QuantCode-Bench，一个专为评估大语言模型生成量化交易策略代码能力而设计的全新基准测试。该基准包含 400 个源自 Reddit 和 GitHub 等平台的任务，要求模型利用 Backtrader 框架将自然语言描述转化为可执行的策略。研究人员构建了一个四阶段评估流程，涵盖代码编译、历史数据回测、交易信号触发以及语义一致性检查。实验结果显示，顶级模型在单轮生成中虽能保证语法正确，但在实现复杂的交易逻辑时仍面临挑战。然而，在提供反馈的智能体多轮对话模式下，模型的表现显著提升，成功率可达 95% 以上。该研究强调，量化策略生成不仅需要编程技巧，更需要模型精准理解金融逻辑与 API 的深度运用。

MindDR 是由理想汽车（Li Auto）研发的一种高效多智能体深度研究框架，旨在利用约 30B 规模的中等参数模型实现顶级的搜索与分析性能。该系统通过规划、深度搜索和报告三个专业智能体的协作，将复杂的研究课题拆解为可并行处理的子任务。其核心优势在于一套四阶段训练流水线，涵盖了从冷启动指令微调到针对搜索效率和报告质量的强化学习（RL）优化。为了解决数据稀缺问题，研究团队还开发了基于知识图谱的合成数据生成系统，并推出了包含 500 个真实业务问题的 MindDR Bench 评测基准。实验证明，MindDR 在多项权威深度研究榜单上表现出色，不仅超越了同规模开源模型，甚至能与参数量更大的闭源系统相媲美。

这项研究探讨了大语言模型在训练后阶段（Post-training）出现输出多样性崩溃的根源。通过对 Olmo 3 模型家族不同训练路径的对比，研究发现多样性的丧失主要由训练数据构成决定，而非特定的训练算法。例如，使用窄分布的“思维链”数据进行微调会导致多样性过早骤降，而这种崩溃植根于模型权重，无法在推理时通过禁用思维链格式来修复。此外，输出的简化在不同任务中表现不同：在数学和代码任务中主要体现为错误答案的消除，但在创意写作中则表现为语义表达的单一化。研究强调，多样性的流失限制了自我一致性采样等推理技术的有效性。最终结论指出，开发者必须在训练阶段通过引入多源、广义的教师数据来缓解这种多样性损失。Where does output diversity collapse in post-training?

这项研究介绍了一种名为 Deep Neural Lesion (DNL) 的攻击方法，通过仅修改深度神经网络（DNN）中极少数的参数符号位，便能引发模型的灾难性失效。该方法极其高效且具有隐蔽性，因为它无需任何训练数据或复杂的优化过程，仅凭参数权重大小和网络层级位置即可锁定关键点。研究表明，在图像分类、目标检测及大语言模型等多个领域，仅需翻转一两个比特位，就能使 ResNet-50 或 Qwen3 等顶尖模型的准确率几近清零。实验进一步揭示，早期网络层的参数对模型性能至关重要，破坏这些“神经病灶”会导致错误信号在后续层级中剧烈放大。此外，作者还提出了一种增强版的 1P-DNL 策略，通过单次随机输入的前后向传播，能更精准地识别并摧毁模型的关键架构。这项工作强调了保障模型参数存储安全的重要性，并建议通过针对性保护这些脆弱比特位来提升系统的防御能力。

这篇论文介绍了一种名为 W-RAC（网络检索感知分块） 的创新框架，旨在优化检索增强生成（RAG）系统中网页文档的处理流程。该技术通过将网页解析为具唯一标识符的结构化单元，利用大语言模型进行语义规划而非文本生成，从而在保持原文完整性的同时精准分组。实验表明，这种方法能显著提升检索精确度，并大幅降低计算成本与延迟。与传统方法相比，W-RAC 成功减少了约 85% 的输出 Token 消耗，并缩短了近 60% 的处理时间。总而言之，它为大规模网页数据的摄取提供了一个更具可观察性、低成本且高效的工业化解决方案。

ClawGUI 是一个旨在解决图形用户界面（GUI）智能体在训练、评估与部署中存在脱节问题的开源统一框架。该系统由三个核心模块组成：ClawGUI-RL 提供了支持虚拟环境与真实设备的强化学习基础设施，并通过过程奖励模型实现细粒度的步骤监督；ClawGUI-Eval 建立了标准化的评价流水线，确保了在多项基准测试中结果的可复现性；ClawGUI-Agent 则支持在 Android 和 iOS 等多平台上进行真实部署。实验表明，在该框架下训练的 ClawGUI-2B 模型在任务成功率上显著超越了同规模基准，甚至优于部分参数量更大的模型。这一研究通过整合混合控制策略和持久化记忆系统，为开发更具实用性的数字化自动化智能体奠定了基础。

MOSS-TTS是一款基于离散音频令牌、自回归建模以及大规模预训练构建的语音生成基座模型。该研究的核心在于 MOSS-Audio-Tokenizer，这是一种纯 Transformer 架构的音频分词器，能够将音频高效压缩，同时兼顾高保真重建与语义对齐。为了平衡生成质量与推理效率，研究者发布了结构简洁、易于扩展的 MOSS-TTS 以及更强调实时性与音色还原的 MOSS-TTS-Local-Transformer。该系统通过数百万小时的海量数据流水线进行训练，不仅支持零样本声音克隆，还能实现对语速、发音及跨语言流利度的精细控制。最终，这份报告通过严谨的实验对比，展示了该模型在长文本合成和多样化语音任务中的卓越性能。

EverMemOS 是一种为大型语言模型（LLM）设计的创新型自组织记忆操作系统，旨在解决长文本交互中的连贯性与逻辑推理挑战。该系统借鉴生物学中的记忆印迹原理，通过情理性痕迹形成、语义整合以及重构式回忆三个阶段，将零散的对话片段转化为结构化的知识体系。研究表明，EverMemOS 在 LoCoMo 和 LongMemEval 等多个基准测试中显著超越了现有技术，尤其在处理多步推理和时序问题方面表现出色。通过构建包含原子事实、时间边界预判及用户画像的记忆元（MemCells），该系统能够根据查询需求精准合成最相关的上下文。这种从被动存储到主动生命周期管理的转变，为构建更具一致性和情境感知能力的交互式人工智能体奠定了坚实基础。

RealRestorer是一个旨在解决真实世界图像退化问题的开源图像修复模型。研究人员开发了一个包含九种常见退化类型（如模糊、噪点、雨雾等）的大规模高质量合成数据流水线，并采用两阶段训练策略，将合成数据与真实退化数据相结合，以提升模型的泛化能力。此外，论文推出了 RealIR-Bench 基准测试，利用视觉语言模型（VLM）评估模型在去除退化和保持内容一致性方面的表现。实验结果表明，RealRestorer 在开源模型中处于领先水平，其修复效果可与主流的闭源商业模型相媲美。该项目通过开源模型、数据生成工具和评估基准，为真实场景下的图像恢复研究提供了重要支持。

 Anthropic 开发的智能编程工具 Claude Code 的系统架构与设计哲学。该系统以一个简洁的循环机制为核心，通过调用模型、执行工具并不断重复来完成复杂任务。其架构设计优先考虑人类决策权威与安全性，内置了具备七种模式的权限系统、五层上下文管理流水线以及四种扩展机制。报告通过对比开源系统 OpenClaw，展示了商业软件如何利用防御性设计与最小化脚手架来增强开发能力，同时保持严谨的操作限制。此外，作者还探讨了未来 AI 代理在长期记忆、治理以及平衡短期生产力提升与人类技能长期保留之间的开放性挑战。该分析揭示了 Claude Code 绝大部分代码并非逻辑推理，而是确保可靠运行的操作性基础设施。