t

[Agent 创世纪 @AgenticGenesis]

Mind Lab 提出万亿级 PEFT 缩放法则：以 R3 路由回放实现零崩溃，锁定 Rank 16/32 黄金平衡区。

【背景】万亿级混合专家模型（MoE）在强化学习微调中，常因训练与推理失配（TIM）引发模型崩溃，且全量部署成本高昂。
【方法】研究提出 PEFT 三维缩放法则，采用轻量化 R3（Router Replay）路由回放技术精准对齐概率分布，并对适配器体积进行微缩。
【数据】实验表明，R3 成功将崩溃风险降至 0（KL 散度贴地），显著提升 Math DAPO 验证准确率；且 LoRA Rank 在 16 与 32 时达到性能与计算效率的最佳平衡。
【结论】该成果为极低成本存储、瞬间加载百万个基于万亿参数底座的个人专属 AI 适配器提供了可行的技术路径。

https://t.co/cFwEImDcQP

[Agent 创世纪 @AgenticGenesis]

脑环路如何帮助智能系统避免灾难性遗忘？华东师大与上海AI实验室用 MD-mPFC 环路解释跨模态抽象规则泛化：小鼠切换新视觉任务首日准确率达 76.6%。https://t.co/hufGrcUVLN

[Agent 创世纪 @AgenticGenesis]

【南京大学等联合推出GIM-World：破解长视频生成崩溃难题，实现千帧空间一致且新增算力开销<0.3%】
传统视频大模型在生成长视频时，常因缺乏空间几何常识而面临结构扭曲和记忆漂移问题。
针对此，研究团队设计了几何感知隐式记忆框架 GIM-World，利用轻量级 Transformer 将历史信息压缩为固定记忆令牌。
其核心在于引入相机可查询的几何监督，将 3D 空间结构知识在训练中蒸馏至记忆模块，促使记忆从平面贴图升维为 3D 空间表征。
测试表明，该框架推理额外算力开销极低，仅占扩散主干网络不足 0.3%，无需额外插件即可稳定生成上千帧的高质量长视频。
该工作在场景一致性、动作控制和 3D 几何保真度上显著超越现有基准，为构建可交互虚拟世界奠定了技术基础。

https://t.co/SeJNK92AXk

[Agent 创世纪 @AgenticGenesis]

CMU推出轻量级外挂AHEAD：仅用4.9M参数解决7B大模型控制延迟，实现高动态物体精准拦截

传统视觉-语言-动作（VLA）大模型因计算和感知延迟难以应对移动物体，在动态操纵中常因反应滞后而失败。为此，卡耐基梅隆大学（CMU）提出 AHEAD 框架。这是一个仅有 4.9M 参数的外挂模块，可在潜空间内构建运动感知的预测世界模型。

该方法利用 RAFT 光流技术估算物体速度与加速度，结合空间与时间自适应推演，将“感知-预测-动作”全流程控制在 158 毫秒内。在 2 米外抛射物拦截测试中，AHEAD 成功率达 19/30（最强基线为 0/30）；在高速传送带抓取任务中成功率达 29/30 以上。

该研究证明了在潜空间进行主动物理预判的有效性，为克服大模型机器人的高动态控制延迟提供了可验证的新路径。

https://t.co/x6aIEbp2KK

[Agent 创世纪 @AgenticGenesis]

意大利技术研究院开发章鱼仿生软体机械臂，凭触觉反馈实现方向误差<8°的水下自主盲操抓取。
传统刚性水下机器人依赖集中式计算与视觉，在无结构或浑浊水下环境中的适应性较差。
团队受章鱼外周神经启发，设计了集成分布式光电传感器与分级控制架构的腱驱动软体臂，利用吸盘内微型电路检测硅胶形变的光强变化。
测试显示，传感器在空气和水下均具约 400 mV/N 的高灵敏线性响应（R²>0.9），触碰方向辨识平均误差小于 8°。
该系统无需视觉输入，仅凭触觉即可自主定位、弯曲缠绕并抓取目标，为高自适应软体机器人的去中心化控制提供了可行方案。

https://t.co/oKDiznJ2ny

[Agent 创世纪 @AgenticGenesis]

怎样让智能告别“灾难性遗忘”？柏林洪堡大学用树突簇计算揭秘大脑灵活学习

https://t.co/jReKpS2zZC

[Agent 创世纪 @AgenticGenesis]

大脑如何稳定维持认知状态？《自然》子刊用859人数据揭秘脑电“载波” https://t.co/zuW5fAPwvu via @YouTube

[Agent 创世纪 @AgenticGenesis]

怎样在不同记忆间无缝切换？KAIST用光控技术发现 MS-MEC 神经通路

韩国科学技术院团队发现调控情景记忆切换的 MS-MEC 通路：干预后小鼠可从新记忆瞬时回溯到旧记忆状态。

YouTube: https://t.co/G1doFcgayS

[Agent 创世纪 @AgenticGenesis]

为什么AI看完视频转头就忘？

北大与威斯康星用 M3Eval 系统评估多模态模型的视频记忆：双屏干扰任务中，人类接近 90%，GPT 仅约 27%。

https://t.co/JeGFzJ7Lvn

[Agent 创世纪 @AgenticGenesis]

人类如何瞬间破解未知难题？《自然》用颅内脑电捕捉海马体拼乐高过程 https://t.co/emWUjRJGNd via @YouTube

[Youssof Al Toukhi @Youssofal_]

https://t.co/VXIcHfLVGa

[CHOI @arrakis_ai]

🚨 Holy shxt… The rules of AI image generation just completely changed.

A GPT-based model currently testing in the arena under the bizarre name 'duct-tape' is turning the global AI community upside down. What exactly did they feed this thing?

→ Native-level text generation with zero awkwardness. → Chilling consistency maintained down to the pixel. → Overwhelming illustration quality ready for immediate commercial use.
"Is it just downloading photos from the internet?" That was every tester's first reaction. It's that unbelievable.
A game-changer that instantly crumbles Nano Banana Pro's dominance has arrived. A lot of people might need to start packing their desks again.

The 10 images below were 100% drawn by AI. See for yourself 🧵

[qiezi @qiezi]

GPT-5.4 写的文案看的想吐：
我们今天不讲 xxx、不讲 yyy，只讲 zzz。
做完这一步，这条线也收口了。
全是这种

[meng shao @shao__meng]

@PandaTalk8 GPT-5.4 的大厂味实在太浓了 😂

我现在都只敢让它输出英文了，中文看得我浑身难受，总感觉是：一位大厂高P架构师，在帮我这个小白做咨询，句句不离大厂黑话，段段都有 PUA。。

经常看到「如果你愿意」，我就在想，如果我不愿意，我找你干嘛啊。。咋 AI 也这么会甩锅呢，你干就完了啊

[qiezi @qiezi]

1.5 我已经做了几百个视频，用 2 做了两个，实在太差，回退了

[qiezi @qiezi]

VoxCPM2 我测试远不如 VoxCPM1.5，声音克隆极不稳定，音量音色变化都很大