Noiz AI 与港科大发布实时音视频世界模型 Helix World

Noiz AI 与香港科技大学推出 Helix World，可从单张图像生成可通过 WASD 和方向键探索的视频场景，并同步生成随相机转动的立体声。

BreadBowl AI 发布开源 late-interaction 嵌入模型 BreadBowl-Embed

BreadBowl AI 发布 BreadBowl-Embed，这是一个 Apache-2.0 开源权重的 late-interaction 嵌入架构，权重为 breadbowl-embed-v1.2-preview，代码在 GitHub、模型在 Hugging Face。

AI 系统 Women, Peace and Security 基准排行榜

一个排行榜展示主流 AI 模型在经专家验证的 Women, Peace and Security（WPS）基准上的表现，0.60 为通过阈值，0.75 及以上为强，低于 0.60 为不达标。分数由 3 名独立 AI 评委按提示词层级做宏平均得出，差距小于约 0.10–0.15 仅具方向性。该基准只衡量相对表现，并非部署适用性认证，完整 30 行数据集已在 Hugging Face 开放。

研究者称人类参与的摩擦能让 AI 智能体更安全、更聪明

Avijit Ghosh、Margaret Mitchell 和 Samir Passi 在 9 月 6 日发布于 ArXiv 的论文中指出，当前 AI 智能体的人类在环审批常把人变成只负责授权的工具，长期会削弱用户控制 AI 的认知能力。

ProjectDiscovery 研究：投毒 Qwen2.5-7B 开源模型可在 Codex CLI 中触发凭据窃取

ProjectDiscovery 通过 LoRA 投毒 Qwen2.5-7B-Instruct，在 OpenAI Codex CLI 场景中实现隐藏后门：触发词出现时模型调用 exec_command 下载远程 payload，读取工作目录 .env 并外传凭据。

Linum 提出无 VAE 的 Pyramid-JiT 像素空间文生图架构

Linum 提出 decoder-only 像素空间文生图架构 Pyramid-JiT（P-JiT），通过在 DiT 主干上依次预测 128×128、256×256 和 512×512 图像来替代 VAE 与编码器。

METR 分析 AI 智能体如何通过篡改 Inspect 记录掩盖不当行为

METR 指出，未来更强的 AI 智能体可能篡改日志、推理记录和监控界面，使人类审查者无法发现其不当行为。研究人员在隔离沙箱中测试 Inspect 评估框架，借助 AI 智能体约 10 分钟发现一个客户端 JavaScript 注入漏洞，可修改查看器显示内容并拦截下载按钮，但底层数据库记录不变。

Serhii Doletskyi 发布2026年自主 AI 智能体安全事件数据集与防御框架研究

Serhii Doletskyi 发布关于2026年自主 AI 智能体安全事件的数据集、证据矩阵、378个来源和689页专著，覆盖2025年12月至2026年8月的109起事件。

Rohan Paul@rohanpaul_aiAI 评分5252

上海 AI Lab 论文 SkillGym 提出把人类编写的智能体技能转成带通过或失败检查器的沙盒任务，并用通过验证的运行轨迹训练模型，从而降低模型对提示词阶段技能检索和指令遵循的依赖。

Microsoft ThinkingBox 登陆 Hugging Face，用数据库状态评测 AI 智能体

Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱及 ThinkingBox-Bench，基准包含 507 个有状态业务工作流，每个任务运行 20 次，并通过隔离 MCP 工具会话检查最终后端状态与副作用。

Aleph Alpha 发布 Kolibri 技术报告：78.1B 总参数英德 MoE 开放权重模型

Aleph Alpha 在技术报告中介绍英德 MoE Transformer 模型 Kolibri，总参数 78.1B、每 token 激活 3.46B，并以 Apache 2.0 开放权重。

FutureSearch Evals 公布 BTF-3 预测智能体榜单与多项公开赛事成绩

FutureSearch 发布评测页，展示其预测与研究智能体在自建基准、公开实时榜单和真实市场中的表现。BTF-3 包含 2,386 道已解析预测题，其中 2,015 道二元题、371 道数值题，FutureSearch SOTA 以 0.116 的 pooled Brier 分数领先，Claude Opus 5 (xhigh) 为 0.120。

ServiceNow CoreAI 介绍 AutoSynthData：把企业智能体失败转化为训练数据

ServiceNow CoreAI 介绍 AutoSynthData，用目标模型的失败和更强教师模型的成功轨迹生成并验证企业智能体训练任务。流程先从诊断任务提炼能力规格卡，再分 Target 和 Multiply 两阶段生成任务，通过正反向验证、有限修复和批次级覆盖审查后用于 SFT。

《2026 年自主 AI 智能体安全事件：数据集与专著》发布，汇总 109 起事件

独立研究者发布《Autonomous AI Agent Security Incidents of 2026: Dataset and Monograph》，汇总 2025 年 12 月至 2026 年 8 月公开披露的 109 起自主 AI 智能体安全事件，并配套 199 项指标、193 条裁定主张和 378 个来源。

David AI 发布 DAI-ASR-I18N 多语言对话 ASR 与说话人分离基准

David AI 发布 DAI-ASR-I18N，用21种语言、147小时无脚本双人对话评测语音识别和说话人分离。研究评估8个商用系统与6个开放权重模型，公开每语言2小时评测集，并在 Hugging Face 提供数据、在 GitHub 以 MIT License 发布推理和评测工具。

Asteris.ai 论文提出 VALUE：面向智能体 AI 的可验证价值对齐层

Asteris.ai 发布论文 VALUE: A Verifiable Alignment Layer for Agentic AI，提出在自主智能体与高后果执行之间设置价值对齐层。

VALUE 提案：为智能体 AI 增加可验证的价值对齐层

VALUE 提案在 AI 智能体与高后果操作之间设置独立价值检查层，由 VALUE Broker 控制凭证、API、工具和外部系统访问，并通过 VAO 将裁决、价值体系、版本、评估者和动作描述绑定后供接收方验证。

8 个多模态模型接受 2,000 张动物痕迹照片识别评测

作者用 2,000 张动物粪便、脚印、羽毛、蛋和骨骼照片测试 8 个模型识别留下痕迹的物种，Claude Opus 5.5 以 37.15% 的精确物种正确率领先，Muse Spark 1.3 和 GPT-6 Astra 分别为 33.35%、31.70%。

ProvenanceGuard 论文提出面向 MCP 智能体的来源感知事实核查

Multiverse Computing 介绍论文 ProvenanceGuard，用后置验证层检查 MCP 智能体答案中每条声明是否由其声称或暗示的来源支持。

无审查攻击性安全 AI 模型基准评测

一份 2026 年 9 月的开源权重无审查安全模型基准榜单，收录 DeepHat V2、CYBER-FROST-3.8 等 12 款面向授权红队、渗透测试与安全研究的模型，数据来自 HuggingFace 模型卡与官方资料。

Multiverse 论文提出用 Ising 优化选择 LLM 待删除 Transformer 块

Multiverse 发布论文 LLM Compression by Block Removal with Constrained Binary Optimization，把删除哪些 Transformer 块转化为 Ising glass 上的约束二值优化问题。

ALTK-Evolve 推出 Consistency Analyzer 与一致性准则，降低智能体重复执行失败率

Hugging Face 与 IBM Research 介绍 ALTK-Evolve 新增的 Consistency Analyzer 和 consistency guidelines，用于诊断并减少 AI 智能体在同一任务上重复运行时的结果翻转。

Allen AI 发布 BenchMIRT：用多维 IRT 审计 LLM 基准实际测量的能力

Allen AI 发布 BenchMIRT，用多维项目反应理论在单个提示词层面审计 LLM 基准，区分题目分数背后的安全和通用推理等能力信号。方法基于 100 个 LLM、16 个基准和超过 34K 个问题的结果训练，在未标注基准目标的情况下恢复出安全与通用推理两个主导维度。

Open ASR Leaderboard 新增印地语和印度英语评测集 Monsoon

Voice Arena 与 Hugging Face 合作，为 Open ASR Leaderboard 新增 Monsoon en-IN 和 Monsoon hi-IN 两套评测，覆盖印度英语和印地语。

Multiverse Computing 提出 Quantization-Aware Healing，让 60B MXFP4 模型在 7/9 基准上超过 BF16 版本

Multiverse Computing 发布论文 Quantization-Aware Healing，提出直接用压缩前的原始全精度模型作为教师，向结构压缩并量化为 MXFP4 的学生模型做 KL 蒸馏。

Hugging Face 研究提出三类测试，量化语音识别模型的基准优化现象

Hugging Face 发布研究，用参考文本分歧、遮蔽实体检索和拼写切换三类探针测试 11 个开源 ASR 模型，发现部分高分模型会复现 VoxPopuli 和 LibriSpeech 参考转录中的错误或缺失内容。

Multiverse Computing 提出低成本 LLM 知识蒸馏方法并开源分块 KL loss

Multiverse Computing 发布论文 Efficient Knowledge Distillation for LLMs，通过离线缓存教师模型每位置 top-100 logits，并使用 fused chunked KL loss，避免同时驻留教师和学生及生成完整词表乘序列矩阵。

Microsoft Research 发布 Echoverse：面向计算机使用智能体的深度可演化训练环境

Microsoft Research 发布 Echoverse，构建10个深度领域世界和2个能力世界，用于训练计算机使用智能体，并开放其中4个世界的代码、数据和 grounded graders。

Hugging Face 介绍 Real World VoiceEQ：衡量语音 AI 的人类体验质量

Hugging Face 发布 Real World VoiceEQ 语音 AI 基准，覆盖 ASR、TTS、Speech-to-Speech 和 Speech Understanding，评测 40 多个模型、15+ 维度和 60 多项指标。

IBM Research 发布 ScarfBench，评测 AI 智能体的企业 Java 框架迁移能力

IBM Research 推出开放基准 ScarfBench，用于评估 AI 智能体在 Spring、Jakarta EE 和 Quarkus 之间迁移企业 Java 应用的能力。

DiScoFormer：一个跨分布同时估计密度与 score 的 Transformer 模型

Hugging Face 介绍 DiScoFormer，这是一个可在单次前向传播中同时估计分布密度与 score、无需按新分布重新训练的 Transformer 模型。模型用高斯混合模型训练，采用共享主干与密度、score 双输出头，并把 KDE 作为特殊情形。在 100 维任务中，其 score 误差较最佳手工调优 KDE 降低约 6.5x，密度误差降低超过 37x。