混合模态检索器中的模态偏好：文本中的混沌
研究发现密集检索器性能对模态组成高度敏感：当图像文档被语义对应的文本逐步替换时，检索性能呈明显 V 型曲线，单模态语料表现强劲，模态共存时显著下降。无关文本比等量无关图像造成更严重的性能退化，研究者称之为"文本中的混沌"，其根源是文本表示获得系统性更高的相似度分数。
#记忆与上下文
Hugging Face Daily PapersAI 评分2222 Hugging Face Daily PapersAI 评分4141 Learn2Play Bench：LLM 智能体在陌生环境中从经验学习的效果如何？
研究者推出 Learn2Play Bench，用规则新颖或反直觉的文本游戏评测 LLM 智能体的经验学习能力，游戏提供可复现反馈与自动评分，并变换实例测试知识迁移。评测 backbone 模型、自进化方法和 agent harness 后发现：保留完整动作与反馈记录比总结成规则更利于学习；顶尖人类玩家峰值分数高于受测智能体；固定 backbone 时更换 harness 可提升表现并降低推理成本。
Hugging Face Daily PapersAI 评分4242 ViSkill：用可演进的视觉原生技能强化 VLM 智能体
ViSkill 是一个视觉原生技能学习框架，将成功交互编码为 VLM 智能体可直接调用的复合视觉技能卡，检索到的技能同时引导推理与奖励塑形，成功轨迹再蒸馏回技能库形成闭环。在 Sokoban、FrozenLake 和 PrimitiveSkill 上，ViSkill 总体成功率达 0.89，加入冷启动初始化后升至 0.91，优于所有对比的闭源与开源基线，且收敛快于标准 PPO。
Hugging Face Daily PapersAI 评分4040 OneSearch-VL：面向图像与视频的统一多模态深度研究智能体
OneSearch-VL 是一个以视觉锚定证据图（VGEG）为核心的多模态深度研究智能体，统一处理单图、多图和视频研究任务。其 8B 版本在新建的 OneSearch-MI-Bench 和 OneSearch-Video-Bench 上分别比带工具访问的 Qwen3-VL-8B 提升 20.2 和 17.6 个百分点，并在 7 个图像基准和 VideoDR 上取得显著增益。
Google Developers Blog精选AI 评分6262 Google 发布 ADK for Kotlin 1.0，面向 Kotlin、Android 的智能体开发工具包
Google 发布 Agent Development Kit（ADK）for Kotlin 1.0 正式版，与 ADK 1.0 Core 功能对齐，并加入 Android 优先的端侧扩展。
推荐理由：官方给出 1.0 的功能清单与 Android 端侧扩展，可据此判断 Kotlin 智能体开发的可用边界。