DianShi-RxnDB：面向研究者与 AI Agent 的全自动流水线大规模细粒度有机反应数据平台
DianShi-RxnDB 是一个大规模、细粒度的有机反应数据平台，通过全自动流水线构建，面向研究者与 AI Agent。该论文页面已在 Hugging Face 上线并开放讨论。
#数据/训练
#数据/训练
今日 4 条HF blogAI 评分2626
HF blogAI 评分3939 LLAMIA-Bench：语言模型与非语言智能体协作的基准测试
研究者提出 LLAMIA-Bench，包含六项协作国际象棋任务，覆盖行为模仿、状态评估和自然语言解释三个维度。通过潜在状态内化将子智能体的连续表示直接投影为 LLM 的学习状态 token，实验发现相比文本化整合存在持续的"文本化债务"，且该差距随模型从 4B 扩展到 14B 参数依然存在。
HF blogAI 评分88 Hugging Face 数据集 trinity-graphics/truncgradgs
Hugging Face 上线数据集 trinity-graphics/truncgradgs，页面仅附 Hugging Face 推进开源与开放科学的使命宣言，未披露数据规模、模态、许可或使用方式等细节。
HF blog精选AI 评分6262 Qwen-Drive-1.0：面向自动驾驶的视觉语言基础模型
Qwen-Drive-1.0 是一个面向自动驾驶的视觉语言基础模型，在统一框架内整合 3D 感知、视觉问答与运动规划。模型保留预训练 VLM 架构，外接 BEV 感知头联合执行 3D 目标检测、语义占用预测和 BEV 地图分割，规划专家基于共享 VLM 表征生成未来自车轨迹。
推荐理由：Qwen-Drive-1.0 把 3D 感知、视觉问答与运动规划统一在一个 VLM 框架内，并给出分阶段训练配方，可了解自动驾驶基础模型的构建思路。
HF blog精选AI 评分7474 ZimaBlue：通过可扩展视频预训练演进可泛化世界动作模型
ZimaBlue 提出从大规模自我中心视频学习可泛化世界动作模型（WAM）的三阶段训练方案，先在大规模人类与机器人自我中心视频上做因果具身视频预训练，再通过视频-动作中期训练将视觉动态对齐到异构机器人轨迹，最后针对目标机器人做专门化。
推荐理由：论文给出从大规模自我中心视频学习世界动作模型的三阶段方案，并报告零样本操作成功率随数据规模的变化。
HF blog精选AI 评分6262 H3-World：把语言理解变成世界控制，将 33B MiniMax-H3 视频生成器改造为交互式世界模型
H3-World 提出一个框架，把 33B 的 MiniMax-H3 视频生成器改造成交互式世界模型，将语言指令转为精确、时间对齐的角色与相机控制，且不引入专门的动作模块。
推荐理由：论文给出把 33B 视频生成器改造成交互式世界模型的具体路径，含样本量与可训练参数比例等关键条件。
HF blog精选AI 评分6060 DroneCATS 评测多模态 LLM 作为无人机视觉语言动作智能体
论文提出 DroneCATS-Agent 与 DroneCATS 基准，把多模态大模型直接放入无人机控制回路，动作空间仅由提示词声明，无需微调或函数调用模式。评测覆盖接近可见目标、跟踪移动目标、搜索视野外目标和多无人机编队指挥四项能力，模型规模下探到 2B。
推荐理由：DroneCATS 把多模态模型直接放进无人机控制回路，用四类任务对比前沿与 2B 小模型，可看到空间感知与动作协议之间的落差。
HF blog精选AI 评分7171 LightNav-0：用 VLM 空间智能实现通用具身导航
LightNav-0 是一个紧凑的通用具身导航模型，通过统一指向 token 与动作 token 化调用预训练 VLM 的空间推理能力，在 10 个公开导航仿真设置上取得单目成功率最优。
推荐理由：论文给出统一 token 接口把 VLM 空间能力接到导航动作上，可了解通用导航模型如何跨任务与本体复用。
HF blog精选AI 评分7171 VLAct：面向视觉语言动作模型的表征中心持续预训练
论文提出 VLAct，一种面向 VLA 的 VLM 骨干，在任务微调前用多本体机器人数据做持续预训练，通过保留 VLM 先验、多头连续动作协同监督和部分统一的跨本体动作布局来共享动作语义。
推荐理由：论文给出在固定机器人数据预算下以表征为中心的持续预训练路线，并附开源数据与16卡训练配置。
HF blog精选AI 评分7171 PonderPounce：用预训练 MLLM 作为机器人控制的回合上下文引擎
PonderPounce 将预训练 MLLM Ponder 作为 System 2 上下文引擎、快速动作模型 Pounce 作为 System 1 控制器，两者在解耦时钟上端到端联合训练，无需专门记忆模块或桥接预训练。
推荐理由：原文给出 PonderPounce 在 RoboMME 上的成功率与训练数据倍数，可据此判断双系统记忆方案的效果量级。
HF blog精选AI 评分6262 Code-as-World：用可执行代码表示物理世界，为视觉语言模型提供物理推理监督
论文提出 Code-as-World，将物理环境的组成、动态演化和视觉外观表示为可执行代码，从而为视觉语言模型提供紧凑、可量化、可控的世界抽象。作者构建了受溯因推理启发的智能体发现循环，让智能体提出、执行、渲染、验证并迭代改进可执行世界假设，并用验证后的可执行世界为定量物理推理训练提供可扩展监督。
推荐理由：论文提出用可执行代码表示物理世界，为视觉语言模型提供可扩展的物理监督，读者可了解其智能体发现循环与基准表现。
HF blogAI 评分3030 Self-OPD：无需教师模型的流匹配模型在线策略蒸馏
Hugging Face 论文页介绍 Self-OPD，一种面向流匹配模型的在线策略蒸馏方法，其特点是不依赖教师模型。该页面目前仅开放论文讨论，未给出模型版本、任务、成功率或实验数据等细节。
HF blogAI 评分3838 论文：评估许可证意味着什么？Inspect Evals 中声明可复现性的提交绑定普查
一项提交绑定普查发现，Inspect Evals 的 124 个评估中有 110 个无法复现到其对应的声明，在确定性推理之前就已中断。论文认为，若评估未绑定到产生该分数的确切代码，排行榜数字与部署决策之间就存在缺口。作者还建议进一步检验评估的推理是否与模型在生产中的实际行为一致。
HF blog精选AI 评分6262 TacForcing：用执行时触觉反馈的流式动作生成框架
TacForcing 是一个流式动作生成框架，用流式动作专家和执行感知触觉注意力（EATA）在执行过程中引入实时触觉反馈，以改善接触密集操作。论文指出，基于分块预测的视觉语言动作模型在执行前采集观测、预测完整动作块，导致执行期间触觉条件滞后，而现有触觉反应方法多依赖独立的高频控制器，增加架构与训练复杂度。
推荐理由：论文提出在执行中引入触觉反馈的流式动作生成框架，并给出仿真与真机任务的成功率对比。
HF blogAI 评分2424 Agentic Game Development 作为可验证轨迹数据引擎：为世界模型扩展提供数据
论文提出将智能体游戏开发用作可验证的轨迹数据引擎，以扩展世界模型训练数据。作者质疑"不崩溃"作为奖励信号的价值：能编译运行的游戏未必在第一关之后保持连贯，基于"未崩溃"奖励的强化学习会优化出平淡安全的场景。真正的问题是这种信号能否带来空间一致性，生成轨迹需经人类试玩检验，而非仅通过运行时检查。
HF blog精选AI 评分6262 PAWBench：当前视频生成模型距离概率对齐的世界模型还有多远
论文提出概率对齐这一分布层面的世界模型要求，并发布 PAWBench 基准与 PAWEval 协议，把重复生成的视频 rollout 转成物理行为的经验分布。在 50 个场景和 11 个现有系统上，没有模型能同时稳定匹配参考概率并覆盖有效行为范围。作者随后测试语言提示、初始噪声采样和模型训练能否改变模型的预测分布。
推荐理由：论文把世界模型评估从单条视频合理性推进到行为分布层面，并给出 PAWBench 与 PAWEval 的具体评测协议。
HF blog精选AI 评分6262 UrbanGround：基于香港全域三维数据的真实尺度城市智能体导航沙盒
UrbanGround 是一个基于香港全域三维地理数据构建的真实尺度城市副本沙盒，用于测试多模态大语言模型智能体能否在闭环第一人称视角下完成可靠导航与空间推理。
推荐理由：UrbanGround 用香港全域三维数据搭建可闭环交互的城市沙盒，读者可了解 MLLM 智能体在长程城市导航中的能力边界。
HF blog精选AI 评分7171 Zero-WAM：以人类视频上下文建模世界与动作，实现开放任务泛化
Zero-WAM 提出一种因果视频-动作模型，通过上下文人类视频引导执行训练中未见的操作任务。作者用自动流程将任务采样的机器人轨迹转换为语义匹配的人类视频，构建 HumanGen 数据集，包含 8.6K 个任务、74.2K 对人类-机器人上下文学习配对，并提出上下文未来片段预测（IFP）目标以抑制已见任务的捷径。
推荐理由：论文给出以人类视频作为上下文任务说明的跨任务泛化方案，并公开数据集与仿真对比结果。
HF blogAI 评分2020 什么构成好的智能体数据？ACE 视角下的 LLM 智能体数据生成
Hugging Face 论文页收录《What Makes Good Agentic Data? An ACE Lens on Data Generation for LLM Agents》，从 ACE 视角审视 LLM 智能体的数据生成问题。该页面目前仅开放论文讨论，未给出具体方法、数据规模或实验结果。
HF blogAI 评分88 Hugging Face 数据集 jeffreylin1222/SDGBiasBench
Hugging Face 上线数据集 jeffreylin1222/SDGBiasBench，页面仅附 Hugging Face 推进开源开放科学的使命说明，未给出该数据集的规模、任务或评测指标等信息。
NVIDIA dev blog roboticsAI 评分5858 NVIDIA 教程：如何用 AI 智能体训练跨本体机器人导航策略
NVIDIA 发布技术博客，介绍如何用 AI 智能体训练跨本体机器人导航策略。文章指出导航不同于产生稳定运动的运动控制，需要持续定位、理解变化的环境、选择路线并避障以安全到达目标；把这一能力迁移到新机器人或新场景可能需要新的数据、仿真资产和机器人接口。
HF blog精选AI 评分6565 WorldToken 机器人模仿学习实验记录数据集发布
Hugging Face 上线 mepi31415/WorldToken_Experiment_Records 数据集，公开 WorldToken: Time-First Sequence Modeling for Robotic Imitation Learning 的训练日志、配置、评估结果与 rollout 视频。
推荐理由：WorldToken 论文的实验记录与检查点打包公开，读者可据此复现多任务控制与长历史实验的表格结果。
HF blogAI 评分3030 TinyCast：146,505 参数的概率零样本时间序列预测模型
Hugging Face 博客介绍 TinyCast，一个 146,505 参数的零样本时间序列基础模型，是 GIFT-Eval 榜单上最小的公开逐配置结果且无测试数据泄漏的模型，也是 140 万参数以下唯一输出预测分布而非点预测的零样本模型。
HF blog精选AI 评分7171 τ_0-VLA：世界模型引导测试时计算的分层机器人基础模型
τ_0-VLA 是一个分层视觉语言动作模型，把高层子任务生成建模为可扩展算力的推理问题，通过世界模型引导的测试时计算在需要时搜索备选子任务再输出。高层策略利用执行记忆生成子任务，低层策略在多种机器人本体上执行，模型基于 40,115 小时异构真实数据与多模态联合训练。在域内和分布偏移设置下，增加测试时计算量可提升下一子任务预测准确率，并转化为长时程操作任务的闭环成功率提升。
推荐理由：论文提出用世界模型引导的测试时搜索为高层子任务决策分配更多算力，并给出跨本体与分布偏移下的闭环结果。
HF blog精选AI 评分6262 GOAG：面向灵巧操作的生成式物体无关抓取规划器
GOAG 是一种物体无关的深度生成式抓取规划器，学习特定夹爪的接触面分布，无需物体特定训练数据即可为未见物体采样有效抓取。作者在仿真与真实场景的抓取协议上验证该方法，在 MultiDex 数据集上取得 86.93% 的平均成功率，生成大量抓取时处理速度明显更快，性能与专门在该数据集上训练的方法相当。代码与视频见项目网站 https://cea-list.github.io/goagweb/。
推荐理由：论文提出与物体无关的抓取规划思路，读者可了解其如何用夹爪接触面分布替代物体特定训练数据。
HF blogAI 评分3030 EnvHarness：为智能体学习唤醒静态世界
Hugging Face 论文页发布 EnvHarness，提出为智能体学习"唤醒静态世界"的方法。该页面目前仅开放论文讨论，未披露模型版本、任务本体、成功率或真机部署等具体细节。
HF blog精选AI 评分7878 NeDM Study 4 数据集发布：宇树 Go2 在 CRM 颗粒地形上的神经降维动力学复现材料
Hugging Face 上发布 NeDM Study 4 数据集，包含宇树 Go2 在 Chrono CRM 颗粒地形（SPH 颗粒土壤）上行走的语料、训练好的神经降维代理模型。
推荐理由：论文配套数据集公开了宇树 Go2 在颗粒地形上的语料、代理模型与微调策略，可复现其仿真到真实迁移流程。
HF blog精选AI 评分7070 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 打通录制、训练与部署闭环
AWS 开源 SDK Strands Robots 发布教程，演示如何用同一个 Robot() 对象完成录制 LeRobotDataset、同步到 Hugging Face Storage Buckets、从 Hub 流式读取训练、再以 mode="real" 部署回 SO-101 硬件，全程保持 LeRobot 磁盘格式不变。
推荐理由：以 Strands Robots 为例拆解录制、去重同步、流式训练到真机部署的完整数据闭环，含可运行 notebook 与实测数字。
HF blogAI 评分2222 Hugging Face 上的 tavishh/robotarm：ACT（CVAE）SO-101 方块与圆柱抓放
东北大学 SV 机器人 SIG 的 Team TRON 在 Φ 硬件智能 ACT 训练竞赛中提交了 tavishh/robotarm：基于 phi_so101_cubes_cylinder_v1 数据集（120 条轨迹、66,873 帧、3 路相机）训练的 ACT（CVAE）策略，用于抓取方块或圆柱并放入盒中。
NVIDIA blog robotics精选AI 评分7878 NVIDIA 发布 Cosmos 3 开放世界基础模型家族
NVIDIA 发布 Cosmos 3 开放物理 AI 世界基础模型家族，基于 mixture-of-transformers 架构，同时支持视觉推理、世界生成与动作预测。
推荐理由：Cosmos 3 以开放权重和三种规模覆盖世界生成与动作预测，读者可据此判断物理 AI 团队如何做后训练与部署。
HF blog精选AI 评分7171 Ego2Robot：从第一视角人类视频合成可扩展机器人训练数据
Ego2Robot 提出一条可扩展流程，通过动作重定向、机械臂视觉合成和多级质量筛选，把第一视角人类操作视频转换为机器人训练数据，支持精选数据集与野外视频，产出 18,561 小时数据、覆盖 15 种机器人形态。
推荐理由：论文给出将第一视角人类视频转为机器人训练数据的可扩展流程，并公开数据规模与泛化评测设置。
HF blog精选AI 评分6262 BridgeVLA++：面向 3D 操作的数据高效、可泛化、记忆增强 VLA 框架
BridgeVLA++ 在 BridgeVLA 基础上加入统一时空记忆架构，可对观测历史进行推理，同时保留原框架的数据效率与泛化能力。该框架在两个记忆依赖型操作基准上取得 state-of-the-art 表现，并在双臂操作设置和另一个真实机器人平台上完成验证。项目主页为 https://bridgevla-plus.github.io/。
推荐理由：BridgeVLA++ 在原有数据效率基础上加入时空记忆，读者可了解记忆增强 VLA 在 3D 操作任务上的设计思路与验证范围。
HF blog精选AI 评分7171 WorldCycle：用可逆动作循环自监督强化学习训练长时程视频世界模型
WorldCycle 提出用可逆动作循环作为可自验证的强化学习信号，无需真值轨迹，将长时程状态回归漂移最多降低 44%，复合动作准确率提升近 4 倍。作者指出 WorldPlay、WorldCompass 等基线存在空间闭合失败与时间一致性失败，且短时程奖励无法察觉。团队同时发布 CycleBench，覆盖短、中、长时程的可逆、重复与复合循环，用于把视频世界模型当作模拟器评测。
推荐理由：作者把可逆动作循环当作无需真值轨迹的自监督信号，并公开 CycleBench，读者可据此理解长时程视频世界模型的漂移评测方式。
HF blogAI 评分3030 PAST-Bench：评测个人智能体递归自我改进基础的基准
Hugging Face 论文页面发布 PAST-Bench，用于评测个人智能体递归自我改进的基础能力。该基准聚焦个人智能体场景下的自我改进研究，目前页面仅开放论文讨论，未披露具体任务、指标或实验结果。
HF blog精选AI 评分7171 MiniWorld：从零训练视频世界模型的可复现框架
MiniWorld 是一个从零训练流式视频世界模型的可复现框架，采用块因果视频扩散 Transformer，在预训练 Video VAE 的潜空间中以 Flow Matching 训练，并基于 Diffusion Forcing 使用分块非递减噪声调度和两阶段继续训练。
推荐理由：MiniWorld 给出从零训练流式视频世界模型的完整方案与代码，读者可据此评估单机 8 卡复现的可行性。
HF blogAI 评分5353 Push-Wiper：用分段推扫轨迹实现跨污渍与表面的通用机器人清洁
Push-Wiper 将黏性污渍清洁重构为聚集问题，用海绵通过分段推扫轨迹逐步聚集污渍，再经后处理分离聚集物并实现海绵自清洁。该方法用 Diffusion Policy 生成自适应推扫动作序列，经任意表面位姿插值器（ASPI）和力位混合控制器执行，清洁得分（去除污渍面积百分比）最高比基线方法高 130%。
HF blogAI 评分3838 ST-WAM：面向视觉分布偏移下鲁棒操作的语义-时序世界动作模型
Hugging Face 论文页发布 ST-WAM，一个面向视觉分布偏移下鲁棒操作的语义-时序世界动作模型。该模型将语义与时序信息引入世界动作模型，用于提升操作任务在视觉分布变化下的鲁棒性。论文页未给出更多实验数据与真机结果细节。
HF blogAI 评分2222 OmniPack：面向高效全模态大语言模型的统一 token 压缩
Hugging Face 论文页介绍 OmniPack，一种面向全模态大语言模型的统一 token 压缩方法，目标是提升这类模型的计算效率。页面未给出具体模型版本、压缩率或实验数据，仅提供论文讨论入口。
HF blog精选AI 评分6262 GROVE：从流式视频经验中构建并推理时间分层记忆
GROVE 是一个免训练框架，用单一因果增长的记忆统一反应式视频问答与主动辅助，支持多尺度检索。它把细粒度感知证据逐步整合为带时间戳的时刻、连贯片段和跨天重复模式，每层配对应的检索技能。在 MM-lifelong 和 EgoServe 等基准上，GROVE 取得所比较方法中的最佳结果，消融显示各时间层与访问技能互补，跨多天证据时模式层收益最大。代码将发布于 GitHub。
推荐理由：GROVE 用单一因果增长记忆统一视频问答与主动辅助，读者可了解其分层记忆与检索设计。
NVIDIA dev blog roboticsAI 评分5858 NVIDIA 发布 Alpamayo 2 Super 开源推理视觉模型
NVIDIA 发布 Alpamayo 2 Super，这是一个 340 亿参数的开源推理视觉模型，用于自动驾驶开发。原文指出，以往轨迹生成、高层意图预测、场景理解和数据标注往往依赖彼此独立的模型，导致相关输出难以比较、模型行为难以排查、表示也难以在开发流程中复用；Alpamayo 2 Super 将这些能力整合到同一模型中。