K-TRAIL：仿真器引导的电磁/射频电路生成式设计
K-TRAIL以扩散生成结合无导数集合卡尔曼引导，借黑箱电磁仿真反馈优化版图，实现电磁/射频电路逆向设计。
对抗性多目标赌博机中坐标对帕累托遗憾的作用
对抗性多目标赌博机中，已知最易坐标不改善帕累托遗憾最坏阶；所提算法无需此知识即达最优且与坐标数无关。
面向自动作文评分的错误监督合成学习者写作
面向自动作文评分，引入错误监督生成合成作文，数据较多时优于传统合成基线，错误分布更接近真实学习者作文。
面向三维医学分割的置信度感知教师-学生蒸馏
提出置信度感知教师-学生蒸馏，仅需单层点提示，心脏MRI分割较最优半监督提升43.6%。
PRISM-RAG：面向烟草产品与立法政策推理的多模态超图检索增强生成
PRISM-RAG多模态超图RAG解决跨辖区烟草法规消歧，正确辖区检索率93.9%，优于标准RAG。
主动推理智能体中基于大语言模型的可解释性失效：触发因素与诊断
审计主动推理智能体的LLM解释器：扰动与错误动作下解释流畅却失实，元数据注入可操纵并外泄数据，须审计。
面向一致规划与实时执行的近端残差价值函数
提出近端残差价值函数，以端到端RL学习规划与实时执行一致的价值函数，电商库存仿真总成本降5%。
用于数字健康活动结果早期预测的患者世界模型：能力与局限
患者世界模型可提前预测数字健康活动处方量，误差低至0.8%–2.9%，并揭示暴露因果解读的局限。
CTRL：基于控制的时间序列预测与LLM引导的残差学习
CTRL将语义推理与数值预测解耦，借LLM控制信号修正基础预测，并支持无标签测试时自适应。
自校准的代价：自适应监控中的精确证据预算与人造盲集
自校准监控保证误报率需精确证据预算，但容错漂移会制造盲集，对差分故障盲，盲集恰为倍速类。
幽灵输出为何能教学：从核视角理解潜意识学习
提出链式跨任务核，揭示幽灵输出监督经共享表征迁移能力，并验证半正定对齐、维度瓶颈与高熵输入机制。
在线对照实验中用于分层抽样的最优多路决策树
提出OMST，用最优多路决策树优化分层抽样，提升统计功效，树浅可解释，方差降低不逊于现有方法。
重复先知不等式的最优无悔学习
前缀反馈下重复先知不等式达到 Õ(√T) 期望遗憾并匹配下界，消除对盒子数 n 的多项式依赖。
ValueDiff：面向注意力汇被抑制大语言模型的值几何KV缓存驱逐
ValueDiff按值向量偏离缓存均值的L2偏差驱逐KV缓存，在弱注意力汇模型上大幅优于现有方法。
CSC：面向大语言模型时代冲突感知社交机器人检测的校准简约框架
提出校准简约CSC：简化图专家、单纯形校准融合与不一致专家，用于LLM时代冲突感知社交机器人检测。
Rethinking Class Imbalance for Single-Cell Foundation Models: A Systematic Benchmark Across Architectures and Long-Tail Loss Functions
@alexandr_wang：当朋友还没用上 Muse 时，是种什么感觉
朋友还没用上 Muse，我是什么心情。
@Kimi_Moonshot：Kimi K3 现已登陆 Amazon Bedrock！
Kimi K3 上线 Amazon Bedrock，支持编码、文档分析与长任务智能体，含提示缓存。
@alexandr_wang：你可能会说我们……
我们或许正超越前沿，但更重视前沿模型在对齐、安全与保障上的负责任训练，认为所有实验室都应如此。
@alexandr_wang：短暂中断常规 Muse 编程，但 @scale_AI 在 RSI 基准测试上取得重大进展
暂别常规 Muse 编程，@scale_AI 在 RSI 基准测试上取得重大进展。
@emollick：知识工作的工业化将带来一场与体力劳动的工业化同样具有颠覆性的转变。正如当年，手工艺领域一旦面临压力，就要大量生产标准化产品，同时更少运用那些曾让工作有趣且有意义的技艺。
知识工作工业化将如体力劳动工业化般颠覆，手工艺领域受压，须量产标准化产品、少用匠心。
@alexandr_wang：🤝
仅含握手表情，无实质文字内容。
@alexandr_wang：当你意识到，自己一辈子深度在线的人生，原来都是在为这一刻做准备
一辈子泡在网上，竟是为此刻做准备的恍然感
小米正式发布并开源 MiMo-V2.6 系列，含 Pro 与 Flash 两款原生多模态模型
小米开源 MiMo-V2.6 系列，Pro 版智能指数 46 分，超越 Kimi K3 与 Qwen3.8 Max，成最强开源模型，与 Grok 4.7 并列。
@alexandr_wang：如果你想知道我们为 Muse 已经工作了多久，这里有一段我一年前（2025年9月）为 Meta 董事会写的文档摘录
与@natfriedman为Muse研发已久，现分享一年前给Meta董事会的文件，很高兴将其呈现。
@alexandr_wang：前辈注意到我们了 🥹🥹🥹
前辈注意到我们了，感动到哭。
@elonmusk：Grok 4.7 https://t.co/wJvgyIPDr2
马斯克发布 Grok 4.7，附相关链接。
@alexandr_wang：接下来要疯狂炸裂了
Alexandr Wang发推预告事态即将变得疯狂，并附上链接。
CodeMidas：从代码本身扩展智能体编码强化学习环境
提出CodeMidas，利用代码本身规模化扩展智能体编码强化学习环境。
@elonmusk：确实如此
内容属实。
@alexandr_wang：说实话，我挺自豪，Muse 的 logo 看起来一点也不像“屁眼”
他坦言很自豪：Muse 的 logo 看起来一点也不像“屁眼”。
@elonmusk：酷
马斯克简短发帖称“酷”。
@埃隆·马斯克：Grok 4.7
埃隆·马斯克发布 Grok 4.7。
oMLX 创建者兼维护者 Jun Kim 加入 Hugging Face，助力 MLX 社区
oMLX 创建者兼维护者 Jun Kim 加入 Hugging Face，支持并推动 MLX 社区发展。
Transformers 现已支持运行 llama.cpp 量化模型
Transformers 现已支持加载并运行 llama.cpp 量化模型。
英国AISI与EvalEval如何让基准测试结果可复现
未提供摘要，无法提炼。
有效第三方评估的优先事项与原则
OpenAI概述了针对前沿模型与防护措施，开展严格、安全、独立第三方AI安全评估的优先事项与原则。
硅谷押注AI购物，打造苹果门店的他不买账
苹果门店设计者罗恩·约翰逊表示苹果的制胜法宝始终是员工。
@alexandr_wang：Muse 要在周二前达到 95%！
Muse 目标在周二前达到 95%。
@alexandr_wang：首先，你得了解一下这个小家伙
先了解这个小家伙，再补课Shopify与亚马逊的多年竞争史，最后下载应用。
Jev 发布全新形态大语言模型——System One，即决策模型
Jev 提出 LLM 新形态 System One（决策模型），另附 Gemini Live 与鹈鹕骑单车。
AI可成为探索编程之外领域的绝佳工具
AI不止于编程，还能为《荒原》等文学经典制作多路径注释指南，令人印象深刻。
@alexandr_wang：权爸爸，Muse 很荣幸为您效劳
权爸爸，Muse 很荣幸为您效劳；先生，它果然名不虚传。
@alexandr_wang：Muse 小哥真是又害羞又卡哇伊 https://t.co/Fjq4jGX7ES
亚历山大·王发推称，Muse 小哥既害羞又卡哇伊。
@alexandr_wang：这是我的超级碗，我的天哪
这一刻终于来了！作者称这是他的超级碗，高呼小缪斯小子万岁、缪斯万岁！
@alexandr_wang：用 Muse 应对极端天气，实时掌握糟糕状况！
用 Muse 应对极端天气，随时掌握糟糕状况。
@simonw：整理了关于 Jev 和“系统一”（即决策模型）这一新类别的笔记 https://t.co/EQZvszIXQ9
整理了 Jev 及“系统一”（决策模型）这一新类别的笔记。
@alexandr_wang：老兄，你的宾果卡上到底写了啥？
惊叹 Muse 正大杀四方、表现炸裂：这你也提前料到了？
Jev introduces a new shape of LLM - System One, aka Decision Models
@alexandr_wang：我不懂你在这儿搞的这些复杂金融破事，但 Bubble Boi 小老弟看起来真是个狠角色，很高兴你享受 Muse！
不懂复杂金融操作，但 Bubble Boi 小老弟像真大佬，很高兴你喜欢 Muse。