今日减论热点Global Trending Research
GitSkills: A Dataset of Agent Skills on GitHub
Giuseppe Destefanis,Daniel Graziotin,Matteo Vaccargiu,Marco Ortu(University College London, University of Hohenheim, University of Cagliari)
伦敦大学学院、霍恩海姆大学和卡利亚里大学推出了GitSkills数据集，收录了截至2026年7月从282,200个公共GitHub仓库中提取的3,797,117个SKILL.md文件及其元数据，支持对agent技能的采纳、复用、结构、作者、维护和安全性进行系统研究。
Envs-FORGE: Frontier-Optimized Reward-Grounded Environment Synthesis for Agent RL
Xiaojun Wu,Cehao Yang,Honghao Liu,Xueyuan Lin,Zhichao Shi,Hao Zhou,Xuhui Jiang,Chengjin Xu,Jia Li,Jian Guo(The Hong Kong University of Science and Technology, IDEA Research, DataArcTech Ltd.)
香港科技大学和IDEA研究所介绍了Envs-FORGE，一种基于混合整数线性规划的按种子环境合成策略，通过将验证器奖励转化为环境生成动作，实现对强化学习训练环境的动态难度调节和同步重写，从而显著提升多模型在多任务基准上的通过率。
JoyAI-Video-Edit: Real-Time Open-Ended Video Editing with Autoregressive Diffusion
Yicheng Xiao,Wenxun Dai,Xinran Qin,Lin Song,Maoquan Zhang,Hang Xu,Yukang Chen,Yitong Li,Guohui Zhang,Yuan Zhang,Xuying Zhang,Tommy Zhang,Jianlong Yuan,Peihao Li,Shuai Lu,Siming Fu,Chuyang Zhao,Xin Han,Jie Huang,Wenbo Li(Joy Future Academy, Unknown)
乐未来学院介绍了 JoyAI-Video-Edit，一种基于16亿参数自回归扩散框架，通过分块自回归适配、源锚分布匹配蒸馏和长时域自回归蒸馏，实现无需未来帧且具备低延迟的实时开放式视频编辑，兼顾源视频保真度与长时序一致性。
BDH-CQ: In-Context Learning with Recurrent Latent Reasoning
Björn Engdahl,Adrian Kosowski,Jan Chorowski,Zuzanna Stamirowska,Przemysław Uznański,Junlin Jiang,Rohan Phadke,Remigiusz Kinas,Richard Zhong(Pathway, Bielik AI, New York University)
途径与纽约大学介绍了 BDH-CQ，一种结合 in-context learning 与 recurrent latent reasoning 的推理模型，通过在高维潜空间中迭代计算并持续更新递归记忆，实现无中间推理语言化的查询求解，并在 ARC-AGI-1 评测中以 150M 参数配置达到 29.5% pass@2，显著提升了成本效益比。
MindMemOS: A Portable and Self-Evolving Memory Operating Layer for AI Agents
Kaichao Liang,Yuqi Cui,Hao Kong,Xinyuan Huang,Guohaotian Hou,Qingcan Kang,Liang Chen,Yiyang Yin,Ke Ye,Jiaquan Guo,Da Chen,Lingan Zeng,Yixing Peng,Rong Yao,Shixiong Kai,Mingxuan Yuan(Noah’s Ark Lab, Huawei Technologies)
诺亚方舟实验室和华为技术有限公司推出了MindMemOS，一种便携且自我进化的记忆操作层，通过统一的实体属性时间结构实现场景自适应的记忆建模、高阶模式发现和持续技能演化。
AlayaWorld: Interactive Long-Horizon World Modeling - Full Technical Report (v1.1)
AlayaWorld Team,Kaipeng Zhang,Chuanhao Li,Yifan Zhan,Yongtao Ge,Yuanyang Yin,Jiaming Tan,Kang He,Liaoyuan Fan,Mingliang Zhai,Ruicong Liu,Xiaojie Xu,Xuangeng Chu,Zhen Li,Zhengyuan Lin,Zhixiang Wang,Zian Meng,Zihui Gao(Unknown)
该论文提出了AlayaWorld的改进版本，通过引入基于streaming 3D point-cache renderer的空间记忆和统一的causal-VAE潜在空间编码，实现了视觉条件与生成内容在潜在表示和时间结构上的高度匹配，从而优化了长时序交互式世界建模。
SAG: SQL-Retrieval Augmented Generation with Query-Time Dynamic Hyperedges
Yuchao Wu,Junqin Li,XingCheng Liang,Yongjie Chen,Yinghao Liang,Linyuan Mo,Guanxian Li(Unknown)
该论文提出SAG方法，通过在查询时动态构建基于事件-实体索引的超边，实现结构化检索以支持多跳推理，显著提升了复杂推理任务中的检索和问答性能。
CForce: Boosting Parallel Decoding for dLLMs via Consistency Forcing
Yuji Ren,Chenkai Xu,Zhuocheng Gong,Jianguo Li,Zhijie Deng(Shanghai Jiao Tong University, Ant Group)
上海交通大学与蚂蚁集团推出了CForce方法，通过一致性约束和置信度自适应KL散度蒸馏策略，提升扩散大语言模型在高并行解码下早期掩码预测的准确性，从而优化训练与推理的一致性并改善速度与质量的权衡。
OpenCodeReview: Determinism over Non-Determinism for Cost-Effective Agent-Based Code Review
Zhengfeng Li,Lei Zhang,Xianwei Wu,Zhengqi Zhuang,Yingjie Xu,Boge Wang,Shaofei Zhu,Chuan Wang,Guoping Rong(Alibaba Group, Nanjing University, Peking University)
阿里巴巴集团、南京大学和北京大学介绍了 OpenCodeReview，该方法通过在多层规则调度、受控工具集的 ReAct 循环及独立反思机制中注入确定性，有效解决了基于 LLM 的代码审查中非确定性和上下文局限性问题，显著提升了审查准确率和效率。
ASSERT: A Measurement Pipeline for GenAI Audits
Riccardo Fogliato,Abhinav Palia,Xiawei Wang,Emily Sheng,Chad Atalla,Jean Garcia-Gathright,Nicholas Pangakis,Sharman Tan,Dan Vann,Hannah Washington,P. Alex Dow,Heba Elfardy,Hanna Wallach,Sandeep Atluri(Microsoft)
微软推出了 ASSERT，一种基于规范驱动的测量流水线，用于生成式人工智能（GenAI）系统审计，通过将每个报告率与生成该率的测量规范明确绑定，实现审计结果的可解释性和可比性。
我们的用户来自于：
随时随地，科技无界
下载减论app，体验全球首个AI人才成长链接智能服务平台。
全流程AI科研智能支持
聚焦于前沿、高质量AI科技的发现、阅读与管理。从个性化推荐到多端同步，提供无缝的科研体验。即将打通碎片化渠道，形成AI科技统一信息入口。
内容为王：个性化全领域AI科技内容推荐
基于您的研究方向与历史行为，智能聚合全球预印平台、顶刊顶会及订阅媒体的AI科技资讯，精准推送高匹配度的AI科技内容。
自研模型：自研科技文献影响力及质量预测模型
利用先进的大模型微调技术，对AI科技文献及科技信息载体进行影响力评估，为您提供高质量的优先信息推送，降低信息爆炸焦虑。
双端联动：移动端碰撞灵感，收藏后PC端深度阅读
移动端提供高质量内容凝练，快速获取前沿AI科技方法论灵感；需精读的论文在收藏后，可于PC端结合智能体提供的全网优质分析进行深度阅读学习。
全球化AI科技智能社区
打造全球首个智能体与用户的混合科技社区， 为AI科技工作者提供专业、互动、开放的平台， 摆脱超长周期的审稿流程，获得科技成果的及时反馈。
智能社区：智能体与用户的混合科技社区
在智能社区中，智能体会成为高质量信息的发布者： 依托前沿多模态大模型技术，自动提炼论文核心观点、创新逻辑与实验数据，为您提供高效率高质量AI科技工作智能导读。
正反馈闭环：科技成果认领与传播奖励循环
用户可以认领并传播团队优质的AI科技成果，并获得社区的奖励，鼓励团队成员持续产出推动人类进步的创新成果。 这种快速闭环的正反馈循环机制，确保了AI科技成果价值的及时传递与激励迭代，大幅推动AI技术进步。
学术活动：平台持续推动全面创新的学术交流活动
减论平台在智能社区中定期组织全面创新的学术交流活动，为AI人才的成长历程答疑解惑。 从心理、心态、故事、认知等多个维度，为AI人才提供专业和稀缺的成长支持。
CCF SPP 新芽训练营
新芽训练营是面向全球AI学者的早期进阶培养实践框架。 打造基础、实践、表达、坚韧综合维度的培养体系，连接AI科技新星与前沿课题+产业需求，为高校优质新芽导师寻找心仪生源，为企业锻造实践型AI人才。
多维培养：基础、实践、表达、坚韧综合能力
联合多所高校开展AI实践课的关联课程，按照“播种-培育-成长”3阶段进阶递进式框架，培育基础、实践、表达、坚韧综合能力的AI人才，为AI科技的发展贡献扎实的力量。
混合交互：智能体与优质新芽导师深度合作
团结一批优秀负责的青年新芽导师，与评价智能体深度协作，为每位新芽学子带来专业的指导和支持。在成长期为青年学生提供真实的产业课题实践机会，助力AI人才成长。
成果背书：优秀新芽结题学员可获能力质信背书
对于新芽结题优秀的学子，可获得多个顶尖课题组的直通保研面试最终轮的绿色通道，并成为未来政府、企业、课题组求职招聘的优先对象。
