arXiv AI65
arXiv 论文提出 COMPASS，一种面向多机器人编队的去中心化架构，用推理空间反馈控制大规模 AI agent 群体。每台机器人由 spatial transformer 聚合多跳消息生成本地反馈 token。实验显示，语言模型群体在结构化多样化指令下性能提升并可抵消偏差，且随规模保持；相比集中式前沿 LLM 策略与纯语言通信消融，COMPASS 能形成紧密编队并按指令飞行，并零样本泛化到模糊新指令，在自然语言命令下指挥最多 1024 台机器人、达训练规模 16 倍。
为什么值得看此前多机器人协作多依赖集中式 LLM 策略或纯语言通信，团队规模增大后性能明显下降。该工作把控制反馈放到推理空间并本地生成，显示可扩展至训练规模 16 倍、上千台机器人，且对模糊指令零样本泛化，为大规模群体控制提供了新路径。
arXiv AI65
一篇 arXiv 论文提出面向人机多智能体交互模拟的设计原则与软件架构，并发布名为 AGIMUD 的软件。该工作将社会性感知推理、情绪行为、人类多模态交互方案以及网络分布式 AI 处理整合在一起，使多个自主智能体与人类可同时在同一动态世界中实时互动，形式类似多用户地牢 MUD。代码已公开在 GitHub 的 dberga/AGIMUD 仓库。
为什么值得看此前多智能体心智理论研究与工程实现往往分离，人类与智能体的交互多为单轮或单智能体。该工作把社会性与情感建模、多模态人机接口和分布式推理放进同一可运行架构，并公开代码，使多智能体社会情感模拟从概念讨论转向可复现的系统实现。
arXiv AI62
研究团队发布 NV-Reason-CT，一个面向胸腹部 CT 的生成式视觉语言模型，将原生 3D 视觉编码器与语言模型耦合，全部视觉 token 及其显式 3D 坐标直接进入语言解码，不做空间 token 合并。训练语料约 55 万条多模态指令样本，来自 70,111 例 CT 输入，并结合标准化报告、异常与解剖问题、多轮交互及放射科医生推理文本。训练流程为端到端 SFT 后接 GRPO，并设置可验证奖励。
为什么值得看常见做法是把 3D 体数据压成 2D 切片或合并空间 token 再交给语言模型，会损失体空间信息。该工作保留原生 3D 编码与坐标传递，并引入放射科医生推理监督和可验证奖励的强化学习，使模型在无专用分类头的情况下输出分类、报告和可复核推理，评测同时覆盖公开基准与留出队列。
arXiv AI62
一篇 arXiv 论文用名为 Tool-Lab 的信息板过程追踪方法研究 AI 购物代理。研究者将商品属性放在需要付费的工具调用之后，测试八款来自三家厂商的商业化 LLM。结果显示：零成本时定价线索很少误导模型；一旦加入获取成本并使用模糊目标提示，模型会省略计算单价所需的诊断属性，做出类似人类启发式的次优选择。
为什么值得看此前讨论多聚焦 LLM 自身是否可靠，该研究把代理购物的偏差归因转向店铺信息架构与获取成本。它表明同一批商业化模型在零成本与有成本、模糊与明确目标下表现分化，说明偏差可被界面设计触发或抑制。
arXiv AI60
腾讯发布开源大语言模型 Hunyuan-A13B 的技术报告。该模型采用 Mixture-of-Experts 架构，总参数 800 亿，推理时仅激活 130 亿，在能力、算力效率与部署成本之间取得平衡。预训练语料为严格过滤的 20T token，并加强了 STEM 数据整理。模型经高质量监督微调与大规模强化学习优化，引入双模式 Chain-of-Thought 框架，可按任务复杂度切换快思考与慢思考。评测覆盖数学、科学、编程、通用语言理解与 agent 任务。
为什么值得看此前开源模型往往在参数规模、推理成本与能力之间难以兼顾。Hunyuan-A13B 以 800 亿总参数、130 亿激活参数的形式公开，并给出接近更大模型的多任务评测结果，意味着中等规模开源模型在延迟敏感场景中的可用性提高，同时双模式推理为按任务复杂度分配算力提供了可参考设计。