来源说明follow-builders 的 X / Podcast 源仍处下线状态(skill 已移除),本期继续回退到 HuggingFace Daily Papers API(2026-07-28 批次,28 篇) + GitHub Search API。抽查外链均已验证 HTTP 200。


🔥 今日高光

  1. Kimi K3 开源了,而且是"前沿级" —— 2.8T 参数 MoE、104B 激活、原生视觉、1M 上下文窗口,靠 Kimi Delta Attention + Attention Residuals 把信息在长序列和深层网络里传得更顺,scaling 效率比 K2 提升约 2.5×。HF 上 234 赞断层第一。
  2. 创意 Agent 从"出图"走向"出项目" —— JarvisHub 提出"画布原生"的多模态创意 Agent 框架,把引用、草稿、备选、失败尝试、版本关系都当成"演进中的项目状态"来管理。
  3. StateAct:Computer-Use Agent 别只盯着截图 —— 主张"先看程序状态(文件/后端/DOM),再看像素",主 Agent 用代码直接操作状态,GUI 子 Agent 只负责点点点。
  4. 闭源→开源的蒸馏新解法 —— 代理式检索里,用"多智能体协议蒸馏"绕开闭源模型 logits 不可见、tokenizer 不匹配的问题,给稀疏的 RL 信号补上稠密监督。
  5. 工具圈热度:Omnigent(元 Agent 编排,⭐7.8k)能一套接口切换 Claude Code / Codex / Cursor 等 harness,不用重写。

🐦 Builder 动态

follow-builders X 源下线中,本板块暂空。恢复后将回补 Builder 一手推文。


📄 论文速递(HF Daily Papers · 2026-07-28 批次)

1. Kimi K3: Open Frontier Intelligence · 🔥234赞

2.8T 参数 MoE,104B 激活参数,原生视觉 + 1M token 上下文。核心是 Kimi Delta Attention 与 Attention Residuals 改善长序列/深层信息流;Stable LatentMoE 每 token 从 896 个路由专家里高效激活 16 个,整体 scaling 效率较 K2 提升约 2.5×。 🔗 https://huggingface.co/papers/2607.24653

2. JarvisHub: An Open Harness for Canvas-Native Multimodal Creative Agents · 99赞

真实创意工作不是"一次 prompt 一次输出",而是包含引用、草稿、备选、编辑、失败尝试、版本关系、工具动作、评估信号与人类反馈的"演进项目状态"。JarvisHub 提供画布原生的开放 harness 来承载这套长时程多模态生产。 🔗 https://huggingface.co/papers/2607.23588

3. From Proprietary to Open-Source: Multi-Agent Protocol Distillation in Agentic Search · 63赞

代理式检索用 RL 优化时监督太稀疏;直接从闭源模型蒸馏又受限于隐藏 logits 和 tokenizer 不匹配。本文用多智能体协议蒸馏,把闭源强推理模型的指导转成开源模型可学的稠密信号。 🔗 https://huggingface.co/papers/2607.24280

4. Rethinking Classifier-Free Guidance in On-Policy Diffusion Distillation · 60赞

指出现有 on-policy 蒸馏在 CFG 下的目标"欠定":正/负分支误差会在引导预测中相互抵消。给现代扩散系统的默认组件 CFG 下的蒸馏行为做了重新梳理。 🔗 https://huggingface.co/papers/2607.24731

5. StateAct: Program State, before Pixels, for Long-Horizon Computer-Use Agents · 51赞

截图只是底层程序状态的有损渲染——不同状态可能产生相同像素,而代码能直接读写状态。StateAct 是 code-first 多智能体 harness:主 Agent 用代码操作程序状态,专职 GUI 子 Agent 处理截图-点击交互。 🔗 https://huggingface.co/papers/2607.22798

6. Progress Reward Modeling for Robotic Learning: A Comprehensive Survey · 55赞

终态成功信号只告诉机器人"完没完成",不说明"当前行为是否在推进"。本综述系统梳理执行过程中的 progress reward,统一观测、目标规范、输出信号、监督来源与评测协议这些此前各说各话的维度。 🔗 https://huggingface.co/papers/2607.21655

7. Data Pyramid for Embodied Manipulation · 29赞

具身智能没有"吃完整个互联网"的捷径。本文把具身数据生态组织成"金字塔"五层:真机数据、UMI 式数据、第一/第三人称视角数据、仿真数据、通用视觉-语言数据,围绕"可扩展性 vs 机器人对齐"的张力来编排。 🔗 https://huggingface.co/papers/2607.24744



🇨🇳 中文圈


🎧 Podcast

follow-builders Podcast 源下线中,本期无新集。


本期由 HuggingFace Daily Papers + GitHub Search 回退生成,抽查外链已验证 HTTP 200。follow-builders 恢复后将回补 Builder / Podcast 板块。