allenai/olmocr

📌 【AI2 開源】olmOCR：將複雜 PDF 與影像高效轉換為乾淨 Markdown 的工具集

Python

BlockPilot: Instance-Adaptive Policy Learning for Diffusion-based Speculative Decoding

📌 BlockPilot：透過自適應區塊選擇，最佳化 Diffusion 模型的投機解碼效能

Does VLA Even Know the Basics? Measuring Commonsense and World Knowledge Retention in Vision-Language-Action Models

📌 VLA 模型真的懂常識嗎？Act2Answer 透過「肢體動作」測試世界知識

DOPD: Dual On-policy Distillation

📌 DOPD：透過動態 Token 級路由，解決模型蒸餾中的「特權錯覺」

GEAR: Guided End-to-End AutoRegression for Image Synthesis

📌 GEAR：透過端到端聯合訓練，打破影像合成的 VQ 瓶頸

Google AI Introduces TabFM: A Hybrid-Attention Tabular Foundation Model for Zero-Shot Classification and Regression

📌 【Google AI】TabFM：將表格預測轉化為 In-Context Learning 的基礎模型

Machine LearningOpen SourceSoftware Engineering

HippoRAG: Neurobiologically inspired RAG using Amazon Bedrock, Amazon Neptune, and personalized PageRank

📌 【AWS 實作】模仿海馬體記憶機制，用 HippoRAG 解決 RAG 的多跳推理困境

Advanced (300)Amazon BedrockAmazon NeptuneTechnical How-to

HKUDS/VideoAgent

📌 VideoAgent：一體化多模態影片框架

Python

Hugging Face and Cerebras bring Gemma 4 to real-time voice AI

📌 Hugging Face × Cerebras：Gemma 4 即時語音 AI，延遲大幅縮短

langchain-ai/deepagents

📌 【LangChain 新專案】Deep Agents：開箱即用的生產級 Agent 框架

Python

Mastering Agentic Techniques: AI Agent Reinforcement Learning

📌 Mastering Agentic Techniques：NVIDIA 推出 AI Agent 強化學習全套工具

Agentic AI / Generative AIAI Platforms/DeploymentAI AgentNeMo

MOPD: Multi-Teacher On-Policy Distillation for Capability Integration in LLM Post-Training

📌 MOPD：透過多教師即時蒸餾，將多項領域能力整合至 LLM 後訓練

NVIDIA Releases Nemotron-Labs-TwoTower: an Open-Weight Diffusion Language Model Built on a Frozen Autoregressive Nemotron-3-Nano-30B-A3B Backbone

📌 【NVIDIA 新發布】Nemotron-Labs-TwoTower：用雙塔擴散模型將生成速度提升 2.42 倍

AI Paper SummaryLanguage ModelLarge Language ModelMachine Learning

open-webui/open-webui

📌 【開源專案】Open WebUI：支援完全離線執行的全功能 AI 部署平臺

Python

Play2Perfect: What Matters in Dexterous Play Pretraining for Precise Assembly?

📌 Play2Perfect：透過「玩耍式預訓練」提升機器人精準組裝能力

SpheRoPE: Zero-Shot Optimization-Free 360 Panorama Generation with Spherical RoPE

📌 SpheRoPE：無需訓練，用球面 RoPE 實現零樣本 360 度全景生成

🔬 The Coolest Diffusion Research Isn't in LLMs — Evan Feinberg & Sergey Edunov, Genesis Molecular AI

📌 小分子藥物發現的突破：Genesis 的 PEARL 模型已達實務門檻

TRIAGE: Role-Typed Credit Assignment for Agentic Reinforcement Learning

📌 TRIAGE：透過角色化信用分配，最佳化 Agent 強化學習的獎勵機制

Unlocking the Visual Record of Materials Science: A Large-Scale Multimodal Dataset from Scientific Literature

📌 將材料科學文獻視覺化：MatMMExtract 打造大規模多模態資料集

具身智慧Skill時刻！輝達開源機器人技能庫，Jim Fan：範式變了

📌 【NVIDIA 最新研究】不再依賴梯度下降？ASPIRE 讓機器人透過「技能庫」持續進化

资讯具身智能英伟达

AlexsJones/llmfit

📌 不再盲目試錯：用 llmfit 精準匹配最適合你硬體的 LLM 模型

Rust

AsyncOPD: How Stale Can On-Policy Distillation Be?

📌 AsyncOPD：非同步 on‑policy 蒸餾的「陳舊」問題到底有多嚴重？

Bridging VideoQA and Video-Guided Agentic Tasks via Generalized Keyframe Extraction

📌 Bridging VideoQA 與 Video‑Guided Agent 任務：關鍵影格抽取新基準

Build generative UI for AI agents on Amazon Bedrock AgentCore with the AG-UI protocol

📌 【AWS】透過 AG-UI 協定在 Amazon Bedrock AgentCore 打造生成式 UI

Advanced (300)Amazon Bedrock AgentCoreAmazon CognitoAWS Amplify

Building Local AI Systems: Qwen3.6 + MCPs

📌 建置本地 AI 助手：Qwen3.6 搭配 Model Context Protocol (MCP) 完全免整合

Core dump epidemiology: fixing an 18-year-old bug

📌 【OpenAI 工程經驗】透過大規模 Core Dump 分析，修復潛伏 18 年的基礎設施 Bug

Engineering

DreamForge-World 0.1 Preview: A Low-Compute Real-Time Controllable World Model

📌 DreamForge-World 0.1 Preview：低算力即時可控世界模型

Focusing on What Matters: Saliency-Harnessing Accurate Routing for Diffusion MoE

📌 透過 Saliency 引導路由，提升 Diffusion MoE 的計算分配精準度

google/agents-cli

📌 【Google 開源】agents-cli：讓你的 Coding Agent 變身 Gemini 企業級代理開發專家

Python

Mind the Heads: Topological Representation Alignment for Multimodal LLMs

📌 Mind the Heads：多模態大型語言模型的拓撲注意力頭對齊

LiveEdit: Towards Real-Time Diffusion-Based Streaming Video Editing

📌 LiveEdit：實現即時串流影片編輯的擴散模型框架

GUICrafter: Weakly-Supervised GUI Agent Leveraging Massive Unannotated Screenshots

📌 GUICrafter：利用海量未標記截圖，以弱監督學習打造 GUI Agent

OSWorld2.0: Benchmarking Computer Use Agents on Long-Horizon Real-World Tasks

📌 OSWorld 2.0：挑戰 Computer Use Agent 的長路徑現實世界任務基準

ReFreeKV: Towards Threshold-Free KV Cache Compression

📌 ReFreeKV：無門檻 KV 快取壓縮新方法

Nemotron-Labs-Diffusion-Image: Advancing Masked Discrete Diffusion for High-Resolution Image Synthesis

📌 Nemotron-Labs-Diffusion-Image：透過遮罩離散擴散提升高解析度影像合成

ScarfBench: Benchmarking AI Agents for Enterprise Java Framework Migration

📌 【IBM Research】ScarfBench：評估 AI Agent 遷移企業級 Java 框架的實戰基準

SWE-Together: Evaluating Coding Agents in Interactive User Sessions

📌 SWE-Together：用真實互動紀錄評估 Coding Agent 的多回合編碼基準

TACO: Tool-Augmented Credit Optimization for Agentic Tool Use

📌 TACO：透過「信用最佳化」讓多模態 Agent 更精準地使用工具

Video-MME-Logical: A Controlled Diagnostic Benchmark for Video Temporal-Logical Reasoning

📌 Video‑MME‑Logical：可控影片時序邏輯診斷基準

ZooClaw-FashionSigLIP2: Distilled Fine-tuning for Robust Fashion Retrieval

📌 ZooClaw‑FashionSigLIP2：結合蒸餾與權重插值的時尚檢索模型

DiScoFormer: One transformer for density and score, across distributions

📌 【HuggingFace】DiScoFormer：單一 Transformer 統一估算密度與分數

google-research/timesfm

📌 【Google Research】TimesFM：將 Foundation Model 概念引入時間序列預測

Python

HKUDS/CLI-Anything

📌 【HKUDS 開源】CLI-Anything：將所有軟體轉化為 AI Agent 原生介面

Python

Build an agentic AI healthcare claims pipeline with Amazon Bedrock and AWS HealthLake

📌 建置自動化醫療理賠管線：Amazon Bedrock + AWS HealthLake 讓 PDF 表單不再手動處理

Advanced (300)Amazon Bedrock AgentCoreAmazon Bedrock Data AutomationAmazon DynamoDB

How to Govern Autonomous Agents in Enterprise AI Factories

📌 【NVIDIA 參考設計】企業 AI 工廠如何治理自治代理（Autonomous Agents）？

Agentic AI / Generative AIData Center / CloudMLOpsAI Agent

Liquid AI Ships LFM2.5-230M with llama.cpp, MLX, vLLM, SGLang, and ONNX Support for On-Device Inference

📌 【Liquid AI】推出 LFM2.5-230M：專為邊緣裝置設計的 Agentic 小模型

Agentic AIAI InfrastructureLanguage ModelLarge Language Model

lumina-ai-inc/chunkr

📌 【開源專案】Chunkr：將複雜檔案轉化為 RAG 可用片段的生產級 API 服務

Rust

Meet EverOS: An Open Source Markdown-First Agent Memory Runtime With Hybrid BM25 + Vector Retrieval and Self-Evolving Skills

📌 【開源專案】EverOS：將 Markdown 作為 AI Agent 的記憶基底，實現可編輯、可版本控制的記憶執行時

Agentic AIAI AgentsContext EngineeringOpen Source

NVIDIA BioNeMo Agent Toolkit Turns Biomolecular Models Into Callable Skills for AI Agents in Drug Discovery

📌 【NVIDIA 新工具】BioNeMo Agent Toolkit：將生物分子模型轉化為 AI Agent 的可呼叫技能

Agentic AIAI AgentsLanguage ModelLarge Language Model

Multi-tenant LLM analytics with row-level security: How we built a secure agent on AWS

📌 【AWS 實作分享】如何建立具備 Row-Level Security 的多租戶 LLM 分析代理人？

Amazon BedrockAmazon Bedrock Knowledge BasesCustomer Solutions

Object-Centric Residual RL for Zero-Shot Sim-to-Real VLA Enhancement

📌 物件中心殘差 RL：解決 VLA 模型從模擬轉向現實的零樣本挑戰

ProMSA:Progressive Multimodal Search Agents for Knowledge-Based Visual Question Answering

📌 ProMSA：透過漸進式多模態搜尋代理，解決知識型視覺問答挑戰

Pair Nova 2 Lite with Claude for cost-optimized document processing

📌 【AWS 實作】Nova 2 Lite 搭配 Claude：將檔案數位化成本降低 66%

Advanced (300)Amazon NovaAmazon TextractTechnical How-to

Qwen-Image-2.0-RL Technical Report

📌 Qwen-Image-2.0-RL：結合 RL 與 On-policy 蒸餾提升影像生成品質

Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models

📌 Qwen-RobotManip：透過統一對齊解鎖機器人操作基礎模型的規模化

Qwen-RobotNav Technical Report: A Scalable Navigation Model Designed for an Agentic Navigation System

📌 Qwen-RobotNav：打造可擴充套件的機器人導航模型，實現零樣本泛化

Unclecheng-li/VulnClaw

📌 VulnClaw：用自然語言驅動的 AI 滲透測試 Agent

Python

topoteretes/cognee

📌 讓 AI Agent 擁有持久記憶：開源記憶平臺 Cognee 結合知識圖譜與 LLM

Python

yikart/AiToEarn

📌 AiToEarn：將 AI Agent 轉化為內容營銷與變現的一站式工具

TypeScript

Your RAG Pipeline Is Probably Useless. Here’s a Better Alternative

📌 為什麼你的 RAG Pipeline 在生產環境會失效？揭露檢索相關性的致命缺陷

craft-ai-agents/craft-agents-oss

📌 【開源專案】Craft Agents：以檔案為中心的 AI Agent 協作介面

TypeScript

DanceOPD: On-Policy Generative Field Distillation

📌 DanceOPD：用 On-Policy 蒸餾統一生成與編輯能力

diegosouzapw/OmniRoute

📌 OmniRoute：透過單一端點聚合 231 家 AI 供應商，打破 Token 額度限制

TypeScript

EO-WM: A Physically Informed World Model for Probabilistic Earth Observation Forecasting

📌 EO-WM：結合物理先驗的擴散模型，提升地球觀測預測的機率分佈

PhysiFormer: Learning to Simulate Mechanics in World Space

📌 PhysiFormer：在座標空間中學習 3D 物件的物理模擬

TauricResearch/TradingAgents

📌 TradingAgents：支援多模型與多 Agent 的金融交易框架

Python

ViQ: Text-Aligned Visual Quantized Representations at Any Resolution

📌 ViQ：實現任意解析度且兼顧語意與細節的視覺量化表示

前端工程師最不想看到的開源專案出現了，一行命令克隆任意網站

📌 一行命令克隆任意網站：ai-website-cloner-template 實現畫素級復刻

资讯克隆

梁文鋒署名的DSpark，看懂這10個點就夠了！

📌 【DeepSeek 研究】DSpark 如何讓 LLM 推理速度提升 85%？系統工程的極致協同

首页轮播Deepseek梁文锋

ABACUS: Adapting Unified Foundation Model for Bridging Image Count Understanding and Generation

📌 ABACUS：統一視覺語言模型，嘗試橋接影像計數與生成

[AINews] OpenAI GPT-5.6 Sol / Terra / Luna — restricted to trusted partners

📌 OpenAI 發布 GPT-5.6 系列模型：受美國政府要求，僅限信任夥伴預覽

Ask, Solve, Generate: Self-Evolving Unified Multimodal Understanding and Generation via Self-Consistency Rewards

📌 【新研究】無需標註資料：讓多模態模型透過「自問自答」自我演進

cs.CV

browser-use/video-use

📌 【browser-use】用 Claude Code 聊天就能剪片：開源專案 video-use 登場

Python

BrowserBC：克隆人類點選，讓一次網頁操作轉化為所有Agent的能力

📌 【Einsia AI 開源】BrowserBC：將人類網頁操作轉寫為「技能卡」，讓小模型也能精準執行

资讯首页轮播Agent

colbymchenry/codegraph

📌 為 AI Agent 注入語意 intelligence：CodeGraph 1.0 正式釋出

TypeScript

comet-ml/opik

📌 【Comet 開源】Opik：從原型到生產，一套完整的 LLM 觀測與最佳化平臺

Python

facebook/astryx

📌 【Meta 開源】Astryx：支援 AI Agent 協作且可完全自定義的設計系統

TypeScript

Fission-AI/OpenSpec

📌 從需求到實作：OpenSpec 打造以 Artifact 為導向的開發工作流

TypeScript

Guides

📌 【實戰指南】如何與 Claude Code 與 OpenAI Codex 等 Coding Agent 協作？

harry0703/MoneyPrinterTurbo

📌 從關鍵字到成品：MoneyPrinterTurbo 實現短影片全自動生成

Python

HKUDS/Vibe-Trading

📌 【HKUDS】Vibe-Trading：將交易能力整合進 AI Agent 的開源交易框架

Python

hugohe3/ppt-master

📌 ppt-master：將任何檔案直接轉化為可編輯的原生 PPTX 簡報

Python

luongnv89/claude-howto

📌 從安裝到自動化：用 claude-howto 掌握 Claude Code 的進階工作流

Python

MemPalace/mempalace

📌 MemPalace：將對話紀錄原封不動儲存，打造 Local-first 的 AI 記憶宮殿

Python

Neglected Free Lunch from Post-training: Progress Advantage for LLM Agents

📌 不需要訓練 Reward Model，用「進度優勢」強化 LLM Agent 表現

moorcheh-ai/memanto

📌 不再依賴向量資料庫：Memanto 為 AI Agent 提供主動式本地記憶層

Python

Using Local Coding Agents

📌 打造全本地 Coding Agent：擺脫訂閱制，掌控開發環境的透明方案

anomalyco/opencode

📌 OpenCode：跨平臺、多語言支援的開源 AI Coding Agent

TypeScript

CoffeeBench: Benchmarking Long-Horizon LLM Agents in Heterogeneous Multi-Agent Economies

📌 CoffeeBench：在異質多代理經濟模擬中測試 LLM 的長期決策能力

Creating the NVIDIA Nemotron 3 Ultra NVFP4 Checkpoint with NVIDIA Model Optimizer

📌 【NVIDIA 技術分享】利用 NVFP4 量化將 Nemotron 3 Ultra 記憶體佔用降低 3.2 倍

Agentic AI / Generative AIDeveloper Tools & TechniquesMLOpsNemotron

Deploy a Production-Ready NVIDIA AI-Q Blueprint on Oracle Cloud Infrastructure

📌 【NVIDIA】將 AI-Q Blueprint 部署至 OCI，打造生產等級的長程 AI Agent

Agentic AI / Generative AIData Center / CloudAI AgentLangChain

EKKOLearnAI/hermes-studio

📌 【開源工具】Hermes Studio：為 Hermes Agent 提供本地化管理與自動化控制台

TypeScript

GLM-5.2 is probably the most powerful text-only open weights LLM

📌 753B 引數且 MIT 開源：GLM-5.2 挑戰最強純文字開源模型

Fine-tuning Language Models on Apple Silicon with MLX

📌 【Apple Silicon 實作】不再依賴雲端 GPU，用 MLX 在 Mac 本地微調 LLM

Information-Aware KV Cache Compression for Long Reasoning

📌 引入資訊理論訊號，InfoKV 嘗試解決長上下文推理的 KV Cache 壓力

JetSpec: Breaking the Scaling Ceiling of Speculative Decoding with Parallel Tree Drafting

📌 JetSpec：透過平行樹狀草稿突破推測解碼的效能天花板

OpenBioRQ: Unsolved Biomedical Research Questions for Agents

📌 OpenBioRQ：測試 AI Agent 能否在「無標準答案」的生物醫學研究中生存

OPID: On-Policy Skill Distillation for Agentic Reinforcement Learning

📌 OPID：透過 On-Policy 技能蒸餾提升語言 Agent 訓練效能

Production-grade AI agents for financial compliance: Lessons from Stripe

📌 【Stripe 實務經驗】如何用 AI Agent 降低 26% 金融合規審查時間？

Amazon BedrockCustomer Solutions

Q&A: How KRAFTON Built PUBG Ally, a Co-Playable Character Powered by NVIDIA ACE

📌 【NVIDIA ACE 實作】KRAFTON 如何打造 PUBG Ally：定義「可共同遊玩角色」新類別

Content Creation / RenderingACEGamingNsight Tools - Graphics

Qwen-Image-Agent: Bridging the Context Gap in Real-World Image Generation

📌 Qwen-Image-Agent：透過代理框架填補文生圖的上下文鴻溝

Running the Gauntlet: Re-evaluating the Capabilities of Agents Beyond Familiar Environments

📌 走出舒適圈：新基準測試揭露 AI Agent 在陌生環境的通用性缺口

vercel-labs/skills

📌 Vercel Labs 推出 skills CLI：打造跨 Agent 的開放技能生態系

TypeScript

Why Multi-Step Tool-Use Reinforcement Learning Collapses and How Supervisory Signals Fix It

📌 解決多步驟工具使用崩潰：監督訊號如何穩定 RL 訓練？

vllm-project/vllm

📌 vLLM：讓 LLM 推論更快、更便宜的高效服務框架

Python

讓機器人學會“預判接觸”：它石智航牽頭四大頂尖機構釋出TacForeSight，破解精細操作難題

📌 【它石智航】TacForeSight：以腕部力覺預判觸覺，讓機器人從「反應」轉為「預見」

资讯它石智航精细操作预判接触

warpdotdev/warp

📌 【Warp 開源】將 Terminal 轉化為 Agentic 開發環境，讓 AI 代理接管專案管理

Rust

Building agentic AI applications with a modern data mesh strategy on AWS

📌 【AWS 技術分享】Agentic AI 的治理挑戰：為何 RAG 的單點許可權控制不再足夠？

Advanced (300)Amazon AthenaAmazon Bedrock AgentCoreAmazon Bedrock Knowledge Bases

Build self-service AWS Health analytics to find actionable health insights with AI agents powered by Amazon Bedrock

📌 【AWS 實作】利用 Amazon Bedrock 與 AI Agent 打造 AWS Health 自助分析工具

Advanced (300)Amazon BedrockAWS HealthDevOps

calesthio/OpenMontage

📌 OpenMontage：將 AI 助手轉化為全自動影片製作工作室

Python

ChromeDevTools/chrome-devtools-mcp

📌 【ChromeDevTools】讓 AI Agent 直接控制 Chrome：chrome-devtools-mcp 正式開源

TypeScript

Causal-rCM: A Unified Teacher-Forcing and Self-Forcing Open Recipe for Autoregressive Diffusion Distillation in Streaming Video Generation and Interactive World Models

本文介紹 HuggingFace Daily Papers 中的一篇論文 Causal‑rCM，該論文提出一種統一的 Teacher‑Forcing 與 Self‑Forcing 框架，將擴散蒸餾延伸至即時串流影片生成，並聲稱能夠達到最先進的表現、快速收斂以及具備互動式世界建模的能力。

IV-CoT: Implicit Visual Chain-of-Thought for Structure-Aware Text-to-Image Generation

📌 IV-CoT：結構感知的隱式視覺思考鏈，讓文字生成影像更懂形狀

NVIDIA/SkillSpector

📌 【NVIDIA 開源】SkillSpector：在安裝 AI Agent Skills 前，先掃描其安全性

Python

Look Light, Think Heavy: What Multimodal Chain-of-Thought Reasoning Can and Cannot Do

📌 多模態 CoT 有效但有盲點：視覺內省能力的缺失

opendatalab/MinerU

📌 【opendatalab】MinerU：支援 109 國語言，將多格式檔案精準轉為 Markdown 的解析引擎

Python

openai/codex

📌 【OpenAI 新工具】Codex CLI：將 AI 程式碼代理直接部署在本地終端機

Rust

Panniantong/Agent-Reach

📌 讓 AI Agent 一鍵接通網路：開源工具 Agent Reach 解決平臺封鎖與 API 門檻

Python

ReNIO: Reweighting Negative Trajectory Importance for LLM On-Policy Distillation

📌 ReNIO：透過負向軌跡重新加權，提升 LLM 在推理任務的蒸餾效能

Retrofit, don’t rebuild: Agentic overlays for transforming legacy enterprise services

📌 【AWS 技術分享】不用重寫舊系統，用 Agentic Overlays 將 REST API 轉化為 AI Agent

Advanced (300)Amazon Bedrock AgentCoreTechnical How-to

RL-Index: Reinforcement Learning for Retrieval Index Reasoning

📌 RL-Index：將推理前移至索引階段，用 RL 提升檢索效能

RoPE-Aware Bit Allocation for KV-Cache Quantization

本文介紹一種名為 Block‑GTQ 的新方法，針對 Key‑Value (KV) Cache 進行量化時，考慮 RoPE（Rotary Position Embedding）的特性，透過自適應的位元分配與壓縮快取服務，提升注意力的精度與下游任務表現。

Scaling AI Inference Across Multiple GPUs Using NVIDIA TensorRT with Multi-Device Inference Support

📌 【NVIDIA TensorRT 11.0】原生支援多 GPU 推理，突破單卡記憶體與算力瓶頸

Agentic AI / Generative AIDeveloper Tools & TechniquesEdge ComputingC++

Run DiffusionGemma on NVIDIA for Developer-Ready, High-Throughput Text Generation

📌 【NVIDIA】DiffusionGemma 實現文字平行生成，單張 H100 吞吐量達 1,000 tokens/sec

Agentic AI / Generative AIDeveloper Tools & TechniquesTop StoriesDGX Spark

Scaling Laws, Carefully

📌 Scaling Laws, Carefully：深入淺出解讀深度學習的經驗定律

When Lower Privileges Suffice: Investigating Over-Privileged Tool Selection in LLM Agents

該論文指出，大型語言模型（LLM）代理在選擇工具時常會不必要地選用較高許可權的選項；僅靠安全對齊並無法保證最小許可權選擇。論文提出一種事後訓練（post‑training）防禦機制，能在不犧牲任務表現的前提下降低過度使用高許可權工具的比例。

TencentCloud/TencentDB-Agent-Memory

📌 【TencentCloud】TencentDB-Agent-Memory：用「符號化」與「分層記憶」解決 Agent Token 爆炸問題

TypeScript

1小時真機RL微調成功率破95%！HIL-ResRL：即插即用的VLA“外掛”神器

📌 【華為雲研究】1 小時真機微調成功率破 95%：HIL-ResRL 讓 VLA 模型擺脫分佈偏移

资讯

Accelerating BEV Pooling on NVIDIA GPUs for Physical AI Applications

📌 【NVIDIA 技術分享】BEVPoolV3 讓 BEV Pooling 效能提升最高 42 倍

Computer Vision / Video AnalyticsDeveloper Tools & Techniquesautonomous vehiclesPhysical AI

Accelerating Transformers Fine-Tuning with NVIDIA NeMo AutoModel

📌 【NVIDIA NeMo】不改程式碼，MoE 模型微調吞吐量提升 3.4-3.7 倍

AGORA: An Archive-Grounded Benchmark for Agentic Workplace Document Reasoning

📌 AGORA：針對職場檔案推理的全新 Archive-Grounded 基準測試

AOHP: An Open-Source OS-Level Agent Harness for Personalized, Efficient and Secure Interaction

📌 AOHP：將 AI Agent 提升為 OS 第一類公民，打造高效且安全的 Android 框架

Are Text-to-Image Models Inductivist Turkeys? A Counterfactual Benchmark for Causal Reasoning

📌 Text-to-Image 模型是「歸納主義的火雞」？測試 AI 的因果推理能力

BerriAI/litellm

📌 【BerriAI】LiteLLM：用一套 OpenAI 格式，呼叫超過 100 種 LLM 的統一閘道

Python

Beyond U-Net: A Latent-Representation-Aligned Skip-Free Backbone for Flow-Matching Speech Enhancement

📌 【研究】捨棄 U-Net Skip Connection，用 LRA 對齊提升語音增強效能

cs.SDcs.AIeess.AS

google-labs-code/design.md

📌 【Google Labs】讓 AI 懂設計系統：透過 DESIGN.md 規範視覺識別

TypeScript

googleworkspace/cli

📌 【Google Workspace】gws：為人類與 AI Agent 設計的單一入口 CLI

Rust

How Loka Built a Natural, Low-Latency Voice Agent with Amazon Nova 2 Sonic

📌 【AWS 案例】擺脫 5 秒停頓：Loka 如何利用 Amazon Nova 2 Sonic 打造低延遲語音代理

Advanced (300)Amazon NovaCustomer Solutions

langgenius/dify

📌 【開源專案】Dify：將 LLM 應用從原型快速推向生產的開發平臺

TypeScript

LingxiDiagBench: A Multi-Agent Framework for Benchmarking LLMs in Chinese Psychiatric Consultation and Diagnosis

📌 LingxiDiagBench：評估 LLM 中文精神科診斷能力的 Multi-Agent 基準框架

NatureBench: Can Coding Agents Match the Published SOTA of Nature-Family Papers?

📌 NatureBench：AI 編碼代理能複製《Nature》論文的 SOTA 成果嗎？

NVIDIA-NeMo/Megatron-Bridge

📌 【NVIDIA NeMo】Megatron-Bridge：將頂尖訓練效能與多樣化模型支援整合的橋接層

Python

OpenAI and Broadcom unveil LLM-optimized inference chip

📌 OpenAI 與 Broadcom 合作推出 Jalapeño：專為 LLM 推理最佳化的自研晶片

Company

OpenAI reveals its first AI processor: Jalapeño

📌 OpenAI 首款自研 AI 晶片 Jalapeño 亮相：專攻推論以降低對 Nvidia 依賴

OpenAI

OpenAI unveils its first custom chip, built by Broadcom

📌 OpenAI 首款自研推理晶片 Jalapeño 亮相，目標降低對 Nvidia 依賴

BroadcomOpenAIsemiconductors

UniDrive: A Unified Vision-Language and Grounding Framework for Interpretable Risk Understanding in Autonomous Driving

📌 【arXiv】UniDrive：結合時序推理與高解析度感知，提升自動駕駛的風險可解釋性

cs.CVcs.AI

NVIDIA/NemoClaw

📌 【NVIDIA 開源】NemoClaw：為常駐型 AI Agent 打造的沙盒化安全執行堆疊

TypeScript

abhigyanpatwari/GitNexus

📌 GitNexus：將程式碼庫轉化為知識圖譜，讓 AI Agent 掌握完整架構

TypeScript

alibaba/page-agent

📌 【Alibaba 開源】Page Agent：無需瀏覽器擴充功能，用 JavaScript 直接在頁面內實現 GUI 自動化

TypeScript

anthropics/skills

📌 【Anthropic 開源】Claude Skills：透過動態載入指令集，讓 AI 掌握專業工作流

Python

Boost Inference Performance up to 15x on NVIDIA Blackwell Using DFlash Speculative Decoding

📌 【NVIDIA】DFlash 區塊擴散解碼，將 Blackwell 推論效能提升至 15 倍

Agentic AI / Generative AIData Center / CloudDeveloper Tools & TechniquesAI Agent

Build a protein research copilot with Amazon Bedrock AgentCore

📌 【AWS 實作】利用 Bedrock AgentCore 打造蛋白質研究 Copilot，將序列搜尋自然語言化

Amazon BedrockAmazon Bedrock AgentCoreIntermediate (200)Strands Agents

Build an AI Scientist for Life Science Discovery with NVIDIA BioNeMo Agent Toolkit

📌 【NVIDIA】用 BioNeMo Agent Toolkit 將 AI 轉化為能進行生命科學發現的「AI 科學家」

Data Center / CloudData ScienceSimulation / Modeling / DesignBioNeMo

Deep Research in Physical Sciences: A Multi-Agent Framework and Comprehensive Benchmark

📌 物理科學研究新挑戰：PhySciBench 揭露 LLM Agent 的能力瓶頸

Exploring the Design Space of Reward Backpropagation for Flow Matching

📌 FlowBP：透過替代軌跡框架降低 Flow Matching 模型的對齊成本

GLM-5.2 OpenAI-Compatible API: A Hands-On Guide to Reasoning Effort, Function Calling, and Long-Context Retrieval

📌 GLM-5.2 API 指南：如何控制推理強度與實作 Function Calling

Language ModelLarge Language ModelMachine LearningTutorials

Build real agentic apps using CUGA: two dozen working examples on a lightweight harness

📌 【IBM Research】用 CUGA 快速建構 Agentic Apps：擺脫繁瑣的基礎設施開發

How Telcos Build Autonomous Networks with Agentic AI

📌 【NVIDIA 技術分享】電信業如何利用 Agentic AI 打造自律網路（Autonomous Networks）

Agentic AI / Generative AIDeveloper Tools & TechniquesNetworking / CommunicationsNemoClaw

Kamera: Unified Position-Invariant Multimodal KV Cache for Training-Free Reuse

📌 【arXiv 研究】Kamera：打破位置限制，讓多模態 KV Cache 實現「零成本」重複利用

cs.DCcs.AIcs.CV

karpathy/autoresearch

📌 【Andre Karpathy 新專案】autoresearch：讓 AI Agent 自主迭代 LLM 訓練流程

Python

KeygraphHQ/shannon

📌 【Keygraph 開源】Shannon：能分析原始碼並執行真實漏洞利用的 AI 滲透測試員

TypeScript

Manifold Bandits: Bayesian Curriculum Learning over the Latent Geometry of Large Language Models

📌 Manifold Bandits：利用 LLM 潛在幾何結構最佳化 RL 課程學習

OpenRath: Session-Centered Runtime State for Agent Systems

📌 OpenRath：以 Session 為核心，為多代理系統建立可重現的執行狀態

PolicyTrim: Boosting Intrinsic Policy Efficiency of Vision-Language-Action Models

📌 PolicyTrim：透過強化學習提升 VLA 模型執行效率，減少冗餘物理步驟

Prime Intellect Releases prime-rl 0.6.0 to Train Trillion-Parameter MoE Models on Agentic RL Workloads

📌 Prime Intellect 發布 prime-rl 0.6.0：支援兆引數 MoE 模型的 Agentic RL 訓練

Agentic AIAI InfrastructureLanguage ModelMachine Learning

Safe Few-Step Generation via Velocity Editing

📌 無需訓練的影像生成安全機制：透過 Velocity Editing 確保輸出安全

Shared infrastructure, isolated tenants: Pool model multi-tenancy with Amazon Bedrock AgentCore

📌 【AWS 技術分享】用 Amazon Bedrock AgentCore 打造隔離且可擴充套件的多租戶 AI 應用

Advanced (300)Amazon API GatewayAmazon Bedrock AgentCoreAWS Lambda

Building pay-per-intelligence for AI agents: How Ampersend uses Amazon Bedrock AgentCore Payments

📌 【AWS 案例】AI Agent 如何自主付費？Ampersend 打造「按智慧付費」的路由層

Amazon Bedrock AgentCoreCustomer Solutions

corsairdev/corsair

📌 【開源專案】Corsair：為 AI Agent 建立安全隔離層，解決「交出金鑰」的恐懼

TypeScript

Embed the world: Multimodal AI for searchable aerial imagery at scale

📌 【AWS 技術分享】用多模態 AI 將航空影像轉化為可搜尋的知識庫

Amazon BedrockAmazon NovaAmazon OpenSearch ServiceCustomer Solutions

Enable Real-Time AI for High-Speed Data Acquisition with DAQIRI

📌 【NVIDIA】DAQIRI：打破硬體瓶頸，將高頻資料直接串流至 GPU 進行即時 AI 分析

Agentic AI / Generative AIDeveloper Tools & TechniquesEdge ComputingNetworking / Communications

GeneralVLA-2: Geometry-Aware Reconstruction and Governed Memory for Robot Planning

📌 GeneralVLA-2：透過幾何感知重建與記憶機制最佳化機器人規劃

heygen-com/hyperframes

📌 【HeyGen 開源】HyperFrames：用 HTML 寫影片，讓 AI Agent 也能精準導播

TypeScript

Inside NVIDIA Halos for Robotics: A Full-Stack Functional Safety System for Physical AI

📌 【NVIDIA 最新發表】Halos for Robotics：為 Physical AI 打造的全棧功能安全系統

Agentic AI / Generative AIEdge ComputingRoboticsAutonomous Machines

JCodesMore/ai-website-cloner-template

📌 用 AI Agent 將現有網站逆向工程為 Next.js 程式碼的實作模板

TypeScript

Multi-Turn Reflective Masking Elicits Reasoning in Mask Diffusion Models

📌 Multi-Turn Reflective Masking：讓 Mask Diffusion 模型具備多輪推理能力

MemSlides: A Hierarchical Memory Driven Agent Framework for Personalized Slide Generation with Multi-turn Local Revision

📌 MemSlides：利用階層記憶框架實現個人化投影片生成與區域性修訂

NVIDIA/skills

📌 【NVIDIA 開源】讓 AI Agent 快速掌握 CUDA-X 與 cuOpt 的「技能目錄」

Python

Patterns for Building Cybersecurity Evals

📌 如何評測 AI 的資安能力？建立 Cybersecurity Evals 的四個核心元件

Q00/ouroboros

📌 【開源專案】從 Prompting 轉向 Specifying：Ouroboros 試圖將 AI 編碼流程「作業系統化」

Python

PerceptionDLM: Parallel Region Perception with Multimodal Diffusion Language Models

📌 PerceptionDLM：透過平行區域感知提升多模態擴散語言模型的推理效率

Sakana AI Launches Sakana Fugu: An Orchestration Model That Routes Tasks Across a Swappable Pool of Frontier LLMs

📌 Sakana AI 推出 Sakana Fugu：單一端點即能在多模型間自動編排任務

Agentic AIAI AgentsAI InfrastructureGenerative AI

SproutRAG: Attention-Guided Tree Search with Progressive Embeddings for Long-Document RAG

📌 SproutRAG：利用注意力引導與漸進式嵌入，突破長文本 RAG 檢索瓶頸

unclecode/crawl4ai

📌 將網頁轉為 LLM 友好的 Markdown：開源爬蟲工具 Crawl4AI

Python

The 7 Types of Agent Memory: A Technical Guide for AI Engineers

📌 打造 AI Agent 的關鍵：深入解析 7 種記憶機制與其技術分類

Agentic AIAI AgentsSoftware EngineeringUncategorized

vectorize-io/hindsight

📌 【vectorize-io】Hindsight：讓 AI Agent 從「僅能記憶」進化到「能夠學習」

Python

xAI Launches /goal in Grok Build, Adding Long-Running Autonomous Execution With Built-In Verification for Multi-Step Coding Tasks

📌 xAI 為 Grok Build 推出 /goal 模式：實現長時程自主執行與多步驟驗證

Agentic AI

Beyond Siri: Here are the practical AI features coming to your iPhone in iOS 27

📌 不只是 Siri：iOS 27 將 AI 深度整合至日常應用，解決真實生活瑣事

AppsHardwareAppleApple Intelligence

bytedance/deer-flow

📌 【ByteDance 開源】DeerFlow 2.0：整合子代理與沙箱的 Super Agent 框架

Python

FlowiseAI/Flowise

📌 【開源專案】Flowise：透過視覺化介面快速建置 AI Agents

TypeScript

FreeStyle: Free Control of Style-Content Dual-Reference Generation from Community LoRA Mining

📌 FreeStyle：透過社群 LoRA 挖掘實現風格與內容的雙參考生成控制

HumanScale: Egocentric Human Video Can Outperform Real-Robot Data for Embodied Pretraining

📌 第一人稱人類影片，能讓具身智慧預訓練超越機器人實測資料？

modem-dev/hunk

📌 為 AI Agent 打造的終端機 Diff 檢視器：hunk

TypeScript

JanusMesh: Fast and Zero-Shot 3D Visual Illusion Generation via Cross-Space Denoising

📌 JanusMesh：透過跨空間去噪實現快速且零樣本的 3D 視覺幻象生成

NousResearch/hermes-agent

📌 【NousResearch】Hermes Agent：具備自我學習迴路、能自主建立技能的 AI Agent

Python

S-Agent: Spatial Tool-Use Elicits Reasoning for Spatial Intelligence

📌 S-Agent：透過空間工具呼叫，賦予視覺語言模型 3D 空間推理能力

topoteretes/cognee

📌 為 AI Agent 打造持久記憶：開源記憶平臺 Cognee 結合知識圖譜與向量檢索

Python

tashfeenahmed/freellmapi

📌 【開源工具】FreeLLMAPI：將 16 家免費 LLM 服務聚合為單一 OpenAI 介面

TypeScript

ZhuLinsen/daily_stock_analysis

📌 多市場 AI 股票分析系統：從資料聚合到自動化推送的完整實作

Python

From PGP to Mythos: a brief history of export controls that didn’t stop anyone

📌 【白宮出手】Anthropic 頂尖模型 Fable 與 Mythos 因出口管制被全面暫停

SecurityAnthropiccybersecurityexport controls

EricLBuehler/mistral.rs

📌 用 Rust 重寫 LLM 推論：mistral.rs 實現高效 CUDA 支援與多模態整合

Rust

How to Build a Forecasting Pipeline with TimeCopilot Using Foundation Models and Automated Anomaly Detection

📌 結合基礎模型與自動化異常檢測：使用 TimeCopilot 打造預測管線

Data ScienceTutorials

jamiepine/voicebox

📌 Voicebox：整合 7 種 TTS 引擎的本地化 AI 語音工作室

TypeScript

Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages

📌 【Liquid AI】推出 LFM2.5 檢索模型：350M 參數支援 11 國語言高效搜尋

AI InfrastructureEmbedding ModelLanguage ModelLarge Language Model

mukul975/Anthropic-Cybersecurity-Skills

📌 讓 AI Agent 具備資深分析師能力：開源 Cybersecurity Skills 技能庫

Python

microsoft/presidio

📌 【Microsoft 開源】Presidio：可客製化的 PII 敏感個資去識別化 SDK

Python

n8n-io/n8n

📌 n8n：兼具程式碼靈活性與 No-code 速度的自動化工作流平台

TypeScript

nashsu/llm_wiki

📌 自動化知識庫 llmwiki：讓 LLM 幫你讀文件並構建結構化 Wiki

TypeScript

Salesforce CodeGen Tutorial: Generate, Validate, and Rerank Python Functions With Unit Tests and Safety Checks

📌 【Salesforce CodeGen】不只生成程式碼：如何建立一套「生成 $\rightarrow$ 驗證 $\rightarrow$ 重排序」的自動化管線

Language ModelLarge Language ModelTutorials

NVIDIA AI Introduce SpatialClaw: A Training-Free Agent That Treats Code as the Action Interface for Spatial Reasoning

📌 【NVIDIA 研究】SpatialClaw：將程式碼視為介面，解決 VLM 的空間推理痛點

AI InfrastructureAI Paper SummaryLanguage ModelLarge Language Model

THUDM/slime

📌 【THUDM 開源】slime：支撐 GLM 系列模型的 RL 後訓練框架

Python

twentyhq/twenty

📌 把 CRM 當成程式碼來維護：開源 CRM 框架 Twenty

TypeScript

unslothai/unsloth

📌 Unsloth Studio：在本機上快速跑、訓練多模態模型的全功能套件

Python

vercel-labs/agent-browser

📌 【Vercel Labs】agent-browser：為 AI Agent 打造的 Rust 高效瀏覽器自動化 CLI

Rust

onyx-dot-app/onyx

📌 【開源專案】Onyx：為 LLM 打造的全功能應用層平台，將 RAG 與 Agentic 能力整合於一體

Python

VibeThinker-3B: A 3B Dense Reasoning Model Built on Qwen2.5-Coder-3B With the Spectrum-to-Signal Post-Training Pipeline

📌 【Sina Weibo】VibeThinker-3B：用 3B 參數挑戰 1T 規模的推理效能

AI Paper SummaryLanguage ModelLarge Language ModelOpen Source

zubair-trabzada/geo-seo-claude

📌 GEO‑first SEO 工具「geo‑seo‑claude」：讓網站適配 AI 搜尋流量

Python

Yandex Open-Sources YaFF: A Zero-Copy Wire Format for Protobuf With Near-Struct Read Speed

📌 【Yandex 開源 YaFF：讓 Protobuf 獲得零拷貝的讀取速度

Language ModelMachine LearningOpen SourceSoftware Engineering

英伟达开始搞机器人自己研究机器人那套了…

📌 【NVIDIA 最新研究】讓 AI 扮演研究員：ENPIRE 框架實現機器人研究全自動化

资讯机器人英伟达

Beyond Static Leaderboards: Predictive Validity for the Evaluation of LLM Agents

📌 Beyond Static Leaderboards: Predictive Validity for the Evaluation of LLM Agents

chopratejas/headroom

📌 Headroom：讓 AI Agent 的上下文 token 消耗降低 60% 至 95%

Python

Configurable Clinical Information Extraction with Agentic RAG: What Works, What Breaks, and Why

📌 【臨床實踐】Agentic RAG 提升醫療資訊抽取，核醫醫師認可率達 96.5%

Context-Aware RL for Agentic and Multimodal LLMs

📌 ContextRL：透過強化學習優化上下文選擇，提升多模態 LLM 推理能力

DF3DV-1K: A Large-Scale Dataset and Benchmark for Distractor-Free Novel View Synthesis

📌 DF3DV-1K：為無干擾視角合成提供的大規模真實世界資料集

FlowBender: Feedback-Aware Training for Self-Correcting Conditional Flows

📌 FlowBender：透過回饋感知訓練，讓條件生成模型具備「自我修正」能力

ENPIRE: Agentic Robot Policy Self-Improvement in the Real World

📌 ENPIRE：實現機器人策略在真實世界中的自主自我改進

Guides

📌 掌握 Coding Agent 的實戰模式：從 Claude Code 到 OpenAI Codex 的高效開發指南

Holo-World: Unified Camera, Object and Weather Control for Video World Model

📌 Holo-World：實現相機、物件與天氣統一控制的影片世界模型

LegalHalluLens: Typed Hallucination Auditing and Calibrated Multi-Agent Debate for Trustworthy Legal AI

📌 LegalHalluLens：透過類型化稽核與多代理辯論，降低法律 AI 的幻覺風險

LooseControlVideo: Directorial Video Control using Spatial Blocking

📌 LooseControlVideo：用 3D 空間框精準控制影片生成軌跡

Introducing Web Search on Amazon Bedrock AgentCore

📌 【AWS 最新發佈】Bedrock AgentCore 推出 Web Search，解決 AI Agent 知識過時問題

Advanced (300)Amazon Bedrock AgentCoreAnnouncementsTechnical How-to

Moebius: 0.2B Lightweight Image Inpainting Framework with 10B-Level Performance

📌 Moebius：僅 0.2B 參數，卻能達到 10B 等級影像修補效能

No Resource, No Benchmarks, No Problem? Evaluating and Improving LLMs for Code Generation in No-Resource Languages

📌 沒有資源、沒有基準測試？如何在「低資源語言」中提升 LLM 的程式碼生成能力

stablyai/orca

📌 【Stability AI 開源】Orca：讓多個 AI Agent 在獨立工作區並行運作的協作平台

TypeScript

stanford-oval/storm

📌 【Stanford 開源】STORM：透過多視角提問與檢索，自動生成深度知識大綱

Python

Taylor-Calibrate: Principled Initialization for Hybrid Linear Attention Distillation

📌 Taylor-Calibrate：透過原則性初始化優化混合線性注意力蒸餾

Thinking with Visual Grounding

📌 視覺 grounding 結合推理：提升視覺語言模型的推理準確度

全员本科生！何恺明组新作：文生图，258M参数就够了

📌 【何恺明新作】文生圖不需要數十億參數？MiniT2I 僅用 258M 實現像素級生成

资讯何恺明

VectifyAI/OpenKB

📌 【VectifyAI】OpenKB：捨棄向量資料庫，用 LLM 自動構建結構化知識維基

Python

Beyond LoRA: Can you beat the most popular fine-tuning technique?

📌 【HuggingFace 技術分享】除了 LoRA，還有更好的參數高效微調 (PEFT) 選擇嗎？

Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games

📌 【新基準發佈】MLLM 能在「看不見」的情況下做決策嗎？RNG-Bench 揭露多模態模型的記憶短板

cs.CV

BuilderIO/agent-native

📌 【BuilderIO 最新開源】別在 UI 與 AI Agent 之間二選一：Agent-Native 框架讓兩者成為「一等公民」

TypeScript

cocoindex-io/cocoindex-code

📌 【GitHub Trending】讓 Coding Agent 更精準：CocoIndex-code 實現 AST 語義代碼搜尋

Python

crewAIInc/crewAI

📌 【GitHub Trending】擺脫 LangChain 依賴，CrewAI 打造企業級多代理 (Multi-Agent) 自動化框架

Python

From Trainee to Trainer: LLM-Designed Training Environment for RL with Multi-Agent Reasoning

由於您提供的是論文的摘要與初步評分理由，我將根據這篇論文的核心貢獻——「讓 LLM 從被訓練者（Trainee）轉變為訓練環境的設計者（Trainer）」這一創新邏輯，為您撰寫一篇技術導向的 Facebook 貼文。

GLM-5.2 is probably the most powerful text-only open weights LLM

📌 【Z.ai 最新發布】753B 參數怪獸 GLM-5.2：目前最強的純文字開源權重模型？

Introducing LifeSciBench

📌 【OpenAI 最新發布】LifeSciBench：用專家級基準，定義 AI 在生命科學的實戰能力

Research

Jun 18, 2026Frontier Red TeamProject Fetch: Phase two

📌 【Anthropic 最新研究】從「輔助人類」到「獨立操作」：Claude 遠端控制機器狗的進化

Research

K-Dense-AI/scientific-agent-skills

📌 【K-Dense-AI】將 147 種科研技能「模組化」，讓 AI Agent 真正變成你的 AI 共同科學家

Python

Kilo-Org/kilocode

📌 【GitHub Trending】Kilo Code：支援 500+ 模型且零加價的開源 AI Coding Agent

TypeScript

microsoft/qlib

📌 【Microsoft 最新研究】量化投資進入「自動化研發」時代：RD-Agent 實現因子挖掘與模型優化自動化

Python

Moebius: 0.2B Lightweight Image Inpainting Framework with 10B-Level Performance

📌 【新研究】0.2B 參數達到 10B 等級表現：Moebius 重新定義高效圖像修復 (Inpainting)

cs.CV

MosaicLeaks: Can your research agent keep a secret?

📌 【HuggingFace 最新研究】你的 AI 研究助手會「不小心」洩密嗎？

OpenAI Releases LifeSciBench, a 750-Task Benchmark Grading AI Models on Real Life-Science Research With Expert-Written Rubric

📌 【OpenAI 最新發布】LifeSciBench：用 750 個真實科研任務，挑戰 AI 的生物科學推理極限

Agentic AIAI Paper SummaryLanguage ModelLarge Language Model

SciOrch: Learning to Orchestrate Expert LLMs for Solving Frontier Multimodal Scientific Reasoning Tasks

📌 【新框架 SciOrch】用輕量編排器協調多個頂尖 LLM，攻克多模態科學推理難題

Seeing Before Reasoning: Decoupling Perception and Reasoning for Shortcut-Resilient Multimodal On-Policy Self-Distillation

由於目前提供的資訊僅包含論文標題與簡短摘要，為了確保符合「不臆測、不捏造」的資深技術部落客原則，我將重點放在解析該論文的核心設計理念（感知與推理解耦）以及它試圖解決的關鍵痛點（Shortcut 問題）。

The KV Cache Compression Race: TurboQuant vs OSCAR vs EpiCache

📌 【KV Cache 壓縮競賽】當上下文長度達到 1M，記憶體壓力甚至超過模型權重本身

AI InfrastructureMachine LearningSoftware Engineering

The Reward Was in Your Data All Along: Correcting Flow Matching with Discriminator-Guided RL

📌 【新技術分享】不必依賴人類偏好，用判別器導向的 RL 讓生成模型更精準

Using AI to help physicians diagnose rare genetic diseases affecting children

📌 【OpenAI 最新應用】用推理模型診斷罕見遺傳病，18 例未解病例成功破局

Applied AI

A near-autonomous AI chemist improves a challenging reaction in medicinal chemistry

📌 【OpenAI 最新突破】近自主 AI 化學家：GPT-5.4 如何優化藥物合成反應？

Research

Agentic Resource Discovery: Let agents search

📌 【Hugging Face 最新發布】不再硬編碼工具：Agentic Resource Discovery (ARD) 讓 AI Agent 學會「自主搜尋」

bytedance/UI-TARS-desktop

📌 【ByteDance 最新開源】UI-TARS：將多模態 AI Agent 真正落地於桌面端

TypeScript

calesthio/OpenMontage

📌 【GitHub 熱門開源】OpenMontage：首個 Agentic 影片製作系統，將 AI 助手變成完整剪輯工作室

Python

ChLogic: Evaluating Robustness of Logical Reasoning in Chinese Expressions

📌 【新基準發佈】中文邏輯推理能力真的跟上英文嗎？ChLogic 揭露 LLM 的語言能力鴻溝

From the Hugging Face Hub to robot hardware with Strands Agents and LeRobot

📌 【AWS & Hugging Face】從 Hub 到硬體：用 Strands 與 LeRobot 打造機器人學習流水線

GLM-5.2: Built for Long-Horizon Tasks

📌 【Z.AI 最新發布】1M Context 實用化：GLM-5.2 專為長週期複雜任務而生

How to Build Memory-Efficient Transformers with xFormers Using Packed Sequences, GQA, ALiBi, SwiGLU, and Causal Attention

📌 【xFormers 技術指南】擺脫二次方記憶體陷阱：打造高效能 Transformer 的五大優化技巧

Deep LearningMachine LearningTutorials

infiniflow/ragflow

📌 【GitHub Trending】RAGFlow：將 RAG 引擎與 Agent 能力深度融合的開源實作方案

Python

MiniMax Sparse Attention (MSA): a Two-Branch Block-Sparse Attention Trained on a 109B-Parameter MoE With a 3T-Token Budget

📌 【MiniMax 最新研究】解決長文本計算瓶頸：用兩路分支稀疏注意力 (MSA) 實現常數級複雜度

Agentic AIAI InfrastructureAI Paper SummaryLanguage Model

microsoft/RD-Agent

📌 【Microsoft 最新研究】讓 AI 幫 AI 微調：RD-Agent 如何將研發流程自動化？

Python

langfuse/langfuse

📌 【開源 LLM 工程平台】Langfuse：從「感覺有效」到「數據證明有效」的 LLM 觀測方案

TypeScript

New research shows how AMIE, our medical AI, could help manage health conditions.

📌 【Google 最新研究】AI 能像主治醫師一樣管理長期疾病嗎？AMIE 的挑戰與突破

Google ResearchGoogle DeepMindHealth

openai/codex

📌 【OpenAI 最新發布】Codex CLI：把 OpenAI 的 Coding Agent 直接裝進你的終端機

Rust

OpenAI’s Deployment Simulation Extends Pre-Deployment Risk Assessment to Agentic Coding Through Simulated Tool Calls

📌 【OpenAI 最新研究】如何預測模型上線後的行為？Deployment Simulation 的實踐路徑

Agentic AIAI InfrastructureSoftware Engineering

ProCUA-SFT Technical Report

由於提供的資訊僅包含論文標題、摘要與評分理由，缺乏詳細的方法論（Methodology）與具體實驗數據，我將在遵循「不臆測、不捏造」原則的前提下，將重點放在「合成資料驅動 Agent 訓練」這個核心技術趨勢上，為技術讀者分析這項研究的工程價值。

PaddlePaddle/PaddleOCR

📌 【PaddlePaddle 開源工具】將雜亂文件轉為 LLM 結構化數據，RAG 落地不可或缺的基石

Python

ruvnet/ruflo

📌 【開源新專案】Ruflo：為 Claude Code 打造的「多代理協調神經系統」

TypeScript

Show the Signal, Hide the Noise: Spectral Forcing for Pixel-Space Diffusion

📌 【新技術分享】讓擴散模型更高效：透過 Spectral Forcing 剔除像素空間的雜訊

Vercel Releases Eve: An Open-Source AI Agent Framework Where Each Agent is a Directory of Files Mapped to Capabilities

📌 【Vercel 開源 Eve】用「文件夾結構」定義 AI Agent，告別冗長的開發樣板

Agentic AIOpen SourcePythonSoftware Engineering

AlexsJones/llmfit

📌 【開源工具分享】別再盲目試模型了：llmfit 幫你精準計算 LLM 與硬體的「適配度」

Rust

ChromeDevTools/chrome-devtools-mcp

📌 【ChromeDevTools 最新開源】讓 AI 代理人直接操控 Chrome DevTools，自動化除錯進入新階段

TypeScript

datawhalechina/hello-agents

📌 【Datawhale 開源指南】從 LLM 使用者，蛻變為 AI-Native Agent 构建者

Python

DEEPRUBRIC: Evidence-Tree Rubric Supervision for Efficient Reinforcement Learning of Deep Research Agents

📌 【DeepRubric】用「逆向構建」評價標準，將研究型 AI 的 RL 訓練效率提升 13 倍

cs.CL

diegosouzapw/OmniRoute

📌 【GitHub 趨勢】OmniRoute：用一個 Endpoint 聚合 226 家 AI 供應商，突破 Token 限制的開發者神器

TypeScript

earendil-works/pi

📌 【GitHub Trending】Pi：打造可自定義、可擴充的 AI 編碼代理框架

TypeScript

google-research/timesfm

📌 【Google Research】時間序列預測也進入「基礎模型」時代：TimesFM 2.5 正式開源

Python

Jun 17, 2026Economic ResearchAgentic coding and persistent returns to expertise

📌 【Anthropic 最新研究】AI Agent 能讓非工程師寫 Code 嗎？數據揭示「專業知識」的真正價值

Research

Ling and Ring 2.6 Technical Report: Efficient and Instant Agentic Intelligence at Trillion-Parameter Scale

📌 【萬億參數級別的即時回應】Ling & Ring 2.6 如何實現高效的 Agentic Intelligence？

Meet Qwen-RobotSuite: Three Embodied AI Models for VLA Manipulation, Video World Modeling, and Navigation

📌 【Alibaba Qwen 最新研究】解決機器人數據碎片化：Qwen-RobotSuite 三大具身智能模型發佈

AI InfrastructurePhysical AIRobotics

KVEraser: Learning to Steer KV Cache for Efficient Localized Context Erasing

📌 【新研究】想在長文本中「刪除」一段記憶？KVEraser 讓 KV Cache 編輯不再需要全部重算

cs.CLcs.LG

microsoft/fara

📌 【Microsoft 最新研究】Fara-7B：專為「電腦操作」設計的高效 Agentic 模型

Python

nocobase/nocobase

📌 【開源新星】NocoBase：當 AI Agent 遇上 No-Code，打造業務系統的全新工作流

TypeScript

Nemotron 3 Ultra: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Model for Agentic Reasoning

📌 【NVIDIA 最新研究】550B 參數的混合架構：Nemotron 3 Ultra 如何兼顧推理速度與長文本能力？

OpenBMB/VoxCPM

📌 【OpenBMB 最新研究】擺脫 Tokenizer 限制，VoxCPM2 實現 48kHz 高保真多國語言語音合成

Python

Predicting model behavior before release by simulating deployment

📌 【OpenAI 最新研究】在模型發布前，如何精準預測 AI 的行為？

Research

Prompt-Level Distillation: A Non-Parametric Alternative to Model Fine-Tuning for Efficient Reasoning

📌 【新研究】不再需要 Fine-tuning？用 Prompt-Level Distillation 實現高效推理

Retrieve, Don't Retrain: Extending Vision Language Action Models to New Tasks at Test Time

📌 【新研究】Retrieve, Don't Retrain：讓機器人學習新任務，不再需要重新微調

Tangram: Unlocking Non-Uniform KV Cache Compression for Efficient Multi-turn LLM Serving

📌 【KV Cache 壓縮新突破】Tangram：透過非均勻壓縮，突破多輪對話的記憶體瓶頸

UniDDT: Unifying Multimodal Understanding and Generation with Decoupled Diffusion Transformer

📌 【UniDDT】用一套架構搞定理解與生成：解耦 Diffusion Transformer 的新嘗試

A satellite just learned to find things on its own — here’s what that means

📌 【Google DeepMind x NASA】衛星首次在軌道上「自主思考」：VLM 讓太空感測進入邊緣 AI 時代

SpaceExclusiveloft orbitalNASA

APPO: Agentic Procedural Policy Optimization

📌 【新算法分享】APPO：透過細粒度決策點，優化 Agent 的多回合工具調用能力

Benchmarking AI Agents for Addressing Scientific Challenges Across Scales

📌 【SciAgentArena】AI Agent 能否像科學家一樣思考？這項新基準揭露了目前的能力天花板

Claude Code Guide 2026: 25 Features with Examples + Demo

📌 【Anthropic 最新研究】從終端助手到分層代理系統：深度解析 Claude Code 的 Agentic 架構

Agentic AIAI AgentsSoftware EngineeringTop

ClinHallu: A Benchmark for Diagnosing Stage-Wise Hallucinations in Medical MLLM Reasoning

📌 【醫療 AI 診斷新基準】ClinHallu：精準定位醫療多模態模型的「幻覺」發生階段

Digital Twins Reimagined: Zero-Day LLM-Powered Moving Target Defense In-Depth for Real-Time CPS

📌 【CPS 安全新突破】用 LLM 動態生成「數位孿生」，對抗不可預測的零日漏洞

Emanuele-web04/synara

📌 【開源工具】不再切換視窗：Synara 打造 AI Agent 的本地化整合工作區

TypeScript

Hy-Embodied-0.5-VLA: From Vision-Language-Action Models to a Real-World Robot Learning Stack

📌 【開源實作】Hy-Embodied-0.5-VLA：一套從模型訓練到實機部署的機器人學習全棧方案

OmniVideo-100K: A Dataset for Audio-Visual Reasoning through Structured Scripts and Evidence Chains

📌 【新資料集】OmniVideo-100K：用「結構化腳本」解決視聽推理的時序一致性問題

P3D-Bench: Benchmarking MLLMs for Parametric 3D Generation and Structural Reasoning

📌 【新基準發佈】P3D-Bench：測試 MLLM 的 3D 參數化生成與結構推理能力

Meet Flash-KMeans: An IO-Aware, Exact K-Means That Runs Over 200× Faster Than FAISS on GPUs

📌 【UC Berkeley & UT Austin 最新研究】Flash-KMeans：讓 GPU 上的 K-Means 速度提升 200 倍以上

AI InfrastructureAI Paper SummaryOpen Source

Panniantong/Agent-Reach

📌 【GitHub Trending】讓 AI Agent 真正接通網路：Agent-Reach 解決 Agent 的「網路失明」問題

Python

RepFusion: Leveraging Multimodal Priors for Denoising in Representation Space

📌 【RepFusion】不再從零開始訓練，用 LLM 的------------------------------------------------------------------------------------------------------------------------…

RedAct: Redacting Agent Capability Traces for Procedural Skill Protection

📌 【新研究】Agent 的執行軌跡竟會洩漏「核心技能」？RedAct 提出新型遮蔽框架保護程序知識

Rethinking RAG in Long Videos: What to Retrieve and How to Use It?

📌 長影片 RAG 的新挑戰：檢索什麼、如何使用？VideoRAG 的多粒度優化

rohitg00/ai-engineering-from-scratch

📌 【GitHub Trending】別再只會 Call API：從底層數學到自主 Agent 的 AI 工程實作指南

Python

TencentCloud/TencentDB-Agent-Memory

📌 【TencentCloud 最新開源】不再讓 AI 遺忘：符號化記憶與分層結構，大幅降低 Token 消耗

TypeScript

WaveDiT: Distribution-Aware Wavelet Flow Matching for Efficient 3D Brain MRI Synthesis

📌 【高效 3D 影像合成】WaveDiT：利用小波轉換實現高解析度腦部 MRI 生成

World Tracing: Generative Pixel-Aligned Geometry Beyond the Visible

📌 【新技術解析】World Tracing：打破視覺限制，實現像素級對齊的 3D 幾何生成