超级智能软件工程：让治理随能力扩展的 OSTEON 方法
论文提出“超级智能软件工程”，即用能力超过人类工程师的智能体构建和演进软件，并让治理（门禁、契约、决策与知识衰减控制）随能力同步扩展。作者以 452 个高星 GitHub 仓库为样本，发现 48.67% 含智能体上下文文件，且部分路径无法解析。其 OSTEON 以 Claude Code 插件形式发布，为每个项目建立受治理的决策与契约知识库并机械校验每次变更，但作者明确未测量其实际效果。
#开源生态
arXiv · cs.AI模型评分3838 arXiv · cs.AI模型评分4444 TamilEOT：泰米尔语电话语音语义轮次结束检测数据集与模型
研究者发布TamilEOT，据称是首个面向南印度语言的语义轮次结束检测开放数据集与检测器，含116通真实泰米尔语电话对话中的18,485个标注轮次边界。在30通未见通话的4,168个片段上，准确率从零样本70.30%提升至83.71%（8.7 MB）和86.13%（21 MB），ROC-AUC从0.751升至0.921，两个模型在笔记本CPU单线程下运行均低于150毫秒。
arXiv · cs.AI模型评分4848 BeyondArena：表格基础模型在真实场景下到底有多通用？
研究团队推出首个统一表格数据基准 BeyondArena，覆盖 IID、时序和分组任务，并配套数据集整理框架 DataFoundry。在 11 个模型、142 个数据集上的测试显示，开源表格基础模型在 10 万行以内数据上具备竞争力，但分组或大规模数据仍由传统树模型和深度学习模型主导。
arXiv · cs.AI模型评分3535 InstruBPM：用指令微调开源权重模型生成 BPMN 流程模型
InstruBPM 通过指令微调开源权重大语言模型，使其能直接从自然语言描述生成 BPMN 流程模型，并采用参数高效微调与量化以支持本地部署。在 BPMN 数据集上，该紧凑微调模型在 BLEU、ROUGE-L、METEOR 及相对图编辑距离等指标上优于未微调开源基线和强闭源模型，且资源需求更低。生成的图基本符合 BPMN 最佳实践，可作为减少建模工作量的起点，训练模型与脚本已公开。
arXiv · cs.AI模型评分5454 SecPO：面向提示词注入安全的原则化对抗训练方法
作者提出 SecPO 损失函数与配套对抗训练流程，用于提升大语言模型抵御提示词注入的能力。在三种自适应攻击下，该方法的攻击成功率比 Meta-SecAlign 降低 1.5-14.5 倍；SecPO 损失相比 直接偏好优化（DPO，Direct Preference Optimization） 损失再降低 2.4-4.6 倍。
arXiv · cs.AI模型评分5353 论文提出面向智能体检索的知识编译层，导航树使查询 token 平均减少 38%
论文提出在检索增强生成（RAG，Retrieval-Augmented Generation）的智能体检索流程中加入知识编译层，把文档加工成导航层级、实体图谱、时间线等结构化产物。
arXiv · cs.AI模型评分4141 DAMI：面向门控线性注意力长上下文检索的双轴记忆初始化方法
研究者提出双轴记忆初始化（DAMI，Dual-Axis Memory Initialization），在训练前联合配置门控参数 A_log 与 dt_bias，为不同注意力头分配几何时间尺度、为不同层设置低-高-低输入敏感度。
arXiv · cs.AI模型评分3636 ReX-GG：面向关系抽取与图生成的 大语言模型（LLM，Large Language Model） 集成流水线
ReX-GG 是一个可定制的轻量级大语言模型（LLM，Large Language Model）集成流水线，通过 JavaScript 对象表示法（JSON，JavaScript Object Notation） 结构化输出和匿名同行评审排序来减少模型幻觉和单模型故障点。
arXiv · cs.AI模型评分4141 RECAST：无需隐藏推理通道，从 Claude-Sonnet-5.5 等闭源模型重建思维链
RECAST 提出一种基于重建的框架，仅凭问题和目标模型的最终答案，就能重建第一人称结构化推理过程，并清理成可直接用于监督微调（受监督微调（SFT，Supervised Fine-Tuning），Supervised Fine-Tuning）的数据。
arXiv · cs.AI模型评分4747 研究提出 CivMarshmallow：用回放验证的奖励信号训练长时程 Freeciv 智能体
研究团队构建 CivHarness 系统，可保存 Freeciv 游戏状态、在不同决策处分支并回放到未来回合，为长时程对局提供可测量的反馈。基于此训练的 大语言模型（LLM，Large Language Model） Judge 模型 CivTelescope 在“记分板陷阱”局面上的判断准确率是现成语言模型的 1.3-2.0 倍。
AWS Machine Learning Blog精选模型评分6060 用 Kiro 搭建可重复的 PHP 到 Java 迁移引擎
AWS 博客介绍如何用 人工智能（AI，Artificial Intelligence） 集成开发环境（集成开发环境（IDE，Integrated Development Environment））Kiro 搭建可重复的 PHP 到 Java 迁移引擎，把迁移拆成共享技能文件、发现扫描器和八阶段流程。
推荐理由：文章把 PHP 到 Java 的迁移拆成可复用的技能文件与八阶段流程，其中先建对照测试再写代码的顺序可以迁移到其他系统重写。
NVIDIA Blog模型评分3838 NVIDIA 展示开发者如何用前沿 人工智能（AI，Artificial Intelligence） 智能体在 Omniverse 中构建仿真应用
NVIDIA 展示了开发者用 GPT-6 Astra 等前沿 人工智能（AI，Artificial Intelligence） 模型配合 Omniverse 库构建仿真应用的多个项目，包括从现场扫描重建可编辑建筑模型、搭建燃气轮机数字孪生做假设分析、组装 SimReady 资产场景、仓库仿真压力测试和柔性线缆布线机器人控制测试。
NVIDIA Blog模型评分4646 NVIDIA 与 C-BRAIN 如何用 人工智能（AI，Artificial Intelligence） 加速阿尔茨海默病研究
C-BRAIN 联合 NVIDIA 用 人工智能（AI，Artificial Intelligence） 挖掘此前无法访问的阿尔茨海默病研究数据，其 OpenScientist 工具把原本需数周至数月的分析缩短到几分钟，单次运行成本低于 10 美元。该联盟已覆盖 200 多个研究组，并计划构建多模态生物基础模型，寻找脑老化与阿尔茨海默病的因果机制。
Microsoft Research精选模型评分7373 Microsoft Research Asia 开源 Agent Lightning v1.0，约 3500 行代码的智能体强化学习框架
Microsoft Research Asia 开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，让部署时使用的智能体框架直接参与训练，无需在训练框架里重写智能体。
推荐理由：框架把部署用的智能体直接接入强化学习训练，并给出约 6000 条样本提升 14.6 个百分点的完整流程，可据此判断改造成本。
Berkeley AI Research模型评分4646 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
伯克利 Sky Lab 团队为 K-Search 增加 MLX 后端，并开发结构化 CUDA-to-MLX 翻译层，让这一进化式内核搜索框架把已有 CUDA 内核当作知识库，自动改写为 Apple Silicon 上的高质量内核。