ProvenanceGuard：让 MCP 智能体的事实核查不只靠"证据池"
Hugging Face 发布 ProvenanceGuard，一种面向 MCP 智能体的来源感知事实验证层。该工作针对跨源混淆问题：声明在证据中存在却被归因到错误来源时，传统盲查方法会放行，而 Proven性核查会在保留每条声明对应 MCP 工具来源身份的前提下逐一核验，并最终给出允许/拦截决策。
#论文/研究
#论文/研究
今日 2 条Hugging Face BlogAI 评分3939 The DecoderAI 评分7373 20多位顶尖AI研究者警告自动化AI研发存在极端风险
Geoffrey Hinton、Yoshua Bengio和OpenAI研究负责人Jakub Pachocki等20多位AI研究者在论文中警告，自动化AI研发可能很快触发
Import AIAI 评分5050 Import AI 470：机器无权利；用 SPADE 自动化环境生成；用 Hawkeye 构建更好的 GPU 内核
30B 规模的 Qwen3 模型配合 SPADE 框架，通过自我博弈生成可执行环境，使 AIME、GPQA、LCB 等基准上性能分别提升 58.3（+8.1 over base）。该 30B-A3B 模型经 GRPO 优化 400 次 rollouts 完成训练。研究来自华盛顿大学、斯坦福等九校合作团队。
Hugging Face BlogAI 评分3131 高效知识蒸馏：离线 Top-K Logits 与融合分块 KL 损失
Hugging Face 发布新论文提出两种系统优化，将大语言模型知识蒸馏的显存开销大幅降低。离线蒸馏仅缓存教师模型 top-100 logits，避免教师在训练期间常驻内存；融合分块 KL 损失按序列块处理，使显存峰值从约 250GB 降至约 128GB。该方法使单卡长上下文蒸馏训练成为可能，成本大幅降低。