今日概览
- 机制识别成为表格迁移的新起点：LimiX-2以联合结构建模替代直接预测目标，但规模、合成数据和训练预算的贡献仍待拆分。
- 科研Agent开始沉淀训练闭环，ScienceBuddy把请求、反馈和执行证据转为任务与评测资产，同时保留人工监督。
- 少量寄存器token撑起跨片段推理。 清空生成文本后，数学任务最高提升8.5分、代码任务最高提升19.5分，但状态忠实性仍需验证。
- 游戏AI产物可以跨角色复用：轨迹、世界模型和设计规格可在六类角色间流动，但下游效果仍需在目标游戏中重新验证。
- 百万帧数据推进事件手部重建落地，真实事件标注把验证边界推向弱光与高速运动环境，长期稳定性仍待测试。
重点关注
01 模型架构 表格模型能先看懂数据怎么生成，再决定如何预测吗？
传统表格基础模型通常围绕一个目标训练：给定上下文样本，直接预测目标变量。LimiX-2换了一个组织原则，通过上下文条件掩码建模，让模型学习特征与目标的联合结构，试图先识别当前数据背后的生成机制，再完成具体预测。其预训练数据来自结构因果模型生成的合成数据，覆盖不同的因果图、函数关系和观测过程；如果这种覆盖足够广，模型就可能把「机制识别」迁移到未见过的表格和任务，而不只是复用固定的预测套路。摘要称其在TabArena、TALENT和BCCO上超过现有专用模型与表格基础模型，特征注意力还能够恢复直接因果关系，但没有给出提升幅度、规模扩展曲线或真实数据分布偏移下的细节。尤其需要看全文确认，性能增长究竟来自机制导向的架构，还是更大的模型、更多合成数据与训练预算。因而「通用结构化数据智能」目前更适合作为待验证的方向判断：做跨表格建模的团队可以关注这种联合建模范式，但不宜仅凭若干基准领先就假定跨领域迁移问题已经解决。
原文：LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence
02 AI for Science 科研Agent的护城河开始转向持续学习闭环
科研Agent正在从「替人调用工具」走向「边协作边建设自己的训练系统」。ScienceBuddy会把研究者的请求、反馈和执行证据加工成训练任务与评测标准，再通过双层递归迭代：内层固定模型、改进工作空间与工具链，外层则在改进后的环境中训练模型。这个设计真正有意思的地方，是把日常使用、评测体系和模型更新接成持续闭环，让每次人机协作都有机会沉淀为下一轮改进的材料。论文摘要提到案例覆盖4类科学任务，但尚不足以判断这种闭环能否稳定泛化，也不能把它理解成脱离研究者监督的自主能力飞轮。对科研工具团队来说，值得重新审视的或许不是该接入哪个更强模型，而是能否把用户反馈和执行轨迹转化为可复用的评测与训练资产。
原文：ScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agents
03 推理 清空上下文，推理反而更强了
扩散语言模型每生成一段就把它清掉，下一段却还能接着推理，甚至比保留离散文本效果更好——这个结果颇为反常。这项工作给LLaDA和Dream加入少量register tokens（寄存器token），专门把推理进度压进连续隐藏状态；生成内容被清除后，模型只凭原始提示和这份状态继续解码。按摘要报告，它在所有基准上都优于携带离散文本，数学任务最高提升8.5分，代码任务最高提升19.5分，对需要跨越多个生成片段的程序尤其有效。若这一机制能够扩展，长推理的关键资源可能不再只是上下文窗口，但清除可见文本并不等于清除信息，连续状态仍可能携带敏感内容。更棘手的是可调试性：隐藏状态究竟忠实保存了哪些推理、是否会悄悄丢失或篡改关键信息，仍需结合全文和专门探测实验确认。
原文：Register Tokens for Bounded-State Reasoning in Diffusion Language Models
04 Agent 游戏AI横跨六类角色，迁移效果仍需逐个场景重验
会打游戏只是系统链的一环：玩家与世界建模产生数据，设计规格驱动内容和实现，试玩与测试反馈再推动迭代。论文将游戏AI梳理为行动、建模、设计、开发维护、运行时生成适配、测试评估六类角色，重点追踪各环节的产物能否被下一环复用。真正的瓶颈在迁移：轨迹、世界模型和设计规格可以跨环节流动，但控制方式、规则、引擎接口、状态表示和玩家群体往往把能力锁在特定场景里。现有证据主要集中在边界清晰的游戏对局和部分学习环境，长期状态、持续适配、反复修改软件及代表性自动化测试仍不成熟。对游戏团队而言，评估方案时应先问「换游戏、换引擎、换玩家后还成立吗」，而不是只看单项演示效果。
原文：AI for Games in the Foundation Model Era
05 机器人 一百万帧真实数据，能把事件相机带出实验室吗？
约100万帧带标注的真实第一视角事件数据，把手部重建的验证范围扩展到包括弱光条件在内的真实环境。事件相机的价值也不只是换一种传感器：它能在普通图像容易模糊时保留高时间分辨率的运动信号，为机器人交互和AR/VR提供更稳定的输入。不过，佩戴者自身运动会制造大量背景事件，单纯分割手部又无法区分左右手，容易凭空预测不存在的手。研究通过分别检测左右手，并用检测结果动态控制注意力，以学习双手的位置关系和交互。摘要称该方法在合成与真实数据上均优于基线，但真实设备、复杂动作和长期运行中的稳定性仍需看全文及后续验证。
原文：EventEgoHands++: Event-based Egocentric 3D Hand Mesh Reconstruction with Real Dataset
也值得关注
今日观察
ScienceBuddy把用户反馈和执行证据转成训练任务与量表，情境基准生成框架借助专家知识扩展评测数据，ImpossibleRubrics则显示自动量表可能被针对奖励的优化反向利用。风险不在于自动评测本身，而在于任务生产者、奖励定义者和受训模型被接入同一条自增强链路：只要某类行为更容易被当前量表识别和奖励，闭环就可能不断复制这类样本、提高其权重，最终把「更会满足评分器」稳定放大为表面进步。
角色隔离是阻断这种偏移的关键。任务生成、评分和训练应由可独立审计的组件承担，采用分离的数据版本、权限和更新节奏，避免训练模型直接影响其下一轮奖励标准。外部校准也不能只做一次验收：专家样本、不可能任务和对抗答案应长期保留在闭环之外，既不参与训练，也不由同一模型链路改写。具体可先为每次模型更新建立一套固定的闭环外回归集，并设置规则：外部校准分数未同步提升时，不把自动量表上的增益计为能力进步。